本书共分五篇：新手入门篇、应用实践篇、原理进阶篇、案例实战篇以及未来扩展篇。将从AIGC是如何爆发的，激发了哪些相关行业以及爆红网络的AIGC相关技术展开，如：ChatGPT聊天应用、MidJourney作图工具、DID数字人等。此外，通过应用实践，对市场上AI聊天、绘画、音视频合成以及商业应用做了具体的剖析和实践，让读者对AI能力有了更深入的理解。最后，配套AI底层原理进阶以及企业实战，让读者所学皆可融会贯通。

第1篇 新手入门
-
第1章 AIGC“奇点临近”\t2
1.1 AIGC的技术跃迁\t2
1.1.1 ChatGPT让AIGC“一夜爆火”\t3
1.1.2 内容生成方式被重新定义\t5
1.1.3 AIGC引领创新赛道\t7
1.2 大模型百家争鸣\t8
1.2.1 AI军备竞赛引发“百模大战”\t9
1.2.2 大模型的“摩尔定律”\t11
1.2.3 “模型即服务”成为“新基建”\t11
1.3 多模态“星火燎原”\t12
1.3.1 Transformer带来新曙光\t12
1.3.2 多模态模型理解力涌现\t16
1.3.3 多模态是通往AGI路上的又一座“圣杯”\t19
1.4 商业应用日新月异\t20
1.4.1 创意内容生产引爆社交媒体\t20
1.4.2 自然语言交互打开新天地\t21
1.4.3 AI Copilot提升十倍效率\t21
-
第2章 AI和AIGC的价值洞见\t23
2.1 AIGC应用价值思辨\t23
2.1.1 社会的底层技术变革\t24
2.1.2 企业的生死转型窗口\t25
2.1.3 个人的“十倍大杀器”\t31
2.2 AIGC行业应用洞见\t37
2.2.1 数字化基础改造\t37
2.2.2 AIGC全面应用的前沿领域――电子商务\t41
2.2.3 AIGC引领各行业转型\t46
-
第2篇 个人应用
-
第3章 AI聊天对话\t54
3.1 ChatGPT大揭秘\t54
3.1.1 ChatGPT的基本使用\t54
3.1.2 用提示词（Prompt）与AI对话\t58
3.2 提示词优化――让ChatGPT更懂你的提问\t60
3.2.1 什么是提示词优化\t60
3.2.2 提示词优化的基础\t62
3.2.3 提示词优化的策略\t67
3.3 使用ChatGPT插件扩展垂直内容\t76
3.3.1 ChatGPT插件的必要性\t76
3.3.2 ChatGPT插件的基本原理\t79
3.3.3 ChatGPT插件实战――开发一个Todo List\t82
3.4 警惕ChatGPT潜在问题\t91
-
第4章 AI绘画\t94
4.1 快速上手Midjourney\t94
4.1.1 搭建Midjourney绘画环境\t94
4.1.2 常用的Midjourney绘画命令\t97
4.1.3 编写Midjourney提示词的技巧\t98
4.1.4 Midjourney命令的参数\t98
4.2 快速上手Stable Diffusion\t99
4.2.1 Stable Diffusion的界面\t100
4.2.2 使用Stable Diffusion进行绘画的步骤\t100
4.2.3 使用Stable Diffusion进行绘画的技巧\t101
4.2.4 Stable Diffusion参数的设置技巧\t102
4.3 ChatGPT + Midjourney让创造力加倍\t103
4.3.1 场景一：仅有一个大致的想法，缺乏细节\t103
4.3.2 场景二：看到优秀的图片及其提示词，想生成类似的图片\t105
4.4 AI绘画的应用\t106
4.4.1 AI绘画在电商领域的应用\t106
4.4.2 AI绘画在游戏开发、服装设计、建筑设计领域的应用\t109
4.5 当前AI绘画工具的局限性\t111
-
第5章 AI音/视频生成\t112
5.1 音频智能：能听，会说，还会唱\t112
5.1.1 音频智能技术全景和发展介绍\t112
5.1.2 音频智能技术的典型应用场景\t114
5.1.3 实战：基于SeamlessM4T实现“语音到语音”直译\t117
5.2 视频智能：从拍摄到生成\t119
5.2.1 文生视频\t119
5.2.2 合成视频\t125
5.2.3 后期处理\t128
5.3 数字人：影音交融\t130
5.3.1 数字人技术简介\t130
5.3.2 虚拟人形：虚拟人脸和动作控制\t132
5.3.3 虚拟人声：人声模拟转换、唇形表情匹配\t134
5.3.4 商业化整体解决方案\t135
5.3.5 实战：搭建自己的动漫数字人\t137
-
-第3篇 深入原理
-
第6章 AIGC原理深度解析\t140
6.1 AIGC技术原理概览\t140
6.1.1 AIGC技术概述\t140
6.1.2 AIGC技术架构\t141
6.2 ChatGPT技术原理介绍\t143
6.2.1 ChatGPT技术概述\t143
6.2.2 GPT模型：ChatGPT背后的基础模型\t144
6.2.3 大规模预训练：ChatGPT的能力根源\t146
6.2.4 指令微调和人工反馈强化学习：让ChatGPT的输出符合人类期望\t148
6.3 AI绘画的扩散模型\t150
6.3.1 AI绘画技术发展史\t150
6.3.2 AI绘画技术取得突破性进展的原因\t153
6.3.3 稳定扩散模型原理简介\t154
-
第7章 AI应用开发框架\t157
7.1 初识AI应用开发框架LangChain\t158
7.1.1 LangChain基本概念介绍\t158
7.1.2 LangChain应用的特点\t159
7.2 LangChain的核心原理和实践\t161
7.2.1 Chain和Prompt Template：智能的最小单元\t162
7.2.2 Memory：记住上下文\t167
7.2.3 Agent和Tool：代理，解决外部资源能力交互和多LLM共用
问题\t172
7.2.4 Indexes：大型知识库的索引解决方案\t187
7.3 LangChain应用场景举例\t189
7.3.1 场景一：LLM API访问不稳定，请用LLM代理\t189
7.3.2 场景二：MVP项目启动难，请看四行代码实现数据分析助手\t190
7.3.3 场景三：开发、部署、运维的工程化遇到难题\t192
7.3.4 场景四：不写代码也能发布LangChain应用，利用Flowise\t196
-
第8章 AI代理协作系统――用于拆分和协作多个任务\t198
8.1 借助“AI任务拆分”实现的AutoGPT系统\t198
8.1.1 复杂AI任务的拆分与调度\t199
8.1.2 在本地运行AutoGPT\t201
8.1.3 AutoGPT的基本原理\t210
8.1.4 AutoGPT的架构\t211
8.1.5 深入解读AutoGPT的源码\t213
8.1.6 AutoGPT现阶段的“不完美”\t223
8.2 利用大语言模型作为控制器的HuggingGPT系统\t224
8.2.1 HuggingGPT和Hugging Face的关系\t224
8.2.2 快速体验HuggingGPT系统\t226
8.2.3 在本地运行HuggingGPT\t227
8.2.4 HuggingGPT底层技术揭秘\t235
8.2.5 HuggingGPT与AutoGPT的本质区别\t240
8.2.6 HuggingGPT是通用人工智能的雏形\t242
--
第4篇 企业应用
-
第9章 实战――搭建企业级“文生视频”应用\t246
9.1 理解“文生视频”技术\t246
9.1.1 类比电影制作来理解“文生视频”\t246
9.1.2 “文生视频”的三大技术方案\t247
9.1.3 “文生视频”通用的技术方案\t248
9.2 “文生视频”应用的行业领军者\t249
9.2.1 Meta公司的Make-A-Video\t250
9.2.2 Google公司的Imagen Video与Phenaki\t252
9.3 从零开始搭建一个“文生视频”应用\t254
9.3.1 选择合适的开源模型\t254
9.3.2 搭建应用\t255
9.3.3 体验“文生视频”的效果\t259
-
第10章 实战――基于AI全面升级软件研发体系\t262
10.1 软件研发智能化全景\t263
10.1.1 传统软件开发的现状和困境\t263
10.1.2 智能化软件研发体系介绍\t264
10.2 巧用第三方研发工具\t267
10.2.1 智能文档工具――Mendable、Docuwriter\t267
10.2.2 智能开发工具――GitHub Copilot、Locofy、
Code Language Converter、Jigsaw、Codium\t270
10.2.3 智能运维工具――Dify\t279
10.3 自研相关工具\t280
10.3.1 AI运维系统：私有化部署Dify\t280
10.3.2 AI文档工具：教AI读懂内部研发手册\t286
10.3.3 AI开发工具：利用一句话生成网站\t289
-
第11章 实战――打造领域专属的ChatGPT\t297
11.1 整体方案介绍\t297
11.1.1 整体流程\t297
11.1.2 整体模块\t298
11.2 基于ChatGPT开发领域专属问答机器人\t299
11.2.1 搭建领域专属知识库\t299
11.2.2 搭建向量数据库\t302
11.2.3 搭建文本问答服务\t305
11.3 本地部署开源的大语言模型\t308
11.3.1 选择开源的大语言模型\t308
11.3.2 本地部署ChatGLM-6B大语言模型\t309
11.3.3 本地部署并微调ChatGLM-6B-SFT大语言模型\t313
-
第12章 AIGC安全与合规风险\t317
12.1 AIGC风险分类\t319
12.1.1 算法类风险\t320
12.1.2 数据类风险\t321
12.1.3 应用类风险\t321
12.1.4 其他风险\t322
12.2 安全政策与监管\t323
12.2.1 中国AI安全政策与法规\t324
12.2.2 国际安全政策进展\t325
12.3 安全治理框架\t326
12.3.1 多措并举的治理措施\t327
12.3.2 多元治理模式\t329