AIGC大語言模型輕松學： 從個人應用到企業實踐

第1篇 新手入門
-
第1章 AIGC“奇點臨近” 2
1.1 AIGC的技術躍遷 2
1.1.1 ChatGPT讓AIGC“一夜爆火” 3
1.1.2 內容生成方式被重新定義 5
1.1.3 AIGC引領創新賽道 7
1.2 大模型百家爭鳴 8
1.2.1 AI軍備競賽引發“百模大戰” 9
1.2.2 大模型的“摩爾定律” 11
1.2.3 “模型即服務”成為“新基建” 11
1.3 多模態“星火燎原” 12
1.3.1 Transformer帶來新曙光 12
1.3.2 多模態模型理解力涌現 16
1.3.3 多模態是通往AGI路上的又一座“聖杯” 19
1.4 商業應用日新月異 20
1.4.1 創意內容生產引爆社交媒體 20
1.4.2 自然語言交互打開新天地 21
1.4.3 AI Copilot提升十倍效率 21
-
第2章 AI和AIGC的價值洞見 23
2.1 AIGC應用價值思辨 23
2.1.1 社會的底層技術變革 24
2.1.2 企業的生死轉型窗口 25
2.1.3 個人的“十倍大殺器” 31
2.2 AIGC行業應用洞見 37
2.2.1 數字化基礎改造 37
2.2.2 AIGC全面應用的前沿領域——電子商務 41
2.2.3 AIGC引領各行業轉型 46
-
第2篇 個人應用
-
第3章 AI聊天對話 54
3.1 ChatGPT大揭秘 54
3.1.1 ChatGPT的基本使用 54
3.1.2 用提示詞（Prompt）與AI對話 58
3.2 提示詞優化——讓ChatGPT更懂你的提問 60
3.2.1 什麽是提示詞優化 60
3.2.2 提示詞優化的基礎 62
3.2.3 提示詞優化的策略 67
3.3 使用ChatGPT插件擴展垂直內容 76
3.3.1 ChatGPT插件的必要性 76
3.3.2 ChatGPT插件的基本原理 79
3.3.3 ChatGPT插件實戰——開發一個Todo List 82
3.4 警惕ChatGPT潛在問題 91
-
第4章 AI繪畫 94
4.1 快速上手Midjourney 94
4.1.1 搭建Midjourney繪畫環境 94
4.1.2 常用的Midjourney繪畫命令 97
4.1.3 編寫Midjourney提示詞的技巧 98
4.1.4 Midjourney命令的參數 98
4.2 快速上手Stable Diffusion 99
4.2.1 Stable Diffusion的界面 100
4.2.2 使用Stable Diffusion進行繪畫的步驟 100
4.2.3 使用Stable Diffusion進行繪畫的技巧 101
4.2.4 Stable Diffusion參數的設置技巧 102
4.3 ChatGPT + Midjourney讓創造力加倍 103
4.3.1 場景一：僅有一個大致的想法，缺乏細節 103
4.3.2 場景二：看到優秀的圖片及其提示詞，想生成類似的圖片 105
4.4 AI繪畫的應用 106
4.4.1 AI繪畫在電商領域的應用 106
4.4.2 AI繪畫在游戲開發、服裝設計、建築設計領域的應用 109
4.5 當前AI繪畫工具的局限性 111
-
第5章 AI音/視頻生成 112
5.1 音頻智能：能聽，會說，還會唱 112
5.1.1 音頻智能技術全景和發展介紹 112
5.1.2 音頻智能技術的典型應用場景 114
5.1.3 實戰：基於SeamlessM4T實現“語音到語音”直譯 117
5.2 視頻智能：從拍攝到生成 119
5.2.1 文生視頻 119
5.2.2 合成視頻 125
5.2.3 後期處理 128
5.3 數字人：影音交融 130
5.3.1 數字人技術簡介 130
5.3.2 虛擬人形：虛擬人臉和動作控制 132
5.3.3 虛擬人聲：人聲模擬轉換、唇形表情匹配 134
5.3.4 商業化整體解決方案 135
5.3.5 實戰：搭建自己的動漫數字人 137
-
-第3篇 深入原理
-
第6章 AIGC原理深度解析 140
6.1 AIGC技術原理概覽 140
6.1.1 AIGC技術概述 140
6.1.2 AIGC技術架構 141
6.2 ChatGPT技術原理介紹 143
6.2.1 ChatGPT技術概述 143
6.2.2 GPT模型：ChatGPT背後的基礎模型 144
6.2.3 大規模預訓練：ChatGPT的能力根源 146
6.2.4 指令微調和人工反饋強化學習：讓ChatGPT的輸出符合人類期望 148
6.3 AI繪畫的擴散模型 150
6.3.1 AI繪畫技術發展史 150
6.3.2 AI繪畫技術取得突破性進展的原因 153
6.3.3 穩定擴散模型原理簡介 154
-
第7章 AI應用開發框架 157
7.1 初識AI應用開發框架LangChain 158
7.1.1 LangChain基本概念介紹 158
7.1.2 LangChain應用的特點 159
7.2 LangChain的核心原理和實踐 161
7.2.1 Chain和Prompt Template：智能的最小單元 162
7.2.2 Memory：記住上下文 167
7.2.3 Agent和Tool：代理，解決外部資源能力交互和多LLM共享
問題 172
7.2.4 Indexes：大型知識庫的索引解決方案 187
7.3 LangChain應用場景舉例 189
7.3.1 場景一：LLM API訪問不穩定，請用LLM代理 189
7.3.2 場景二：MVP項目啟動難，請看四行代碼實現數據分析助手 190
7.3.3 場景三：開發、部署、運維的工程化遇到難題 192
7.3.4 場景四：不寫代碼也能發布LangChain應用，利用Flowise 196
-
第8章 AI代理協作系統——用於拆分和協作多個任務 198
8.1 借助“AI任務拆分”實現的AutoGPT系統 198
8.1.1 復雜AI任務的拆分與調度 199
8.1.2 在本地運行AutoGPT 201
8.1.3 AutoGPT的基本原理 210
8.1.4 AutoGPT的架構 211
8.1.5 深入解讀AutoGPT的源碼 213
8.1.6 AutoGPT現階段的“不完美” 223
8.2 利用大語言模型作為控制器的HuggingGPT系統 224
8.2.1 HuggingGPT和Hugging Face的關系 224
8.2.2 快速體驗HuggingGPT系統 226
8.2.3 在本地運行HuggingGPT 227
8.2.4 HuggingGPT底層技術揭秘 235
8.2.5 HuggingGPT與AutoGPT的本質區別 240
8.2.6 HuggingGPT是通用人工智能的雛形 242
--
第4篇 企業應用
-
第9章 實戰——搭建企業級“文生視頻”應用 246
9.1 理解“文生視頻”技術 246
9.1.1 類比電影製作來理解“文生視頻” 246
9.1.2 “文生視頻”的三大技術方案 247
9.1.3 “文生視頻”通用的技術方案 248
9.2 “文生視頻”應用的行業領軍者 249
9.2.1 Meta公司的Make-A-Video 250
9.2.2 Google公司的Imagen Video與Phenaki 252
9.3 從零開始搭建一個“文生視頻”應用 254
9.3.1 選擇合適的開源模型 254
9.3.2 搭建應用 255
9.3.3 體驗“文生視頻”的效果 259
-
第10章 實戰——基於AI全面升級軟件研發體系 262
10.1 軟件研發智能化全景 263
10.1.1 傳統軟件開發的現狀和困境 263
10.1.2 智能化軟件研發體系介紹 264
10.2 巧用第三方研發工具 267
10.2.1 智能文檔工具——Mendable、Docuwriter 267
10.2.2 智能開發工具——GitHub Copilot、Locofy、
Code Language Converter、Jigsaw、Codium 270
10.2.3 智能運維工具——Dify 279
10.3 自研相關工具 280
10.3.1 AI運維系統：私有化部署Dify 280
10.3.2 AI文檔工具：教AI讀懂內部研發手冊 286
10.3.3 AI開發工具：利用一句話生成網站 289
-
第11章 實戰——打造領域專屬的ChatGPT 297
11.1 整體方案介紹 297
11.1.1 整體流程 297
11.1.2 整體模塊 298
11.2 基於ChatGPT開發領域專屬問答機器人 299
11.2.1 搭建領域專屬知識庫 299
11.2.2 搭建向量數據庫 302
11.2.3 搭建文本問答服務 305
11.3 本地部署開源的大語言模型 308
11.3.1 選擇開源的大語言模型 308
11.3.2 本地部署ChatGLM-6B大語言模型 309
11.3.3 本地部署並微調ChatGLM-6B-SFT大語言模型 313
-
第12章 AIGC安全與合規風險 317
12.1 AIGC風險分類 319
12.1.1 算法類風險 320
12.1.2 數據類風險 321
12.1.3 應用類風險 321
12.1.4 其他風險 322
12.2 安全政策與監管 323
12.2.1 中國AI安全政策與法規 324
12.2.2 國際安全政策進展 325
12.3 安全治理框架 326
12.3.1 多措並舉的治理措施 327
12.3.2 多元治理模式 329