目录

基础环境篇

第1章Linux操作系统基础3

1.1Linux初探3

1.1.1Linux系统概述3

1.1.2Linux的历史与生态4

1.1.3快速体验Linux6

1.1.4为什么人工智能开发者需要Linux8

1.2基本操作与权限管理9

1.2.1Linux命令行操作基础9

1.2.2目录结构与文件操作10

1.2.3用户与权限管理19

1.3Shell脚本编程24

1.3.1初识Shell脚本24

1.3.2流程控制与函数28

1.3.3实用脚本与调试技巧31

1.4Linux实用工具34

1.4.1包管理器34

1.4.2文本编辑器36

1.4.3网络工具37

1.4.4系统监控与管理工具39

总结与实践41

第2章代码版本管理与协作42

2.1Git原理与基本操作42

2.1.1版本控制42

2.1.2Git工作原理概述43

2.1.3Git安装与初始化462.1.4本地仓库管理48

2.2玩转GitHub远程仓库55

2.2.1GitHub与开源生态55

2.2.2创建与管理远程仓库58

2.2.3GitHub协作开发61

2.2.4自动化与持续集成63

2.3协作开发规范67

2.3.1分支与提交规范67

2.3.2代码质量与评审机制68

2.3.3沟通与文档协作69

总结与实践70

目录〖3〗技能进阶篇

第3章管理形形色色的数据733.1基于文件的数据管理73

3.1.1配置文件73

3.1.2数据文件76

3.1.3日志文件78

3.2关系数据库80

3.2.1常见关系数据库系统80

3.2.2SQL查询优化81

3.2.3使用SQLAlchemy与数据库进行交互83

3.3非关系数据库86

3.3.1NoSQL的基本理念与类型86

3.3.2MongoDB： 灵活的文档数据库87

3.3.3Redis： 高性能键值数据库93

3.4向量数据库98

3.4.1基本概念与原理98

3.4.2常见向量数据库简介100

3.4.3向量数据库开发案例101

3.5大数据与分布式存储简介104

3.5.1Hadoop： 大数据生态系统的起点104

3.5.2Spark： 高速灵活的大数据计算引擎105

3.5.3Kafka： 高性能流式数据处理系统106

3.5.4Ray： 通用、可扩展的分布式计算框架106

3.5.5多样化的分布式存储方案107

总结与实践108

第4章后端开发基础109

4.1后端开发概述109

4.1.1什么是后端109

4.1.2常见的后端架构模式110

4.1.3后端开发技术栈简介112

4.1.4API设计基础114

4.2使用Python搭建后端服务116

4.2.1常见的Python Web开发框架116

4.2.2FastAPI后端服务搭建实例118

4.3使用Node.js搭建后端服务121

4.3.1Node.js及其常用框架概览121

4.3.2使用Express搭建后端服务122

4.4认证与授权125

4.4.1认证与授权的区别125

4.4.2使用JWT实现登录保护125

4.4.3通过OAuth 2.0连接第三方服务128

4.5后端测试132

4.5.1后端测试的意义与常见类型132

4.5.2常用测试工具与框架133

总结与实践134

第5章前端开发基础135

5.1前端开发概述135

5.1.1前端开发的定义与作用135

5.1.2HTML与CSS： 页面结构与样式137

5.1.3JavaScript： 实现动态页面143

5.2现代前端开发技术栈151

5.2.1前端框架概览151

5.2.2模块化与构建工具157

5.2.3现代样式管理技术161

5.3设计系统与UI组件库166

5.3.1设计系统简介166

5.3.2应用UI组件库进行前端开发171

总结与实践175

第6章人工智能模型开发176

6.1模型开发176

6.1.1数据采集与整理176

6.1.2模型选择与设计179

6.1.3PyTorch实战： 构建与训练AI模型181

6.2人工智能社区加速模型开发202

6.2.1基于预训练模型降低开发成本202

6.2.2Hugging Face： 拥抱预训练模型生态206

6.2.3其他社区资源与工具211

6.3模型部署与应用212

6.3.1模型部署的准备工作212

6.3.2部署环境与方式215

6.3.3快速构建交互式演示应用217

总结与实践220

部署拓展篇

第7章容器化开发和部署2237.1容器化技术概述223

7.1.1什么是容器化223

7.1.2容器与虚拟机的区别225

7.1.3Docker简介与核心概念226

7.2Docker容器技术实践229

7.2.1Docker环境搭建与基本操作229

7.2.2镜像构建与发布233

7.2.3容器的存储与网络237

7.2.4Docker Compose多容器应用编排239

7.3容器编排与Kubernetes简介245

7.3.1容器编排： 从Docker到Kubernetes245

7.3.2在Kubernetes上部署与管理应用248

7.3.3云原生AI生态简介252

总结与实践254

第8章云计算开发实践255

8.1云计算概述255

8.1.1云计算的定义与核心特征255

8.1.2云计算的服务模式256

8.1.3云计算的部署模式258

8.2云端核心能力与资源259

8.2.1云端IaaS服务260

8.2.2云端存储和数据库服务264

8.2.3无服务器计算服务269

8.2.4后端即服务272

8.2.5其他常用云服务276

8.3云原生技术简介277

8.3.1云原生的理念及其关键支撑技术277

8.3.2云原生在人工智能场景下的应用价值279

总结与实践281

第9章拥抱大模型282

9.1大模型新纪元： 技术、能力与机遇282

9.1.1从统计模型到Transformer282

9.1.2大模型的核心能力284

9.1.3大模型的应用场景与价值285

9.1.4大模型的访问方式287

9.2多模态生成： 文本、图像、音视频与代码290

9.2.1文本生成290

9.2.2图像生成与编辑292

9.2.3音视频生成294

9.2.4代码智能生成与Vibe Coding295

9.3提示工程与上下文工程298

9.3.1提示工程基础298

9.3.2提示词设计的高阶技巧303

9.3.3上下文工程简介307

9.4构建AI智能体311

9.4.1智能体的架构基础与核心原理311

9.4.2开源生态与框架316

9.4.3智能体构建案例319

9.5大模型个性化与微调322

9.5.1模型微调与指令微调322

9.5.2私有数据知识注入323

9.5.3安全与合规324

总结与实践325

创新实战篇

第10章创新作品创作与案例32910.1从创意到人工智能创新作品329

10.1.1什么是好的作品329

10.1.2创意从何而来332

10.1.3打通创意到作品的桥梁336

10.2人工智能创新作品案例讲解338

10.2.1案例简介338

10.2.2案例分析339

总结与实践343

参考文献344