人工智能作为引领新一轮科技革命和产业变革的战略性技术，深刻改变人类生产生活方式。习近平总书记在2025年4月25日的二十届中央政治局第二十次集体学习时强调：要推进人工智能全学段教育和全社会通识教育，源源不断培养高素质人才。本书正是在这一背景下编著而成的。本书立足理论与实践两个维度，全面系统地阐述大模型的核心原理、技术体系以及在教育领域的典型应用场景，帮助读者理解这一革命性技术，并学会如何将之应用于实际场景之中。大模型作为人工智能发展进程的里程碑式技术，凭借强大的认知能力、生成能力和交互能力，正在深刻改变各行各业。教育领域也不例外，如何将大模型的先进技术与教育教学实践深度融合，成为新时代教育改革的一项重要课题。本书紧密围绕党的教育方针，坚持立德树人根本任务，在内容设计上注重理论与实践相结合。全书分为基础知识篇和动手实践篇，系统讲解大语言模型的工作原理、训练方法、优化技术以及应用场景，涵盖对话式应用、知识增强RAG技术等前沿方向。本书通过DeepSeek等国内开源大模型的实战案例，帮助读者在学习技术的同时，不断增强自主创新意识和实践能力。本书紧扣当前人工智能领域的新进展，围绕大模型的核心技术与实际应用展开编写，具有以下三大特色。特色1：理论与实践结合，内容全面系统。本书系统梳理大模型的基本原理、关键技术、主流模型以及未来发展趋势，既深入剖析Transformer等核心技术框架，又结合丰富案例展示大模型在文本生成、对话系统、人工智能绘画和视频生成等领域的实际应用，帮助读者实现从理论学习到实践应用的能力提升。特色2：聚焦主流模型，拓展应用视野。本书特别介绍了科大讯飞星火、百度文心、DeepSeek等国内主流大模型及GPT系列等国际领先模型，深入分析其技术特点、优势及典型应用场景。同时，结合未来技术趋势，探讨多模态融合、跨领域应用等前沿方向，为读者拓宽研究视野提供重要参考。特色3：案例驱动学习，注重动手能力。本书专门设置多个章节介绍实践案例，从基础应用到综合系统搭建，覆盖人工智能新闻生成、绘画、对话、视频生成等具体实例，最终延伸到智慧旅行家、聊天机器人、人工智能程序员等完整应用系统的构建，通过动手实践激发读者学习兴趣，提升技术应用能力。本书是浙江工业大学科教融汇、产教融合、人工智能十重点建材建设项目成果。此外，特别感谢浙江省高校计算机及人工智能教育教学改革首批核心课程（国产大模型技术与工程实践）、浙江省;十四五本科省级教学改革项目（项目编号：JGBA2024068）、浙江工业大学研究生教材建设项目（项目编号：20230105）提供的支持。这些特色使得本书既适合人工智能领域的研究人员，也适合有志于了解并应用大模型技术的教育工作者和学生，为新时代教育改革与技术创新提供了一份助力。我们期望通过本书，激励更多教育工作者、科研人员和学生以创新精神投身人工智能时代的建设，为全面推进中国式现代化、实现中华民族伟大复兴贡献智慧与力量。由于人工智能技术发展日新月异，大模型更新迭代周期不断缩短，加之编著者知识水平与实践经验有限，因此书中难免存在疏漏与不足之处，恳请广大读者批评指正，我们在此表示衷心感谢。

本书将理论知识与实践操作深度融合，不仅详细阐述了大模型的基础理论，如神经网络、深度神经网络、Transformer等，而且通过丰富的实践案例，如手写数字分类、机器翻译等，使读者能够在实践中深化对理论知识的理解。同时，本书也包含了多种类型的实例，如大模型新闻生成、大模型绘画、大模型对话生成等，这些实例贴近实际应用场景且具有代表性，有助于读者理解大模型在实际应用中的工作流程和技术细节。最后通过本书的案例分析与提供的解决方案，读者能够了解大模型在不同领域中的应用方式，作为未来的工作和学习的有益参考。

本书将理论知识与实践操作深度融合，不仅详细阐述了大模型的基础理论，如神经网络、深度神经网络、Transformer等，而且通过丰富的实践案例，如手写数字分类、机器翻译等，使读者能够在实践中深化对理论知识的理解。同时，本书也包含了多种类型的实例，如大模型新闻生成、大模型绘画、大模型对话生成等，这些实例贴近实际应用场景且具有代表性，有助于读者理解大模型在实际应用中的工作流程和技术细节。最后通过本书的案例分析与提供的解决方案，读者能够了解大模型在不同领域中的应用方式，作为未来的工作和学习的有益参考。本书适合作为普通高等教育人工智能工程技术课程教材或参考书，亦可供人工智能爱好者自学参考。

付明磊，男，1981年出生，博士，副教授，硕士生导师。目前就职于浙江工业大学信息工程学院信息处理与自动化研究所，同时参与人机协作技术浙江省国际科技合作基地的管理工作。2010年毕业于浙江工业大学控制理论与控制工程专业，获工学博士学位。2017年入选浙江省高等学校中青年学科带头人。

前言基础知识篇第1章导论1.1大模型的概念1.2大模型的发展历程1.3大模型的应用1.4小结1.5课后习题第2章深度神经网络2.1神经网络基础2.2深度神经网络2.3Transformer基础2.4小结2.5课后习题第3章大模型关键技术3.1数据处理3.2模型训练与推理3.3提示工程3.4知识库与检索3.5小结3.6课后习题动手实践篇第4章主流大模型与未来发展趋势4.1引言4.2科大讯飞星火大模型4.3百度文心一言大模型4.4DeepSeek大模型4.5GPT系列大模型4.6Sora大模型4.7大模型未来方向探索4.8小结4.9课后习题第5章大模型实例介绍与实现5.1引言5.2大模型生成新闻实例5.3大模型绘画实例5.4大模型对话生成实例5.5大模型生成视频实例5.6小结第6章大模型综合运用实践6.1引言6.2智慧旅行家6.3论文阅读助手6.4聊天机器人6.5AI程序员6.6广告策划师6.7数据分析师6.8小结参考文献