雷神(雷丰阳)-Python大模型Agent开发（2026）

# 🏷
>  #猫咪推荐AI开发  #AI开发  #Python大模型Agent开发 #大模型Agent #Agent开发 #PythonAI生态 #HuggingFace #Gradio #FlaskREST #FastAPI #OpenAISDK #RAG #手搓RAG #Milvus向量库 #LlamaIndex #LangChain #LangGraph

---

#### ⬇️获取课程⬇️

# 🔍 课程介绍>>> 
是一门从 Python 与 AI 生态入手，逐步推进到 Web 后端、AIGC、RAG、Agent 平台和 LangChain/LangGraph 工程化的系统课。课程资料包含 HuggingFace、Gradio、Flask、FastAPI、OpenAI SDK、RAG、Milvus、LlamaIndex、Dify、Coze、ComfyUI、LangChain、AgentChatUI、Claude Code 源码分析等模块，整体目标偏向“能开发、能联调、能部署、能做项目”。

## 知识与能力图谱

|模块|知识内容|能力目标|训练方式 / 产出物|
|---|---|---|---|
|Python 与 AI 生态快速上手|Python 语法速查、HuggingFace、模型训练与推理、Gradio、Flask REST 接口|建立 AI 应用开发基础|Notebook、demo.py、emotion.py、模型可视化页、REST 服务封装|
|Python 全能实战|Conda、Numpy、Matplotlib 等基础工程与数据处理内容|补齐 Python 数据与工程基础|课程视频 + 代码资料，覆盖数组、索引、运算、图表等内容|
|AIGC 与平台型智能体|大模型入门、OpenAI SDK、Coze、Dify、ComfyUI、飞书机器人、工作流|理解智能体配置、平台工作流和多模态应用|API 调用、插件、知识库、文生图/图生图/局部重绘流程|
|Web 开发基础|FastAPI、RESTful、Pydantic、请求体、文件上传、依赖注入、异常处理|为 Agent/RAG 项目提供后端接口能力|FastAPI 接口练习、请求/响应处理、后端基础封装|
|RAG 周|OpenAI SDK、RAG 原理、手搓 RAG、LlamaIndex、Milvus 向量库|从 API 调用走到知识库问答系统|Embedding、文档加载、切分 chunks、向量库存储、查询、Prompt 生成回答|
|RAG 工程优化|Modular RAG、查询扩展、查询重写、意图识别、相似度过滤、重排|把基础 RAG 推向可调优流程|离线文档解析/切片/向量化保存，实时查询前后处理|
|Agent 周|LangChain、Agent 组件、工具调用、短期/长期记忆、中间件、MCP、多智能体、HIL、Skills、LangGraph|构建可调用工具、可记忆、可联调的工程 Agent|SQL 智能体、多 Agent、AgentChatUI、RAG 流程解密 LangGraph|
|Agent 平台项目|辰光 Agent 平台、登录、验证码、CRUD、RAG 知识库管理、Minio 文件上传|训练完整平台级后端项目能力|脚手架、接口、认证、对象存储、文档上传、功能测试|
|源码与进阶系统|Claude Code、Query Loop、短期记忆、长期记忆、工具调用、skill 加载、HITL、harness、deepagents|拆解顶级智能体运行机制|源码下载、目录功能概览、QueryLoop 全流程、机制复盘|
|就业辅导与专项补充|AI Agent 大模型开发工程师简历、RAG 优化|面向求职材料与项目表达|简历模板、投递复聊文档、RAG 优化代码资料|

## 深度亮点剖析

- **不是单纯讲 API，而是从 Python、Web、RAG、Agent 到平台项目串起来。** 目录里同时出现 FastAPI、RAG 知识库、Minio、CRUD、AgentChatUI 等工程模块。
    
- **RAG 训练颗粒度很细。** 从 Embedding、文档加载、切分、向量库存储，到离线索引、在线查询、Milvus 高级检索都有拆分。
    
- **Agent 部分强调工程机制。** 覆盖模型配置、动态模型选择、工具调用、记忆、中间件、MCP、多智能体、HIL、Skills、LangGraph。
    
- **有完整项目联调痕迹。** AgentChatUI 工程创建、后端 Agent 整合测试、Agent 前后联调，说明课程不是停留在单脚本演示。
    
- **加入源码拆解层。** Claude Code、Query Loop、长期记忆、工具调用、skill 加载、harness 到 deepagents，属于进阶理解智能体框架运行方式的内容。

## 行业/专业背景溯源

|术语 / 工具|课程中呈现的含义|
|---|---|
|HuggingFace|用于 NLP、CV、多模态、音频任务的模型推理与实战，并配合 Gradio 做模型应用可视化。|
|RAG|课程按“离线索引 + 在线查询”拆解，并进一步训练 Embedding、文档加载、切片、向量库、Prompt 构建与模型回答。|
|Milvus|作为向量库模块，覆盖 CRUD、高级检索、过滤搜索、范围检索、分组搜索、主键搜索、混合检索。|
|LlamaIndex|与 RAG 结合，课程中出现“聊天、智能体、RAG 一句话”等入门内容。|
|LangChain / LangGraph|用于 Agent 创建、组件拆解、多智能体、Skills、RAG 流程图化理解，并提到“LangChain 创建的 Agent 就是 StateGraph”。|
|Dify / Coze / ComfyUI|分别用于工作流、本地/云模型整合、智能体配置、多模态图像工作流等平台实践。|

## 课程定位判别

这门课定位为 **Python 大模型 Agent 工程实战课，兼具入门补基、RAG 专项、Agent 项目开发与进阶源码拆解**。

它不是只面向零基础的工具体验课，因为目录中有 FastAPI、Pydantic、Milvus、LangChain 中间件、MCP、LangGraph、Claude Code Query Loop、平台 CRUD、Minio 等工程内容。它也不是单一考证或理论课，资料中大量出现“手搓 RAG”“功能测试完成”“前后联调”“封装完整请求”“源码分析”等训练痕迹。整体学习路径是先补 Python/AI 应用基础，再进入 RAG 与 Agent，最后走平台化与源码理解。

## 适合什么人看

- 想从 Python 切入大模型应用开发的人。
    
- 已会一点 Python，想补齐 AI 应用、Web 接口、RAG、Agent 项目链路的人。
    
- 想做 AI Agent / RAG 知识库 / 智能体平台项目的开发者。
    
- 需要把 LangChain、LangGraph、工具调用、记忆、多智能体、HIL 串成项目能力的人。
    
- 想用项目和简历材料包装“AI Agent 大模型开发工程师”方向的人。

# ☁️📚🛠️ 网盘目录（仅展示部分目录）>>>