新書推薦：
《
档案中的虚构：16世纪法国的赦罪故事及故事的讲述者（人类学与新文化史研究经典力作）
》
售價：HK$
74.8
《
AI社会 ： 智能改变世界的十个场景（在这场AI革命中，你是否正在把命运悄悄交给看不见的算法？）
》
售價：HK$
74.8
《
名侦探的咒缚（东野圭吾：反推理？推理，东野写不下去了吗？这就是答案！一本让人泪流满面的奇幻悬疑）
》
售價：HK$
60.5
《
亚历山大在世界尽头
》
售價：HK$
88.0
《
生命的法则（2026年版）
》
售價：HK$
120.9
《
守护我们终将衰退的大脑：阿尔茨海默病防治全书 （一线医生写给中国家庭的阿尔茨海默病防治指南）
》
售價：HK$
64.9
《
精准表达：一说就懂的四句沟通术
》
售價：HK$
65.8
《
愤怒的葡萄（陈宗琛译本；美国版《活着》，一部扎根生活的人间史诗）
》
售價：HK$
72.6
|
| 編輯推薦： |
1. 在总体设计上，以立德树人为根本，以企业人才需求为导向，将知识的人文价值、解决问题的思维方法、追求卓越的职业品质养成等思政元素融入教材。
2. 在内容选取上，本书紧跟产业发展需要，充分利用行业企业先进技术和学校的教育资源。
3. 在教材内容表现上，本书注重理论和实践的结合，在介绍相关技术知识的同时，基于企业实际工作过程设计相关实训案例，实现技术讲解与实践训练合二为一。
4. 基于最新专业标准编写，符合大部分学校的教学需求。
5. 名校名师执笔，内容质量有保障。
6. 基于华为防火墙，所有实验内容均可在虚拟仿真平台完成，解决院校教学痛点。
|
| 內容簡介： |
本书较为全面地讲解AI智能体开发的关键技术，包括提示词工程、Function Calling、MCP、RAG知识库、语音识别、人脸识别、大模型应用等，同时结合蜗牛学苑的自研项目和教学案例，将所有技术融入项目中，以项目驱动的方式进行讲解，以便读者更好地理解AI智能体开发技术。本书第1章主要讲解在Python中对接各类大模型，以及智能体开发所使用的Function Calling技术和MCP技术；第2章主要讲解FastAPI开发框架；第3章主要讲解基于网页对话来实现AI问答功能；第4章主要讲解每日新闻摘要功能的实现；第5章主要讲解智能语音记分功能的实现；第6章主要讲解智能考勤功能的实现；第7章主要讲解AI智慧课堂功能的实现；第8章主要讲解智能在线客服功能的实现。
本书可以作为高等院校计算机应用技术、软件技术、人工智能技术应用等相关专业的教材，也可以作为AI智能体开发爱好者的自学用书。
|
| 關於作者： |
|
齐坤，深圳职业技术大学专任教师，高级技师，信息系统项目管理师，全国技术能手，深圳市五一劳动奖章获得者、深圳工匠、华为授业名师。主参编教材7部，其中，主编国家“十四五”职业教育国家规划教材2部、工信部“十四五”规划教材1部。曾参加电子通信行业职业技能竞赛获得职工组一等奖，参加深圳技能大赛获得一等奖。指导学生参加国际/国家级技能大赛获一等奖2项、二等奖5项；指导学生参加省级技能大赛获一等奖8项等。
|
| 目錄：
|
目录
第 1章 大模型与智能体开发 1
本章引言 2
1.1 对接云端大模型接口 2
1.1.1 准备PyCharm开发环境 2
1.1.2 对接通义千问 4
1.1.3 对接DeepSeek 7
1.1.4 对接OpenRouter平台 8
1.2 本地部署大模型 11
1.2.1 安装与配置Ollama 11
1.2.2 拉取并测试大模型 12
1.2.3 CherryStudio对接Ollama 13
1.2.4 调用Ollama API 14
1.3 AI智能体开发技术 17
1.3.1 Function Calling技术 17
1.3.2 MCP技术 19
1.3.3 使用Python调用Function
Calling 22
1.3.4 使用Python开发MCP服务 24
第 2章 FastAPI开发框架 26
本章引言 27
2.1 FastAPI快速使用 27
2.1.1 快速入门 27
2.1.2 URL及参数 30
2.1.3 RESTful接口 30
2.1.4 JSON请求体 31
2.1.5 会话管理 33
2.1.6 文件上传 34
2.1.7 数据验证 36
2.1.8 异步编程 36
2.2 Jinja2模板引擎 38
2.2.1 模板引擎的作用 38
2.2.2 Jinja2快速使用 40
2.2.3 Jinja2核心语法 41
2.2.4 过滤器 42
2.2.5 应用示例 43
2.3 SQLModel数据处理 44
2.3.1 利用PyMySQL操作数据库 44
2.3.2 SQLModel核心操作 45
2.3.3 SQLModel复杂查询 47
2.4 FastAPI对接大模型 47
2.4.1 基于OpenAI库对接 47
2.4.2 处理流式响应 48
2.4.3 前端JavaScript对接 49
第3章 AI问答 54
本章引言 55
3.1 功能与设计分析 55
3.1.1 核心功能列表 55
3.1.2 整体实现思路 55
3.2 前后端准备工作 58
3.2.1 前端界面实现 58
3.2.2 静态目录设置 60
3.2.3 FastAPI多模块 60
3.3 文本问答功能 61
3.3.1 后端代码实现 61
3.3.2 前端代码实现 62
3.3.3 联网搜索功能 64
3.3.4 开发MCP客户端 66
3.3.5 函数调用增强 69
3.4 图像识别与生成 71
3.4.1 图像识别功能 71
3.4.2 图像识别前端 72
3.4.3 图像生成功能 75
第4章 每日新闻摘要 78
本章引言 79
4.1 功能与设计分析 79
4.1.1 核心功能列表 79
4.1.2 整体实现思路 80
4.2 基础功能实现 81
4.2.1 前端界面布局 81
4.2.2 数据表结构 84
4.2.3 BeautifulSoup库 84
4.2.4 爬取标题与超链接 86
4.2.5 获取和摘要新闻 87
4.2.6 前端界面渲染 88
4.3 扩展功能实现 90
4.3.1 新闻分类浏览 90
4.3.2 按日期浏览新闻 91
4.3.3 定时更新新闻 92
第5章 智能语音记分 94
本章引言 95
5.1 语音识别与合成 95
5.1.1 本地录音文件识别 95
5.1.2 本地实时语音识别 96
5.1.3 阿里云语音识别 97
5.1.4 WebSocket通信 99
5.1.5 JavaScript语音识别 102
5.1.6 语音合成与播放 106
5.2 Web版语音记分 109
5.2.1 功能与实现思路 109
5.2.2 前端界面实现 110
5.2.3 前端JavaScript代码实现 112
5.2.4 后台代码实现 116
5.3 Python版语音记分 116
5.3.1 tkinter绘制界面 116
5.3.2 语音唤醒功能 118
5.3.3 完整功能代码 120
第6章 智能考勤 124
本章引言 125
6.1 需求与设计分析 125
6.1.1 核心功能列表 125
6.1.2 整体实现思路 125
6.1.3 face_recognition的用法 126
6.2 OpenCV版本实现 128
6.2.1 利用OpenCV采集摄像头
数据 128
6.2.2 人脸数据存储与对比 128
6.2.3 设计智能考勤系统数据表 130
6.2.4 实现新增人脸数据功能 131
6.2.5 实现人脸考勤功能 135
6.2.6 实现Web端考勤数据查询功能 137
6.3 Web端版本实现 140
6.3.1 前端采集摄像头数据 140
6.3.2 基于WebSocket进行实时检测 143
6.3.3 基于前端界面进行考勤 146
6.3.4 打卡成功并显示考勤记录 148
6.4 活体检测防作弊 149
6.4.1 活体检测概述 149
6.4.2 人脸68个关键特征点 150
6.4.3 指令动作检测原理 152
6.4.4 活体检测核心代码 154
6.4.5 前端连续截图测试 156
6.4.6 活体检测与考勤 157
第7章 AI智慧课堂 161
本章引言 162
7.1 功能与设计分析 162
7.1.1 核心功能列表 162
7.1.2 整体实现思路 163
7.1.3 数据库设计 164
7.2 主体功能开发 166
7.2.1 视频文件预处理 166
7.2.2 生成课堂笔记 171
7.2.3 生成思维导图 174
7.2.4 生成视频关键帧 176
7.2.5 拓展知识引用 178
7.3 出题和考试功能 179
7.3.1 生成考题 179
7.3.2 前端渲染考题 181
7.3.3 提交试卷并评分 184
7.4 登录与Token鉴权 187
7.4.1 Token处理机制 187
7.4.2 加密与解密处理 188
7.4.3 登录与Token认证 189
7.4.4 前后端校验处理 190
7.5 定时任务处理 191
第8章 智能在线客服 193
本章引言 194
8.1 功能与设计分析 194
8.1.1 RAG与向量数据库 194
8.1.2 核心功能列表 197
8.1.3 整体实现思路 198
8.2 LlamaIndex框架应用 199
8.2.1 LlamaIndex概述 199
8.2.2 LlamaIndex核心操作 199
8.2.3 文档分段与检索 201
8.2.4 定义提示词模板 203
8.2.5 处理流式响应 204
8.2.6 文档分段策略 205
8.2.7 检索结果重排序 209
8.3 向量数据库 210
8.3.1 Chroma的核心操作 210
8.3.2 自行分段实现RAG 213
8.3.3 Chroma的其他操作 214
8.3.4 LlamaIndex整合Chroma 215
8.3.5 Qdrant的核心操作 217
8.3.6 LlamaIndex整合Qdrant 218
8.4 项目功能实现 219
8.4.1 Web前端实现 219
8.4.2 用户端功能实现 221
8.4.3 文档上传并建立索引 222
8.4.4 文档信息处理 224
8.4.5 文档分段内容查看 226
8.5 扩展功能优化 227
8.5.1 联网搜索并回复 227
8.5.2 联系方式自动通知 228
8.5.3 保存对话记录 231
8.5.4 对接云端知识库 233
8.5.5 使用大模型进行分段 235
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
暢銷書架
