refactor(officefile): 按 md/latex/word 三层结构重组文档目录

将 Markdown 源文件移入 md/，LaTeX 工作目录保留在 latex/，
Word 导出移入 word/；删除临时脚本、调试截图和空 stub。

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

officefile/md/00-frontmatter/目录.md

@@ -0,0 +1,60 @@
+# 目录
+
+## 上篇：原理与技术
+
+### 第一篇：导论与理论框架
+- 第1章 AI发展历程与范式演进 — 从Amazon Go到Scaling Law
+- 第2章 设计人工智能的理论框架 — 函数式视角、模态全景与MLP基础
+
+### 第二篇：感知智能——理解世界
+
+> 现代AI处理的核心是**数据模态**——信息的表征形式。第3-8章围绕六大数据模态展开：从感知（1D→2D→3D）到认知（生成→行动→决策），逐步揭示AI如何从"理解世界"走向"改造世界"。
+
+| 模态 | 数据维度 | 输入形式 | 模型演进（小→大） | 设计应用 |
+|------|---------|---------|-------------------|---------|
+| 一维：文本与序列 | 1D | Token序列 | RNN → LSTM → BERT → GPT-4 | 设计文本生成、用户评论分析、趋势预测 |
+| 二维：图像与视觉 | 2D | 像素矩阵 | LeNet → ResNet → ViT → SAM | 图像分类、目标检测、风格迁移、设计评估 |
+| 三维：空间与几何 | 3D | 3D坐标集 | PointNet → DGCNN → Point Transformer | 三维重建、空间分析、建筑设计、数字孪生 |
+
+- 第3章 一维数据——序列与文本 — 从RNN到大语言模型
+- 第4章 二维数据——图像与视觉 — 从CNN到大视觉模型
+- 第5章 三维数据——空间与3D — 从PointNet到空间智能
+
+### 第三篇：认知智能——改造世界
+
+> 感知智能让AI"看懂"世界，认知智能让AI"改变"世界。生成突破感知的局限——不仅理解，还能创造；行动序列整合所有能力——感知、规划、执行形成闭环；决策序列将感知转化为行动策略——在环境中做出最优选择。
+
+| 模态 | 数据维度 | 输入形式 | 模型演进（小→大） | 设计应用 |
+|------|---------|---------|-------------------|---------|
+| 生成 | 创造性输出 | 噪声/条件 | VAE → GAN → Diffusion → Sora | AIGC设计、概念生成、风格迁移、设计探索 |
+| 行动序列 | 多步行动 | 目标→计划→执行 | ReAct → Toolformer → AutoGPT | 智能设计助手、自动化工作流、多Agent协作 |
+| 决策序列 | 时序决策 | 状态→动作映射 | Q-Learning → DQN → PPO → AlphaGo | 布局优化、参数调优、自适应设计 |
+
+- 第6章 生成式AI——从创造到智能生成 — 从VAE/GAN到Diffusion
+- 第7章 AI Agent——从执行到自主 — 从规则系统到LLM Agent
+- 第8章 强化学习——从决策到对齐 — 从Q-Learning到RLHF
+
+## 下篇：设计领域应用
+
+### 第四篇：数字媒体设计
+- 第9章 数字媒体设计 — 视觉设计与交互设计
+
+### 第五篇：工业与产品设计
+- 第10章 工业与产品设计 — 概念设计、优化与制造
+
+### 第六篇：环境与景观设计
+- 第11章 环境与景观设计 — 室内设计与景观设计
+
+### 第七篇：城市与生态规划设计
+- 第12章 城市与生态规划设计 — 城市分析、规划与生态
+
+## 附录
+
+- 附录1：计算机基础与编程环境
+- 附录2：Vibe Coding与工具链
+- 附录3：学术论文撰写工作流
+- 附录4：网络、网站与在线可视化
+- 附录5：在线学习资源
+- 附录6：其他资源
+- 附录7：参考文献
+- 附录8：关键术语表

officefile/md/00-frontmatter/自序.md

@@ -0,0 +1,46 @@
+# 自序
+
+## 为什么要写这本书
+
+2022年底，ChatGPT的发布如同一声惊雷，让生成式人工智能一夜之间走入大众视野。此后短短两年间，AI技术以惊人的速度迭代演进——从文本对话到多模态理解，从被动应答到自主行动，从实验室探索到千行百业的应用落地。在这场技术变革中，设计领域受到的冲击尤为深远。AI不仅能生成图像、辅助建模、优化方案，更在根本上改变了"设计"这件事的范式：设计师的角色正在从"执行者"转变为"引导者"和"策展人"，从亲手绘制每一个细节，转变为与AI协同探索更大的创意空间。
+
+然而，观察众多设计专业的师生和从业者的实际状态后，可以发现一个普遍的困境：**大家都在谈论AI，但真正理解AI并能有效运用AI的人并不多。** 多数人对AI的使用停留在"输入提示词、获取结果"的表层，缺乏对技术原理的理解，也难以将AI真正融入自己的专业工作流。特别是对于设计专业的学生和从业者而言，虽然了解并使用了许多AI工具，但对很多专业术语和概念的理解仍停留在表面，难以触及背后的原理，这在很大程度上限制了研究与实践的深入。
+
+尤其对于设计专业的学生来说，由于接触计算机和编程较少，缺乏进入这一领域的"语境"，容易产生畏难情绪。而事实上，AI领域所涉及的终究是技术工程问题，并不存在玄学，在这个意义上理应能够被所有人掌握。梳理进入AI领域所需要的基本知识，归纳现代AI技术涉及的核心原理与沉淀的经验，并展示如何将其应用于设计学领域——从而为设计专业的学生、研究者和设计师提供切实的帮助，这正是本书的出发点。
+
+## 这本书讲什么
+
+本书分为上下两篇，试图回答两个核心问题：
+
+**上篇**回答"AI是什么"——系统讲解AI的核心技术原理。面向设计专业读者，不追求面面俱到的数学推导，而是强调直觉理解：把神经网络看作函数组合，把注意力机制看作信息检索，把扩散模型看作逐步去噪。理解了这些基本原理，面对层出不穷的新工具和新模型，才能做到心中有数。
+
+**下篇**回答"AI能做什么"——聚焦五大设计领域的AI应用实践。从数字媒体到环境设计，从工业设计到城市规划，再到生态设计，每个领域都结合具体场景，展示AI如何辅助分析、生成、优化和评估。
+
+此外，附录中包含了大量与计算机和AI相关的基础知识与编程环境内容。虽然网络上有许多资源可供查询，但附录所收录的是实践过程中被认为最有必要了解和掌握的基本知识，也是开展设计人工智能研究的基础，因此以相当的篇幅进行了总结。更为详细的内容，可以参考书中所列的文献与技术文档资料。
+
+## 一些写作理念
+
+在写作过程中，本书坚持了几个原则：
+
+**原理先行**。理解原理比掌握工具更重要。工具会过时，但原理具有持久的价值。因此，上篇用了较大篇幅讲解神经网络、注意力机制、扩散模型等核心概念。
+
+**函数式视角**。本书刻意避免一上来就堆砌数学公式，而是从"函数描述世界"的朴素观念出发，让读者理解神经网络的本质——通过函数组合来学习数据中的规律。
+
+**案例驱动**。每个技术概念都尽量配以设计领域的应用案例，让抽象的原理变得具体可感。
+
+**中英双语术语**。AI领域的重要术语均保留英文原文，一方面便于读者查阅原始资料，另一方面也帮助建立专业词汇的准确认知。
+
+## 最后的话
+
+AI技术仍在飞速发展，本书的内容不可避免地会随着时间推移而需要更新。但书中所传达的核心思想——理解原理、拥抱工具、人机协作——将具有持久的价值。
+
+感谢AI技术本身——本书的写作过程中广泛使用了Claude、ChatGPT等AI工具进行资料整理、内容润色和代码验证，这本身就是"AI赋能工作"的一次实践。
+
+设计的人工智能时代才刚刚开始。希望这本书能成为读者进入这个新时代的一块踏脚石，从而汇聚起万千努力，能够成为点燃"通用设计智能"的星星之火。
+
+
+---
+
+彭晓
+
+2026年4月25日