从零开始做一个高校课程资料 RAG Agent 问答系统
大模型解答专业课知识点幻觉频发、脱离教材？计算机毕设选题内卷，不想做老旧管理系统？零基础想学RAG开发，看不懂架构、跑不通项目？
本专栏纯零基础、校园专属、全流程闭环、可答辩可商用，手把手搭建高校课程资料RAG Agent问答系统，一套项目搞定自学备考、高分毕设、求职加分、校园副业四大核心需求。
🔥专栏核心差异化优势
✅校园垂直适配：兼容课件PPT、专业课PDF、历年真题、课堂笔记等全格式校内资料，贴合教学答疑逻辑
✅彻底克制幻觉：问答溯源校内原始资料，自带文档页码来源，答案严谨合规，杜绝AI编造考点错题
✅低门槛上手：弱化冗余理论，逐行代码实操，Python基础即可学完，从环境搭建到部署上线一站式教学
✅项目复用价值高：1. 自用备考：私人AI专业课助教，考点答疑、真题解析、章节梳理一键完成。2. 高分毕设：2026优选AI选题，创新点充足，论文易撰写、答辩通过率高。3. 求职赋能：掌握混合检索、Agent调度、幻觉抑制工业方案，补齐大模型岗位项目经验。4. 副业变现：可复刻院系/班级知识库，承接校内AI答疑系统定制接单
📚Full-Process Technical Chain链路
学术文档降噪处理→专属语义切片→向量库部署→混合检索优化→RAG幻觉优化→Agent智能问答→前端可视化搭建→项目部署→毕设赋能→系统迭代扩容
👥适配人群
💡专栏配套福利
- 计算机本硕学生：搞定毕设、课程大作业、面试项目
- AI零基础开发者：快速落地RAG+Agent成品项目
- 校内师生：搭建班级/院系专属课程AI知识库
- AI求职者、副业从业者：积累垂直项目、拓展校园定制接单业务
附赠全套可运行源码、课程资料包、毕设模板、报错排错手册，全程伴学答疑，省去全网找代码、调试踩坑时间。
1. 项目定位
这个项目的核心不是训练一个大模型，而是把大模型能力接入真实教学业务场景。
完整目标流程如下：
教师上传课程资料
-> 系统解析资料
-> 系统把资料切成小片段
-> 学生提出问题
-> 系统先从资料里找相关内容
-> 再基于找到的资料生成回答
-> 返回答案和出处
这就是 RAG 的基本流程。
RAG 是 Retrieval-Augmented Generation，中文常译为检索增强生成。简单说，就是先检索资料，再生成回答。
普通大模型问答：
学生提问
-> 大模型凭自己的知识回答
RAG 问答：
学生提问
-> 系统从课程资料里找相关片段
-> 把相关片段交给大模型
-> 大模型基于这些资料回答
-> 返回答案和出处
RAG 的价值是让回答有依据，减少幻觉。
2. Agent、RAG、LLM 的关系
2.1 LLM 是什么
LLM 是 Large Language Model，大语言模型。
常见例子包括 GPT、Claude、Gemini、通义千问、DeepSeek、Kimi 等。
LLM 负责理解和生成自然语言。但是 LLM 不一定知道你的课程资料、你的实验指导书、你的课堂要求，也可能编造内容。
2.2 RAG 是什么
RAG 让大模型先看你的资料，再回答问题。
在教育场景里，它解决的问题是：
- 学生问的问题必须基于课程资料回答。
- 回答需要附带出处。
- 资料不足时不能乱编。
- 教师可以控制知识来源。
2.3 Agent 是什么
Agent 比普通问答更进一步。
普通问答系统主要是：
你问一句，它答一句。
Agent 更像是：
你给一个任务，它会拆步骤、调工具、执行流程。
例如以后可以让系统做：
帮我分析本章课程资料，生成 10 道选择题、5 道简答题，并整理成 Word。
一个 Agent 可能会执行：
理解任务
-> 检索课程资料
-> 调用大模型生成题目
-> 调用文档工具生成 Word
-> 返回下载链接
当前项目还不是完整 Agent。当前项目是 RAG 后端 MVP，是后续 Agent 化的基础。
3. 当前项目技术栈
当前后端使用 Python 技术栈：
Python
FastAPI
Uvicorn
SQLAlchemy
SQLite
Swagger UI
本地文件存储 uploads
3.1 Python
Python 是项目的主要编程语言。
注意：课程内容是 Java Web，但系统本身用 Python 写。
也就是说：
系统服务对象：Java Web 课程
系统开发语言：Python
3.2 FastAPI
FastAPI 是 Python Web API 框架。
它负责定义接口，例如：
GET /api/health
POST /api/documents
GET /api/documents
DELETE /api/documents/{document_id}
POST /api/chat/ask
类比 Java：
FastAPI 类似 Spring MVC / Spring Boot Web
3.3 Uvicorn
Uvicorn 是 ASGI Web 服务器。
它负责把 FastAPI 应用跑起来，监听浏览器或客户端发来的 HTTP 请求。
类比 Java：
Uvicorn 类似 Tomcat / Netty
FastAPI 类似 Spring MVC
启动命令：
uvicorn app.main:app –reload
这条命令的含义：
uvicorn 启动 Uvicorn 服务器
app.main 找 backend/app/main.py 这个模块
:app 使用 main.py 里的 app 变量
–reload 开发模式，代码改了自动重启
3.4 Swagger UI
浏览器打开：
http://127.0.0.1:8000/docs
这个页面就是 Swagger UI。
它是后端接口文档和接口测试页面。它能让你不用写前端，也不用 Postman，就能直接测试接口。
3.5 SQLite
SQLite 是本地轻量级数据库。
它不需要单独启动数据库服务，也不需要像 MySQL 那样安装服务端。Python 标准库自带 SQLite 支持，所以当前项目可以直接使用。
当前项目里：
原始上传文件 -> 保存到 backend/uploads 目录
文档元数据 -> 保存到 SQLite
解析后的文本切块 -> 保存到 SQLite
问答历史 -> 保存到 SQLite
所以，上传的文件本体不是直接塞进 SQLite。SQLite 主要保存文件信息、解析文本、切块和问答记录。
4. 项目目录结构
项目根目录：
E:\\CodeX\\agent
主要目录：
agent/
backend/
app/
api/
core/
models/
schemas/
services/
main.py
tests/
pyproject.toml
README.md
.env.example
docs/
superpowers/
tutorials/
.gitignore
4.1 backend
backend 是后端项目目录，包含 FastAPI 应用代码、数据库模型、业务服务、API 路由、测试代码和 Python 依赖配置。
4.2 app/main.py
入口文件：
backend/app/main.py
核心作用：
- 创建 FastAPI 应用。
- 注册健康检查接口。
- 注册文档接口。
- 注册问答接口。
示例结构：
from fastapi import FastAPI
from app.api.chat import router as chat_router
from app.api.documents import router as documents_router
def create_app() –> FastAPI:
app = FastAPI(title="Java Web RAG Assistant", version="0.1.0")
@app.get("/api/health")
def health() –> dict[str, str]:
return {"status": "ok", "service": "java-web-rag-assistant"}
app.include_router(documents_router)
app.include_router(chat_router)
return app
app = create_app()
这里的 def create_app() -> FastAPI: 表示定义一个函数，返回 FastAPI 类型的对象。
类比 Java：
public static FastAPI createApp() {
...
}
Python 里的 -> FastAPI 是返回值类型标注，不是 lambda。
4.3 app/api
负责定义 HTTP 接口。
当前主要文件：
documents.py 文档上传、文档列表、删除文档
chat.py 学生提问接口
4.4 app/core
负责基础配置。
当前主要文件：
config.py 读取配置，例如数据库地址、上传目录
database.py 创建数据库连接、初始化表
4.5 app/models
负责数据库表模型。
当前主要文件：
document.py 上传文档表
chunk.py 文本切块表
chat.py 会话和消息表
user.py 用户表，当前 MVP 先预留
4.6 app/schemas
负责接口请求和响应结构。Swagger 页面底部的 Schemas 就来自这里。
例如：
ChatAskRequest 提问请求结构
ChatAskResponse 提问响应结构
DocumentRead 文档返回结构
你可以把它理解成 Java 里的 DTO。
4.7 app/services
负责业务逻辑。
当前主要文件：
storage.py 保存上传文件
parsers.py 解析 PDF、DOCX、PPTX、Markdown、代码等
chunking.py 文本切块
ingestion.py 文档入库流程
retrieval.py 本地检索
prompt.py Prompt 构造
chat.py 问答服务
