AIGC全栈实战：从零搭建多模态智能体/ 徐玉杰

AIGC全栈实战：从零搭建多模态智能体

作者：徐玉杰

书号：354842

定价：￥79 元

字数：312 千字

印次：1-1

开本：异16

出版时间：2027-01-01

ISBN：978-7-300-35484-2

包装：平

内容简介

 本书致力于帮你完成一次关键蜕变：从 AI 使用者进化为 AI 建造者。本书跳出单纯调用 API 的常规路径，带你从零构建一套完全私有化、功能完备的多模态智能体系统，将技术主导权归还给每一位技术探索者。

全书共十四章，沿四条进阶路径展开：首先夯实生成式 AI 的核心原理，部署 Python、Docker、ComfyUI、Dify、Ollama 等开源工具；其次以 ComfyUI 为核心，覆盖文生图、图生图、支持区域遮罩的图像处理应用、视频生成、音色克隆、照片数字人、3D 模型生成、音乐生成等八大应用场景，深入讲解 API 调用、集群调度与 LoRA 模型训练；再次借助 Dify 搭建私有化多模态系统，实现问答、生成、识别、知识库等完整功能；最后探索 AI 生成 PPT、大模型微调以及 OpenClaw 等前沿智能体平台。

本书适合 AI 开发者、技术负责人、产品经理、创业者等所有不满足于仅调用 API 的技术探索者。读完本书，你将获得独立研究、测试并部署 AI 模型的方法论，建立 “在 AI 时代做主动建造者” 的技术自信。

作者简介

徐玉杰（Miracle）

毕业于中国石油大学，拥有 14 年技术研发与管理经验，先后在多家技术研发公司任职技术负责人岗位，擅长 C/C++、PHP、Python、Cloud Native、OpenStack 私有云 AI 等技术，主导并交付多个网络安全、IaaS、物联网及 AI 应用等领域的高价值项目，是中国首代商业软件下载器的开发者之一。

目前在美通互动任职 CTO，并负责 AI 系列平台产品（SaaS、PaaS）的研发落地；发明专利《一种基于跨模态语义映射的图文视频生成方法及系统》；兼任中国商务广告协会（CAAC）数字营销资深技术专家。

从 2012 年开始进行 AI 类项目研发，主导项目包括智能交通路口视频实时分析识别、AI 知识图谱、基于触控板的 AI 系统软件（基于手势轨迹学习、分析识别）、直播 AI 助手、AI 智能体平台、AI 算力调度平台等，并先后在北京大学等多所重点大学进行技术分享和产品路演。

目 录

前言　浅谈 AI 生成的原理：从概率到创造

第一章　主流开源大模型介绍

第二章　AIGC 环境及工具部署 —— 先有趁手的 “家伙” 才能干大事

第三章　ComfyUI 的详细介绍与使用

第四章　ComfyUI 的详细使用 —— 通过 API 调用 ComfyUI

第五章　搭建可视化训练平台，训练自己的 LoRA 模型

第六章　开发 ComfyUI Node 节点

第七章　智能体开发 ——Dify 平台的详细介绍和使用

第八章　Dify 对接 API

第九章　部署 Dify 高可用 k8s 集群

第十章　AI 多模态智能体开发

第十一章　浅谈 AI 生成 PPT

第十二章　大模型微调实战

第十三章　热门 AI 私人助手 OpenClaw 的介绍、部署及使用教程

第十四章　企业级智能助手 Hermes Agent

结尾

名家推荐

王遵会 美通互动创始人及董事长

本书作者徐玉杰是美通互动研发团队负责人、AI 平台业务线负责人，拥有丰富的 AI 平台与智能体私有化部署实战经验。在此，我强烈推荐给所有有 AI 私有化部署需求的读者：这是一本手把手教你从零完成多模态智能体平台私有化部署的实战指南。全书以 “建造者” 而非 “使用者” 的视角，带领读者走完环境搭建、模型部署、AI 应用开发到智能体平台落地的完整技术闭环。

丁汉栋 山西省产业互联网工程研究中心、山西省数据编织与决策智能技术创新中心主任，联通（山西）产业互联网有限公司 CTO

市场上不缺解读 AI 趋势的专家，也不缺会调用接口的工程师，但真正稀缺的是能够从零到一搭建完整 AI 系统的全栈人才。本书不要求读者精通工程数学、概率统计、计算机底层理论，只要跟随书中内容一步步实操，就能够搭建一套能力完备的私有化 AI 智能体平台。

陈满 小二班 CTO 俱乐部创始人

我诚意推荐这本 AIGC 全栈实战著作，全书遵循 “从入门到落地，从单点到系统” 的思路分层教学。后续我将在俱乐部发起 “AIGC 读书打卡计划”，欢迎大家组队共读，助力每一位技术管理者在 AI 时代从容掌舵。

崔庆才  微软 (中国) 首席研发经理，《Python3 网络爬虫开发实战》作者

在 AI 高速迭代的当下，最稀缺的并非层出不穷的新模型，而是一条可以亲手走完的落地方路径。大模型的能力已经如水电一般唾手可得，但水电之所以用得踏实，关键在于管道掌握在自己手中。倘若所有能力都封装在他人的服务器上，我们拥有的仅仅是使用权而非掌控权 —— 二者之间的差距会在数据安全、使用成本与创新空间上逐一显现。本书讲述的正是如何把这套 “管道” 搭建到自己手中：从原理到部署，从工作流到智能体，从可以跑通到能够稳定、长期运行。

阮旭东  AIGC-OPC 深度研究及商业落地践行者，“挑战用 AI 做 360 行” 发起人，《2025 中国・AI 盛典》宣传片共创者，LiblibAI 认证超级创作者

作者依托长期一线实操与项目落地经验，将繁杂晦涩的技术知识梳理得通俗易懂、清晰透彻，所有内容均可落地、可复用，彻底解决了学习者碎片化学习、无法系统搭建的难题。从业多年，我始终认为，一本优质的技术书籍，核心价值就是降低学习门槛、帮助读者少走弯路。这本内容扎实、实战性极强的佳作，真心推荐给每一位深耕 AIGC 领域的从业者与创作者。

精彩片段

 当你翻开这本书并且认真反复阅读和琢磨时，你将获得一个强大的私有化部署的 AI 智能体平台，类似百度的文心一言或字节跳动的豆包。本书不需要你有多精通技术，只需按照书里的内容一步步去实践即可。

笔者对于 AI 的理解是：人类正站在一个前所未有的历史节点上，生成式人工智能（AIGC）技术的飞速发展，正在以前所未有的方式重构我们的认知边界、创作模式和社会结构，这不是简单的工具革新，而是一场深刻的文明嬗变，我们目睹了 AI 从 “识别世界” 到 “创造世界” 的范式转变。然而，在惊叹于云端 AI 神奇表现的同时，一个根本性问题逐渐浮现：当技术被封装在少数科技巨头的服务器中，每次调用都需要向云端发送数据时，我们的使用方式正确吗？我们的数据安全吗？

目前大厂裁员都以数千人为一批次进行，AI 发展至今，已经不再需要中低级别的人力，很多岗位都会被 AI 替代，这已是事实。中低级别的人力面临着严峻的生存挑战，大量的词元（tokens）消耗才是生存的根本。使用 AI 提升生产力就好比工厂的产能竞争，比的是谁耗电更多，而不是谁更省电。当下的行业趋势更多表现为 “一人公司” 的兴起，一人顶替多个团队，自己控制 AI 和智能体完成各项工作。读完这本书，你也可以做到。

当前，以大语言模型为代表的新一代 AI 技术已经突破了传统机器学习的范式的局限，展现出惊人的创造力和理解力。这些系统不仅能模仿人类的表达方式，更能在特定领域内产生超越人类水平的内容创作。这种变革不仅体现在文本生成、图像创作等表层应用上，更重要的是它正在重塑知识生产的方式，开创一种全新的思维协作模式。

在这场技术革命中，我们每个人既是参与者，也是见证者。AIGC 技术正在渗透社会生活的方方面面：从新闻报道的智能生成到艺术创作的跨界融合，从科研辅助的深度学习到商业营销的精准洞察。这些改变不仅提高了生产效率，而且创造了一种全新的可能性空间。

本书将系统阐述 AIGC 的核心原理、应用场景和未来趋势。通过将理论与实践相结合，帮助读者理解这一技术变革的本质，并在数字时代的浪潮中把握机遇。我们相信，在人机协作的新范式下，创造力将得到前所未有的解放，人类文明将在新的维度上实现跃升。