# 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