基  础  篇
第1章  绪论
1.1  人工智能概述
1.1.1  人工智能的定义
1.1.2  人工智能的主要研究方向
1.2  人工智能发展历程
1.2.1  人工智能的起源与发展
1.2.2  人工智能的研究学派
1.2.3  我国人工智能发展现状
1.3  人工智能的要素
1.3.1  数据
1.3.2  算法
1.3.3  算力
1.4  人工智能伦理与安全
1.4.1  人工智能伦理挑战
1.4.2  人工智能安全
本章习题
第2章  机器学习
2.1  机器学习概述
2.1.1  机器学习的定义
2.1.2  机器学习的常用术语
2.1.3  机器学习的基本过程
2.1.4  机器学习的主要方式
2.2  机器学习解决的问题类型
2.2.1  分类
2.2.2  聚类
2.2.3  回归
2.2.4  降维
本章习题
第3章  深度学习
3.1  人工神经网络基础
3.1.1  从生物神经元到人工神经元
3.1.2  激活函数
3.1.3  神经网络的基本结构
3.1.4  前向传播与反向传播
3.2  深度学习的典型模型
3.2.1  卷积神经网络与计算机视觉
3.2.2  循环神经网络与自然语言处理
3.3  深度学习框架
3.3.1  框架概述
3.3.2  主流深度学习框架
本章习题
第4章  生成式人工智能
4.1  生成式人工智能概述
4.1.1  生成式人工智能的定义与基本范式
4.1.2  人工智能生成内容的技术原理
4.2  大语言模型
4.2.1  大语言模型概述
4.2.2  大语言模型的基本原理
4.2.3  大语言模型参数配置的基本概念
4.3  大语言模型的优化方法
4.3.1  三种优化方法的对比
4.3.2  提示词设计
4.3.3  检索增强生成
4.4  提示词工程
4.4.1  结构化提示词框架
4.4.2  高阶提示词的核心原则
4.4.3  高阶提示词的具体应用技巧
4.4.4  不同场景下的高阶提示词应用实例
本章习题
实  践  篇
第5章  人工智能辅助办公
5.1  WPS智能文档写作
5.1.1  AI文本内容创作的结构化提示词
5.1.2  WPS智能生成文档
5.1.3  WPS智能优化文档
5.1.4  WPS智能排版文档
5.2  WPS智能数据处理
5.2.1  智能设置格式
5.2.2  智能生成公式
5.2.3  智能生成图表
5.3  WPS智能演示文稿制作
5.3.1  智能生成演示文稿
5.3.2  智能优化演示文稿
本章习题
第6章  人工智能辅助编程
6.1  概述
6.1.1  AI辅助编程的应用场景
6.1.2  AI辅助编程的伦理与安全问题
6.2  AI辅助编程工具
6.2.1  对话式工具、插件式工具与AI代码编辑器
6.2.2  开发环境搭建
6.3  AI辅助编程实践
6.3.1  AI编程中的任务说明与提示表达
6.3.2  AI辅助代码生成
6.3.3  AI辅助代码解释与阅读理解
6.3.4  AI辅助代码调试与错误修正
6.3.5  AI辅助代码验证与测试生成
6.3.6  AI辅助项目开发流程
6.4  综合案例
6.4.1  AI辅助工程数据读取与可视化
6.4.2  AI辅助开发工程公式计算工具
本章习题
第7章  人工智能辅助学术研究
7.1  智能文献阅读
7.1.1  科技文献阅读与分析
7.1.2  音频与视频速读
7.2  AI辅助撰写研究报告
7.2.1  AI辅助研究选题
7.2.2  AI辅助文献综述
7.2.3  AI辅助生成报告框架
7.3  AI学术使用规范与伦理
7.3.1  幻觉校验
7.3.2  原创性
7.3.3  引用规范
本章习题
第8章  人工智能辅助创作
8.1  智能生成图像技术
8.1.1  概述
8.1.2  文生图
8.1.3  图生图
8.2  智能生成图像的具体操作
8.2.1  文生图的具体操作方法
8.2.2  图生图的具体操作方法
8.2.3  智能图像优化的具体操作方法
8.3  智能生成视频技术
8.3.1  概述
8.3.2  文生视频
8.3.3  图生视频
8.4  智能生成视频的具体操作
8.4.1  文生视频的具体操作方法
8.4.2  图生视频具体操作方法
8.4.3  智能视频编辑
8.5  图像与视频生成中的版权问题
8.5.1  版权归属与法律争议
8.5.2  治理措施与行业实践
8.5.3  操作建议
本章习题
第9章  智能体
9.1  智能体概述
9.1.1  智能体的概念与核心特征
9.1.2  智能体的安全、伦理与未来展望
9.2  智能体开发环境
9.2.1  智能体平台
9.2.2  扣子编程开发环境
9.2.3  腾讯元器开发环境
9.3  氛围编程模式开发智能体
9.3.1  自动创建智能体
9.3.2  预览与测试
9.3.3  迭代智能体
9.3.4  部署智能体
9.3.5  分享智能体
9.4  低代码模式开发智能体
9.4.1  创建一个简单的智能体
9.4.2  知识库
9.4.3  工作流
9.4.4  插件
9.4.5  多智能体协作
9.5  桌面智能体
9.5.1  概述
9.5.2  WorkBuddy实践案例
本章习题
附录A  数据采集、清洗与可视化
A.1  数据采集获取
A.2  数据统计与质量检查
A.3  数据清洗
A.4  可视化与结果解释
A.5  小结
附录B  模型训练与微调
B.1  时序预测模型构建
B.1.1  任务设定与数据准备
B.1.2  利用大模型辅助构建时序预测模型
B.1.3  模型训练结果与分析
B.2  模型微调
B.2.1  什么是微调，为什么要微调
B.2.2  构建GLM微调数据集
B.2.3  微调和评测
B.3  小结
附录C  AI辅助毕业设计
C.1  AI工具使用规范
C.2  毕业设计各环节中的提示词设计
附录D  AI辅助制作项目路演视频
D.1  前期策划
D.2  脚本撰写
D.3  素材准备
D.4  视频编辑
D.5  后期优化
D.6  最终审查与修改
参考文献