本书为综合性人工智能通识教育教材，集理论、技能、应用于一体，助力学习者系统掌握人工智能基础理论、技术原理及实际应用，聚焦培育“AI+专业”复合型人才。本书涵盖基础理论知识，并引入最新的复杂Agent构建及MCP Server等前沿内容。本书特色是配套数字化教学实训体系，支持读者随时随地进行线上学习与实训。

全书共分为理论篇、技能篇和应用篇三个部分。理论篇（第1—第5章）聚焦人工智能基本理论、技术原理、主要流派及典型应用，助力读者构建人工智能知识体系。技能篇（第6—第10章）深入生成式人工智能的技术原理与应用领域，通过案例分析与实训练习，使读者熟练掌握相关技能。应用篇（第11々第13章）详细阐述生成式人工智能应用系统的开发与构建，结合行业及企事业单位实际需求，指导读者设计构建“人工智能+行业”“人工智能+企事业单位”应用系统，提升“人工智能+行业”的创新素养和能力。

本书可作为高等学校、高等职业院校财经、商贸、管理、人文、社科等大类专业的基础课教材，也可作为其他专业的人工智能通识教材，还可作为企业工作人员和社会学习者的参考用书。

前辅文
第1章 绪论
  1.1 人工智能突破性发展驱动行业变革
   1.1.1 什么是人工智能
   1.1.2 人工智能的突破性发展
   1.1.3 人工智能全面进入社会经济各领域
   1.1.4 社会发展需要大量人工智能复合型人才
  1.2 人工智能通识教育必要性
  1.3 本书特色及导读
   1.3.1 本书特色
   1.3.2 本书导读
  习题
第2章 人工智能基本原理与应用概述
  2.1 人工智能的基本概念
   2.1.1 人类智能基本概念与特点
   2.1.2 人工智能基本概念
  2.2 人类智能与机器智能的区别
  2.3 人工智能的主流学派及典型应用
   2.3.1 符号主义（Symbolism）
   2.3.2 连接主义（Connectionism）
   2.3.3 行为主义（Behaviorism）
  2.4 人工智能主流学派的融合发展
   2.4.1 符号主义与连接主义的融合
   2.4.2 连接主义与行为主义的融合
   2.4.3 符号主义、连接主义与行为主义的全面融合
  2.5 人工智能的技术实现方式——AI模型的构建与训练
   2.5.1 什么是AI模型
   2.5.2 AI模型的构成
  2.6 AI模型的分类
   2.6.1 按模型结构和原理分类
   2.6.2 按学习方式分类
   2.6.3 按应用领域分类
   2.6.4 按模型规模和复杂度分类
   2.6.5 按是否开源分类
   2.6.6 AI模型的应用
  2.7 当前人工智能的主要技术应用方向
   2.7.1 图像与视觉识别
   2.7.2 自然语言处理
   2.7.3 机器翻译技术
   2.7.4 自动驾驶技术
   2.7.5 生成式人工智能
  习题
第3章 人工智能的发展历程与演进范式
  3.1 人工智能的发展是人类科学发展的重要范式
   3.1.1 人工智能发展演进的独特范式
   3.1.2 学习人工智能发展与演进具有重要意义
  3.2 人工智能的诞生
  3.3 人工智能发展的四次浪潮简述
  3.4 第一次浪潮（20世纪50年代末—20世纪70年代初）
   3.4.1 1950年：图灵测试，人工智能诞生
   3.4.2 1951年：第一个神经网络机器，首个西洋跳棋程序诞生
   3.4.3 1956年：达特茅斯会议，创立“人工智能”学科
   3.4.4 1957年：最早的神经网络模型
   3.4.5 1958年：LISP编程语言发明
   3.4.6 1964年：第一个人机对话系统ELIZA
   3.4.7 1965年：第一个专家系统DENDRAL
   3.4.8 1968年：第一台智能机器人Shakey
   3.4.9 20世纪70年代：AI冬天
  3.5 第二次浪潮（20世纪80年代—20世纪90年代）
   3.5.1 1981年：日本第五代计算机项目启动
   3.5.2 1982年：Hopfield模型发明——2024年诺贝尔物理学奖
   3.5.3 1986年：反向传播算法的重要发展
   3.5.4 1989年：卷积神经网络发明
  3.6 第三次浪潮（20世纪90年代—2017 年以前）
   3.6.1 26年：深度学习
   3.6.2 2011年：IBM Watson
   3.6.3 2014年：生成对抗网络
   3.6.4 2016—2017年：AlphaGo与AlphaGo Zero
  3.7 第四次浪潮（2017年至今）
   3.7.1 2017年：Transformer模型
   3.7.2 2020年：AlphaFold2
   3.7.3 2022年生成式人工智能取得重大突破
  3.8 人工智能发展的关键人物与关键技术
  习题
第4章 生成式人工智能（AIGC）原理与技术
  4.1 生成式人工智能的特点简介
  4.2 生成式人工智能的基本原理简述
  4.3 AI大模型
   4.3.1 生成式AI大模型参数类型
   4.3.2 大模型的特点及应用领域
  4.4 生成式人工智能的重要模型1——生成对抗网络（GANs）
   4.4.1 GANs的基本原理
   4.4.2 GANs的变体与改进
   4.4.3 GANs的应用领域
   4.4.4 GANs的挑战与未来展望
  4.5 生成式人工智能的重要模型2——Transformer模型简介
   4.5.1 Transformer模型的发明与目的
   4.5.2 模型特点与优势
   4.5.3 模型结构
   4.5.4 自注意力机制与多头自注意力机制
   4.5.5 模型训练与优化
   4.5.6 应用领域与成果
   4.5.7 小结与展望
  4.6 TOKEN在生成式人工智能中的作用
   4.6.1 TOKEN在生成式人工智能中的作用
   4.6.2 TOKEN的数量及处理速度指标
   4.6.3 TOKEN也是人工智能使用的计量单位
  4.7 生成式人工智能系统的训练
   4.7.1 数据准备阶段
   4.7.2 模型选择阶段
   4.7.3 模型训练
   4.7.4 模型评估与优化阶段
   4.7.5 模型部署与应用阶段
   4.7.6 持续学习与改进阶段
   4.7.7 目前主流的生成式人工智能系统的训练框架
  4.8 智能涌现
   4.8.1 智能涌现定义
   4.8.2 表现形式
   4.8.3 产生的原因
   4.8.4 智能涌现可能产生人类没有的新知识及新发现
   4.8.5 智能涌现和智能是两个密切相关但有所区别的概念
  4.9 生成式人工智能的分类
  4.10 大语言模型的发展与重要性
   4.10.1 语言文字是人类文明发展的承载工具
   4.10.2 语言文字是人类智能发展重要支撑
   4.10.3 大语言模型（LLM）对人工智能发展的重要性
   4.10.4 大语言模型的发展历程
  4.11 国外生成式人工智能通用AI模型介绍
   4.11.1 GPT系列（OpenAI）
   4.11.2 Gemini系列（Google）
   4.11.3 Claude系列（Anthropic）
   4.11.4 LLaMA（Meta AI）
   4.11.5 Copilot（GitHub、Microsoft、OpenAI）
  4.12 国内生成式人工智能通用AI模型介绍
   4.12.1 文心一言
   4.12.2 智谱清言
   4.12.3 Kimi
   4.12.4 通义千问
   4.12.5 豆包AI
   4.12.6 讯飞星火
   4.12.7 DeepSeekV3
   4.12.8 其他模型
  4.13 生成式人工智能的发展趋势
   4.13.1 技术创新与性能提升
   4.13.2 多模态生成能力
   4.13.3 推理与决策能力增强
   4.13.4 应用场景拓展
   4.13.5 技术融合与跨界发展
   4.13.6 监管与标准化建设
  习题
第5章 人工智能伦理
  5.1 人工智能涉及的法律、伦理和版权问题
   5.1.1 人工智能的潜在危害
   5.1.2 人工智能相关法律
   5.1.3 人工智能的伦理和版权挑战
  5.2 人工智能工程的伦理原则
   5.2.1 公平性与无歧视
   5.2.2 透明性与可解释性
   5.2.3 隐私保护
   5.2.4 责任与问责
   5.2.5 可持续性与社会影响
   5.2.6 用户控制与自主权
  5.3 人工智能的规范与标准
   5.3.1 人工智能规范与标准
   5.3.2 人工智能标准体系结构
   5.3.3 人工智能标准化的现状和发展趋势
   5.3.4 AI生成与版权保护
  习题
第6章 AIGC应用模式及国内外知名平台简介
  6.1 当前AIGC的主要应用模式
   6.1.1 AI问答
   6.1.2 AI文件阅读
   6.1.3 AI文件生成
   6.1.4 AI逻辑推理
   6.1.5 AI图像生成
   6.1.6 音乐生成
   6.1.7 AI视频生成
   6.1.8 AI数字人
   6.1.9 AI知识库
   6.1.10 智能体（Agent）
   6.1.11 基于AIGC的编程辅助
  6.2 国外知名AIGC平台简介
  6.3 国内知名AIGC 平台
  6.4 AIGC的部分行业应用简介
   6.4.1 教育行业
   6.4.2 医疗行业
   6.4.3 金融行业
   6.4.4 法律行业
   6.4.5 媒体与广告行业
   6.4.6 零售与电商行业
  习题
第7章 Prompt提示词应用与实践
  7.1 Prompt提示词的概念
  7.2 通用的提示词内容架构
   7.2.1 通用的提示词内容架构
   7.2.2 常见组合架构模式
  7.3 常见提示词框架
   7.3.1 科研领域
   7.3.2 教育领域
   7.3.3 商业领域
   7.3.4 艺术领域
  7.4 提示词常见应用场景及相关设计
   7.4.1 一般问答与咨询
   7.4.2 短文章生成的提示词设计
   7.4.3 长文章生成的提示词设计
  7.5 基于素材资料的提示词应用与设计
   7.5.1 阅读分析
   7.5.2 基于素材资料的内容创作与生成
   7.5.3 应用示例
  7.6 图像生成的提示词设计
   7.6.1 图像生成的提示词设计
   7.6.2 图像生成提示词示例
  7.7 音乐生成的提示词设计
   7.7.1 音乐生成的提示词设计要点
   7.7.2 音乐生成的提示词设计示例
  7.8 视频生成的提示词设计
   7.8.1 设计要点
   7.8.2 视频生成提示词示例
  7.9 行业工作提示词设计与应用
   7.9.1 建筑装修行业提示词设计
   7.9.2 教育行业提示词设计与应用
  7.10 企业经营管理提示词设计与应用
  7.11 政务工作提示词设计
   7.11.1 政府部门业务场景提示词设计案例
   7.11.2 按照政府部门分类设计的提示词示例
  习题
第8章 AI写作使用培训
  8.1 AI文件写作
   8.1.1 新闻稿件创作与改写
   8.1.2 研究报告转写学术报告
   8.1.3 短视频文案创作
   8.1.4 商品推荐文案创作
   8.1.5 教案辅助编写
   8.1.6 电子邮件内容辅助生成与改写
   8.1.7 软著中产品说明书辅助编写
   8.1.8 会议内容辅助信息抽取
   8.1.9 职业生涯规划生成
   8.1.10 求职简历辅助优化
   8.1.11 专利技术大纲生成
   8.1.12 旅游攻略文案编写
   8.1.13 市场营销文案及方案编写
  8.2 AI文学创作
   8.2.1 诗歌创作
   8.2.2 歌词创作
   8.2.3 散文创作
   8.2.4 小说创作
  8.3 行业研究报告创作与优化
   8.3.1 行业研究报告的创作流程
   8.3.2 行业研究报告的优化策略
   8.3.3 实操技巧与注意事项
  习题
第9章 AIGC的多模态应用
  9.1 图像生成AIGC平台使用培训
   9.1.1 文生图像发展史
   9.1.2 Midjourney实操讲解
   9.1.3 图片融合与解析
   9.1.4 国内外知名文生图像平台
  9.2 音乐生成AIGC平台使用培训
   9.2.1 AI音乐发展史
   9.2.2 Suno音乐生成工具介绍
   9.2.3 国内外知名文生音乐平台
  9.3 视频生成AIGC平台使用培训
   9.3.1 AI视频的发展历程
   9.3.2 文生视频的基本原理
   9.3.3 AI视频的重要模型简介
   9.3.4 大语言模型（LLM）生成视频
   9.3.5 OpenAI Sora模型
   9.3.6 实操：AI视频生成
   9.3.7 交互式数字人
   9.3.8 国内知名文生视频平台
   9.3.9 国外知名文生视频平台
  习题
第10章 AIGC应用系统设计与构建
  10.1 当前AIGC公用云平台使用中普遍存在的问题
   10.1.1 大语言模型的局限性
   10.1.2 当前的AIGC公用云平台普遍存在的问题
  10.2 基于AIGC的行业应用系统的基本原理
   10.2.1 基于AIGC的行业应用系统的基本原理
   10.2.2 RAG知识库
   10.2.3 智能体（Agent）
  10.3 AIGC应用开发平台
  10.4 零代码快速构建AIGC应用系统的基本方法
  10.5 AIGC基础应用系统的构建实训
   10.5.1 系统构建流程
   10.5.2 应用系统功能策划
   10.5.3 信息及数据收集与预处理
   10.5.4 RAG知识库构建
   10.5.5 应用Agent设计与构建
   10.5.6 Agent调试与修改
   10.5.7 Agent的发布
  习题
第11章 复杂AIGC应用系统的构建与开发（选修）
  11.1 基于Agent的复杂AIGC应用系统构建方法
   11.1.1 系统应用功能设计
   11.1.2 知识库构建方法
   11.1.3 复杂Agent构建方法
  11.2 基于AIGC开发平台的动态知识库构建
  11.3 复杂Agent构建示例
   11.3.1 复杂知识体功能设计
   11.3.2 Agent能力扩展配置页面
   11.3.3 能力扩展——选择工具组件
   11.3.4 能力扩展——选择及设置知识库
   11.3.5 交互功能设计
  11.4 系统分发
  11.5 基于工作流的Agent简介
   11.5.1 基于工作流的 Agent简介
   11.5.2 主要特点
   11.5.3 典型应用场景
   11.5.4 技术实现要点
  11.6 基于MCP的Agent应用组件简介
   11.6.1 MCP简介
   11.6.2 应用场景
  习题
第12章 面向行业的AIGC应用系统
  12.1 基于Agent的行业AIGC应用系统
   12.1.1 行业Agent应用系统规划与设计
   12.1.2 行业数据集的采集
   12.1.3 基于RAG的行业知识库
   12.1.4 行业应用智能体（Agent）的构建
  12.2 面向行业及专业学科的科研与研究报告编写
   12.2.1 AIGC+专业学科辅助科研系统构建与使用
   12.2.2 基于AI的科研选题与推荐
   12.2.3 科研论文搜索与解读
   12.2.4 个人及行业科研资料库构建
   12.2.5 面向科研选题的文献综述
   12.2.6 科研论文（研究报告）的AI辅助编写
  习题
第13章 面向企事业单位的AIGC应用系统建设方法
  13.1 AI+企业系统总体架构
  13.2 企业智慧决策系统
   13.2.1 AI+企业发展战略Agent
   13.2.2 AI+组织机构重构
   13.2.3 AI+经营管理创新
  13.3 AI+企业行政办公系统
   13.3.1 企业各类文件编写
   13.3.2 企业文件管理
   13.3.3 企业形象宣传
  13.4 企业智慧科研Agent应用系统功能设计及开发
   13.4.1 行业科研动态Agent应用系统
   13.4.2 AI+产品开发Agent应用系统
   13.4.3 AI+技术研发Agent应用系统
   13.4.4 科研项目申报Agent应用系统
   13.4.5 科研项目管理Agent应用系统
  13.5 智慧营销与电子商务
   13.5.1 营销文案编写Agent应用系统
   13.5.2 营销海报设计Agent应用系统
   13.5.3 营销视频编制Agent应用系统
   13.5.4 AI+客户搜索Agent应用系统
   13.5.5 AI+电商管理Agent应用系统
  13.6 AI+项目投标与管理
   13.6.1 AI+招标信息采集Agent应用系统开发
   13.6.2 AI+投标管理Agent应用系统开发
   13.6.3 AI+项目实施与验收管理Agent应用系统开发
  13.7 AI+人力资源相关Agent应用系统开发介绍
   13.7.1 AI+人力资源Agent应用系统
   13.7.2 AI+岗位分析Agent应用系统
   13.7.3 AI+招聘系统Agent应用系统
   13.7.4 AI+劳动合同Agent应用系统
   13.7.5 AI+绩效考核Agent应用系统
   13.7.6 AI+员工培训Agent应用系统
  13.8 企业AI信息门户
   13.8.1 AI+企业网站
   13.8.2 AI+企业微信公众号
   13.8.3 企业数字人生成系统
   13.8.4 企业数字人服务Agent
  习题
参考文献