本书以Notion为操作平台，通过实例讲解如何应用Notion和Notion AI来辅助完成任务，以帮助读者提高工作、学习效率和更好地规划生活。

本书采用功能讲解 实训案例的模式编写。在功能讲解部分，本书通过实战案例详细介绍Notion的基础功能和三大核心元素（块、页面、数据库），以及Notion AI的使用方法。在实训案例部分，通过列举工作方向、学习方向和生活方向的真实案例，阐述Notion和Notion AI在实际应用中的使用思路和操作流程。

本书共8章, 分为入门篇、技术篇和实践篇。入门篇 (第1章和第2章) 详述了智能体的理论基础; 技术篇 (第3章和第4章) 讨论了智能体通用框架和优化策略; 实践篇 (第5-8章) 展示了智能体在内容创作、娱乐创意、财务、交通运输和科研等领域的应用。每章均配有案例和操作步骤, 便于读者快速学习智能体的构建和使用。

本书介绍DeepSeek的相关知识和高效应用技巧。全书共6章，第1章为基础知识，引导读者快速入门DeepSeek；第2章为写作辅导，介绍DeepSeek在文字创作领域的实际应用；第3章聚焦于职场提效，介绍DeepSeek在职场中的多样化应用；第4章着重于学习跃升，介绍如何利用DeepSeek助力知识获取与互动式学习等；第5章综合生活中的大小事宜，介绍DeepSeek在旅行规划、美食探索等方面的便捷应用；第6章讲述DeepSeek与Word、Excel、PPT、图形图像生成，以及音乐、视频生成等工

本书深入探讨了GPT多模态大模型与AI Agent智能体的技术原理及其在企业中的应用落地。全书共8章, 从大模型技术原理切入, 逐步深入大模型训练及微调, 还介绍了众多国内外主流大模型。LangChain技术、RAG检索增强生成、多模态大模型等均有深入讲解。对AI Agent智能体, 从定义、原理到主流框架也都进行了深入讲解。在企业应用落地方面, 本书提供了丰富的案例分析, 如基于大模型的对话式推荐系统、多模态搜索、NL2SQL数据即席查询、智能客服对话机器人、多模态数字人, 以及多模态具身智能

以 ChatGPT 和 DeepSeek 为代表的大模型，标志着人工智能在理解和处理世界知识方面取得了显著的进展。知识增强（Knowledge Augmentation）是指在大模型训练或推理过程中，通过引入外部结构化知识或符号化知识，提升大模型在理解、推理与生成等任务中的准确性、可靠性、专业性和可解释性。本书聚焦于“大模型+知识库（LLM + KB）”框架下的大模型知识增强机制与方法，特别是系统探讨大模型与知识图谱互补增强的核心技术与实现路径。具体内容涵盖：大模型知识增强概述、知识增强预训练基

无

《DeepSeek源码深度解析》是一本系统讲解DeepSeek源码及其核心实现原理的技术指南，内容覆盖了从基础概念到高级应用的全流
程知识。全书共7章，结构层层递进。第1章对DeepSeek进行了全面概述，帮助读者构建对DeepSeek系统的整体认
知。第2章聚焦于环境搭建、代码获取与模型部署接入，为后续深入研究提供基础。第3章深入探讨了MoE（混合
专家模型）的基本原理、功能模块与优化技术。第4章详细解析了DeepSeek-V3模型的架构知识，并通过测试验证

本书全程图解式讲解，通过大量全彩插图拆解概念，让读者真正告别学习大模型的枯燥和复杂。

全书分为三部分，依次介绍语言模型的原理、应用及优化。第一部分 理解语言模型（第1~3章），解析语言模型的核心概念，包括词元、嵌入向量及Transformer架构，帮助读者建立基础认知。第二部分 使用预训练语言模型（第4~9章），介绍如何使用大模型进行文本分类、聚类、语义搜索、文本生成及多模态扩展，提升模型的应用能力。第三部分 训练和微调语言模型（第10~12章），探讨大模型的训练与微调方法，

本书深入探讨了如何使用AI大模型技术全方位优化小程序的开发流程。全书涵盖了从需求分析、系统设计、编码到调试与测试的完整开发过程，强调大模型工具不仅能提升项目的开发效率，还减少了人为错误。既讲解了小程序开发的基础知识，如前端技术栈、云函数、数据库设计等，也介绍了大模型辅助编程方法和开发技巧。本书既可以帮助有经验的小程序开发者通过AI大模型技术提升工作效率，也为编程初学者提供了系统的学习路径，帮助他们快速上手小程序开发。书中案例源码与素材的获取方式见封底。

多智能体强化学习（Multi-Agent Reinforcement Learning, MARL）是机器学习中的一个领域，研究多个智能体如何在共享环境中学习最优的交互方式。这一领域在现代生活中有着广泛的应用，包括自动驾驶、多机器人工厂、自动化交易和能源网络管理等。 本书是一部系统阐述多智能体强化学习理论与技术的权威著作，清晰而严谨地介绍了MARL的模型、解决方案概念、算法思想、技术挑战以及现代方法。书中首先介绍了该领域的基础知识，包括强化学习理论和算法的基础、交互式博弈模型、博弈中的不同解决方