目录
 前辅文
 第1章 人工智能概述
  1.1 人工智能的定义与内涵
   1.1.1 人工智能的多元定义与本质解析
   1.1.2 人工智能的核心特征与关键能力
  1.2 人工智能的发展历程
   1.2.1 萌芽奠基期
   1.2.2 早期黄金时代
   1.2.3 第一次AI寒冬
   1.2.4 知识工程复苏期
   1.2.5 机器学习崛起期
   1.2.6 深度学习革命期
   1.2.7 大模型与多模态时代
  1.3 人工智能的核心技术体系
   1.3.1 基础层：人工智能的“基础设施”
   1.3.2 技术层：人工智能的“核心能力”
   1.3.3 应用层：人工智能的“落地载体”
  1.4 人工智能大模型
   1.4.1 人工智能大模型的概念及其发展历程
   1.4.2 人工智能大模型的核心特征与能力
   1.4.3 人工智能大模型的核心技术原理
   1.4.4 人工智能大模型的预训练
   1.4.5 人工智能大模型的分类
   1.4.6 人工智能大模型的应用领域
   1.4.7 人工智能大模型的发展趋势
  1.5 本章小结
  1.6 课后习题
 第2章 人工智能伦理
  2.1 人工智能伦理概述
   2.1.1 人工智能伦理的含义
   2.1.2 人工智能伦理的发展
   2.1.3 人工智能伦理的价值导向
  2.2 人工智能伦理议题
   2.2.1 数据伦理：人工智能的“源头伦理”
   2.2.2 算法伦理：人工智能的“决策伦理”
   2.2.3 责任伦理：人工智能的“主体伦理”
   2.2.4 社会伦理：人工智能的“影响伦理”
  2.3 人工智能伦理原则与规范
   2.3.1 人工智能伦理的基本原则
   2.3.2 人工智能伦理的基本规范
   2.3.3 人工智能伦理的实践要求
  2.4 人工智能相关政策法规
   2.4.1 我国人工智能相关政策法规
   2.4.2 全球主要国家及国际组织人工智能伦理政策导向
  2.5 人工智能伦理案例及解析
   2.5.1 案例一：算法偏见——招聘AI的“性别歧视”风波
   2.5.2 案例二：隐私泄露——人脸识别技术的“过度采集”争议
   2.5.3 案例三：责任界定——自动驾驶汽车的“紧急避险”伦理困境
   2.5.4 案例四：滥用风险——生成式AI的“虚假信息”与“版权侵权”问题
   2.5.5 案例五：人类主体性——老年人对AI陪伴机器人的“过度依赖”问题
  2.6 人工智能伦理的未来展望与当代责任
   2.6.1 人工智能伦理的未来发展趋势
   2.6.2 人工智能时代的当代责任
  2.7 本章小结
  2.8 课后习题
 第3章 AI大模型及应用
  3.1 AI大模型概述
   3.1.1 AI大模型的定义、特征、能力与分类
   3.1.2 大模型的技术基础：Transformer架构与自注意力机制
  3.2 AI大模型训练流程
   3.2.1 数据准备与预处理
   3.2.2 模型预训练
   3.2.3 指令微调：让模型听懂人类指令
   3.2.4 人类对齐优化：让模型输出贴合人类偏好
   3.2.5 模型评估与部署：模型落地的最后一步
  3.3 大模型理解语言的方式
   3.3.1 基础原理：大模型理解语言不是“读懂”，而是概率建模
   3.3.2 处理流程：大模型理解语言是从文字到机器可识别信息
   3.3.3 核心逻辑：大模型语言理解即数据驱动的语义关联
   3.3.4 认知局限：大模型语言理解的优势与局限
  3.4 国产主流大模型产品
   3.4.1 文心一言
   3.4.2 千问
   3.4.3 DeepSeek
   3.4.4 豆包
   3.4.5 智谱清言
   3.4.6 讯飞星火
  3.5 提示词工程
   3.5.1 提示词工程的基础认知
   3.5.2 提示词设计的原则
   3.5.3 实用的结构化提示词框架
   3.5.4 提示词工程的核心技巧
   3.5.5 提示词对比
   3.5.6 提示词迭代优化流程
   3.5.7 常见误区
   3.5.8 综合案例
  3.6 AIGC典型应用
   3.6.1 AIGC与多模态技术的概念
   3.6.2 AIGC典型应用场景
  3.7 数字人制作与应用
   3.7.1 数字人概述
   3.7.2 数字人制作流程与核心技术
   3.7.3 数字人制作
  3.8 本章小结
  3.9 课后实践
 第4章 WPS AI智能办公实践
  4.1 WPS AI概述
   4.1.1 AI赋能办公的价值与发展趋势
   4.1.2 WPS AI的核心功能与技术优势
   4.1.3 WPS AI的应用场景与用户价值
  4.2 WPS AI在文档处理中的应用
   4.2.1 WPS AI在文档中的调用方式
   4.2.2 WPS AI写作助手
   4.2.3 WPS AI阅读助手
   4.2.4 WPS AI排版助手
  4.3 WPS AI在表格处理中的应用
   4.3.1 WPS AI在表格中的调用方式
   4.3.2 WPS AI数据处理助手
   4.3.3 WPS AI数据计算与填充助手
   4.3.4 WPS AI数据分析助手
  4.4 WPS AI在演示文稿处理中的应用
   4.4.1 WPS AI在演示文稿中的调用方式
   4.4.2 WPS AI演示文稿制作助手
   4.4.3 WPS AI演示文稿文本修改助手
   4.4.4 WPS AI演示文稿美化助手
   4.4.5 WPS AI演示文稿演示助手
  4.5 本章小结
  4.6 课后实践
 第5章 智能体开发与应用
  5.1 智能体概述
   5.1.1 智能体的定义
   5.1.2 智能体的特征与分类
   5.1.3 智能体的核心功能
   5.1.4 智能体与人工智能的关系
   5.1.5 智能体的组成模块与技术架构
  5.2 智能体的典型应用场景
   5.2.1 个人智能助手
   5.2.2 企业智能体
   5.2.3 特定领域智能体
   5.2.4 具身智能体
  5.3 智能体开发基础
   5.3.1 智能体开发平台介绍
   5.3.2 智能体开发环境搭建
   5.3.3 智能体的关键技术
   5.3.4 智能体与大模型的融合技术
   5.3.5 智能体的核心组件
  5.4 智能体开发实践案例
   5.4.1 案例一：情绪价值小伙伴
   5.4.2 案例二：课程资料问答专家
   5.4.3 案例三：天气查询小助手
   5.4.4 案例四：智能文生图
   5.4.5 案例五：校园迎新助手
  5.5 智能体发展趋势与挑战
   5.5.1 智能体的前沿发展方向
   5.5.2 智能体面临的技术瓶颈与伦理风险
  5.6 本章小结
  5.7 课后实践
 第6章 具身智能
  6.1 具身智能概述
   6.1.1 具身智能的概念
   6.1.2 具身智能的发展历程
   6.1.3 具身智能的三要素
  6.2 具身智能的关键技术
   6.2.1 感知与交互技术
   6.2.2 具身学习与强化学习技术
   6.2.3 运动控制与规划技术
   6.2.4 多模态融合与决策技术
  6.3 具身智能的常见形态
   6.3.1 轮式移动平台型
   6.3.2 足式仿生型
   6.3.3 臂式固定式
   6.3.4 空中飞行型
   6.3.5 水下潜航型
   6.3.6 特种变形共融型
  6.4 具身智能的典型应用领域
   6.4.1 农业机器人的应用
   6.4.2 服务机器人的应用
   6.4.3 工业机器人的应用
   6.4.4 医疗机器人的应用
   6.4.5 教育机器人的应用
  6.5 具身智能的伦理与治理
   6.5.1 具身智能的伦理问题
   6.5.2 应对策略与治理方向
  6.6 具身智能的未来发展趋势
   6.6.1 技术通用化
   6.6.2 硬件低成本化
   6.6.3 全场景渗透
   6.6.4 生态体系化
  6.7 本章小结
  6.8 课后习题
 本书配套资源
 前辅文
 第1章 人工智能概述
  1.1 人工智能的定义与内涵
   1.1.1 人工智能的多元定义与本质解析
   1.1.2 人工智能的核心特征与关键能力
  1.2 人工智能的发展历程
   1.2.1 萌芽奠基期
   1.2.2 早期黄金时代
   1.2.3 第一次AI寒冬
   1.2.4 知识工程复苏期
   1.2.5 机器学习崛起期
   1.2.6 深度学习革命期
   1.2.7 大模型与多模态时代
  1.3 人工智能的核心技术体系
   1.3.1 基础层：人工智能的“基础设施”
   1.3.2 技术层：人工智能的“核心能力”
   1.3.3 应用层：人工智能的“落地载体”
  1.4 人工智能大模型
   1.4.1 人工智能大模型的概念及其发展历程
   1.4.2 人工智能大模型的核心特征与能力
   1.4.3 人工智能大模型的核心技术原理
   1.4.4 人工智能大模型的预训练
   1.4.5 人工智能大模型的分类
   1.4.6 人工智能大模型的应用领域
   1.4.7 人工智能大模型的发展趋势
  1.5 本章小结
  1.6 课后习题
 第2章 人工智能伦理
  2.1 人工智能伦理概述
   2.1.1 人工智能伦理的含义
   2.1.2 人工智能伦理的发展
   2.1.3 人工智能伦理的价值导向
  2.2 人工智能伦理议题
   2.2.1 数据伦理：人工智能的“源头伦理”
   2.2.2 算法伦理：人工智能的“决策伦理”
   2.2.3 责任伦理：人工智能的“主体伦理”
   2.2.4 社会伦理：人工智能的“影响伦理”
  2.3 人工智能伦理原则与规范
   2.3.1 人工智能伦理的基本原则
   2.3.2 人工智能伦理的基本规范
   2.3.3 人工智能伦理的实践要求
  2.4 人工智能相关政策法规
   2.4.1 我国人工智能相关政策法规
   2.4.2 全球主要国家及国际组织人工智能伦理政策导向
  2.5 人工智能伦理案例及解析
   2.5.1 案例一：算法偏见——招聘AI的“性别歧视”风波
   2.5.2 案例二：隐私泄露——人脸识别技术的“过度采集”争议
   2.5.3 案例三：责任界定——自动驾驶汽车的“紧急避险”伦理困境
   2.5.4 案例四：滥用风险——生成式AI的“虚假信息”与“版权侵权”问题
   2.5.5 案例五：人类主体性——老年人对AI陪伴机器人的“过度依赖”问题
  2.6 人工智能伦理的未来展望与当代责任
   2.6.1 人工智能伦理的未来发展趋势
   2.6.2 人工智能时代的当代责任
  2.7 本章小结
  2.8 课后习题
 第3章 AI大模型及应用
  3.1 AI大模型概述
   3.1.1 AI大模型的定义、特征、能力与分类
   3.1.2 大模型的技术基础：Transformer架构与自注意力机制
  3.2 AI大模型训练流程
   3.2.1 数据准备与预处理
   3.2.2 模型预训练
   3.2.3 指令微调：让模型听懂人类指令
   3.2.4 人类对齐优化：让模型输出贴合人类偏好
   3.2.5 模型评估与部署：模型落地的最后一步
  3.3 大模型理解语言的方式
   3.3.1 基础原理：大模型理解语言不是“读懂”，而是概率建模
   3.3.2 处理流程：大模型理解语言是从文字到机器可识别信息
   3.3.3 核心逻辑：大模型语言理解即数据驱动的语义关联
   3.3.4 认知局限：大模型语言理解的优势与局限
  3.4 国产主流大模型产品
   3.4.1 文心一言
   3.4.2 千问
   3.4.3 DeepSeek
   3.4.4 豆包
   3.4.5 智谱清言
   3.4.6 讯飞星火
  3.5 提示词工程
   3.5.1 提示词工程的基础认知
   3.5.2 提示词设计的原则
   3.5.3 实用的结构化提示词框架
   3.5.4 提示词工程的核心技巧
   3.5.5 提示词对比
   3.5.6 提示词迭代优化流程
   3.5.7 常见误区
   3.5.8 综合案例
  3.6 AIGC典型应用
   3.6.1 AIGC与多模态技术的概念
   3.6.2 AIGC典型应用场景
  3.7 数字人制作与应用
   3.7.1 数字人概述
   3.7.2 数字人制作流程与核心技术
   3.7.3 数字人制作
  3.8 本章小结
  3.9 课后实践
 第4章 WPS AI智能办公实践
  4.1 WPS AI概述
   4.1.1 AI赋能办公的价值与发展趋势
   4.1.2 WPS AI的核心功能与技术优势
   4.1.3 WPS AI的应用场景与用户价值
  4.2 WPS AI在文档处理中的应用
   4.2.1 WPS AI在文档中的调用方式
   4.2.2 WPS AI写作助手
   4.2.3 WPS AI阅读助手
   4.2.4 WPS AI排版助手
  4.3 WPS AI在表格处理中的应用
   4.3.1 WPS AI在表格中的调用方式
   4.3.2 WPS AI数据处理助手
   4.3.3 WPS AI数据计算与填充助手
   4.3.4 WPS AI数据分析助手
  4.4 WPS AI在演示文稿处理中的应用
   4.4.1 WPS AI在演示文稿中的调用方式
   4.4.2 WPS AI演示文稿制作助手
   4.4.3 WPS AI演示文稿文本修改助手
   4.4.4 WPS AI演示文稿美化助手
   4.4.5 WPS AI演示文稿演示助手
  4.5 本章小结
  4.6 课后实践
 第5章 智能体开发与应用
  5.1 智能体概述
   5.1.1 智能体的定义
   5.1.2 智能体的特征与分类
   5.1.3 智能体的核心功能
   5.1.4 智能体与人工智能的关系
   5.1.5 智能体的组成模块与技术架构
  5.2 智能体的典型应用场景
   5.2.1 个人智能助手
   5.2.2 企业智能体
   5.2.3 特定领域智能体
   5.2.4 具身智能体
  5.3 智能体开发基础
   5.3.1 智能体开发平台介绍
   5.3.2 智能体开发环境搭建
   5.3.3 智能体的关键技术
   5.3.4 智能体与大模型的融合技术
   5.3.5 智能体的核心组件
  5.4 智能体开发实践案例
   5.4.1 案例一：情绪价值小伙伴
   5.4.2 案例二：课程资料问答专家
   5.4.3 案例三：天气查询小助手
   5.4.4 案例四：智能文生图
   5.4.5 案例五：校园迎新助手
  5.5 智能体发展趋势与挑战
   5.5.1 智能体的前沿发展方向
   5.5.2 智能体面临的技术瓶颈与伦理风险
  5.6 本章小结
  5.7 课后实践
 第6章 具身智能
  6.1 具身智能概述
   6.1.1 具身智能的概念
   6.1.2 具身智能的发展历程
   6.1.3 具身智能的三要素
  6.2 具身智能的关键技术
   6.2.1 感知与交互技术
   6.2.2 具身学习与强化学习技术
   6.2.3 运动控制与规划技术
   6.2.4 多模态融合与决策技术
  6.3 具身智能的常见形态
   6.3.1 轮式移动平台型
   6.3.2 足式仿生型
   6.3.3 臂式固定式
   6.3.4 空中飞行型
   6.3.5 水下潜航型
   6.3.6 特种变形共融型
  6.4 具身智能的典型应用领域
   6.4.1 农业机器人的应用
   6.4.2 服务机器人的应用
   6.4.3 工业机器人的应用
   6.4.4 医疗机器人的应用
   6.4.5 教育机器人的应用
  6.5 具身智能的伦理与治理
   6.5.1 具身智能的伦理问题
   6.5.2 应对策略与治理方向
  6.6 具身智能的未来发展趋势
   6.6.1 技术通用化
   6.6.2 硬件低成本化
   6.6.3 全场景渗透
   6.6.4 生态体系化
  6.7 本章小结
  6.8 课后习题
 本书配套资源