2026_DesignAI/appendix/附录1-基础知识与编程环境.md

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：

# 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：

# 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
Miniconda	~50MB	精简安装	docs.conda.io

安装步骤

# 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

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

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

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

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 - 中文教程

TensorFlow

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

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

Jupyter Lab

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：

# 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
arXiv	AI领域预印本	arxiv.org
Semantic Scholar	AI辅助文献搜索	semanticscholar.org
CNKI	中文学术文献	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 — 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。

# 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：

@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
Fast.ai：实用深度学习	fast.ai	course.fast.ai
吴恩达深度学习专项课	Coursera	coursera.org
CS224n：NLP与深度学习	Stanford	web.stanford.edu
李宏毅机器学习	YouTube	youtube.com

5.2 博客与文档

• Lil'Log - AI深度技术文章
• The Illustrated Transformer - 可视化原理解析
• Distill.pub - 交互式可视化论文
• PyTorch官方文档
• Ultralytics YOLO文档
• LangChain文档

5.3 数据集

数据集	内容	链接
ImageNet	图像分类	image-net.org
COCO	目标检测	cocodataset.org
MNIST	手写数字	yann.lecun.com
OpenStreetMap	地图数据	openstreetmap.org

6 其他

6.1 AIGC工具

Stable Diffusion

WebUI：Automatic1111

ComfyUI：GitHub

API调用示例：

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

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
Stable Diffusion	本地可控图像生成	stability.ai
ControlNet	精确结构控制	arxiv.org
Figma AI	界面设计辅助	figma.com
Galileo AI	界面布局生成	usegalileo.ai
Planner 5D	室内设计自动生成	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