AIGC基础与应用

中国水利水电出版社

【作者】主编彭波谢崇波

【I S B N 】978-7-5226-4475-2

【责任编辑】张玉玲

【适用读者群】高职高专

【出版时间】2026-08-17

【开本】16开

【装帧信息】平装（光膜）

【版次】第1版第1次印刷

【页数】244

【千字数】381

【印张】15.25

【定价】￥42

【丛书】

【备注信息】

图书详情

简介

本书特色

前言

章节列表

精彩阅读

下载资源

相关图书

内容提要

本书整体遵循“原理—方法—实现—治理”的编写思路，讲解了文本、图像、语音三类常用的AIGC工具技术，包含大语言模型、提示词使用、知识库问答、图像生成、声音复刻等实用内容，搭配大量实操案例，帮助读者掌握AI内容的创作与优化方法。全书同步讲解AI使用规范，介绍数据隐私、数字水印、内容审核等合规知识，配套电商素材、行业知识问答、多模态开发等实训任务锻炼实践能力。本书结构简单易懂，配套实训代码、教学课件与国产模型落地教程，侧重岗位实用技能，帮助读者掌握AIGC实操技能，同时树立安全合规的职业意识。

本书适合高职高专、应用型本科相关专业的学生，也可供行业技术人员学习，是一本兼顾理论与实操的AIGC教材。

内容翔实

层次清晰，系统讲解文本、图像、语音三类常用的AIGC 工具技术。

理实一体

配备丰富案例，均源于企业真实需求，将实训任务融入岗位标准。

思政融合

将科技伦理、数据安全、国产化适配等思政元素融入技术教学。

前言

当前，以大模型为代表的生成式人工智能（Artificial Intelligence Generated Content，AIGC）正以前所未有的速度重塑内容创作、人机交互乃至产业生态。从智能客服到数字员工，从教育辅助到创意设计，AIGC已不再是遥远的技术概念，而是深入千行百业的现实生产力。国家《新一代人工智能发展规划》（国发〔2017〕35号）等政策文件明确指出，要加快培养具备AI应用能力、安全意识与创新思维的高素质技术技能人才。在此背景下，如何让广大职业院校学生不仅“会用”AI工具，更能“理解”其原理、“驾驭”其能力、“约束”其风险，成为新时代人工智能教育的核心命题。

本书正是在这一教学需求下应运而生。面向应用型人才培养的AIGC教材，不能止步于工具操作指南，也不能陷入艰深的算法推导。它必须打通“技术—场景—责任”三重维度，构建“原理可理解、方法可复用、系统可实现、行为可规范”的完整学习闭环。因此，本书确立了“原理—方法—实现—治理”四维一体的内容主线，坚持“做中学、用中学、创中学”的教学理念，力求让学生在真实任务中掌握核心能力。

全书共有6个模块，各模块拥有完整独立的知识体系与实训主线，完整覆盖 AIGC全技术链条与产业落地全流程：模块1为行业基础认知模块，系统梳理AIGC发展脉络、数据—模型—算力完整产业生态，搭建行业调研基础认知，夯实入门理论根基；模块2聚焦文本大模型完整技术体系，整体讲解Transformer架构、模型微调技术、提示工程设计原则、检索增强全流程技术，模块内包含营销文案、行业知识问答机器人等完整文本类实战项目，上下文控制、输出可靠性优化为本模块下属小节的拓展内容；模块3围绕视觉生成技术展开，核心讲解扩散模型、ControlNet控制生成技术，配套电商海报、服装设计稿局部重绘、企业级AIGC营销素材设计三大设计场景完整实操训练；模块4以语音生成技术为主体，详解语音合成、音色处理底层原理，配套AI 配音、方言语音工具开发全套实训；模块5面向产业工程落地，完整讲解MaaS云平台使用、大模型企业级部署、项目算力成本优化全套工程方案；模块6为综合工程实训模块，整合文本、图像、语音多模态技术开展全流程综合项目开发，串联教育、文旅、电商完整落地案例，实现全模块知识融会贯通，强化AI工程落地实操能力。

值得一提的是，本书高度重视产教融合与价值引领。本书所有案例均源于企业真实需求，将实训任务融入岗位标准；同时，将科技伦理、数据安全、国产化适配等思政元素有机嵌入技术教学，引导学生树立“技术向善、安全可控、自主创新”的职业信念。

本教材配套提供实验代码、教学PPT、项目任务书及评估量表等数字资源，支持线上线下混合式教学。建议教师结合本地产业特点，组织学生开展项目式学习；学生则可通过“学—做—评”一体化流程，逐步成长为懂技术、守底线、能创新的新一代AI应用人才。

最后，衷心感谢参与本书案例开发的企业工程师、一线教师及试点院校师生的宝贵反馈。由于AIGC技术日新月异，书中疏漏在所难免，恳请广大读者批评指正，共同完善这本“与时代同行”的教材。

编者

2026年2月

前言

模块 1 AIGC基础与行业趋势 1
1.1 AIGC技术发展史 2
1.1.1 史前孕育期：基于规则的生成（1950—1990年） 2
1.1.2 统计模型崛起期：基于概率的生成（1990—2010年） 4
1.1.3 深度学习革命期：神经网络的突破（2010—2018年） 6
1.1.4 预训练大模型时代：AIGC的爆发
（2018年至今） 6
1.1.5 总结：AIGC技术发展脉络与未来
趋势 7
1.2 AIGC技术生态体系 8
1.2.1 数据层：AIGC的“燃料”基石 8
1.2.2 模型层：AIGC的“智能”引擎 11
1.2.3 算力层：AIGC的“动力源泉” 13
1.2.4 交互关系：三层生态的协同与
闭环 15
1.3 AIGC伦理与法规 17
1.3.1 生成内容版权归属问题 17
1.3.2 数据隐私与安全挑战 20
1.3.3 合规审查与治理机制 22
1.4 实训项目：分组调研至少三个行业AIGC
应用案例 26
1.4.1 项目背景 26
1.4.2 实践 27
1.4.3 AIGC 行业应用实训项目实施与优化
建议 32
练习1 33
模块 2 大语言模型实战 36
2.1 Transformer架构核心组件 37
2.1.1 多头注意力机制 37
2.1.2 位置编码 39
2.1.3 残差连接 41
2.2 模型微调技术 43
2.2.1 全参数微调与参数高效微调概述 43
2.2.2 LoRA：低秩适配大语言模型 44
2.2.3 Adapter：模块化微调先驱 45
2.2.4 P-Tuning：提示微调的革命性
演进 47
2.3 提示工程设计原则 48
2.3.1 角色设定 48
2.3.2 上下文控制：驾驭模型记忆的
缰绳 49
2.3.3 输出约束：从混沌到规整的精确
引导 51
2.4 实训项目：使用通义千问/DeepSeek生成
营销文案 52
2.4.1 项目背景与目标 52
2.4.2 环境配置与模型初始化 53
2.4.3 提示词设计策略 56
2.4.4 生成结果优化与后处理 58
2.4.5 自动化评估体系实现 60
2.5 实训项目：基于LangChain搭建行业知识
问答机器人 61
2.5.1 项目架构设计 61
2.5.2 知识库构建与处理 63
2.5.3 问答系统实现 64
2.5.4 性能优化策略 67
2.5.5 系统部署与监控 68
2.6 实训项目：多模态图文混合内容生成 71
2.6.1 多模态模型选型与整合 71
2.6.2 训练数据预处理 72
2.6.3 跨模态对齐实现 73
2.6.4 生成控制与优化 73
2.6.5 评估体系构建 74
练习2 79
模块3 图像生成与设计 83
3.1 扩散模型训练原理 84
3.1.1 扩散模型核心思想概述 85
3.1.2 正向扩散过程 85
3.1.3 反向扩散过程 85
3.1.4 噪声调度策略 86
3.1.5 扩散模型训练核心代码实现 87
3.2 ControlNet控制生成技术 89
3.2.1 ControlNet技术核心思想概述 90
3.2.2 ControlNet的核心架构与工作原理 90
3.2.3 关键控制参数类型及应用场景 91
3.2.4 ControlNet训练流程与关键超参数 92
3.2.5 ControlNet 核心代码实现 94
3.3 AIGC版权合规标准 95
3.3.1 训练数据授权 96
3.3.2 生成内容水印嵌入 96
3.3.3 生成内容水印嵌入的应用场景与合规
价值 98
3.4 实训项目：使用Stable Diffusion生成电商
海报 99
3.5 实训项目：服装设计稿局部重绘 107
3.6 实训项目：企业级AIGC营销素材
设计 115
练习3 118
模块4 声音复刻与合成 121
4.1 语音合成技术框架 122
4.1.1 声学模型原理解析 122
4.1.2 声码器的工作机制 123
4.1.3 韵律建模与控制策略 124
4.2 声纹克隆的伦理风险 125
4.2.1 生物特征滥用的风险与防范 126
4.2.2 技术应用的安全规范 127
4.3 实训项目：通过火山引擎生成配音 128
4.3.1 火山引擎配音生成与优化 128
4.3.2 语音自然度评估 132
4.4 实训项目：本地部署So-VITS克隆特定
音色 134
4.4.1 So-VITS-SVC 本地环境部署 134
4.4.2 音色克隆流程与调优 136
4.4.3 效果评估 139
4.5 实训项目：方言教学工具开发 143
4.5.1 需求分析与技术方案设计 143
4.5.2 系统实现与集成 145
4.5.3 效果验证 153
练习4 155
模块 5 MaaS平台与企业级部署 157
5.1 云平台模型服务全流程 158
5.1.1 训练资源配置 158
5.1.2 推理服务监控 158
5.1.3 日志分析 159
5.2 成本优化策略 160
5.2.1 按需计费 160
5.2.2 竞价实例 162
5.2.3 模型量化压缩 162
5.3 实训项目：调用阿里云PAI完成文本
摘要任务 163
5.3.1 实训前置条件与环境准备 164
5.3.2 核心API调用逻辑实现 165
5.3.3 保障成功率的关键措施 166
5.3.4 实训测试与结果分析 167
5.4 实训项目：部署AI客服工单系统 167
5.4.1 系统架构设计 167
5.4.2 环境准备与部署 168
5.4.3 部署实现结果 174
5.4.4 响应延迟优化 175
5.4.5 容错率保障 176
5.4.6 系统测试与验证 177
5.4.7 特定术语注释 178
练习5 179
模块6 综合项目实训 181
6.1 实训项目：教育赛道——AI助教系统 183
6.1.1 项目背景与需求分析 183
6.1.2 技术选型与简易架构 184
6.1.3 分阶段实现与核心逻辑 188
6.2 实训项目：文旅赛道——多语种数字人
导游 196
6.2.1 项目背景与需求分析 196
6.2.2 技术选型与简易架构 197
6.2.3 分阶段实现与核心逻辑 198
6.3 实训项目：电商赛道——商品详情页自动
生成 203
6.3.1 项目背景与需求分析 203
6.3.2 技术选型与简易架构 204
6.3.3 分阶段实现与核心逻辑 206
练习6 215
参考答案 217
练习1 217
练习2 220
练习3 224
练习4 227
练习5 228
练习6 232
参考文献 235

关闭

打印