本书共10章，从逻辑上分为“基础知识”“原理与技术”“应用开发实践”三部分。基础知识(第1章)介绍大模型定义、应用现状、存在的问题，以及发展趋势。原理与技术(第2和3章)详细讲解大模型的构建流程、Transformer模型，以及模型微调、对齐优化、提示工程等核心技术，之后介绍了推理优化、大模型训练、大模型评估、大模型部署等拓展技术。应用开发实践(第4-10章)详细讲解大模型插件应用开发、RAG实践，以及智能客服问答、学科知识问答、法律领域应用、医疗领域应用、智能助写平台等多领域的实践。

本书作者根据其专业见解诠释了企业实施人工智能的意义。全书分10章，从理论、行业案例、应用指南、困难挑战及未来发展等方面介绍了企业将自动化和人工智能思维转变成行动的方法和战略。书中讨论了如何正确对待对人工智能的过度炒作，介绍了人工智能的历史，将理论与实践相结合，讲解了人工智能能力框架及相关的技术和全球各行业的应用案例，阐述了把人工智能应用于企业的方法，包括所使用的工具和行动指南，详述了搭建人工智能平台及其相关的方法论，阐明了人工智能在除收益之外的问题和挑战、人工智能和其他自动化技术相结合

本书系统讲解MCP的技术原理与应用实战。首先从MCP的基础知识入手，详细讲解MCP的起源与发展、架构、核心组件（资源、工具、提示模板）、支持的传输类型和安全机制等，并通过与API、Agent、Function Calling、A2A 协议l等的对比，体现其标准化优势。然后讲解如何安装与搭建MCP服务器，并以Node.js和Python双栈为例，手把手搭建MCP服务器与MCP客户端，演示如何将MCP集成到Claude Desktop、Cursor IDE等主流AI平台中。最后讲解了多个实战案例，涵

这是一本零基础也能快速上手的AI编程实操指南，小白读者可以不写代码、不学编程，通过"提问比代码更重要"的创新理念，手把手教会读者用AI工具开发出微信小程序、iOS App、网页游戏和AI网站等爆款应用。

本书从精准提问、模块化开发等核心技巧讲起，通过贪吃蛇游戏、MBTI测试小程序等实战案例，带读者完整经历需求分析、开发调试到上线运营的全流程，更独家分享App Store上架、SEO优化和百万级变现策略。

随书附赠价值1699元六大福利，让读者轻松跨越技术门槛，抓

"智能体（Agent）是大模型落地应用的重要方向，也是AI应用的一个重要风口。为了让更多非技术出身的读者能够理解Agent，能够零基础开发AI应用，我们选择火山引擎的扣子智能体开发平台来设计开发自己的Agent。《扣子开发AI Agent智能体应用》配套提示词文件、PPT课件、190分钟教学视频、全书配图PDF文件、字节跳动生态伙伴高手微信群答疑服务。 《扣子开发AI Agent智能体应用》共分16章，内容包括智能体概述、扣子AI应用开发平台介绍、扣子插件和卡片、扣子工作流详解、基于大模型的企业

本书详细介绍了如何根据个人需求和应用场景创建定制化GPTs，为各个行业的创新者开辟了新的可能性，助力了各种新应用和服务的诞生。本书从理论到实战，由浅入深，对创建定制化GPTs的方法与技术进行了全方位的介绍，为希望深入了解并应用这一前沿技术的专业人士、开发者和爱好者提供了全面的学习指导。从而根据自己的需求定制和优化GPTs。 本书分四篇，共13章，包括ChatGPT介绍、定制化GPTs基础知识、GPTs使用场景介绍、GPTs创建步骤、使用GPTs的高级定制、使用Zapier完成自动作业、搭建LO

本书是一本专为编程爱好者和专业人士设计的实用指南。全书共分为十个章节，系统地介绍了人工智能在编程领域的应用，特别是AI辅助编程工具如何简化编程学习过程和提升编程能力。第一章从AI辅助编程工具的基本概念入手，为读者揭开AI编程的神秘面纱。随后，书中深入探讨了GitHub Copilot等前沿工具，这些工具能够通过智能代码补全和建议，极大地提高编程效率和质量。书中不仅停留在理论层面，更通过丰富的实战案例，如批量文件翻译和构建网页版智能对话机器人，让读者能够直观地看到AI工具在实际工作中的应用。这些案

12 大专题讲解 +31 个温馨提示＋ 70 多个效果文件 +208 页 PPT 教学课件＋ 210 多分钟教学视频＋280 多张精美插图，随书还提供了 200 多个提示词等资源，帮助读者从入门到精通，快速掌握 ChatGPT 4的操作技巧。全书共分为 5 篇，具体内容如下： AI 提示篇介绍了 ChatGPT 4 的基本操作，以及优化 AI 提示让回答更加精准等内容。 AI 文案篇介绍了 ChatGPT 4 生成优质文案的方法，以及电商、新媒体等常见案例。 AI 绘画篇介绍了 DALL·E 3

本书主要介绍了垂直领域大模型的低算力迁移技术，包括微调、部署与优化等方面。全书共12章，第1章从垂直领域大模型的生态系统出发，介绍了当前大模型带来的行业变革，以及垂直领域迁移的动机和机遇。第2、3章详细探讨了垂直领域低算力迁移的技术栈、大模型的主流开源生态，如HuggingFace、Megatron等。第4-6章介绍了自举技术、高效的数据集访问技术及大模型的抽象技术。第7-10章深入介绍了低算力微调的原理和方法、分布式训练、推理优化技术，以及大模型的编译优化手段。第11、12章讨论了大

随着数据存储技术、网络技术和云计算技术的快速发展, 数据正以前所未有的速度在不断地增长和积累。在各种实际应用中, 需要处理的数据量越来越大。 而样例选择就是从包括冗余或噪声的海量数据中选择重要数据的技术, 是机器学习的重要数据预处理步骤, 对后续学习算法的训练及性能有很大的影响. 在机器学习中, 样例选择有两种场景：一是主动学习场景, 二是监督学习场景. 本书结合作者及研究团队近年来关于样例选择的研究成果, 系统介绍了两种场景下样例选择的理论和方法以及两种场景下样例选择之间的区别与联系。另外，本