本书从MCP的基础知识、应用场景及技术原理开始，围绕“大模型多应用间的上下文传递与理解”这一主线，系统梳理MCP标准、组件及其协作机制，帮助读者理解其设计理念并突破传统的Client-Server架构思维。本书共16章，分为基础、开发与应用三篇：基础篇建立MCP整体认知，开发篇讲解MCP-SDK应用及各类服务的开发方法

本书以系统化的专业视角，构建起了生成式人工智能领域的知识图谱。全书从技术演进的路径切入，深入梳理了生成式人工智能的发展脉络，阐述了其各阶段的关键突破与技术萌芽。接着，深挖了生成式人工智能的核心技术原理，为后续的论述奠定了技术基础。本书重点探究了生成式人工智能的关键技术机理，主要内容涵盖文本生成技术与应用、图像生成前沿技

本书以“实用、易懂、全面”为核心，助力不同读者掌握其用法，让智能工具服务生活与工作。全书共11章，清晰地展现了豆包的服务范围。

本书涵盖八大核心模块：从AI与大模型的基础概念切入，逐步延伸至AI与信息处理(AI搜索、智能阅读、AI翻译等)、文本创作(如新媒体文案、社团招新文案、求职简历、实习报告、商业计划书等)、智能办公、多媒体创作(如AI绘图、AI视频、AI音频等)等场景的落地应用，同时深入讲解AI智能体创建与辅助编程等进阶技能，并结合职业发

本书系统讲解人工智能大模型（如BERT、GPT、StableDiffusion等）所需的数学基础，涵盖线性代数、微积分、概率与统计三大核心领域，并结合实际案例与Python代码，解析数学原理在模型架构、训练与优化中的关键作用。全书遵循理论推导与实战应用相结合的原则，帮助读者从底层理解大模型技术，提升算法设计与调优能力。

本书系统地探讨了线性代数在人工智能领域中的广泛应用，从理论基础到实战技术，内容全面且深入。全书共12章，涵盖线性代数基础、矩阵运算与线性方程组、特征值与特征向量、奇异值分解、向量空间与正交化等基础知识，并延伸至强化学习、自然语言处理、计算机视觉和推荐系统等前沿应用场景。通过理论讲解、模型分析和代码实践，深入剖析线性代数

本书是《人工智能通识教程》的配套实验教材，内容涵盖智能体应用、人工智能大模型应用、WPSAI智能办公等，读者不需要具备计算机技术基础就可以顺利完成全部实验。全书共9章，内容包括智能体的构建应用实践、文本类AIGC应用实践、图片类AIGC应用实践、语音类AIGC应用实践、视频类AIGC应用实践、AIGC的其他应用实践、W

本书紧密结合人工智能领域的最新进展，系统性地介绍了支撑AI发展的核心数学概念、方法和思想。全书分为两大模块：基础篇和高阶篇。基础篇从人工智能的表示、度量和运算三个基础数学问题切入，为读者打下必须的数学基础和编程基础；在基础篇的基础上，高阶篇层层递进地介绍矩阵分解、回归方法、深度神经网络、最优化方法等人工智能中的核心问题

开篇介绍计算机硬件核心组件原理、系统架构及对AI计算的支撑，同时梳理软件中操作系统、编程语言及开发流程，奠定基础。?办公软件聚焦WPS，文字处理含文档创建排版及AI辅助写作；表格处理涉及数据录入、公式运用及AI数据分析；演示文稿涵盖设计、多媒体添加及智能生成优化。?Python编程从基础语法、数据结构到实践案例，呈现学

全书共分7章。第1章概述人工智能概念、发展历程及多学科现状，帮助读者构建整体认知。第2至5章聚焦核心技术，深入解析机器学习算法、深度学习模型、自然语言处理及计算机视觉的关键原理与场景案例。第6、7章则探讨人工智能伦理挑战、责任边界及前沿跨领域应用潜力。作为通识教材，本书具备三大特色：一是多学科实践贯通理论，通过基础与拓