在AI技术迅猛发展的今天，AIGC已经成为推动社会进步和科技发展的重要力量。为助力读者系统地掌握大模型的基础知识和AIGC应用技能，本书秉持“面向应用、面向实战、面向学习者学习效果”的指导思想，契合企业技术人才培养特点，简化复杂理论，注重实践操作，旨在快速激发读者学习兴趣，使其迅速上手体验。本书覆盖了大模型的核心知识点。全书9章。第1章梳理AI发展脉络，阐明机器学习、神经网络、深度学习、大数据、自然语言处理、计算机视觉、语音处理如何共同托举大模型。第2～4章用大量案例示范大模型如何驱动文本阅读、写作、对话及图像、视频、数字人多模态创作；第5章聚焦提示词编写技巧与多模态实践；第6章详解智能体架构与工作流；第7章拆解Transformer注意力机制与训练技巧，揭示大模型“会思考”的技术底座；第8章提供大模型在数据分析、办公自动化、自然语言编程等场景的应用案例。第9章探讨AI伦理风险、面临的机遇和挑战。 本书适合作为高等职业教育和应用型本科院校人工智能工程技术课程教材或参考书，亦可供人工智能爱好者自学参考。无论是初学者还是有一定基础的读者，都能够从本书中获得有益的启示，为未来的职业发展和技术创新筑牢根基。

应用型本科院校教师

前言

第1章 大模型概述 1
1.1 从信息搜索谈起 1
1.1.1 水平搜索 1
1.1.2 垂直搜索 1
1.2 DeepSeek 2
1.2.1 DeepSeek概述 2
1.2.2 DeepSeek特性 3
1.3 人工智能 4
1.3.1 机器学习是AI的“灵魂” 4
1.3.2 神经网络是AI生存的“土壤” 6
1.3.3 深度学习是AI的“核心引擎” 7
1.3.4 大数据是AI的“血液” 9
1.3.5 NLP让AI有了“思考” 11
1.3.6 CV让AI有了“视觉” 12
1.3.7 语音处理让AI有了“听觉” 12
1.4 大模型 13
1.4.1 大语言模型 13
1.4.2 小模型与大模型 15
1.4.3 大模型的特征 15
1.4.4 人工智能与大模型的关系 19
1.4.5 大模型分类 20
1.5 AIGC 23
1.5.1 生成式人工智能 23
1.5.2 AIGC的发展 24
1.5.3 AIGC与大模型和人工智能之间的
关系 25
1.6 AI赋能是有门槛的 26
1.6.1 AI赋能=工具适配+人机协同+
业务融合 26
1.6.2 大模型性能=提问的锐度×思维
模型的厚度 28
习题1 30
第2章 解锁AI文本处理能力 32
2.1 AI文档阅读 32
2.1.1 在线阅读 32
2.1.2 离线阅读 34
2.1.3 自动阅读 34
2.2 AI文档理解 36
2.2.1 自动文摘 36
2.2.2 信息抽取 36
2.2.3 主观题阅卷 37
2.2.4 数学能力 38
2.2.5 表格数据的理解 39
2.2.6 背单词 40
2.3 AI写作 42
2.3.1 AI作诗 42
2.3.2 AI写剧本 44
2.3.3 AI改写 45
2.3.4 用批判性思维认识AI写作 46
2.4 利用DeepSeek撰写大学生创业
项目商业计划书 46
2.4.1 商业计划书概述 46
2.4.2 商业计划书撰写实践 50
2.4.3 商业计划书选题 53
2.5 AI对话 54
2.5.1 AI对话概述 54
2.5.2 多轮对话 55
2.5.3 主动对话 56
习题2 57
第3章 解锁AI图像处理能力 59
3.1 文生图 59
3.1.1 文生图概述 59
3.1.2 文生Logo 65
3.1.3 文生海报 67
3.1.4 文生思维导图 68
3.1.5 脚本生图 70
3.2 图生图 71
3.2.1 图片降噪 71
3.2.2 图片变换 78
3.3 图生文 80
3.3.1 图生文应用场景 80
3.3.2 图生提示词 81
习题3 82
第4章 解锁AI视频创作能力 83
4.1 文生视频 84
4.1.1 提示词生成视频 84
4.1.2 脚本生成视频 85
4.1.3 生成动画视频 91
4.2 图生视频 93
4.2.1 让照片动起来 93
4.2.2 对口型 95
4.3 短视频创作 96
4.3.1 音乐短视频创作 97
4.3.2 古诗词短视频创作 100
4.4 数字人概述 103
4.4.1 数字人体验 103
4.4.2 数字人分析 105
4.4.3 数字人基本原理 106
4.5 数字人实战 107
4.5.1 基于闪剪的数字人播报制作 107
4.5.2 基于有言的数字人视频制作 108
4.6 人机语音交互 115
4.6.1 人机语音交互概述 115
4.6.2 文生音 115
4.6.3 音生文 117
4.6.4 音生音 119
4.6.5 声音“克隆” 120
习题4 121
第5章 提示词（Prompt） 122
5.1 非结构化Prompt 122
5.1.1 Prompt概述 122
5.1.2 Prompt的一般公式 123
5.2 结构化Prompt 126
5.2.1 结构化Prompt概述 126
5.2.2 结构化Prompt模板 128
5.3 Prompt编写工具 131
5.3.1 LangGPT是什么 131
5.3.2 LangGPT模板 132
5.3.3 Kimi提示词专家 134
5.4 Prompt的思维模型 136
5.4.1 Prompt象限说 136
5.4.2 思维模型 138
5.5 多模态Prompt 141
5.5.1 文生图提示词与文生文提示词 141
5.5.2 文生图提示词一般公式 142
5.5.3 文章润色常用提示词 142
习题5 143
第6章 智能体（Agent） 144
6.1 智能体技术 144
6.1.1 智能体概述 144
6.1.2 智能体底层逻辑 145
6.1.3 智能体架构 146
6.2 智能体应用 147
6.2.1 普通智能体 147
6.2.2 工作流智能体 154
习题6 161
第7章 大模型原理 163
7.1 Transformer概述 163
7.1.1 Transformer是什么 163
7.1.2 Transformer架构 163
7.1.3 注意力机制 166
7.2 Transformer工作过程 166
7.3 大模型构建过程 167
7.3.1 大模型构建流程 167
7.3.2 知识蒸馏 171
7.3.3 知识增强 172
7.3.4 微调和知识蒸馏的关系 177
习题7 177
第8章 大模型应用实战 179
8.1 数据分析 179
8.1.1 简单数据分析 179
8.1.2 复杂数据分析 181
8.2 办公自动化 187
8.2.1 Excel自动化 187
8.2.2 Word自动化 190
8.3 自然语言编程 190
8.3.1 编程思维 190
8.3.2 对话式编程 192
8.3.3 Web编程 199
习题8 201
第9章 大模型伦理与未来发展 204
9.1 AI对社会的影响 204
9.1.1 积极的方面 204
9.1.2 消极的方面 205
9.1.3 AI伦理 206
9.2 AI相关的职业 208
9.2.1 技能需求 208
9.2.2 新兴职业 208
9.3 正确认识AI 215
9.3.1 人的优势 215
9.3.2 AI不能做什么 215
9.3.3 硅基生命与人工智能 216
习题9 217
参考文献 219