第 1 章　绪论
1.1　人工智能概念
1.1.1　人工智能的定义与内涵解析
1.1.2　智能的多元维度
1.1.3　人工智能与人类智能的边界关系
1.2　人工智能的发展简史
1.2.1　萌芽期（20 世纪 40 年代—50 年代）
1.2.2　黄金期与寒冬期（20 世纪 60 年代—90 年代）
1.2.3　深度学习革命（21 世纪初至今）
1.3　人工智能的研究方向及应用领域
1.3.1　理论研究方向
1.3.2　技术交叉领域
1.3.3　社会应用图景
练习题
第 2 章　Python 编程基础
2.1　Python 简介
2.1.1　Python 在人工智能领域的核心优势
2.1.2　丰富的生态库
2.2　搭建 Python 开发环境
2.2.1　本地安装 Python 及其工具
2.2.2　Anaconda 的安装与使用
2.2.3　Jupyter Notebook 简介
2.2.4　第一个 Python 程序
2.3　Python 语法入门
2.3.1　基本数据类型
2.3.2　核心数据结构
2.3.3　运算符
2.3.4　输入与输出
2.4　程序控制结构
2.4.1　顺序结构
2.4.2　分支结构
2.4.3　循环结构
2.4.4　简单数据处理示例
2.5　代码的模块化
2.5.1　定义和调用函数
2.5.2　函数的参数与返回值
2.5.3　标准库和第三方库
2.6　正则表达式
2.6.1　正则表达式的核心模块及函数
2.6.2　常用正则表达式模式
2.6.3　正则表达式举例
2.7　面向 AI 的 Python 核心库
2.7.1　数值计算基石：NumPy
2.7.2　数据分析利器：Pandas
2.7.3　可视化
2.8　实践项目
2.8.1　探索鸢尾花数据集（Iris Dataset）
2.8.2　实施步骤
练习题
第 3 章　知识表示
3.1　知识和知识表示的概念
3.1.1　知识的定义与分类
3.1.2　知识表示的含义与重要性
3.1.3　知识表示的基本原则和要求
3.2　表示知识的方法
3.2.1　陈述性表示与过程性表示
3.2.2　确定性表示与不确定性表示
3.2.3　知识表示方法的评价标准
3.3　产生式表示法
3.3.1　产生式系统的基本结构
3.3.2　产生式规则的表示形式
3.3.3　产生式系统的推理过程
3.3.4　产生式表示法的特点与应用
3.4　框架表示法
3.4.1　框架理论的基本思想
3.4.2　框架的结构与组织方式
3.4.3　框架系统例子—动物识别框架系统
3.4.4　框架表示法的优缺点
3.5　知识图谱
3.5.1　知识图谱的基本概念与发展历程
3.5.2　知识图谱的表示与存储方式
3.5.3　知识图谱的构建方法与技术
3.5.4　知识图谱系统的例子—“世界名人”迷你知识图谱
练习题
第 4 章　机器学习
4.1　机器学习的基本概念
4.1.1　什么是机器学习
4.1.2　机器学习的核心目标
4.1.3　机器学习的基本流程
4.1.4　机器学习与日常生活的关联
4.2　机器学习的分类
4.2.1　监督学习
4.2.2　无监督学习
4.2.3　半监督学习
4.2.4　强化学习
4.3　经典机器学习方法
4.3.1　线性回归
4.3.2　决策树
4.3.3　支持向量机
4.3.4　聚类方法
4.3.5　降维方法
练习题
第 5 章　神经网络与深度学习
5.1　神经网络的结构
5.1.1　神经元
5.1.2　神经网络的基本构成
5.1.3　激活函数的作用与种类
5.1.4　前向传播与反向传播机制
5.2　深度学习
5.2.1　深度学习概述
5.2.2　深度学习框架的作用与优势
5.2.3　TensorFlow
5.2.4　PyTorch
5.2.5　框架概念
5.2.6　实战：用 PyTorch 实现手写数字识别
5.3　卷积神经网络
5.3.1　卷积运算与参数共享机制
5.3.2　池化层与特征降维
5.3.3　经典 CNN 架构解析
5.3.4　目标检测与语义分割应用
5.3.5　注意力机制在视觉任务中的应用
5.4　生成对抗网络
5.4.1　生成器与判别器的博弈原理
5.4.2　GAN 的训练过程与稳定性分析
5.4.3　变体模型 DCGAN、WGAN
5.4.4　典型应用场景
5.5　循环神经网络
5.5.1　序列建模：隐藏状态与时间依赖
5.5.2　挑战：梯度消失与长程依赖问题
5.5.3　长短期记忆网络（LSTM）原理
5.5.4　门控循环单元（GRU）结构
5.5.5　序列到序列模型架构
5.5.6　时间序列预测与文本生成应用
5.6　自然语言处理
5.6.1　文本表示：从词袋到词嵌入
5.6.2　注意力机制
5.6.3　Transformer 架构：自注意力与位置编码
5.6.4　NLP 任务与模型应用
5.7　扩散模型
5.7.1　扩散思想：从噪声到清晰图像
5.7.2　去噪网络与训练目标
5.7.3　优势与应用：高质量图像生成
练习题
第 6 章　生成式人工智能
6.1　分析式 AI 和生成式 AI 的差异
6.1.1　分析式 AI
6.1.2　生成式 AI
6.1.3　两者差异对比
6.2　发展简史
6.3　核心功能
6.3.1　文本生成
6.3.2　图像生成
6.3.3　音频生成
6.3.4　视频生成
6.3.5　代码生成
6.4　工作原理
6.4.1　第一阶段：海量学习—预训练
6.4.2　第二阶段：理解与创造—生成过程
6.4.3　第三阶段：优化迭代—人类反馈调优
6.5　正确看待生成式 AI
6.6　伦理与挑战
练习题
第 7 章　大模型提示词
7.1　提示词
7.1.1　提示词的核心价值
7.1.2　好提示词与差提示词的对比
7.2　提示词的基本结构
7.2.1　核心结构拆解
7.2.2　示例解析
7.3　实战技巧
7.3.1　明确目标：越具体，结果越精准
7.3.2　分步提问：复杂任务拆分成小块
7.3.3　角色化：获得更专业、更贴合场景的回答
7.3.4　提供示例：让 AI 快速学会“模仿”
7.3.5　优化提示：让 AI 帮你“升级”提示词
7.4　场景实战Ⅰ：用 AI 辅助学术研究
7.4.1　论文提纲设计
7.4.2　文献查找与整理
7.4.3　论文润色与修改
7.4.4　文献解读与研究设计
7.5　场景实战Ⅱ：用 AI 赋能生活
7.5.1　生活场景：攻略规划与决策辅助
7.5.2　工作场景：高效办公与沟通协作
7.5.3　创意场景：灵感激发与内容创作
练习题
第 8 章　AI 一键生成与优化演示文稿
8.1　AI 做 PPT 的原理与主流工具介绍
8.1.1　AI 生成 PPT 的工作原理
8.1.2　主流 AI 生成 PPT 工具详解
8.2　PPT 大纲与内容生成
8.2.1　使用 Kimi 生成 PPT
8.2.2　使用通义千问生成 PPT
8.2.3　使用 DeepSeek+Kimi 生成 PPT
8.3　优化已有 PPT 的逻辑与排版
8.3.1　使用 Kimi 进行内容优化
8.3.2　使用通义千问+ WPS 进行内容优化
8.4　实战演练
8.5　常见问题与注意事项
8.5.1　常见问题及解决方案
8.5.2　实用注意事项与技巧
练习题
第 9 章　AI 绘画与图片生成
9.1　AI 绘画模型
9.1.1　主流 AI 绘画模型原理简析
9.1.2　国内主流 AI 绘画平台全解析
9.1.3　豆包 AI 绘图
9.1.4　通义万相
9.1.5　文心一格（文言一心）
9.1.6　Kimi 绘图
9.2　构建画面的核心要素
9.2.1　描述词的基本结构
9.2.2　黄金提示词公式
9.2.3　描述词的顺序与重点
9.3　风格模仿实战
9.3.1　水墨风
9.3.2　赛博朋克风
9.3.3　像素艺术风
9.3.4　油画风：古典艺术质感
9.4　精准控制技巧
9.4.1　图生图
9.4.2　连续创作：生成系列作品
9.5　实战应用
9.5.1　人工智能研究报告封面
9.5.2　社交媒体科技主题封面图
练习题
第 10 章　AI 动态视频生成与编辑
10.1　文生视频与图生视频
10.1.1　文生视频
10.1.2　图生视频
10.1.3　免费 AI 视频生成工具
10.2　AI 短视频生成过程
10.2.1　明确视频主题与目标
10.2.2　编写脚本（核心环节）
10.2.3　输入提示词并生成视频（实操环节）
10.2.4　调整与导出（优化环节）
10.2.5　AI 短视频生成全流程复盘
10.3　AI 剪辑
10.3.1　自动生成字幕
10.3.2　智能抠像
10.3.3　AI 剪辑的其他实用功能
10.4　实战案例
练习题
第 11 章　智能体
11.1　智能体概述
11.1.1　智能体的概念与起源
11.1.2　智能体的核心属性
11.1.3　智能体与普通程序的区别
11.1.4　智能体与人工智能的关系
11.1.5　智能体的应用场景
11.2　智能体的组成
11.2.1　感知模块
11.2.2　行动模块
11.2.3　传感器与执行器
11.3　智能体的分类与类型
11.3.1　反射型智能体
11.3.2　目标导向型智能体
11.3.3　学习型智能体
11.3.4　自适应智能体
11.4　多智能体系统
11.4.1　多智能体协作与协调
11.4.2　通信与协商机制
11.4.3　竞争、博弈与均衡
11.5　智能体的应用实例
练习题
第 12 章　AI 综合应用
12.1　构建理念：打造你的“AI 团队”
12.1.1　AI 团队的角色分工与工具选型
12.1.2　构建 AI 工作流的五步核心流程
12.1.3　避坑指南：AI 工作流的常见误区
12.2　项目实战一：AI 辅助完成课程小论文
12.2.1　论文选题与开题设计
12.2.2　论文结构与提纲生成
12.2.3　分段撰写与初稿生成
12.2.4　文字润色与优化
12.2.5　排版与格式规范
12.2.6　最终成果校验
12.3　项目实战二：AI 全流程策划校园活动
12.3.1　活动创意与主题策划
12.3.2　活动文案与宣传方案
12.3.3　宣传海报设计
12.3.4　宣传视频制作
12.4　项目实战三：AI 辅助 NLP 情感分析
12.4.1　情感分析核心概念与工具准备
12.4.2　公开数据集获取
12.4.3　工作流程分解与代码生成
12.4.4　代码调试与运行验证
12.4.5　LDA主题模型升级
12.5　成为 AI 原生学习者
12.5.1　预习阶段：用 AI 快速构建知识框架
12.5.2　听课阶段：用 AI 打造智能课堂助手
12.5.3　复习与备考阶段：用 AI 精准强化知识薄弱点
12.5.4　知识拓展阶段：用 AI 构建跨领域知识网络
练习题