pengxiao/2026_DesignAI
1
0
Fork 0
Code Issues 1 Pull Requests Actions Packages Projects 1 Releases Wiki Activity

修改附录1的结构

Browse Source
This commit is contained in:
pengxiao
2026-04-25 11:02:39 +08:00
parent fac0133db5
commit 74c8f1b6fd
3 changed files with 445 additions and 208 deletions
Download Patch File Download Diff File Expand all files Collapse all files
appendix/tools.md
-207
View File
@@ -1,207 +0,0 @@
附录A：编程工具与资源
本附录整理AI学习和实践所需的编程工具、框架和资源。
# Python环境配置
## Anaconda/Miniconda
-----------------------------------------------------------------------------------------------------------------
工具 大小 特点 下载地址
------------- ---------------- ---------------- -----------------------------------------------------------------
Anaconda \~500MB 预装常用库 [anaconda.com](https://www.anaconda.com/download)
Miniconda \~50MB 精简安装 [docs.conda.io](https://docs.conda.io/en/latest/miniconda.html)
-----------------------------------------------------------------------------------------------------------------
## 安装步骤
\# 1. 下载并安装Miniconda\
\# 2. 创建虚拟环境\
conda create -n ai-env python=3.10\
\
\# 3. 激活环境\
conda activate ai-env\
\
\# 4. 安装核心库\
pip install torch torchvision numpy pandas scipy
# 深度学习框架
## PyTorch
`pip`` install torch ``torchvision`` ``torchaudio`
**特点**： - 动态计算图 - 研究友好 - 广泛的社区支持
**资源**： - [官方文档](https://pytorch.org/docs/) - [中文教程](https://pytorch.zhangxiann.com/)
## TensorFlow
`pip`` install ``tensorflow`
**特点**： - 生产部署优化 - Keras高级API - 跨平台支持
# 计算机视觉工具
OpenCV
`pip`` install ``opencv``-python`
**功能**：图像处理、视频分析
Ultralytics YOLO
`pip`` install ``ultralytics`
**功能**：目标检测、实例分割
**使用示例**：
`from`` ``ultralytics`` ``import`` YOLO`\
\
`model ``=`` YOLO(``'yolov8n.pt'``)`\
`results ``=`` model(``'image.jpg'``)`
# AIGC工具链
## Stable Diffusion
**WebUI**：[Automatic1111](https://github.com/AUTOMATIC1111/stable-diffusion-webui)
**ComfyUI**：[GitHub](https://github.com/comfyanonymous/ComfyUI)
**API调用**：
`from`` diffusers ``import`` ``StableDiffusionPipeline`\
\
`pipe ``=`` StableDiffusionPipeline.from_pretrained(``"runwayml/stable-diffusion-v1-5"``)`\
`image ``=`` ``pipe(``"a photo of an astronaut riding a horse on mars"``).images[``0``]`
## ControlNet
`from`` diffusers ``import`` ``StableDiffusionControlNetPipeline`\
\
`controlnet`` ``=`` ControlNetModel.from_pretrained(``"lllyasviel/sd-controlnet-canny"``)`\
`pipe ``=`` StableDiffusionControlNetPipeline.from_``pretrained(``"runwayml/stable-diffusion-v1-5"``, ``controlnet``=``controlnet``)`
## Midjourney
**平台**：Discord **文档**：[docs.midjourney.com](https://docs.midjourney.com/)
# Agent开发框架
## LangChain
`pip`` install ``langchain`` ``langchain-openai`
**功能**：LLM应用开发框架
**核心组件**： - Models：LLM接口 - Prompts：提示管理 - Chains：链式调用 - Agents：智能体 - Memory：记忆管理
LangGraph
`pip`` install ``langgraph`
**功能**：状态机式Agent开发
LlamaIndex
`pip`` install llama-index`
**功能**：数据索引与检索（RAG）
# 开发工具
VSCode
**AI开发常用插件**： - Python - Pylance - Jupyter - Copilot
## Cursor
**特点**：AI原生IDE **网址**：[cursor.com](https://cursor.com/)
## Jupyter Lab
`pip`` install ``jupyterlab`\
`jupyter`` lab`
# 在线学习资源
## 课程
--------------------------------------------------------------------------------------------------------------------------------------------------
名称 平台 链接
------------------- ----------------------- ------------------------------------------------------------------------------------------------------
CS231n Stanford [cs231n.stanford.edu](http://cs231n.stanford.edu/)
Fast.ai fast.ai [course.fast.ai](https://course.fast.ai/)
吴恩达深度学习 Coursera [coursera.org/specializations/deep-learning](https://www.coursera.org/specializations/deep-learning)
--------------------------------------------------------------------------------------------------------------------------------------------------
## 博客与文档
1. [Lil'Log](https://lilianweng.github.io/) - AI深度文章
[The Illustrated Transformer](https://jalammar.github.io/illustrated-transformer/)
[Distill.pub](https://distill.pub/) - 可视化论文
## 数据集
-------------------------------------------------------------------------------------------------------
数据集 内容 链接
-------------------------- ---------------------- -----------------------------------------------------
ImageNet 图像分类 [image-net.org](https://www.image-net.org/)
COCO 目标检测 [cocodataset.org](https://cocodataset.org/)
OpenStreetMap 地图数据 [openstreetmap.org](https://www.openstreetmap.org/)
-------------------------------------------------------------------------------------------------------
# 模型资源
## Hugging Face
**网址**：[huggingface.co](https://huggingface.co/)
**功能**： - 模型仓库 - 数据集 - Spaces在线演示
## 常用模型
-----------------------------------------------------------------------------
任务 推荐模型 Hugging Face ID
------------ --------------------- ------------------------------------------
文生图 Stable Diffusion XL stabilityai/stable-diffusion-xl-base-1.0
目标检测 YOLOv8 Ultralytics
语义分割 SAM segment-anything
大语言模型 Llama 3 meta-llama/Meta-Llama-3-8B
-----------------------------------------------------------------------------
# 硬件资源
## 云平台
----------------------------------------
平台 特点 适合场景
------------------ ---------- ----------
Google Colab 免费GPU 学习实验
Kaggle Notebooks 免费GPU 竞赛
AutoDL 按时计费 中期项目
阿里云PAI 国内稳定 生产部署
----------------------------------------
## 本地GPU
推荐配置： - GPU：RTX 3060 (12GB) 或更高 - 内存：16GB+ - 存储：至少100GB SSD
# 最后更新
2026年4月
appendix/附录1-基础知识与编程环境.md
+444
View File
@@ -0,0 +1,444 @@
# 附录1：基础知识与编程环境
本附录为读者提供AI学习与实践所需的计算机基础知识、编程环境配置、AI辅助工作流及学习资源指南。
## 1 计算机的基本构成与操作系统常见操作
### 1.1 计算机基本构成
了解计算机的基本组成有助于理解AI程序运行时的资源需求。
| 组件 | 作用 | AI相关说明 |
|------|------|-----------|
| CPU | 中央处理器，执行指令 | 数据预处理、逻辑控制 |
| GPU | 图形处理器，并行计算 | 深度学习训练与推理的核心硬件 |
| 内存（RAM） | 临时存储运行中的数据 | 影响能处理的批量大小和数据规模 |
| 硬盘（SSD/HDD） | 持久化存储数据 | 模型文件、数据集的存储 |
| 网络 | 数据传输 | 下载模型、调用云端API |
### 1.2 操作系统常见操作
本书以 macOS/Linux 为主要环境，Windows 用户推荐使用 WSL2（Windows Subsystem for Linux）。
**文件与目录操作**：
```bash
# 查看当前路径
pwd
# 列出文件
ls -la
# 创建目录
mkdir my_project
# 切换目录
cd my_project
# 复制、移动、删除
cp file.txt backup.txt
mv old.txt new.txt
rm unwanted.txt
```
**环境与进程管理**：
```bash
# 查看系统资源
top # CPU和内存使用
df -h # 磁盘空间
nvidia-smi # GPU状态（NVIDIA显卡）
# 包管理
brew install xxx # macOS Homebrew
apt install xxx # Ubuntu/Debian
```
### 1.3 硬件资源推荐
**本地GPU配置**： - GPU：RTX 3060 (12GB) 或更高 - 内存：16GB+ - 存储：至少100GB SSD
**云平台**：
| 平台 | 特点 | 适合场景 |
|------|------|---------|
| Google Colab | 免费GPU | 学习实验 |
| Kaggle Notebooks | 免费GPU | 竞赛 |
| AutoDL | 按时计费 | 中期项目 |
| 阿里云PAI | 国内稳定 | 生产部署 |
## 2 程序设计语言及其编译运行
### 2.1 Python概述
Python是AI领域的主流编程语言，语法简洁、生态丰富，适合快速原型开发和数据处理。
### 2.2 Python环境配置
#### Anaconda vs Miniconda
| 工具 | 大小 | 特点 | 下载地址 |
|------|------|------|---------|
| Anaconda | ~500MB | 预装常用库 | [anaconda.com](https://www.anaconda.com/download) |
| Miniconda | ~50MB | 精简安装 | [docs.conda.io](https://docs.conda.io/en/latest/miniconda.html) |
#### 安装步骤
```bash
# 1. 下载并安装 Anaconda 或 Miniconda
# 2. 创建虚拟环境
conda create -n ai-env python=3.10
conda activate ai-env
# 3. 安装核心科学计算库
conda install numpy pandas scipy
# 4. 安装深度学习框架
pip install torch torchvision
```
### 2.3 核心科学计算库
#### NumPy：数值计算基础
```python
import numpy as np
# 创建数组
x = np.array([1, 2, 3, 4])
# 矩阵运算
W = np.random.randn(4, 3) # 4×3 权重矩阵
h = np.dot(x, W) # 矩阵乘法
# 激活函数
relu = np.maximum(0, h) # ReLU
```
#### Pandas：数据处理
```python
import pandas as pd
# 读取数据
df = pd.read_csv('data.csv')
# 数据清洗
df = df.dropna()
df_normalized = (df - df.mean()) / df.std()
# 统计分析
df.describe()
```
#### SciPy：科学计算
```python
from scipy import optimize
from scipy.spatial import distance
# 优化问题
result = optimize.minimize(loss_func, x0)
# 距离计算
dist = distance.euclidean(point1, point2)
```
### 2.4 深度学习框架
#### PyTorch
```bash
pip install torch torchvision torchaudio
```
**特点**： - 动态计算图 - 研究友好 - 广泛的社区支持
**资源**： - [官方文档](https://pytorch.org/docs/) - [中文教程](https://pytorch.zhangxiann.com/)
#### TensorFlow
```bash
pip install tensorflow
```
**特点**： - 生产部署优化 - Keras高级API - 跨平台支持
### 2.5 AI工具库速查
| 类别 | 工具 | 安装命令 | 功能 |
|------|------|---------|------|
| 计算机视觉 | OpenCV | `pip install opencv-python` | 图像处理、视频分析 |
| 目标检测 | Ultralytics | `pip install ultralytics` | YOLO目标检测、实例分割 |
| 图像生成 | Diffusers | `pip install diffusers` | Stable Diffusion模型调用 |
| Agent开发 | LangChain | `pip install langchain langchain-openai` | LLM应用开发框架 |
| Agent开发 | LangGraph | `pip install langgraph` | 状态机式Agent开发 |
| 数据检索 | LlamaIndex | `pip install llama-index` | 数据索引与检索（RAG） |
### 2.6 模型资源
#### Hugging Face
**网址**：[huggingface.co](https://huggingface.co/)
**功能**： - 模型仓库 - 数据集 - Spaces在线演示
#### 常用预训练模型
| 任务 | 推荐模型 | Hugging Face ID |
|------|---------|----------------|
| 文生图 | Stable Diffusion XL | stabilityai/stable-diffusion-xl-base-1.0 |
| 目标检测 | YOLOv8 | Ultralytics |
| 语义分割 | SAM | segment-anything |
| 大语言模型 | Llama 3 | meta-llama/Meta-Llama-3-8B |
## 3 Vibe Coding概念与最佳实践工作流
### 3.1 什么是Vibe Coding
传统编程：**明确需求 → 设计算法 → 编写代码**
Vibe Coding：**模糊想法 → AI辅助 → 迭代完善**
Vibe Coding是一种以AI为核心的编程新模式，开发者通过自然语言描述意图，由AI生成代码，再通过迭代对话逐步完善。
### 3.2 工作流程
**1. 描述意图（自然语言）**
> "帮我创建一个简单的图像分类模型"
**2. AI生成代码** → 自动生成完整代码框架
**3. 运行测试** → 发现问题或需要调整
**4. 迭代优化**
> "把隐藏层改成128个神经元"
→ AI自动修改代码
**5. 理解学习** → 阅读AI生成的代码，理解实现原理
### 3.3 实践技巧
| 技巧 | 说明 |
|------|------|
| 明确需求 | 详细描述输入输出 |
| 分步实现 | 复杂功能拆解为小任务 |
| 验证结果 | 检查生成的代码是否正确 |
| 学习思考 | 理解AI为什么这样写 |
### 3.4 工具推荐
| 工具 | 特点 | 适用场景 |
|------|------|---------|
| GitHub Copilot | 代码补全 | 日常开发 |
| Cursor | 对话式编程 | 快速原型 |
| ChatGPT/Claude | 代码生成与解释 | 学习咨询 |
| Claude Code | 终端AI编程 | 项目级开发 |
| Replit Agent | 端到端开发 | 小型项目 |
### 3.5 开发工具
#### VSCode
**AI开发常用插件**： - Python - Pylance - Jupyter - Copilot
#### Cursor
**特点**：AI原生IDE **网址**：[cursor.com](https://cursor.com/)
#### Jupyter Lab
```bash
pip install jupyterlab
jupyter lab
```
### 3.6 项目开发工作流
**推荐项目结构**：
```
project/
├── data/ # 数据文件
├── notebooks/ # Jupyter笔记本
├── src/ # 源代码
│ ├── models/ # 模型定义
│ ├── utils/ # 工具函数
│ └── train.py # 训练脚本
├── requirements.txt # 依赖列表
└── README.md # 项目说明
```
**典型工作流**：
```bash
# 1. 创建环境
conda create -n myproject python=3.10
conda activate myproject
# 2. 安装依赖
pip install -r requirements.txt
# 3. 开发迭代
# - 在 notebook 中实验
# - 整理到 src/ 目录
# - 运行测试
# 4. 保存环境
conda env export > environment.yml
```
## 4 学术论文撰写工作流
### 4.1 文献检索与管理
**检索平台**：
| 平台 | 特点 | 网址 |
|------|------|------|
| Google Scholar | 综合学术搜索 | [scholar.google.com](https://scholar.google.com/) |
| arXiv | AI领域预印本 | [arxiv.org](https://arxiv.org/) |
| Semantic Scholar | AI辅助文献搜索 | [semanticscholar.org](https://www.semanticscholar.org/) |
| CNKI | 中文学术文献 | [cnki.net](https://www.cnki.net/) |
**文献管理工具**：
| 工具 | 特点 |
|------|------|
| Zotero | 免费、开源、支持浏览器插件 |
| Mendeley | PDF标注与协作 |
| EndNote | 功能全面、与Word深度集成 |
### 4.2 论文写作工具
#### LaTeX
学术排版的行业标准，适合公式密集的论文。
- **在线编辑**：[Overleaf](https://www.overleaf.com/) — 无需本地安装，支持协作
- **本地编辑**：TeX Live + VSCode LaTeX Workshop 插件
#### Markdown + Pandoc
轻量级写作方案，适合课程报告和技术文档。
```bash
# Markdown 转 Word / PDF
pandoc paper.md -o paper.docx
pandoc paper.md -o paper.pdf --pdf-engine=xelatex
```
### 4.3 AI辅助写作流程
**1. 文献综述**：使用 ChatGPT/Claude 快速了解研究领域的核心文献和发展脉络
**2. 大纲生成**：通过AI辅助梳理论文结构和逻辑框架
**3. 段落撰写**：AI辅助润色语言表达、翻译中英文
**4. 格式排版**：利用模板和工具自动处理格式
> **注意**：AI辅助写作应遵循学术诚信原则，AI生成的内容需人工审核和改写，核心观点和论证应由作者独立完成。
### 4.4 引用与格式规范
常用引用格式：
- **APA**：社会科学常用
- **IEEE**：工程和计算机科学常用
- **GB/T 7714**：中国国家标准
BibTeX 示例：
```bibtex
@article{vaswani2017attention,
title={Attention is all you need},
author={Vaswani, Ashish and others},
journal={NeurIPS},
volume={30},
year={2017}
}
```
## 5 在线学习课程与资料
### 5.1 推荐课程
| 名称 | 平台 | 链接 |
|------|------|------|
| CS231n：计算机视觉 | Stanford | [cs231n.stanford.edu](http://cs231n.stanford.edu/) |
| Fast.ai：实用深度学习 | fast.ai | [course.fast.ai](https://course.fast.ai/) |
| 吴恩达深度学习专项课 | Coursera | [coursera.org](https://www.coursera.org/specializations/deep-learning) |
| CS224n：NLP与深度学习 | Stanford | [web.stanford.edu](https://web.stanford.edu/class/cs224n/) |
| 李宏毅机器学习 | YouTube | [youtube.com](https://www.youtube.com/c/HungyiLeeNTU) |
### 5.2 博客与文档
- [Lil'Log](https://lilianweng.github.io/) - AI深度技术文章
- [The Illustrated Transformer](https://jalammar.github.io/illustrated-transformer/) - 可视化原理解析
- [Distill.pub](https://distill.pub/) - 交互式可视化论文
- [PyTorch官方文档](https://pytorch.org/docs/)
- [Ultralytics YOLO文档](https://docs.ultralytics.com/)
- [LangChain文档](https://python.langchain.com/)
### 5.3 数据集
| 数据集 | 内容 | 链接 |
|--------|------|------|
| ImageNet | 图像分类 | [image-net.org](https://www.image-net.org/) |
| COCO | 目标检测 | [cocodataset.org](https://cocodataset.org/) |
| MNIST | 手写数字 | [yann.lecun.com](http://yann.lecun.com/exdb/mnist/) |
| OpenStreetMap | 地图数据 | [openstreetmap.org](https://www.openstreetmap.org/) |
## 6 其他
### 6.1 AIGC工具
#### Stable Diffusion
**WebUI**：[Automatic1111](https://github.com/AUTOMATIC1111/stable-diffusion-webui)
**ComfyUI**：[GitHub](https://github.com/comfyanonymous/ComfyUI)
**API调用示例**：
```python
from diffusers import StableDiffusionPipeline
pipe = StableDiffusionPipeline.from_pretrained("runwayml/stable-diffusion-v1-5")
image = pipe("a photo of an astronaut riding a horse on mars").images[0]
```
#### Midjourney
**平台**：Discord **文档**：[docs.midjourney.com](https://docs.midjourney.com/)
### 6.2 设计领域AI工具
| 工具 | 用途 | 网址 |
|------|------|------|
| Midjourney | 图像生成与创意探索 | [midjourney.com](https://www.midjourney.com/) |
| Stable Diffusion | 本地可控图像生成 | [stability.ai](https://stability.ai/) |
| ControlNet | 精确结构控制 | [arxiv.org](https://arxiv.org/abs/2302.05543) |
| Figma AI | 界面设计辅助 | [figma.com](https://www.figma.com/) |
| Galileo AI | 界面布局生成 | [usegalileo.ai](https://www.usegalileo.ai/) |
| Planner 5D | 室内设计自动生成 | [planner5d.com](https://planner5d.com/) |
### 6.3 学术期刊与会议
**设计AI相关期刊**：
- Landscape and Urban Planning
- Environment and Planning B: Urban Analytics and City Science
- Automation in Construction
**设计AI相关会议**：
- CAAD Futures
- ACADIA
- eCAADe
---
**最后更新**：2026年4月