互联网 类型
可以朗读 语音朗读
183千字 字数
2025-08-01 发行日期
展开全部

主编推荐语

本书系统讲解了产品构思、代码实现、软件操作、Agent开发与协作。

内容简介

本书从AI编程的思维变革讲起，探讨了编程难学的原因，并介绍了AI编程如何重新定义创造的可能性。内容涵盖产品规划、提示工程、需求开发、编程基础及开发工具的高效使用。书中还详细介绍了如何开发Chatbot、AI产品经理、新闻摘要Agent等项目，并探讨了多Agent协作和带记忆模块的AI知识助手Agent的构建。

目录

  • 版权信息
  • 作者简介
  • 内容简介
  • 前言
  • 第1章 什么是AI编程？
  • 1.1 为什么编程这么难学？
  • 1.1.1 认知模式的冲突
  • 1.1.2 直觉与系统思维的矛盾
  • 1.1.3 整体认知与细节要求的对立
  • 1.1.4 认知负荷的挑战
  • 1.1. 5 错误处理的复杂性
  • 1.1.6 学习曲线与反馈周期
  • 1.1.7 抽象概念的理解难度
  • 1.1.8 思维方式的根本转变
  • 1.1.9 专业背景带来的额外挑战
  • 1.1.10 心理障碍
  • 1.1.11 知识迁移的鸿沟
  • 1.2 AI编程的思维革命：人机交互的新篇章
  • 1.2.1 重新定义编程的本质
  • 1.2.2 什么是AI编程？
  • 1.2.3 思维方式的全面升级
  • 1.2.4 编程思维的转折点
  • 1.2.5 创新思维的催化剂
  • 1.3 AI编程：重新定义创造的可能性
  • 1.3.1 经验自动化：将你的工作方式编码
  • 1.3.2 Home Cooked App：数字时代的手工艺
  • 1.3.3 从个人到小众：需求共同体的形成
  • 1.3.4 工作方式的革新：从沟通到共创
  • 1.3.5 新时代的四大核心能力
  • 1.4 如何掌握AI编程
  • 1.4.1 从恐惧到拥抱：AI编程的心理转变
  • 1.4.2 提问的艺术：AI编程的核心能力
  • 1.4.3 工具选择：AI编程效率的关键
  • 1.4.4 基础概念：AI编程的必要知识
  • 1.4.5 问题解决：AI编程的实战能力
  • 1.4.6 自主学习：AI作为首选导师与多元资源整合
  • 1.4.7 正确的学习态度：敬畏与拆解
  • 1.4.8 AI编程的成长路径：从模仿到创造
  • 1.4.9 与AI共同成长：人机协作的持续优化
  • 第2章 产品构思与规划
  • 2.1 一句话生成一个产品
  • 2.1.1 从想法到产品的飞跃
  • 2.1.2 使用Lovable体验一句话生成产品
  • 2.1.3 预览和使用你的作品
  • 2.1.4 探索其他AI编程平台
  • 2.2 理解提示工程的本质
  • 2.2.1 简单句提示与提示工程的区别
  • 2.2.2 构建高质量提示词的核心原则
  • 2.2.3 提示词的高级技巧
  • 2.2.4 利用AI优化和迭代提示词
  • 2.3 从想法到代码：3种需求开发方式
  • 2.3.1 快速验证：一句话需求开发
  • 2.3.2 持续迭代：边想边做开发
  • 2.3.3 系统规划：完整需求文档开发
  • 2.3.4 如何选择合适的开发方式
  • 2.4 技术方案探索
  • 2.4.1 使用LLM生成技术架构图
  • 2.4.2 向ChatGPT或者Cursor Ask模式咨询技术选型
  • 2.4.3 GitHub搜索开源项目指南
  • 2.4.4 使用GitHub Copilot寻找开源项目
  • 2.4.5 使用AI解读技术文档
  • 2.5 从需求到文档：打造清晰的产品设计文档
  • 2.5.1 产品设计文档的核心要素
  • 2.5.2 让AI理解你的需求
  • 2.5.3 需求文档的持续优化
  • 2.6 如何高效使用Cursor制作自己的项目
  • 2.6.1 项目前期准备
  • 2.6.2 项目开发过程
  • 2.6.3 项目调试与问题处理
  • 2.7 基于组件的设计与交互考量
  • 2.7.1 什么是UI组件库
  • 2.7.2 常用的UI组件库
  • 2.7.3 组件库的使用技巧
  • 2.7.4 交互设计的新定位
  • 2.7.5 AI时代交互设计的关键要素
  • 2.7.6 实践技巧：从架构到交互的衔接
  • 第3章 基础知识准备
  • 3.1 必须掌握的代码知识
  • 3.1.1 HTML和CSS
  • 3.1.2 JavaScript和TypeScript
  • 3.1.3 Python
  • 3.1.4 代码不能混着写
  • 3.1.5 变量和方法
  • 3.1.6 循环和条件
  • 3.1.7 常见数据类型
  • 3.1.8 错误处理
  • 3.1.9 框架
  • 3.1.10 API和SDK
  • 3.1.11 注释
  • 3.1.12 如何通过LLM快速自学编程
  • 3.1.13 如何快速调试代码
  • 3.2 数据结构和数据存储
  • 3.2.1 数据结构基础
  • 3.2.2 数据交换格式
  • 3.2.3 浏览器存储
  • 3.2.4 数据库存储
  • 3.2.5 如何选择合适的存储方式
  • 3.2.6 实际开发中如何选择存储方式
  • 3.2.7 如何让AI帮你设计数据结构
  • 3.3 客户端和服务端
  • 3.3.1 什么是客户端和服务端
  • 3.3.2 为什么要分客户端和服务端
  • 3.3.3 客户端的核心功能
  • 3.3.4 服务端的核心功能
  • 3.3.5 客户端和服务端的通信机制
  • 3.4 GitHub使用教程
  • 3.4.1 GitHub简介
  • 3.4.2 GitHub Desktop的安装和账号配置
  • 3.4.3 GitHub仓库的创建与管理
  • 3.4.4 GitHub Desktop如何拉取新仓库
  • 3.4.5 GitHub Desktop如何提交代码
  • 3.4.6 Pull Request和忽略文件配置
  • 3.4.7 分支管理基础
  • 3.4.8 合并分支
  • 3.4.9 撤回分支
  • 3.4.10 如何回滚代码
  • 3.4.11 如何打开项目文件夹和编辑器
  • 3.4.12 如何使用开源项目
  • 3.4.13 实用建议和最佳实践
  • 3.5 如何部署Node.js环境
  • 3.5.1 Node.js是什么？
  • 3.5.2 如何下载和安装Node.js
  • 3.5.3 什么是NPM
  • 3.5.4 NPM换源加速
  • 3.5.5 常见的NPM指令
  • 3.5.6 NPM的实际应用
  • 3.5.7 package.json和package-lock.json的作用和区别
  • 3.6 不同平台使用的Node.js框架
  • 3.6.1 网页开发：Next.js
  • 3.6.2 桌面软件：Electron
  • 3.6.3 手机客户端：Expo
  • 3.6.4 开发注意事项
  • 3.7 实战：开发一个Todo List
  • 3.7.1 搭建开发环境
  • 3.7.2 配置AI助手
  • 3.7.3 创建基础界面
  • 3.7.4 界面美化
  • 3.7.5 功能开发
  • 3.7.6 使用不同的AI模式
  • 第4章 使用Cursor开发Agent
  • 4.1 Agent基础知识介绍
  • 4.1.1 什么是Agent
  • 4.1.2 Agent与LLM的区别
  • 4.1.3 System Prompt详解
  • 4.1.4 System Prompt设计实践
  • 4.1.5 使用Cursor生成System Prompt
  • 4.2 实现一个Chatbot
  • 4.2.1 项目环境搭建
  • 4.2.2 使用Cursor Agent模式
  • 4.2.3 依赖库安装与错误处理
  • 4.2.4 界面优化与交互设计
  • 4.2.5 集成DeepSeek-R1模型
  • 4.3 实现一个AI产品经理
  • 4.3.1 增加System Prompt
  • 4.3.2 优化用户体验
  • 4.4 实现一个新闻摘要Agent
  • 4.4.1 规划功能架构
  • 4.4.2 调试技巧要点
  • 4.4.3 解决RSS获取问题
  • 4.4.4 构建新闻总结流程
  • 4.4.5 界面交互优化
  • 4.4.6 功能优化与展望
  • 第5章 多Agent的设计系统：AI协作的未来
  • 5.1 认识多Agent系统
  • 5.1.1 多Agent系统概述
  • 5.1.2 多Agent系统的优势
  • 5.1.3 实现一个多Agent系统，用于LOGO设计
  • 5.1.4 如何实现
  • 5.2 基本的界面框架
  • 5.2.1 实现基本的界面和基础代码结构
  • 5.2.2 界面的进一步优化
  • 5.2.3 提交代码到仓库
  • 5.3 实现后端接口和前后端联调
  • 5.3.1 创建新分支
  • 5.3.2 后端API接口基础知识
  • 5.3.3 创建项目文件并运行
  • 5.3.4 编写后端API接口
  • 5.3.5 前端请求后端接口和开发者工具DevTools
  • 5.4 实现多Agent协作
  • 5.4.1 System Prompt设计
  • 5.4.2 改造API接口
  • 5.4.3 优化界面的展示
  • 5.5 实现ComfyUI Agent
  • 5.5.1 ComfyUI系统架构
  • 5.5.2 ComfyUI工作流的调用
  • 5.5.3 改造接口，支持ComfyUI的生图
  • 5.5.4 多Agent里的生图支持ComfyUI Agent
  • 5.6 项目优化与重构
  • 5.6.1 UI组件数据与渲染分离
  • 5.6.2 中断请求
  • 5.6.3 智能体Prompt测试优化
  • 5.6.4 调试技巧
  • 第6章 打造带记忆模块的AI知识助手Agent
  • 6.1 项目概述与技术选型
  • 6.1.1 为什么AI助手需要记忆模块
  • 6.1.2 记忆模块的工作原理
  • 6.1.3 技术栈选择
  • 6.1.4 项目架构设计
  • 6.2 搭建MCP服务端
  • 6.2.1 MCP拓展知识
  • 6.2.2 服务端基础实现
  • 6.2.3 实现MCP Server核心功能
  • 6.2.4 MCP通信机制
  • 6.3 构建Agent记忆模块
  • 6.3.1 记忆模块设计原理
  • 6.3.2 知识图谱增强记忆能力
  • 6.3.3 Function Call在Agent中的应用
  • 6.3.4 代码实战：MCP的Function Call实现
  • 6.4 客户端开发与用户体验
  • 6.4.1 客户端界面设计：给Agent一个“脸面”
  • 6.4.2 MCP读取图谱数据并显示：让记忆“活”起来
  • 6.4.3 添加Chat功能：与Agent直接对话
  • 6.4.4 知识提炼功能：让聊天内容沉淀为记忆
  • 6.4.5 用户偏好：让AI助手更懂你
  • 6.5 测试与迭代
  • 6.5.1 Python项目的测试方法
  • 6.5.2 简单高效的测试方法论
  • 6.5.3 项目的未来展望与方向
  • 结语
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

清华大学出版社

清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。