重构上篇：按数据模态组织为8章，建立小模型→大模型演进脉络

- 第1章：导论（保留，微调标题）
- 第2章：理论框架（新增环境-智能体-任务框架、数据模态全景）
- 第3章：一维数据——序列与文本（RNN → LLM）
- 第4章：二维数据——图像与视觉（CNN → 大视觉模型）
- 第5章：三维数据——空间与3D（PointNet → 空间智能）
- 第6章：强化学习——从决策到对齐（Q-Learning → RLHF）
- 第7章：生成式AI——从创造到智能生成（VAE/GAN → Diffusion）
- 第8章：AI Agent——从执行到自主（规则系统 → LLM Agent）
- 删除旧目录（02-foundations, 03-computer-vision, 04-transformer, 05-generative-ai, 06-agent）
- 更新目录.md反映新结构

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

01-introduction/01-introduction.md

@@ -1,6 +1,6 @@
-# 第一篇：导论
+# 第1章：导论
 
-本篇作为全书的开篇，旨在帮助读者建立对人工智能的宏观认知框架。我们将从AI的发展历程出发，回顾从早期符号主义到深度学习、再到大模型时代的关键技术突破与转折节点；进而梳理AI的范式演进，从感知智能到生成式智能、从单一任务到通用智能的发展脉络，帮助读者理解AI技术的全貌和未来趋势。这一宏观视角的建立，将为后续各篇中AI与设计实践的结合提供必要的技术认知基础。
+本章建立读者对人工智能的宏观认知框架。从AI的发展历程出发，回顾从早期符号主义到深度学习、再到大模型时代的关键技术突破与转折节点；进而梳理AI的范式演进，从感知智能到生成式智能、从单一任务到通用智能的发展脉络，帮助读者理解AI技术的全貌和未来趋势。
 
 ## 篇章导读