AIGC与智能体开发实战:基于开源大模型+Serverless API电子书

版 权

内容提要

推荐序一

推荐序二

前言 驾驭开源力量，重塑智能版图

资源与支持

第1章 快速入门AIGC与Serverless API开发

1.1 AIGC演进与开源大模型生态

1.1.1 AIGC：智能时代的内容生产革命

1.1.2 AIGC的发展历程

1.1.3 AIGC/UGC/PGC三类常见内容生成对比分析

1.1.4 主流AIGC技术类别与典型大模型简介

1.1.5 部署开源大模型及输出API对开发者的意义

1.2 Serverless API和OpenAI兼容API的概念

1.2.1 Serverless的定义与特征剖析

1.2.2 Serverless API与传统架构的对比分析

1.2.3 OpenAI兼容API的定义与核心要素

1.2.4 OpenAI兼容API的典型落地路径

1.3 开源大模型与Serverless API架构融合的实际意义

1.3.1 Serverless API架构解决开源大模型部署难题

1.3.2 开源生态与Serverless API的协同效应

1.3.3 国内外主流开源大模型Token/API服务平台

1.4 基于API调用开发在大模型编程开发中的层级

1.4.1 大模型应用开发的层次架构

1.4.2 API层级调用架构在应用开发场景中的对比图示

1.4.3 API调用开发的平台和入口

1.5 本章小结

第2章 快速理解AIGC与API开发的基础技术栈

2.1 快速入门HTTP协议中的RESTful API

2.1.1 RESTful API和CRUD（增删改查）的对应关系

2.1.2 HTTP requests库和兼容OpenAI SDK调用方式对比

2.2 标准化的API调用流程以及简单错误快速处理

2.2.1 API调用的基础规范与流程

2.2.2 API调用简单代码示例

2.2.3 常见API错误与快速排错技巧

2.3 常见AIGC API的调用参数讲解

2.3.1 API调用请求常用参数快速解析

2.3.2 常见 API 响应数据基础字段介绍

2.4 AI 辅助开发工具与平台快速认知

2.4.1 AI辅助开发工具和平台的作用

2.4.2 AI辅助编码类工具

2.4.3 AI辅助平台类工具

2.5 本章小结

第3章 初步设置和使用API之实战入门

3.1 注册与登录以及如何获得API Key

3.1.1 Gitee AI平台介绍

3.1.2 注册Gitee AI账号

3.1.3 创建API密钥

3.1.4 使用API密钥获取Token

3.2 开始使用Serverless API

3.2.1 选择模型和创建访问令牌

3.2.2 测试模型API

3.2.3 查看API文档和示例代码

3.2.4 cURL命令行工具的常见用法举例

3.3 常见问题与解决方案

3.3.1 账号和访问问题

3.3.2 算力券和资源包问题

3.4 本章小结

第4章 基于Serverless API实现大模型编程初步

4.1 目标：调用模型接口，得到返回的交互结果

4.2 步骤：配置环境、安装库与获取API Key

4.2.1 创建项目并安装依赖

4.2.2 获取Gitee Serverless API的API Key

4.2.3 API Key 的3种管理方式

4.3 过程：核心代码（包括错误示例）详解

4.4 成功：正确示例及代码演示

4.5 改进：生成中文响应结果

4.6 精进：简练中文回馈内容

4.7 本章小结

第5章 多种模态API原子能力初级实战

5.1 开发环境配置与依赖库安装

5.1.1 Python环境配置

5.1.2 安装必要的依赖库

5.1.3 配置API访问凭证

5.2 实现Instruct与Chat的文本生成Hello World

5.2.1 Instruct模型与Chat模型的区别

5.2.2 使用Instruct模型生成Hello World

5.2.3 使用Chat模型生成Hello World

5.2.4 Instruct与Chat模型的选择建议

5.3 实现Stable Diffusion的文生图Hello World

5.3.1 Gitee AI平台的Stable Diffusion模型简介

5.3.2 配置Stable Diffusion API

5.3.3 使用Stable Diffusion生成第一张图像

5.3.4 调整生成参数提升图像质量

5.4 实现Whisper的语音识别Hello World

5.4.1 Gitee AI平台的Whisper模型简介

5.4.2 配置语音识别API

5.4.3 使用Gitee AI平台的Whisper API进行语音识别

5.4.4 使用本地音频文件进行语音识别

5.4.5 实时语音识别

5.5 本章小结

第6章 多种模态API调用及编排进阶实战

6.1 实现DeepSeek+Stable Diffusion的图像生成优化

6.1.1 DeepSeek模型优化机制

6.1.2 API编排实现协同AIGC图像生成

6.1.3 参数优化与问题排查

6.2 实现Wan2.1-T2V的文生视频

6.2.1 视频生成模型简介

6.2.2 使用Wan2.1-T2V生成视频

6.2.3 视频生成参数调优

6.3 实现Hunyuan3D-2的图生3D

6.3.1 Hunyuan 3D生成模型简介

6.3.2 使用Hunyuan3D-2生成3D模型

6.3.3 使用Open3D查看和处理3D模型

6.4 API调用常见错误与调试进阶

6.4.1 常见错误类型

6.4.2 API调用调试技巧

6.4.3 实现请求重试和错误处理

6.4.4 API调用性能优化

6.5 本章小结

第7章 辅助生成代码、打造多种形态及践行Vibe Coding

7.1 主流开源代码辅助生成大模型

7.1.1 回顾开源大语言模型的发展与意义

7.1.2 DeepSeek-V3/R1模型回顾

7.1.3 CodeGeeX模型详解

7.1.4 新一代开源Coder与数学/证明模型的发展

7.1.5 模型性能对比与选择建议

7.2 用文本/代码生成大模型API构建不同生成形态的工具

7.2.1 文本/代码生成工具的基本架构

7.2.2 智能对话工具的实现（命令行）

7.2.3 文本摘要工具的实现（Web网页端）

7.2.4 文本续写工具的实现（API）

7.3 AI代码辅助工具实战

7.3.1 AI代码辅助工具概述

7.3.2 GitHub Copilot使用实战

7.3.3 Cline AI代码助手使用实战

7.3.4 Trae AI代码助手使用实战

7.3.5 Cursor编译器使用实战

7.3.6 通义灵码代码助手使用实战

7.4 AI Coding中VSCode+Cline+Gitee.AI的配置与实践

7.4.1 VSCode中AI编程助手的选择

7.4.2 VSCode中配置Cline第三方API的详细步骤

7.4.3 实用VSCode扩展组合推荐

7.4.4 常见问题与解决方案

7.5 如何提升AI代码生成的质量

7.5.1 面向代码生成的提示词工程技巧

7.5.2 行业案例分析

7.6 本章小结

第8章 图像生成与视觉识别API开发进阶实战

8.1 图像生成、图像识别、图像理解、图像处理技术简介

8.1.1 图像生成技术简介

8.1.2 图像识别技术简介

8.1.3 图像描述/理解和视觉问答技术简介

8.1.4 图像增强及图像超分技术简介

8.2 基于Gitee平台的Serverless API实现图片生成及风格迁移

8.2.1 Serverless架构在图像处理中的应用

8.2.2 基于Gitee平台Stable Diffusion的图像生成API实现

8.2.3 Kolors中文图像生成API实现

8.2.4 基于Kolors的图像风格迁移API实现

8.3 通过图像识别和图像理解技术构建应用

8.3.1 InternVL图像理解

8.3.2 3个AI 1.0时代的图像识别开源项目

8.4 Real-ESRGAN图像超分模型与传统PIL构建应用

8.4.1 两者在实现和解决问题上的差别和关系

8.4.2 用Real-ESRGAN大模型实现超分的应用

8.4.3 传统基于PIL实现的图像处理开源项目

8.5 本章小结

第9章 音频处理与视频生成API进阶开发实战

9.1 音频识别模型和语音合成模型解析

9.1.1 音频识别技术的发展与原理

9.1.2 Whisper语音识别模型解析

9.1.3 Fish Speech语音合成模型解析

9.1.4 ChatT TS语音合成模型解析

9.1.5 语音识别、语音合成模型对比与选择建议

9.2 Serverless API实现音频识别与语音合成

9.2.1 Serverless架构在音频处理中的应用

9.2.2 基于Whisper的音频识别API实现

9.2.3 基于ChatT TS、Fish Speech的语音合成API实现

9.3 视频生成模型解析与API实现

9.3.1 视频生成技术的发展与原理

9.3.2 Wan2.1-T2V模型解释

9.3.3 基于Wan2.1-T2V的视频生成API实现

9.4 音视频API的实际应用案例

9.4.1 基于录音+Whisper+GUI实现实时会议转录系统

9.4.2 基于Whisper+ChatT TS/Fish Speech实现多语言配音系统

9.4.3 基于Wan2.1-T2V实现节日祝福语视频生成器

9.5 本章小结

第10章 跨模态开发与应用集成实战

10.1 多模态大模型概述

10.1.1 多模态大模型定义和特点

10.1.2 多模态大模型的主要架构

10.1.3 主流多模态大模型对比

10.2 跨模态数据处理与融合技术

10.2.1 跨模态数据处理的关键技术

10.2.2 Python实现跨模态数据处理与融合

10.3 基于跨模态大模型的应用开发

10.3.1 跨模态应用场景分析

10.3.2 多模态RAG系统

10.3.3 应用开发实战案例

10.4 多模态大模型应用的挑战与展望

10.4.1 当前面临的挑战

10.4.2 未来发展趋势

10.4.3 实践建议

10.5 本章小结

附录A “兴智杯”全国人工智能创新应用大赛参赛报名及算力获取

A1 获取和兑换“兴智杯”大赛算力券

A1.1 “兴智杯”大赛简介

A1.2 算力券的获取方式

A1.3 算力券的兑换流程

A2 “兴智杯”大赛使用算力券购买Serverless API

A2.1 沐曦模型资源包介绍

A2.2 购买沐曦模型资源包的详细步骤

A2.3 查看购买记录和资源使用情况