推荐

新书推荐

基于大模型的RAG应用开发与优化——构建企业级LLM应用

内容简介

《基于大模型的RAG应用开发与优化——构建企业级LLM应用》是一本全面介绍基于大语言模型的RAG应用开发的专业图书。本书共分为3篇:预备篇、基础篇和高级篇。预备篇旨在帮助你建立起对大模型与RAG的基本认识,并引导你搭建起RAG应用开发的基础环境;基础篇聚焦于经典RAG应用开发的核心要素与阶段,介绍关键模块的开发过程,剖析相关的技术原理,为后面的深入学习打下坚实的基础;高级篇聚焦于RAG应用开发的高阶模块与技巧,特别是在企业级RAG应用开发中的优化策略与技术实现,并探索了一些新型的RAG工作流与范式,旨在帮助你了解最新的RAG应用技术发展,掌握RAG应用的全方位开发能力。 《基于大模型的RAG应用开发与优化——构建企业级LLM应用》适合对大模型及RAG技术感兴趣的开发者、研究人员、产品经理及希望了解并掌握RAG应用开发能力的人阅读。无论你是进入AI领域的初学者,还是已经有一定基础的进阶者,都能从本书中找到适合自己的内容。

作者简介

严灿平
毕业于南京理工大学计算机系,南京大学工商管理硕士。先后就职于联创(后与亚信科技合并)担任软件工程师与设计师,甲骨文中国(Oracle)担任中国区企业架构部首席架构师,上海慧问信息科技有限公司担任合伙人兼技术总监。现为独立IT咨询顾问,公众号“AI大模型应用实践”主理人。拥有超过20年的企业软件从业经验,专注于企业软件架构设计、互联网时代传统行业的IT转型、人工智能与大数据技术在企业应用的创新等。 曾担任多项大型企业级软件系统核心架构师与咨询师,参与包括中国移动、中国电信等通信行业客户的核心业务运营支撑系统建设、智慧城市与政务行业互联网转型的IT咨询与规划。精通多种计算机软件开发技术与IT架构方法论,对移动互联网、大数据、人工智能在企业领域应用有深入的研究与实施经验。

目录

  • 预 备 篇
    • 第1章 了解大模型与RAG 3
      • 1.1 初识大模型 3
        • 1.1.1 大模型时代:生成式AI应用的爆发 3
        • 1.1.2 大模型应用的持续进化 4
        • 1.1.3 大模型是无所不能的吗 7
      • 1.2 了解RAG 11
        • 1.2.1 为什么需要RAG 11
        • 1.2.2 一个简单的RAG场景 12
      • 1.3 RAG应用的技术架构 14
        • 1.3.1 RAG应用的经典架构与流程 14
        • 1.3.2 RAG应用面临的挑战 17
        • 1.3.3 RAG应用架构的演进 18
      • 1.4 关于RAG的两个话题 20
        • 1.4.1 RAG与微调的选择 21
        • 1.4.2 RAG与具有理解超长上下文能力的大模型 24
    • 第2章 RAG应用开发环境搭建 27
      • 2.1 开发RAG应用的两种方式 27
        • 2.1.1 使用低代码开发平台 27
        • 2.1.2 使用大模型应用开发框架 29
      • 2.2 RAG应用开发环境准备 33
        • 2.2.1 硬件环境建议 33
        • 2.2.2 基础大模型 34
        • 2.2.3 嵌入模型 41
        • 2.2.4 Python虚拟运行环境 44
        • 2.2.5 Python IDE与开发插件 45
        • 2.2.6 向量库 47
        • 2.2.7 LlamaIndex框架 51
      • 2.3 关于本书开发环境的约定 51
  • 基 础 篇
    • 第3章 初识RAG应用开发 55
      • 3.1 开发一个最简单的RAG应用 55
        • 3.1.1 使用原生代码开发 56
        • 3.1.2 使用LlamaIndex框架开发 64
        • 3.1.3 使用LangChain框架开发 68
      • 3.2 如何跟踪与调试RAG应用 70
        • 3.2.1 借助LlamaDebugHandler 70
        • 3.2.2 借助第三方的跟踪与调试平台 73
      • 3.3 准备:基于LlamaIndex框架的RAG应用开发核心组件 77
    • 第4章 模型与Prompt 78
      • 4.1 大模型 78
        • 4.1.1 大模型在RAG应用中的作用 79
        • 4.1.2 大模型组件的统一接口 80
        • 4.1.3 大模型组件的单独使用 82
        • 4.1.4 大模型组件的集成使用 83
        • 4.1.5 了解与设置大模型的参数 84
        • 4.1.6 自定义大模型组件 85
        • 4.1.7 使用LangChain框架中的大模型组件 87
      • 4.2 Prompt 87
        • 4.2.1 使用Prompt模板 87
        • 4.2.2 更改默认的Prompt模板 88
        • 4.2.3 更改Prompt模板的变量 91
      • 4.3 嵌入模型 92
        • 4.3.1 嵌入模型在RAG应用中的作用 92
        • 4.3.2 嵌入模型组件的接口 93
        • 4.3.3 嵌入模型组件的单独使用 95
        • 4.3.4 嵌入模型组件的集成使用 97
        • 4.3.5 了解与设置嵌入模型的参数 97
        • 4.3.6 自定义嵌入模型组件 98
    • 第5章 数据加载与分割 100
      • 5.1 理解两个概念:Document与Node 100
        • 5.1.1 什么是Document与Node 100
        • 5.1.2 深入理解Document与Node 102
        • 5.1.3 深入理解Node对象的元数据 103
        • 5.1.4 生成Document对象 106
        • 5.1.5 生成Node对象 107
        • 5.1.6 元数据的生成与抽取 111
        • 5.1.7 初步了解IndexNode类型 115
      • 5.2 数据加载 116
        • 5.2.1 从本地目录中加载 117
        • 5.2.2 从网络中加载数据 123
      • 5.3 数据分割 129
        • 5.3.1 如何使用数据分割器 129
        • 5.3.2 常见的数据分割器 131
      • 5.4 数据摄取管道 145
        • 5.4.1 什么是数据摄取管道 145
        • 5.4.2 用于数据摄取管道的转换器 147
        • 5.4.3 自定义转换器 149
        • 5.4.4 使用数据摄取管道 150
      • 5.5 完整认识数据加载阶段 155
    • 第6章 数据嵌入与索引 156
      • 6.1 理解嵌入与向量 156
        • 6.1.1 直接用模型生成向量 157
        • 6.1.2 借助转换器生成向量 157
      • 6.2 向量存储 158
        • 6.2.1 简单向量存储 159
        • 6.2.2 第三方向量存储 161
      • 6.3 向量存储索引 164
        • 6.3.1 用向量存储构造向量存储索引对象 165
        • 6.3.2 用Node列表构造向量存储索引对象 166
        • 6.3.3 用文档直接构造向量存储索引对象 169
        • 6.3.4 深入理解向量存储索引对象 172
      • 6.4 更多索引类型 175
        • 6.4.1 文档摘要索引 175
        • 6.4.2 对象索引 177
        • 6.4.3 知识图谱索引 180
        • 6.4.4 树索引 186
        • 6.4.5 关键词表索引 187
    • 第7章 检索、响应生成与RAG引擎 190
      • 7.1 检索器 191
        • 7.1.1 快速构造检索器 191
        • 7.1.2 理解检索模式与检索参数 192
        • 7.1.3 初步认识递归检索 197
      • 7.2 响应生成器 199
        • 7.2.1 构造响应生成器 200
        • 7.2.2 响应生成模式 201
        • 7.2.3 响应生成器的参数 210
        • 7.2.4 实现自定义的响应生成器 212
      • 7.3 RAG引擎:查询引擎 214
        • 7.3.1 构造内置类型的查询引擎的两种方法 214
        • 7.3.2 深入理解查询引擎的内部结构和运行原理 217
        • 7.3.3 自定义查询引擎 218
      • 7.4 RAG引擎:对话引擎 221
        • 7.4.1 对话引擎的两种构造方法 221
        • 7.4.2 深入理解对话引擎的内部运行和运行原理 224
        • 7.4.3 理解不同的对话模式 227
      • 7.5 结构化输出 239
        • 7.5.1 使用output_cls参数 240
        • 7.5.2 使用输出解析器 241
  • 高 级 篇
    • 第8章 RAG引擎高级开发 247
      • 8.1 检索前查询转换 247
        • 8.1.1 简单查询转换 248
        • 8.1.2 HyDE查询转换 249
        • 8.1.3 多步查询转换 251
        • 8.1.4 子问题查询转换 254
      • 8.2 检索后处理器 259
        • 8.2.1 使用节点后处理器 259
        • 8.2.2 实现自定义的节点后处理器 260
        • 8.2.3 常见的预定义的节点后处理器 261
        • 8.2.4 Rerank节点后处理器 266
      • 8.3 语义路由 272
        • 8.3.1 了解语义路由 272
        • 8.3.2 带有路由功能的查询引擎 274
        • 8.3.3 带有路由功能的检索器 276
        • 8.3.4 使用独立的选择器 277
        • 8.3.5 可多选的路由查询引擎 278
      • 8.4 SQL查询引擎 280
        • 8.4.1 使用NLSQLTableQueryEngine组件 281
        • 8.4.2 基于实时表检索的查询引擎 283
        • 8.4.3 使用SQL检索器 285
      • 8.5 多模态文档处理 286
        • 8.5.1 多模态文档处理架构 286
        • 8.5.2 使用LlamaParse解析文档 288
        • 8.5.3 多模态文档中的表格处理 294
        • 8.5.4 多模态大模型的基础应用 297
        • 8.5.5 多模态文档中的图片处理 303
      • 8.6 查询管道:编排基于Graph的RAG工作流 308
        • 8.6.1 理解查询管道 309
        • 8.6.2 查询管道支持的两种使用方式 310
        • 8.6.3 深入理解查询管道的内部原理 313
        • 8.6.4 实现并插入自定义的查询组件 315
    • 第9章 开发Data Agent 321
      • 9.1 初步认识Data Agent 322
      • 9.2 构造与使用Agent的工具 323
        • 9.2.1 深入了解工具类型 324
        • 9.2.2 函数工具 325
        • 9.2.3 查询引擎工具 326
        • 9.2.4 检索工具 327
        • 9.2.5 查询计划工具 328
        • 9.2.6 按需加载工具 330
      • 9.3 基于函数调用功能直接开发Agent 331
      • 9.4 用框架组件开发Agent 335
        • 9.4.1 使用OpenAIAgent 335
        • 9.4.2 使用ReActAgent 336
        • 9.4.3 使用底层API开发Agent 338
        • 9.4.4 开发带有工具检索功能的Agent 340
        • 9.4.5 开发带有上下文检索功能的Agent 341
      • 9.5 更细粒度地控制Agent的运行 343
        • 9.5.1 分步可控地运行Agent 344
        • 9.5.2 在Agent运行中增加人类交互 346
    • 第10章 评估RAG应用 349
      • 10.1 为什么RAG应用需要评估 349
      • 10.2 RAG应用的评估依据与指标 350
      • 10.3 RAG应用的评估流程与方法 351
      • 10.4 评估检索质量 352
        • 10.4.1 生成检索评估数据集 352
        • 10.4.2 运行评估检索过程的程序 354
      • 10.5 评估响应质量 356
        • 10.5.1 生成响应评估数据集 356
        • 10.5.2 单次响应评估 358
        • 10.5.3 批量响应评估 360
      • 10.6 基于自定义标准的评估 362
    • 第11章 企业级RAG应用的常见优化策略 364
      • 11.1 选择合适的知识块大小 364
        • 11.1.1 为什么知识块大小很重要 364
        • 11.1.2 评估知识块大小 365
      • 11.2 分离检索阶段的知识块与生成阶段的知识块 369
        • 11.2.1 为什么需要分离 369
        • 11.2.2 常见的分离策略及实现 369
      • 11.3 优化对大文档集知识库的检索 378
        • 11.3.1 元数据过滤 + 向量检索 378
        • 11.3.2 摘要检索+ 内容检索 383
        • 11.3.3 多文档Agentic RAG 390
      • 11.4 使用高级检索方法 397
        • 11.4.1 融合检索 398
        • 11.4.2 递归检索 406
    • 第12章 构建端到端的企业级RAG应用 429
      • 12.1 对生产型RAG应用的主要考量 429
      • 12.2 端到端的企业级RAG应用架构 430
        • 12.2.1 数据存储层 431
        • 12.2.2 AI模型层 432
        • 12.2.3 RAG工作流与API模块 432
        • 12.2.4 前端应用模块 433
        • 12.2.5 后台管理模块 434
      • 12.3 端到端的全栈RAG应用案例 436
        • 12.3.1 简单的全栈RAG查询应用 436
        • 12.3.2 基于多文档Agent的端到端对话应用 455
    • 第13章 新型RAG范式原理与实现 478
      • 13.1 自纠错RAG:C-RAG 478
        • 13.1.1 C-RAG诞生的动机 478
        • 13.1.2 C-RAG的原理 479
        • 13.1.3 C-RAG的实现 480
      • 13.2 自省式RAG:Self-RAG 485
        • 13.2.1 Self-RAG诞生的动机 485
        • 13.2.2 Self-RAG的原理 486
        • 13.2.3 Self-RAG的实现 493
        • 13.2.4 Self-RAG的优化 506
      • 13.3 检索树RAG:RAPTOR 507
        • 13.3.1 RAPTOR诞生的动机 507
        • 13.3.2 RAPTOR的原理 508
        • 13.3.3 RAPTOR的实现 510

一本书读懂AIGC:ChatGPT、AI绘画、智能文明与生产力变革

内容简介

《一本书读懂AIGC:ChatGPT、AI绘画、智能文明与生产力变革》以通俗易懂的方式从各个层面介绍了AIGC的基础知识,并辅以大量案例引领读者了解AIGC的应用实践,让读者可以更快速地利用AIGC改善工作和生活。 第1章从AI发展历史到资本市场近况阐述了AIGC产业的概况,第2章介绍了AIGC相关技术,第3章介绍了文本类AIGC技术的发展及其在传媒、教育、办公等场景中的应用,第4章介绍了声音类AIGC技术的发展及其在音乐、仿真等领域中的应用,第5章介绍了图片类AIGC技术的发展及其在图片生成、图片处理、图片识别等领域中的应用,第6章介绍了视频类AIGC技术的发展及其在视频生成、数字人等领域中的应用,第7章介绍了AIGC上下游产业链(包括芯片、VR等相关设备、元宇宙建模)的概况,第8章提出了AIGC对人类文明发展产生的影响,并对普通人如何应对AIGC带来的“生产力爆炸”提出方法论。 AIGC带来的生产力变革与每个人都息息相关,本书适合所有人阅读,特别是文本、图片、音视频等各类内容创作者,以及科技行业、金融行业的从业者和对AI领域感兴趣的读者。

作者简介

贾雪丽
上海技术交易所专家库专家,代尔夫特理工大学硕士,先后就职于 ING 银行、中国平安、光大集团等顶级金融科技企业,拥有丰富的人工智能、隐私计算及区块链等项目经验,申请人工智能相关发明专利 60 余项,在INTERSPEECH会议上发表论文一篇,参与撰写多个隐私计算行业报告和白皮书。
0xAres
利物浦大学硕士,曾先在投资公司工作,后就职于知名公链。从业期间主持制作过多个区块链系列课程,举办过多次“黑客松”,长期致力于区块链的科普教育,有Web3.0行业全领域孵化经验,乐于通过多种形式的内容创作传播Web3.0共识;2021年组建去创作者中心化组织a15a并开始编写新科技领域的科普书籍,主编了《一本书读懂Web3.0:区块链、NFT、元宇宙和DAO》和《一本书读懂NFT:区块链通证、元宇宙资产、Web3.0营销和数字化身份》。
张炯
星图比特创始人兼CEO,中国通信工业协会信息化科技创新专业委员会委员,上海技术交易所专家库专家;曾就职于IBM,拥有丰富的金融科技从业经验,长期服务中国人民银行、中国工商银行等大型金融机构,擅长技术融合、产业创新,对以区块链、人工智能为代表的数字经济技术有深刻的理解;拥有人工智能和数字资产相关专利8项,参与撰写了《一本书读懂Web3.0:区块链、NFT、元宇宙和DAO》和《一本书读懂NFT:区块链通证、元宇宙资产、Web3.0营销和数字化身份》。
a15a
a15a是一个Creator DAO(创作者去中心化组织),致力于以DAO的形式来产出新科技领域的内容,降低普通人了解科技的门槛。a15a已出版多本新科技科普书籍,并计划推出更多体系化课程和讲座。a15a的主要成员是区块链和人工智能领域的专家、从业者、研究人员和学生,以及法律合规领域的专业人士。在抖音、知乎、小红书、推特等平台上搜索“a15a”即可找到a15a官方账号。

目录

  • 第1章 我们为什么要关注AIGC 1
    • 1.1 从人工智能到人工智能生成内容 2
    • 1.2 巨头如是说 5
      • 1.2.1 国外“大厂”在AIGC领域的布局 5
      • 1.2.2 国内“大厂”在AIGC领域的布局 7
    • 1.3 资本狂潮 9
      • 1.3.1 融资规模 9
      • 1.3.2 AIGC领域大额融资事件一览 10
    • 1.4 异军突起的独角兽企业们 11
      • 14.1 OpenAI 11
      • 14.2 Stability AI 12
      • 1.4.3 Scale AI 13
    • 1.5 行业“大牛”:谁是下一个“乔布斯” 14
  • 第2章 AIGC相关技术介绍 16
    • 2.1 规则系统 19
    • 2.2 变分自编码器 20
    • 2.3 生成对抗网络 22
      • 2.3.1 GAN模型训练原理 22
      • 2.3.2 CGAN模型 24
      • 2.3.3 基于模型架构的衍生 24
      • 2.3.4 基于损失函数的衍生 25
      • 2.3.5 图像生成领域的衍生 25
    • 2.4 Transformer模型架构 26
    • 2.5 基于Transformer模型架构的LLM 28
      • 2.5.1 基于编码器的LLM 28
      • 2.5.2 基于解码器的LLM 35
      • 2.5.3 基于编码器和解码器的LLM 39
      • 2.5.4 BERT模型与GPT模型对比 39
    • 2.6 扩散模型 40
      • 2.6.1 扩散模型原理 41
      • 2.6.2 DALL·E 2模型 43
      • 2.6.3 Stable Diffusion模型 44
    • 2.7 其他模型 46
    • 2.8 LLM的前景光明 47
  • 第3章 下笔如有神:文本类AIGC 48
    • 3.1 何为“智能” 49
    • 3.2 拆解文本生成技术原理 52
      • 3.2.1 1950—1970年,NLP初露锋芒 52
      • 3.2.2 1980—2010年,NLP的寒冬与机遇并存 53
      • 3.2.3 2010—2019年,技术迸发与沉淀 54
      • 3.2.4 2019年到今,AIGC进入寻常百姓家 54
    • 3.3 文本类AIGC在传媒场景中的应用 55
      • 3.3.1 社交媒体文案:Jasper 55
      • 3.3.2 新闻写作:Quakebot、CNET 58
      • 3.3.3 剧本撰写:海马轻帆 58
    • 3.4 文本类AIGC在教育场景中的应用 59
      • 3.4.1 文章撰写:EssayGenuis 59
      • 3.4.2 出题和做题:高校联合团队开发的AI程序 65
      • 3.4.3 青少年教育:Cognii 65
    • 3.5 文本类AIGC在办公场景中的应用 66
      • 3.5.1 搜索引擎优化:Kafkai 66
      • 3.5.2 营销文案:Copysmith 68
      • 3.5.3 电子邮件:Compose.ai 69
      • 3.5.4 代码撰写:GitHub Copilot 69
    • 3.6 文本类AIGC的其他热门场景 71
      • 3.6.1 AI聊天机器人 71
      • 3.6.2 AIGC搜索引擎:Perplexity AI 73
    • 3.7 万众瞩目的ChatGPT 74
      • 3.7.1 ChatGPT是什么 74
      • 3.7.2 ChatGPT的海量应用场景 75
      • 3.7.3 GPT-4模型:截至2023年3月最强的AI模型 82
      • 3.7.4 ChatGPT对普通人意味着什么 85
    • 3.8 文本类AIGC的未来 85
  • 第4章 声临其境:声音类AIGC 88
    • 4.1 从让机器开口说话开始 89
      • 4.1.1 18到19世纪的尝试 89
      • 4.1.2 20世纪30年代,语音合成技术的萌芽 90
      • 4.1.3 20世纪50年代,计算机语音合成系统的起源 91
      • 4.1.4 20世纪末,传统的语音合成方法 92
      • 4.1.5 2016年,AIGC打破语音合成技术的发展瓶颈 93
      • 4.1.6 2017年,语音合成技术迎来研究热 94
    • 4.2 音乐类AIGC 99
      • 4.2.1 从留声机到个人计算机制作的电子音乐 99
      • 4.2.2 早期的音乐类AIGC 102
      • 4.2.3 端到端模型大展身手 106
      • 4.2.4 歌声合成 107
      • 4.2.5 音频延续 108
    • 4.3 人声类AIGC 108
      • 4.3.1 变声器 109
      • 4.3.2 语音助手 110
      • 4.3.3 有声内容创作 113
      • 4.3.4 智能电话机器人 116
      • 4.3.5 教育 116
      • 4.3.6 无障碍沟通 118
    • 4.4 声音类AIGC的未来 120
      • 4.4.1 业内观点 120
      • 4.4.2 声音类AIGC的局限性和未来展望 121
  • 第5章 如你所见:图片类AIGC 123
    • 5.1 从计算机艺术到算法模型艺术 124
      • 5.1.1 20世纪70年代,艺术家的午夜花园 125
      • 5.1.2 2012年,一次有突破意义的尝试:猫脸的识别与生成 125
      • 5.1.3 2014年,GAN模型问世 126
      • 5.1.4 2017年,梦始于Transformer模型 127
      • 5.1.5 2021年,文本与图片进行匹配:CLIP模型和文字提示词 127
      • 5.1.6 2020—2022年,图片生成技术开启AI绘画元年:扩散模型 129
    • 5.2 AI绘画 130
      • 5.2.1 主流的AI绘画工具介绍 130
      • 5.2.2 生成图片类AIGC的方式 133
      • 5.2.3 Prompt词组 137
    • 5.3 图片处理 146
      • 5.3.1 AI修图 146
      • 5.3.2 图片增强 146
      • 5.3.3 分割抠图 147
    • 5.4 图片类AIGC的衍生应用:AI识图和AI鉴图 152
      • 5.4.1 人脸和人体识别 153
      • 5.4.2 通用图片识别 155
      • 5.4.3 是否由AI绘画工具创作 158
    • 5.5 实用、有趣的图片世界 160
      • 5.5.1 头像生成 160
      • 5.5.2 模拟场景 164
      • 5.5.3 PPT生成 168
      • 5.5.4 设计 170
      • 5.5.5 稿件配图 173
      • 5.5.6 更多场景 174
    • 5.6 图片类AIGC的未来 175
      • 5.6.1 局限性和发展预测 175
      • 5.6.2 怎么看AI艺术 178
      • 5.6.3 笔者的一些浅见 180
  • 第6章 众所周知,视频是不能PS的:视频类AIGC 182
    • 6.1 视频生成技术的发展历程 183
      • 6.1.1 早期探索 184
      • 6.1.2 2014—2016年,视频生成起步:无条件视频生成 184
      • 6.1.3 2017年,潘多拉的魔盒:人像视频生成 185
      • 6.1.4 2018—2019年,视频生成视频技术的突破 185
      • 6.1.5 2021年,文本生成视频技术的发展 186
      • 6.1.6 2022年,扩散模型进军视频生成领域 187
    • 6.2 视频生成工具 188
      • 6.2.1 数字人视频生成工具 188
      • 6.2.2 视频编辑工具 189
      • 6.2.3 文本生成视频工具 189
    • 6.3 视频生成应用 190
      • 6.3.1 高清内容生成 190
      • 6.3.2 快速拆条和视频摘要生成 194
      • 6.3.3 场景植入 195
      • 6.3.4 视频卡通化 196
      • 6.3.5 文本生成视频 197
      • 6.3.6 数字人视频生成 198
      • 6.3.7 人脸视频生成 199
    • 6.4 数字人:仿生人与电子羊 201
    • 6.5 视频类AIGC的未来 204
      • 6.5.1 局限性 204
      • 6.5.2 未来预测 205
  • 第7章 AIGC的相关产业和生态发展 207
    • 7.1 芯片:算力决定智力 208
      • 7.1.1 在AIGC领域中,现在用什么芯片 209
      • 7.1.2 随着AIGC的发展,对芯片会有什么新的需求 216
    • 7.2 AIGC展示端口:AR/VR/MR/XR设备 218
      • 7.2.1 AR设备 218
      • 7.2.2 VR设备 219
    • 7.3 模型类AIGC应用在元宇宙里自动化建模 221
      • 7.3.1 拍视频就可以得到模型?基于视频自动化生成模型 222
      • 7.3.2 元宇宙版的神笔马良,基于文本自动化生成三维模型 223
      • 7.3.3 穿越空间,虚拟直播空间建设 224
      • 7.3.4 你元宇宙的化身——数字人生成技术 225
      • 7.3.5 把实物带到元宇宙中,基于三维激光扫描设备的文物逆向建模 226
    • 7.4 AIGC应用的未来 226
  • 第8章 AI文明的降临已开启倒计时 228
    • 8.1 何谓内容 229
    • 8.2 AIGC的版权争议 230
    • 8.3 普通人的AIGC时代生存建议 232
      • 8.3.1 生产力工具:“人工”+“智能”=最强“打工人” 234
      • 8.3.2 做AIGC应用的老师,为人类的“群体智慧”做贡献 237
      • 8.3.3 向AIGC应用学习逻辑,同时关注创新 237
    • 后记 239

理想国

《理想国》涉及柏拉图思想体系的各个方面,包括哲学、伦理、教育、文艺、政治等内容,主要是探讨理想国家的问题。

《理想国》一书是柏拉图的一篇重要对话录,对话录里柏拉图以苏格拉底之口通过与其他人对话的方式设计了一个真、善、美相统一的政体,即可以达到公正的理想国。柏拉图的理想国是人类历史上最早的乌托邦。在他的理想国里统治者必须是哲学家,他认为现存的政治都是坏的,人类的真正出路在于哲学家掌握政权,也只有真正的哲学家才能拯救当时城邦所处的危机。这种信念构成了柏拉图成熟的政治哲学体系的核心。在他的眼里“哲学家”有着特殊的内涵。他认为哲学家是最高尚、最有学识的人,而这种贤人统治下的贤人政体就是最好是政体。所以,只有建立以哲学家为国王的国家才是最理想的国家。这个国家就是存在于天上的模范国家。

在他看来,哲学家的本质是具有知识,具有智慧、正义、善的美德,只有哲学家才能达到对国家最高理念的认识,即对“善”的把握,而其他人也只能把握“意见”而已。治国作为一门知识,也只有哲学家才能掌握它,进而有资格执政,也就是说只有哲学家才能达到对于国家理念的认识,知道“理想国”应该怎样组织、怎样治理。这样,所谓哲学家执政,就被柏拉图理解为高超的智慧、真实的知识、完美的德行和绝对最高权力的结合。他坚信只有哲学家才可拯救城邦和人民,哲学家是理想国必然的统治者。

人类追求的正义与善就是柏拉图理想国的主题,他认为国家、政治和法律要朝向真正的存在并与人的灵魂相关才有意义。在《理想国》里苏格拉底刚开始讨论的话题就是“正义”问题,由此我们可以看到柏拉图对正义有着多么强烈的憧憬与向往!他认为绝对的正义在神那里,这正好印证了对话结尾的宣言,“让我们永远走向上的路,追求正义和智慧”。正义和智慧不仅是国家的主题,也可以说是整个宇宙存在的本质,因为国家的起点“就是永无止境的时间以及时间带来的变化”。

柏拉图的正义表现在爱情上就是节制。在我们很多人看来,柏拉图式的爱情似乎是精神恋的代名词,用来指称那种超越时间、空间,不以占有对方肉体为目的的只存在于灵魂间的爱情。而实际上柏拉图式爱情的真谛指的是一种对节制的崇尚,对善和美的追求。

切尔诺贝利的祭祷

诺贝尔文学奖得主《二手时间》作者阿列克谢耶维奇代表作

切尔诺贝利核灾难幸存者口述实录

简体版首度完整出版,作者全新修订,指定译本

诺贝尔文学奖颁奖词:她的复调书写,是对我们时代的苦难和勇气的纪念

切尔诺贝利核事故32周年,以本书作为对受难者、牺牲者的祭祷

...... .............

※编辑推荐※

★ 阿列克谢耶维奇代表作,“乌托邦之声”系列中的最感人肺腑的篇章 。

★ 切尔诺贝利核灾难幸存者口述实录,揭开切尔诺贝利灾难的“内幕和真相”。文学史上最震撼人心的非虚构写作。

★ 每一页都是奇异而残忍的故事,每一个故事都透视着俄国人的灵魂 。阿列克谢耶维奇探访事故发生地,历时数年,采访了超过500位灾难受害者,真实地记录人们的愤怒、恐惧、勇敢、同情和爱。她拼写出了一个时代的声音和一幅幅不同的人性图像。

★ 阿列克谢耶维奇是经典俄语文学的继承者。她继承了从普希金开始,到托尔斯泰、契诃夫的现实主义脉络。她的作品是俄罗斯现实主义传统的当代体现。

★ 一部反思人类技术灾难的启示录。福岛核泄露、朝鲜核试验等人类的科技危险正潜伏在我们身边,当我们反思历史,该如何避免灾难重演?

...................

※内容简介※

1986年4月26日,前苏联治下的乌克兰境内,切尔诺贝利核电站发生爆炸,这是人类史上最惨烈的技术悲剧之一。上万平民因放射性物质长期受到感染或致命;数万亩土地被污染,切尔诺贝利一夜之间化为废城。

事故后十年,著名记者阿列克谢耶维奇冒着核辐射危险,深入事故发生现场,历时数年,访问了超过500位幸存者,用普通个体的声音平贴出时代的全景,书写了一部人类的启示录。在这里,平凡人物的真实经历比小说更惊人。每个人的声音都透视着历史的崩塌、国家机器的隐瞒、俄罗斯人的价值观,以及人们的愤怒、恐惧、勇敢、同情和爱。

「切尔诺贝利核爆是二十世纪最重大的灾害事件,时至今日我还是不解,我所见证的究竟是过去还是未来?……一不小心,就会陷入恐惧的窠臼。」——阿列克谢耶维奇

...................

※媒体推荐※

因涉及苏联历史上富有争议的主题,阿列克谢耶维奇常将自己置于险境,她挑战过往叙事,并重新审视历史事件对普通人的影响。

——《纽约客》

她的书具有危险的力量,记录着二十世纪的暴力、愚蠢与残酷,毫无冷场。

——德国国家广播电台

阿列克谢耶维奇为历史中的灰色地带举起一盏明灯。

——瑞典《赫尔辛伯格日报 》

每一页都是残酷、荒诞的故事,就像核辐射残存在幸存者的体内。

——《纽约时报》

阿列克谢耶维奇在这部非凡的作品中,记录了她的白俄罗斯同胞的生与死。本书终于在美国出版……简直是无与伦比的见证。

——《国家》杂志

比起戈尔巴乔夫的经济改革,切尔诺贝利事件可能是苏联解体的真正原因。

——《政治事务》杂志

如同古希腊悲剧表演的合唱团,本书收录了众人的心声。短期之内,我们恐怕不会再有机会读到这般真实记录愤怒、愚昧、英勇和伤亡的文字。

——《伦敦时报》

口语叙述的历史在脑海中挥之不去,充斥着面对命运时的无奈、艰苦卓绝的勇气,以及浓厚的黑色幽默……如同不可磨灭的X光透视着俄国人的灵魂。

——《出版人周刊》

书中记录着受污染的世界里骇人的生活。这些典型的故事分别传达出不同的声音:愤怒、恐惧、无知、艰苦、英勇、同情和爱。阿列克谢耶维奇冒着损害健康的风险,深入前线收集这些见证,把故事转化成令人难忘的精辟著作,我们只能期盼书中的灾难不会重现。

——《书目杂志》

阅读阿列克谢耶维奇的作品,或多或少都会让人感到哀伤。她的写作技法好似无言的雄辩,描绘了时代的无助、英雄主义和苦难。从受访者的独白中,她创造了这样一种历史:读者无论离事件多遥远,都会感同身受。阅读本书让我第一次感受到切尔诺贝利是欧洲的一场海啸,这场由人类造成的海啸,永无止尽…如果你关心未来,我强烈推荐本书。阿列克谢耶维奇的切尔诺贝利充满着极端和未知,它是技术爆炸的试验场。

—— Julian Evans,《每日电邮报》

她创造了一部情感史,你甚至可以认为它是一部灵魂史。

——Sara Danius,瑞典皇家科学院常任干事

她来自马里乌波尔

★内容介绍

“如果你看见过我曾见到的。”母亲总是一再重复这句话。

“亲爱的上帝,请让我感觉她感觉到的,只要一瞬间就好。”多年之后,女儿这么说道。

娜塔莎·沃丁十岁的某天,母亲出门,再也没有回来,后来才得知母亲自沉雷格尼茨河,没能留下只言片语;父亲则酗酒,终日埋首俄语书籍。——在那之后,作者才意识到自己对她一无所知,唯一知道的是她来自马里乌波尔,1943年作为强制劳工被驱离乌克兰,前往德国。凭借少得可怜的线索,娜塔莎·沃丁一点一点地把碎裂的瓷片拼接在一起,她发现,这个家族的过往是一个巨大的谜,是一则关于东欧苦难的历史寓言……作者用迷人的方式完整还原了一部母亲的个人史、家族史、二十世纪动荡史。虽然这是一部非虚构作品,却比虚构作品更魔幻,更戏剧化,也更惊心动魄。

------------------------------------------------

★编辑推荐

◎一部家族史,百年世界灾难缩影

◎20世纪东欧灾难实录,填补二战东方劳工史出版空白

◎堪与温弗雷德·塞巴尔德媲美的作家,用文字抢救逝去的生命与记忆之书

◎重写东欧史,拼接历史的碎片,完整还原悲恸个人史。12000000名东方劳工,绝非二战犹太人大屠杀之外的历史注脚,展示欧洲文明悲剧的全景,揭示乌克兰人不为人知的命运

◎斩获德语第二大文学奖“莱比锡图书奖”(非虚构类)、德布林奖,德语文学在线、《明镜周刊》、《德国时代周报》、《法兰克福汇报》、《南德意志报》等高度赞誉

◎一出版即译为法国、黎巴嫩、意大利、立陶宛、荷兰、西班牙、乌克兰、阿拉伯等文字,长期踞于德国图书榜首

------------------------------------------------

★媒体评论

以家族史展现了世纪全景……一部了不起的作品。

——《明镜周刊》

……只有通过个人性的叙述,我们才能知道历史事件是怎样影响了一个人的经历,当下的事件是怎样从根本上形塑了一个人的生命。这部作品让人看到了德国伟大的记忆艺术家塞巴尔德从遗忘中抢救逝去生命的影子,这绝非偶然。

——勒夫勒(Sigrid Löffler),2015年德布林奖颁奖词

关于遗忘的重要文本。……这部扣人心弦的杰作,已经远远超出了寻找个人家族之根的范畴。

——德语文学在线

人类的生命是如此渺小又如此丰富,在历史的粉碎机里消逝得又是如此悄无声息。这就是《她来自马里乌波尔》所讲述的,作者在虚构和研究、重构和记忆中游走,寻找。……作者的语言朴实无华,但这再合适不过。……非常伟大、极富影响力的艺术。

——犹克‧玛根瑙(Jörg Magenau),德国广播电台文化台

不可预知和令人大跌眼镜的线索盘根错节,活像一部犯罪悬疑片,每个细节都增添了张力,偶然又衍生出了一连串不可思议……《她来自马里乌波尔》是二十世纪灾难史的缩影,其影响至今绵延不绝。

——赫尔穆特·伯蒂格(Helmut Böttiger),《德国时代周报》

近年来有好几部关于二十世纪梦魇的作品,它们与暴力相关,如档案中记录般遥远。虽然娜塔莎·沃丁仅展示了正在发生的故事的一小部分,但她的讲述是如此拉近了读者,我们在当中看到了我们自己。

——《法兰克福汇报》

娜塔莎·沃丁确立了一种既古典又非凡的写作范式。

——汉斯-彼得·库尼施(Hans-Peter Kunisch),《南德意志报》

革命,饥饿,世界大战,内战,古拉格,这是一个更富戏剧性的家族故事。……娜塔莎·沃丁继承了历史学家似乎无法接续的使命:将强制劳工和战俘的历史曝光在公众的视野中。

——德意志广播电台

这本书引人入胜,读开头第一句话就把心提溜到了嗓子眼,悲壮,震撼,很难停下翻动纸页的手指。……属于赫塔·米勒和凯尔泰斯·伊姆雷一脉。

——《科隆城市报》

……一部伟大的书,对抗沉默。那是一段鲜活的,生动的,发出叩问的,绝望而又动人的历史。当然,也充满了痛苦。这是一部催人泪下的书,是多重线索和寻找下的个人史书写。

——巴伐利亚州第二电台文化频道

凭借有限的信息,沃丁小心翼翼地把谜一般的家族史碎片拼接起来,于是便有了这部饱受赞誉的深情杰作,堪与W. G. 塞巴尔德媲美。……《她来自马里乌波尔》填补了文学领域的空白,通过对母亲家族的深情追溯,为成千上万东欧人民树立了纪念碑。

——New Books in German

这本书呼吁人们关注那些鲜为人知且往往不是焦点的历史议题,纳粹德国的东方劳工史即其中之一。有时候它像一本推理小说,在这本书面前你根本停不下来,因为你不知道娜塔莎·沃丁还要往窟窿里填充什么。许多东西浮出历史地表,但还有许多没有说出来。这就是书写家族史的意义。

——Beyond History

此书再次揭开了德国历史上的一块伤疤。许多档案材料被刻意销毁,记忆随着当事人的去世而荡然无存,即便尚有知情人在世也大多缄口不言。……相信随着该书的传播,这段被遮蔽和遗忘的历史会重新进入公共记忆之中。

——中国《文艺报》