黑马大模型 RAG 与 Agent 实战学习笔记

本仓库记录了 B 站黑马程序员课程 《黑马程序员大模型 RAG 与 Agent 智能体项目实战教程》 的学习过程与代码实现。

📂 项目结构 Directory Structure

1. 基础学习与 LangChain 练习 (AI_LLM_RAG_Agent_Dev/)

包含从基础调用到复杂 Agent 编排的 30+ 个实验脚本。为了简洁，此处按功能分类列出核心内容：

• 基础调用与算法:
  • 01-04: API Key 测试、SDK 基础用法、流式输出、会话历史。
  • 05-09: 金融分类、JSON 提取、Few-shot 学习等实战案例。
  • 10: 余弦相似度算法手写实现。
• LangChain 核心组件:
  • 11-14: 基础用法、消息对象封装。
  • 15: 向量化 (DashScope Embeddings)。
  • 16-19: PromptTemplate、ChatPromptTemplate 及动态注入。
  • 20-22: LCEL (LangChain Expression Language) 链式调用与机制分析。
• 进阶功能:
  • 23-25: 输出解析器 (Str/Json OutputParser) 与 RunnableLambda。
  • 26-27: 内存/持久化会话记忆。
  • 28-31: 数据加载器 (CSV/JSON/Text/PDF)。
• RAG & Agent 实战:
  • 32-34: 向量存储 (Chroma) 与完整 RAG 工作流。
  • 35-38: Agent 智能体初体验、流式对话、ReAct 框架及中间件拦截。

2. 服装电商智能客服 (rag-clothing-customer-service/)

基于 RAG 技术的服装电商智能客服系统。

• 核心功能: 尺码推荐、洗涤养护、颜色选择问答。
• 技术栈: Chroma + LangChain + Streamlit。
• 启动方式: 运行 run_qa.sh (或 .bat) 开启问答界面。

3. 智扫通机器人智能客服 (zhisaotong_agent/) New!

一个面向消费者的专业扫地机器人管家系统。

• 定位: 提供全生命周期的导购与售后支持。
• 亮点:
  • ReAct 架构: 结合“思考-行动-观察”闭环，精准调用工具。
  • 深度 RAG: 针对扫地机领域知识库进行增强。
  • 美化界面: 使用 Streamlit 打造的现代化聊天交互界面。
• 主要入口: zhisaotong_agent/app.py。

🚀 环境与运行 Environment & How to Run

1. 配置环境变量

复制示例配置文件并填写你的 阿里云 DashScope API Key：

cp .env.example .env

[!IMPORTANT]
即使变量名为 API_KEY，也必须使用 DashScope 密钥。本项目深度依赖通义千问系列模型。

2. 安装依赖

pip install -r requirements.txt

3. 运行子项目

• 运行练习脚本: python AI_LLM_RAG_Agent_Dev/11_LangChain_Tongyi_Basic_Usage.py
• 启动服装客服: cd rag-clothing-customer-service && streamlit app_qa.py
• 启动智扫通 Agent: cd zhisaotong_agent && streamlit run app.py

📜 声明 Disclaimer

本项目仅用于个人学习，与黑马程序员官方无直接关联。欢迎开发者参考、交流与扩展。

• 学习用途：本仓库仅用于个人学习与笔记整理，无任何商业用途。
• 非官方代码：本项目与黑马程序员、课程官方无直接关联，仅参考其公开课程内容进行实践。
• 欢迎扩展：你可以在此基础上继续扩展自己的 RAG / Agent 实战项目与实验。
• 仓库代码

先赞后看，养成习惯！！！^ _ ^ ❤️ ❤️ ❤️
码字不易，大家的支持就是我的坚持下去的动力。点赞后不要忘了关注我哦！