目 录
第1章 初识大模型 1
1.1 从ChatGPT到Manus AI：技术革命正在悄然发生 1
1.1.1 什么是大模型：从“人工智障”到全能选手 1
1.1.2 智能体，一场跨时代的技术革命 5
1.1.3 未来的智能体时代 11
1.1.4 时代的革命与中国力量的崛起 12
1.2 大模型争霸战：谁才是AI时代的王者 14
1.2.1 基础大模型全景图：从“王者”到“黑马” 14
1.2.2 大模型的不同场景测评 24
1.2.3 如何选择和使用：AI选型指南 41
1.3 Token：大模型的语言密码与成本密钥 43
1.3.1 揭开Token的神秘面纱 43
1.3.2 Token技术的演进历程 44
1.3.3 Token与字节的本质区别 45
1.3.4 中文Token的成本真相 45
1.3.5 Token优化的实用策略 47
1.3.6 Token的未来 48
1.4 开源精神：推动大模型普及的关键力量 49
1.4.1 开源的本质：从厨师的食谱说起 49
1.4.2 开源的历史传奇：从打印机故障到改变世界 50
1.4.3 开源的运行机制：人类历史上最大的协作实验 51
1.4.4 开源的商业奇迹：免费却价值连城的经济学悖论 52
1.4.5 选择开源的战略智慧：改变游戏规则的思维革命 54
1.5 算力：支撑大模型世界的隐形基石 56
1.5.1 算力的本质：数字世界的“动力源泉” 57
1.5.2 算力的分类体系：从通用到专用的精准匹配 57
1.5.3 算力衡量指标：科学量化计算能力 58
1.5.4 算力硬件生态：多元化计算架构的协同发展 60
1.5.5 全球算力产业格局：竞争与合作并存的生态体系 61
1.5.6 英伟达GPU产品解读：算力领域的标杆案例 62
1.5.7 未来发展趋势：算力技术的演进方向 63
第2章 大模型进阶指南 65
2.1 提示词工程：像“翻译官”一样，教AI说人话 65
2.1.1 提示词存在的必然性：从认知科学到技术实现 65
2.1.2 提示词工程的最佳实践与核心策略 67
2.1.3 提示词工程案例集 69
2.1.4 提示词工程的进阶策略与未来展望 73
2.2 为大模型装上外挂：用RAG和微调驯服大模型 75
2.2.1 深入理解RAG：为AI安装知识库 76
2.2.2 深入理解微调：重塑AI的思维模式 78
2.2.3 RAG 与微调：选择的智慧 80
2.3 大模型的三大协议革命：函数调用、MCP与A2A 82
2.3.1 函数调用：OpenAI提出的大模型的“手脚” 82
2.3.2 MCP：大模型领域的Type-C接口 84
2.3.3 A2A协议：智能体之间的翻译官 87
2.3.4 从“独狼”到“群狼”：三种协议的选择之道 90
2.4 更高级的文本语法：Markdown格式 92
2.4.1 理解Markdown：大模型时代的通用语言 92
2.4.2 Typora：Markdown编辑的最佳伴侣 93
2.4.3 掌握Markdown核心语法 94
2.4.4 文本格式化：让内容更加生动 95
2.4.5 列表结构：组织信息的利器 95
2.4.6 进阶功能：释放Markdown的全部潜力 98
2.4.7 高级样式定制：打造个性化的视觉体验 102
2.4.8 特殊排版技巧 106
2.4.9 表情符号与特殊字符 109
第3章 大模型实操指南 111
3.1 大模型本地化部署与API操作指南 111
3.1.1 本地化部署的必要性与价值 111
3.1.2 如何获取本地模型的API 112
3.1.3 本地化AI客户端解决方案 116
3.2 大模型RAG：IMA、FastGPT、RagFlow 124
3.2.1 本地知识库的价值 124
3.2.2 RAG最佳实践与策略 124
3.2.3 主流RAG平台详解 125
3.2.4 案例：用IMA知识库搭建一个党建神器 132
3.3 文生图：Gemini、即梦AI、GPT-4o 134
3.3.1 文生图的起源与演进 134
3.3.2 主流文生图模型和工具 134
3.4 文生视频：Veo3、混元视频、Seedance、数字人 143
3.4.1 文生视频简介 143
3.4.2 主流文生视频模型与工具对比 143
3.4.3 延伸案例：儿童绘本视频制作 149
3.4.4 延伸案例：“回答我”爆款短视频制作 152
3.5 文生音乐：Suno、海绵音乐、Stable Audio 154
3.5.1 AI音乐的演进与现状 154
3.5.2 主流AI音乐创作工具详解 155
3.6 AI编程（代码辅助）：Cursor、CodeSouler 159
3.6.1 AI编程时代的全新范式 159
3.6.2 主流AI编程工具详解 160
3.6.3 各类代码辅助工具对比 165
3.6.4 延伸案例：用代码生成小红书配图+文案 166
3.6.5 延伸案例：无代码完成一个以太坊智能合约的部署 169
3.7 AI编程（零代码）：豆包AI编程、V0 176
3.7.1 什么是零代码编程 176
3.7.2 零代码编程工具推荐 176
3.7.3 V0 179
3.7.4 工具对比与分析 181
3.8 智能体：Manus AI、Flowith、天工Skywork 182
3.8.1 智能体的崛起与核心特征 182
3.8.2 主流智能体工具详解 183
3.8.3 智能体工具对比 188
3.9 AI浏览器：Fellou、AutoHub、豆包 188
3.9.1 什么是AI浏览器 188
3.9.2 主流AI浏览器深度解析 189
3.9.3 到底该选择哪款AI浏览器 198
3.10 AI工作流平台：Dify、Coze、n8n 198
3.10.1 工作流自动化的时代意义 198
3.10.2 主流工作流平台深度解析 199
3.10.3 平台选择的策略与应用场景 203
3.11 能转化成播客和视频的大模型笔记本计算机——NotebookLM 203
3.11.1 NotebookLM 是什么 203
3.11.2 NotebookLM 的使用方法 204
3.11.3 案例：用NotebookLM构建学习与讨论平台 206
3.12 企业级大模型资产管理工具：CSGHub 207
3.12.1 从DevOps到AgenticOps：大模型时代的运维新范式 207
3.12.2 CSGHub：企业级大模型资产管理的全能平台 209
3.12.3 大模型平台生态格局：从HuggingFace到CSGHub 212
3.13 Web3.0领域的多智能体协作开源框架：ai16z 214
3.13.1 从草根逆袭到技术明星：ai16z与Eliza的起源故事 214
3.13.2 ElizaOS的技术架构深度解析 215
3.13.3 ElizaOS的安装与快速上手 216
3.14 多智能体协作开源框架典范——MetaGPT 221
3.14.1 为什么需要MetaGPT 221
3.14.2 部署和使用指南 222
3.14.3 典型应用案例解析 224
3.14.4 MetaGPT（MGX）云端平台简介与实践 235
第4章 商业落地和思考 239
4.1 如何打造一个优秀的大模型产品：从技术思维到商业落地的
完整指南 239
4.1.1 AI产品设计的底层逻辑 239
4.1.2 现有大模型产品的市场分析 244
4