- 大模型与提示词(构建AI时代高效工作流)
- - 作者：甘文剑|责编:张敏
  - 出版社：清华大学
  - ISBN：9787302708476
  - 出版日期：2026/04/01
  - 页数：188
- 售价：31.92

内容大纲
    在人工智能（AI）大模型技术的浪潮中，个体的能力正被重新定义。本书深入探讨AI大模型的提示词应用，以及如何利用这些强大的工具来释放个人的潜力，实现个人能力的飞跃。
    本书将最新的研究成果与实践案例相结合，时间线推进至2025年，系统全面地介绍了AI大模型的工作原理、应用场景，以及如何通过提示词与模型进行有效交互。书中不仅详细阐述了AI大模型在不同领域的应用实例，还深入讨论了如何通过精心设计的提示词来引导模型输出高质量的结果，从而帮助用户在各自的专业领域中取得突破。
    本书旨在帮助读者理解AI大模型的强大潜力，并提供实用的策略和技巧，使读者能够借助AI工具成为信息处理和决策制定的超级个体。书中还探讨了在这一过程中可能遇到的挑战，以及如何克服这些挑战，实现个人与AI的协同进化。
    本书适合对AI技术感兴趣并希望提升个人能力的广大读者，无论是高等院校的师生、企业的技术专家，还是对AI大模型应用充满热情的独立研究者，都能从中获得宝贵的知识和启发。通过阅读本书，读者将能够掌握如何利用AI大模型成为各自领域的超级个体，开启智能时代的新篇章。
作者介绍
目录
第1章  你并不了解GPT
  1.1  GPT的起源与发展
    1.1.1  从早期模型到GPT的进化
    1.1.2  GPT的核心原理和模型架构
    1.1.3  GPT-4o的创新点
  1.2  GPT的实际应用场景
    1.2.1  GPT在不同场景的应用
    1.2.2  GPT在内容创作中的实践
  1.3  GPT的未来发展方向
    1.3.1  预见GPT的技术突破
    1.3.2  GPT的伦理挑战和社会影响
    1.3.3  通用人工智能和超级人工智能
  1.4  课后作业
第2章  脑认知、神经学与人工智能
  2.1  人脑认知科学基础
  2.2  认知科学视角下的人工智能
    2.2.1  认知科学与人工智能的关联
    2.2.2  神经网络模型与生物大脑的相似性
    2.2.3  认知科学对AI发展的启示
  2.3  神经科学与AI的融合
    2.3.1  神经网络与生物神经网络的比较
    2.3.2  神经科学对AI算法的启发
    2.3.3  神经学对多模态大模型的贡献
  2.4  人工智能与神经系统的底层逻辑
    2.4.1  智能“涌现”的基础概念
    2.4.2  大模型Scaling Law理论思想
    2.4.3  类脑计算等前沿技术展望
  2.5  课后作业
第3章  人机交互趋势和LUI代际
  3.1  互联网的历史
      3.1.1 互联网基础设施构建阶段（早期互联网时代，Web 1.0  ）
      3.1.2 互动与社交网络兴起阶段（Web 2.0  ）
    3.1.3  移动互联网与智能服务阶段
      3.1.4 AI驱动的智能互联网时代（Web 3.0  ）
  3.2  人机交互发展史
    3.2.1  粗糙界面交互：命令行的诞生
    3.2.2  精致界面交互：图形用户界面的革命
    3.2.3  语音控制交互：智能助手的兴起
    3.2.4  自然语言交互：更深层次的沟通
    3.2.5  脑机神经交互：未来的沟通方式
    3.2.6  人机交互的关键维度
  3.3  互联网与人工智能的差异
    3.3.1  互联网的机器系统
    3.3.2  人工智能的认知系统
    3.3.3  互联网与人工智能的区别
    3.3.4  交互方式的差异性
  3.4  人工智能的人机交互趋势
    3.4.1  自然语言交互的趋势
    3.4.2  如何掌握自然语言交互
  3.5  课后作业

第4章  沟通心理和任务指派的Know-How
  4.1  沟通技巧的心理学基础
    4.1.1  沟通心理学的核心概念
    4.1.2  有效沟通的心理技巧
    4.1.3  有效沟通的方法
  4.2  人机交互中的心理建设
    4.2.1  人机交互的心理模型
    4.2.2  建立信任与理解的交互策略
    4.2.3  沟通心理学在AI指令中的应用
  4.3  任务指派在AI指令中的应用
    4.3.1  下达指令的心理效应
    4.3.2  任务指派的SMART原则和技巧
    4.3.3  任务指派在人机交互中的应用案例
  4.4  课后作业
第5章  行业精英的工作流
  5.1  快速学习能力的构建
    5.1.1  精英的学习方法与策略
    5.1.2  快速学习在工作流中的应用
  5.2  结构化思维的培养与应用
    5.2.1  结构化思维的定义与价值
    5.2.2  结构化思维在问题解决中的作用
    5.2.3  结构化思维的培养方法与实践
  5.3  问题拆解与解决能力
    5.3.1  问题拆解的方法论
    5.3.2  精英的问题解决策略
    5.3.3  问题拆解在实际工作中的应用
  5.4  AI嵌入Workflow实践
    5.4.1  基于专业领域的场景认知
    5.4.2  任务优先级下的精力管理
    5.4.3  任务拆解与AI嵌入工作流
    5.4.4  AI嵌入“商业咨询”工作流的案例
  5.5  课后作业
第6章  搭建AI应用工具库
  6.1  大模型应用的原理概述
    6.1.1  大语言模型基础和工具原理
    6.1.2  算力芯片与大模型训练/推理
    6.1.3  RAG知识库的构建与应用
  6.2  AI各类大模型的选用与实践
    6.2.1  大模型的分类与选择标准
    6.2.2  大模型的评测标准及评分排名
    6.2.3  大模型的应用场景与案例分析
  6.3  AI各类应用的选用与评估
    6.3.1  AI应用的选用技巧
    6.3.2  AI应用的评估标准与方法
  6.4  AI应用工具库的搭建流程
    6.4.1  AI应用工具库搭建概述
    6.4.2  详细步骤说明
    6.4.3  搭建注意事项
  6.5  课后作业
第7章  掌握大模型元能力

  7.1  提示词工程的【入门技巧】☆
    7.1.1  提示词工程的2种作用和3种类型
    7.1.2  提示词工程的入门技巧
    7.1.3  提示词工程的12大设计原则
  7.2  提示词工程的【初级模式】☆☆
    7.2.1  模式的8大特征
    7.2.2  模式的1种变形模式
    7.2.3  模式的18种模式类型
  7.3  提示词工程的【高阶方法】☆☆☆
    7.3.1  样本提示技术
    7.3.2  思维链技术
    7.3.3  自动增强技术
    7.3.4  交互与推理技术
  7.4  提示词工程的应用实践
    7.4.1  提示词在各模型中的实践
    7.4.2  提示词在各行业中的应用案例
    7.4.3  提示词对减少大模型“幻觉”的作用
  7.5  课后作业
第8章  语音对话与提问能力
  8.1  语音助手发展的技术变革
    8.1.1  语音对话技术的基本原理
    8.1.2  语音对话系统的设计原则
  8.2  全新个人智能时代的语音对话用法
    8.2.1  意图的说法句式及词典的应用
    8.2.2  提供完整的实体词填充词槽
    8.2.3  多轮对话完善意图
  8.3  AI时代中生活与工作的提问能力
    8.3.1  日常中提问存在问题
    8.3.2  好问题的条件
    8.3.3  提问的方法
  8.4  课后作业
第9章  国运重器DeepSeek
  9.1  认知革命：深度解析DeepSeek的技术突破
    9.1.1  架构创新路径
    9.1.2  智能进化图谱
    9.1.3  应用效能革命
    9.1.4  开源生态共建
    9.1.5  成本普惠企业
    9.1.6  国产自主研发
  9.2  生产力重构：智能革命的现实投射
    9.2.1  产业转型进行时
    9.2.2  效能倍增公式
  9.3  智能驾驭术：人机协作的进阶法则
    9.3.1  本地化部署
    9.3.2  提示工程实战
  9.4  未来演化图谱：智能社会的二象性
    9.4.1  生产力解放
    9.4.2  人机共生

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目