重构附录部分

This commit is contained in:
2026-04-25 11:46:25 +08:00
parent 907e683983
commit d1f47b9a73
8 changed files with 460 additions and 257 deletions
+7 -3
View File
@@ -54,6 +54,10 @@
## 附录 ## 附录
- 附录1:基础知识与编程环境 - 附录1计算机基础与编程环境
- 附录2参考文献 - 附录2Vibe Coding与工具链
- 附录3关键术语表 - 附录3学术论文撰写工作流
- 附录4:在线学习资源
- 附录5:其他资源
- 附录6:参考文献
- 附录7:关键术语表
+2 -252
View File
@@ -1,6 +1,6 @@
# 附录1:基础知识与编程环境 # 附录1计算机基础与编程环境
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 本附录介绍计算机的基本构成、操作系统常见操作,以及Python编程环境配置与核心工具库
## 1 计算机的基本构成与操作系统常见操作 ## 1 计算机的基本构成与操作系统常见操作
@@ -192,253 +192,3 @@ pip install tensorflow
| 目标检测 | YOLOv8 | Ultralytics | | 目标检测 | YOLOv8 | Ultralytics |
| 语义分割 | SAM | segment-anything | | 语义分割 | SAM | segment-anything |
| 大语言模型 | Llama 3 | meta-llama/Meta-Llama-3-8B | | 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) |
| CS224nNLP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
+296
View File
@@ -0,0 +1,296 @@
# 附录2Vibe Coding与工具链
本附录介绍Vibe Coding的概念与实践,以及Claude Code、Markdown/Obsidian、Git/GitHub等核心工具的使用方法。
## 1 Vibe Coding的概念与工具
### 1.1 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:开发者用自然语言描述意图,AI生成代码,再通过迭代对话逐步完善。对于编程经验较少的设计专业读者而言,这种模式大幅降低了技术门槛——不需要记住语法细节,只需要清楚地表达"想要什么"。
### 1.2 工作流程
**1. 描述意图**:用自然语言说明需求
> "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**:通过对话逐步改进
> "把隐藏层改成128个神经元"
**5. 理解学习**:阅读AI生成的代码,理解实现原理
### 1.3 实践技巧
| 技巧 | 说明 |
|------|------|
| 明确需求 | 详细描述输入输出,提供上下文 |
| 分步实现 | 复杂功能拆解为小任务,逐步完成 |
| 验证结果 | 运行并检查AI生成的代码是否正确 |
| 学习思考 | 不盲目接受,理解AI为什么这样写 |
### 1.4 工具生态
| 工具 | 形态 | 特点 | 适用场景 |
|------|------|------|---------|
| ChatGPT / Claude | 网页对话 | 代码生成与解释 | 学习咨询、快速原型 |
| GitHub Copilot | 编辑器插件 | 实时代码补全 | 日常开发 |
| Cursor | AI原生IDE | 对话式编程 | 快速原型、中型项目 |
| Claude Code | 终端CLI | 终端AI编程、多文件协作 | 项目级开发 |
| Replit Agent | 在线平台 | 端到端开发 | 小型项目、学习实验 |
## 2 Claude Code简介与使用
### 2.1 什么是Claude Code
Claude Code是Anthropic推出的命令行AI编程工具(CLI),能够直接在终端中理解项目上下文、读写文件、执行命令,实现端到端的AI辅助开发。它也提供VSCode扩展,可以在编辑器中无缝使用。
### 2.2 安装与配置
```bash
# 安装(需要 Node.js 18+
npm install -g @anthropic-ai/claude-code
# 进入项目目录后启动
cd my_project
claude
```
启动后进入交互式对话界面,直接用自然语言描述需求即可。
### 2.3 核心使用方式
**对话式开发**:用自然语言描述任务,Claude Code会自动读取相关文件、编写代码、执行测试。
```
> 帮我创建一个数据预处理的Python脚本,读取CSV文件并清洗缺失值
```
**文件操作**Claude Code可以直接读取、创建和编辑项目中的文件,每次修改前会征得确认。
**命令执行**:可以请求Claude Code运行终端命令,如安装依赖、运行脚本等。
### 2.4 VSCode中的Claude Code
Claude Code提供VSCode扩展,在编辑器中获得同样的AI辅助能力:
1. 在VSCode扩展商店搜索 "Claude Code" 并安装
2. 打开项目文件夹
3. 使用快捷键或侧边栏打开Claude面板
4. 在编辑器中选中代码后,可以直接向Claude提问或请求修改
**常用场景**
- 选中一段代码,请求"解释这段代码"
- 选中函数,请求"添加错误处理"
- 在Claude面板中输入"帮我写单元测试"
### 2.5 典型项目工作流
**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
```
**开发流程**
```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. 启动 Claude Code 进行AI辅助开发
claude
# 4. 保存环境
conda env export > environment.yml
```
## 3 Markdown语法及Obsidian工具
### 3.1 Markdown简介
Markdown是一种轻量级标记语言,用纯文本格式编写文档,可以方便地转换为HTML、PDF等格式。它的语法简洁直观,是技术文档、笔记、学术写作的常用工具。
本书全部内容即使用Markdown编写。
### 3.2 基础语法
**标题**
```markdown
# 一级标题
## 二级标题
### 三级标题
```
**文本格式**
```markdown
**加粗** *斜体* ~~删除线~~ `行内代码`
```
**列表**
```markdown
- 无序列表项1
- 无序列表项2
1. 有序列表项1
2. 有序列表项2
```
**链接与图片**
```markdown
[链接文字](https://example.com)
![图片说明](image.png)
```
**代码块**
````markdown
```python
print("Hello, World!")
```
````
**表格**
```markdown
| 列1 | 列2 | 列3 |
|-----|-----|-----|
| 内容 | 内容 | 内容 |
```
**引用**
```markdown
> 这是一段引用文字
```
### 3.3 ObsidianMarkdown笔记工具
[Obsidian](https://obsidian.md/) 是一款基于Markdown的知识管理工具,适合构建个人知识库和笔记系统。
**核心特性**
- **本地存储**:所有笔记以Markdown文件保存在本地,数据完全自主
- **双向链接**:用 `[[笔记名]]` 在笔记之间建立链接,形成知识网络
- **图谱视图**:可视化笔记之间的关联关系
- **插件生态**:丰富的社区插件扩展功能(如日历、看板、模板等)
- **实时预览**:编辑Markdown时实时渲染效果
**使用建议**
- 用Obsidian打开本教材的根目录,即可获得完整的阅读与编辑体验
- 建议安装"目录"插件,方便在长文档中快速导航
- 利用双向链接功能,将学习笔记与教材内容关联起来
## 4 Git版本管理与GitHub协作
### 4.1 为什么需要版本管理
在项目开发过程中,文件会不断修改。版本管理工具可以:
- 记录每一次修改的内容和时间
- 随时回退到之前的任意版本
- 多人协作时避免互相覆盖
Git是当前最流行的分布式版本管理系统。
### 4.2 Git基础操作
**初始化仓库**
```bash
# 在项目目录中初始化Git
cd my_project
git init
```
**日常三步曲**
```bash
# 1. 查看当前修改状态
git status
# 2. 将修改添加到暂存区
git add filename.md # 添加指定文件
git add . # 添加所有修改
# 3. 提交修改(附带说明)
git commit -m "添加了数据预处理功能"
```
**查看历史**
```bash
# 查看提交历史
git log --oneline
# 查看某次提交的具体改动
git show abc1234
```
**回退操作**
```bash
# 查看某文件的历史版本
git log -- filename.md
# 恢复某个文件到指定版本
git checkout abc1234 -- filename.md
```
### 4.3 GitHub:云端协作平台
[GitHub](https://github.com/) 是基于Git的代码托管平台,提供云端存储和协作功能。
**核心概念**
- **仓库(Repository)**:项目的存储空间,包含所有文件和历史记录
- **远程同步**:将本地仓库推送到GitHub,或从GitHub拉取更新
- **协作**:多人通过分支和合并协同工作
**常用操作**
```bash
# 关联远程仓库
git remote add origin https://github.com/username/project.git
# 推送到远程
git push -u origin main
# 从远程拉取更新
git pull
```
**本书的Git管理**
本书内容即通过Git进行版本管理。每个章节的修改都有完整的提交记录,可以通过 `git log` 查看内容的演变历史。
### 4.4 推荐工作流
对于设计专业的学习和研究项目,建议采用以下简化工作流:
```
编写/修改文档 → git add → git commit → git push
```
每次完成一个阶段性工作(如写完一节内容、完成一次实验)后提交一次,附上简洁的说明。这样既保留了完整的历史记录,也不会因为误操作而丢失工作成果。
@@ -0,0 +1,73 @@
# 附录3:学术论文撰写工作流
本附录介绍文献检索管理、论文写作工具、AI辅助写作流程及引用格式规范。
## 1 文献检索与管理
### 1.1 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/) |
### 1.2 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 |
## 2 论文写作工具
### 2.1 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
### 2.2 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
```
## 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 引用与格式规范
### 4.1 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
### 4.2 BibTeX示例
```bibtex
@article{vaswani2017attention,
title={Attention is all you need},
author={Vaswani, Ashish and others},
journal={NeurIPS},
volume={30},
year={2017}
}
```
+31
View File
@@ -0,0 +1,31 @@
# 附录4:在线学习资源
本附录整理AI学习过程中常用的在线课程、技术博客与文档、以及公开数据集。
## 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) |
| CS224nNLP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) |
## 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/)
## 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/) |
+49
View File
@@ -0,0 +1,49 @@
# 附录5:其他资源
本附录整理AIGC工具、设计领域AI工具,以及设计AI相关的学术期刊与会议。
## 1 AIGC工具
### 1.1 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]
```
### 1.2 Midjourney
**平台**Discord **文档**[docs.midjourney.com](https://docs.midjourney.com/)
## 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/) |
## 3 学术期刊与会议
### 3.1 设计AI相关期刊
- Landscape and Urban Planning
- Environment and Planning B: Urban Analytics and City Science
- Automation in Construction
### 3.2 设计AI相关会议
- CAAD Futures
- ACADIA
- eCAADe
@@ -1,4 +1,4 @@
参考文献 # 附录6参考文献
本部分整理教材中引用的论文、书籍和在线资源。 本部分整理教材中引用的论文、书籍和在线资源。
@@ -1,4 +1,4 @@
附录C:关键术语表 # 附录7:关键术语表
本附录按章节整理书中涉及的关键中英文术语。 本附录按章节整理书中涉及的关键中英文术语。