生成式人工智能应用实践：十三章，十三种活，一条工作流都没有

2026-11-10silcano

微信读书《生成式人工智能应用实践》· 抓取 635 屏 / 13 章 / 115 条目录 · 读到书尾
逐字核对 6 屏 · 书名条与页面一致 · 2026-11-10
抽样点位的选法：这本书按任务分章，每章一个活儿，所以不能只看一章。我先量了十三章的篇幅（第 2 章文本生成 89 屏最长，第 3 章 PPT 24 屏最短），再按「概念—法规—方法—工具」四个位置各取一屏：p0020（1.2 生成式人工智能的概念，四模态与大模型两套切法）、p0050（1.5 挑战里的法规时间线）、p0070（2.3 提示词工程与场景示例）、p0092（2.4 DeepSeek 的功能分工），另加 p0006 章首页核对书名。抽读 6 屏约占 1%，重点压在两个问题上：它的骨架是不是真的比同类清楚；以及十三种活为什么没被串起来。

这一阵子连着翻了好几本名字里带「AIGC」「生成式人工智能」的教材，多数有个共同毛病：章节按技术名词切，读者学完不知道能干什么。这本《生成式人工智能应用实践》反过来——十三章，一章一个活儿。

第 2 章 AI 文本生成、第 3 章 AI PPT 自动化生成、第 4 章 AI 翻译、第 5 章 OCR 技术及其应用、第 6 章 AI 图像生成、第 7 章 AI 图像编辑、第 8 章 AI 视觉传达设计、第 9 章 AI 数据可视化、第 10 章 AI 图像分析、第 11 章 AI 音频处理、第 12 章 AI 视频处理、第 13 章 AI 编程。

这个目录扫一眼就知道能解决什么问题。想给报告配图，翻第 6 章；想把一堆扫描件变成能搜的文字，翻第 5 章；想把表格变成图，翻第 9 章。它不需要你先理解什么叫注意力机制，才准你打开软件。

一、先说骨架：635 屏，13 章，115 条目录

635 屏分给十三章，平均每章 49 屏，但实际差得很远。我按 pages.jsonl 逐页算过：第 2 章文本生成 89 屏，占 14.0%，是最厚的一章；第 6 章图像生成 69 屏，第 9 章数据可视化 62 屏，第 8 章视觉传达设计 59 屏；最薄的是第 3 章 AI PPT，只有 24 屏，占 3.8%。

115 条目录摊到 635 屏，平均每 5.5 屏一个小节，密度是合适的——比起那些 700 多屏只给 60 多条目录的书，这本查起来舒服得多。这也侧面说明编者的态度：他知道读者是来查的，不是来通读的。

第 1 章 50 屏讲概念，占了 7.9%，五节：1.1 人工智能概述、1.2 生成式人工智能的概念、1.3 生成式人工智能工具、1.4 智能体开发平台、1.5 生成式人工智能面临的挑战。这个安排我很赞成——概念只给一章，够用就走，不占着篇幅装深刻。

二、1.2 那两页，把大模型讲清楚了

p0020 这页我读了两遍，因为它在两段里塞进了两个很有用的框架。

第一个是模态的划分。原文写：「根据生成内容的不同，生成式人工智能可划分为 4 种基础模态，分别涵盖文本、音频、图像和视频。此外，这 4 种模态的融合产生了第五种模态——跨模态内容生成。」这句话解释了一件事：为什么「文生图」不算第五种模态，而「图生文再配音配乐」才算。它把模态的边界画在了「输出形态」而不是「输入形态」上，这个切法经得起推敲。

第二个是大模型的两种切法，而且它把「大」这个字解释对了：「大模型之『大』，表现在参数数量大、数据训练量大和计算资源需求大。」这一句比很多书写得实在——多数书只会说「参数多」，它把数据量和算力也点了出来，这三样才是「大」的全部成本。

接着它给了两条分类轴。按数据类型分：大语言模型（GPT 系列）、计算机视觉大模型（ViT 系列）、多模态大模型（DALL·E）。按应用领域分：通用领域大模型（GPT 系列）、行业大模型（腾讯金融风控大模型）、垂直大模型（DeepMind 的蛋白质结构预测模型 AlphaFold）。

这两条轴的价值在于它们能互相交叉。同样是「金融」，按数据类型看可能是个语言模型，按应用领域看就是行业大模型；AlphaFold 被归到「垂直」，是因为它只干一件事——把氨基酸序列变成三维结构。读者把这两个坐标一叠，就能给自己手上那个项目定位：我是做通用还是垂直，是吃文本还是吃图像。

还有一句写在段末，只有一行：「AI 工具即封装了大模型的、易于用户使用的工具。」这句话看着平淡，其实把整本书的立场说明了——工具是壳，模型是芯，读者要学的是怎么用壳。这也解释了为什么第十三章都在讲活儿，没有一章讲训练。

三、1.5 的法规时间线，是全书唯一一处「别人不敢写」的地方

p0050 是我在这本书里读到的最意外的一页。1.5「生成式人工智能面临的挑战」开篇不讲偏见、不讲失业，先摆了一串法规和文件，而且每一个都带日期：

2022 年 11 月 25 日，《互联网信息服务深度合成管理规定》发布，其中对人脸生成、替换、操控和合成人声及仿声等都有明确约束。2023 年 8 月 15 日起施行的《生成式人工智能服务管理暂行办法》对生成式人工智能服务实行包容审慎和分类分级监管。联合国教科文组织于 2023 年 9 月发布了「Guidance for generative AI in education and research」。2023 年 11 月 1 日，在首届全球 AI 安全峰会上，中国、美国、英国等 28 个国家代表及欧盟出席并联合签订《布莱切利宣言》。2024 年 9 月 9 日，全国网络安全标准化技术委员会制定的《人工智能安全治理框架》1.0 版发布。2025 年 3 月 7 日，国家互联网信息办公室、工业和信息化部、公安部、国家广播电视总局制定了《人工智能生成合成内容标识办法》，自 2025 年 9 月 1 日起施行。

这一段的分量，得放在同类书里比才看得出来。我上个月读过一本 754 屏的装机教材，全书的「伦理」只出现在两篇一页纸的拓展阅读里；还有一本 717 屏的 Visio 教材，讲 AI 时一次都没提合规。而这本书把监管文件当成「挑战」的一部分正面列出来，还精确到「2025 年 9 月 1 日起施行」。

这一条对读者是真有用的。2025 年 9 月 1 日之后，用 AI 生成的图片、音频、视频在平台上发布，需要有标识；做自媒体的人如果不知道这件事，作品被限流都找不到原因。教材把日期写清楚，读者才知道自己手上的项目受哪一条管。

我唯一的意见是：这六份文件摆完之后，正文只写了一句「当前，以生成式人工智能为代表的 AI 应用主要面临以下问题」，就转去讲「信息偏向性问题」了。法规和后面的问题清单之间没有咬合——哪条法规对应哪个问题、违规了会怎样，一句都没有。这一页本来可以是全书最有分量的地方，现在它是一个资料卡。

四、2.3 的场景化提示词，比「要具体」三个字有用

2.3「提示词工程」这一节的写法很朴素：先定义，再给场景。定义部分说「提示词（Prompt，又称指令、咒语）输入是一种与生成式人工智能进行交互的方式」，然后给了一句我认同的判断——「专业知识能够帮助人们深入理解复杂问题的本质，也能够帮助人们更准确地设计提示词」。

2.3.1 直接上例子，按行业分：「（1）电商：为的一款新型智能手表生成一段吸引人的产品描述，突出其健康监测和运动追踪功能。」「（2）教育：以『勇气』为主题，为小学生写一篇简短的寓言故事。」

这两个例子都不长，但结构是对的：对象（新型智能手表／小学生）、任务（产品描述／寓言故事）、约束（突出健康监测和运动追踪／以勇气为主题、要简短）。三个要素齐了，读者就知道「具体」具体在哪三个位置。这比那种列十条原则、每条后面不跟例子的写法强得多。

顺带说一句我对「提示词工程」这个词的看法。这本书的定义是中规中矩的：在不微调模型的情况下，通过设计提示词来控制模型输出行为。但作为一本 2025 年的教材，它没有提「提示词的收益正在被模型能力吃掉」这件事——现在很多模型已经能自己追问「你要什么风格」，那种精心设计的角色扮演式提示词，边际收益比两年前低了不少。教材把提示词写成一门需要长期修炼的手艺，读者学完可能会高估它的门槛。

五、2.4 里那句「要访问网络链接用 Kimi」，我很喜欢

2.4 是「DeepSeek 文本生成多元功能详解」，89 屏那一章的主体。开头有一句交代：「本书主要使用 DeepSeek 进行说明，若需要访问网络链接则使用 Kimi。」

就这么一句话，把两件事说清了：主用哪个，什么时候换。这类教材最常见的问题是全程写「某 AI 工具」，读者不知道去哪注册；好一点的会写「以 DeepSeek 为例」；最好的是这样——不仅说用哪个，还说为什么在某种情况下要换一个。

这个「换」也不是随口的。让模型读一个网页链接，各家支持程度差别很大，有的直接说不能访问，有的能读但只读首屏。教材明说「要访问网络链接就用 Kimi」，等于把一个实际会踩的坑提前标了出来。

2.4.1「自动化文本生成」下面的例子也是这个路子。它不空谈「可以写新闻」，而是给提示词原文：「撰写一篇突发性新闻报道，主题是『市中心大楼深夜突发大火』，关键词包括火灾、紧急疏散、消防救援、目击者证言、伤亡情况、起火原因调查，请聚焦于事件的即时影响、现场情况描述、官方声明与初步调查结果。」六个关键词加三个聚焦方向，这就是一份可以照着改的模板。

六、问题出在哪：十三种活，没有一章把活串起来

这本书的长处和短处，其实是同一个设计带来的。按任务分章让它好查，也让它散。

真实的活儿是什么样的？举个最普通的例子：老板让你做一份季度汇报。你要先去查行业数据（第 2 章、第 5 章），把数据做成图（第 9 章），给 PPT 配几张示意图（第 6 章、第 8 章），写讲稿（第 2 章），配音或者做个短视频版（第 11 章、第 12 章），最后排版成 PPT（第 3 章）。一件事串起了七章。

而这本书十三章是十三个独立房间，每间房里工具齐全，房间之间没有门。你在第 6 章生成的图，怎么带进第 3 章的 PPT？第 9 章做出来的图表，分辨率够不够印？第 5 章 OCR 出来的文字带着排版垃圾，怎么清洗了再喂给第 2 章？这些「交接处」的问题，才是实际做活时最耗时间的部分，全书一章都没讲。

这也是我判断一本「应用实践」类教材好不好用的标准：不看它讲了多少功能，看它有没有一次从头到尾的完整交付。这本书有十三次漂亮的切片，没有一次完整的交付。

七、它的短板

第一，十三章互不相连，没有工作流。按任务分章的好处是好查，代价是没有一章回答「这些工具怎么配合」。读者学完十三章，会十三种单点技能，仍然不会做一件完整的活。补一章「一个项目的全流程」就能救，可惜没有。

第二，篇幅分配和实际需求不匹配。AI PPT 只给了 24 屏、3.8%，是十三章里最薄的；而做 PPT 恰恰是办公场景里最高频、最费时间的一件事。反过来，文本生成拿了 89 屏。这个配比更像是按「技术热度」排的，不是按「用的人多少」排的。

第三，全书不算成本。调用额度、会员价、生成一张图多少钱、跑一次长文档要等多久，635 屏里一个数都没有。读者做完第一个项目，才会发现免费额度已经没了。这一点和法规那一页形成了奇怪的对照：编者知道要写「2025 年 9 月 1 日施行」，却不知道要写「这个月免费额度是多少」。

第四，法规只摆不咬合。1.5 那六份文件列得很准，但列完就转去讲问题清单，没有说明哪条管哪种行为、违规的后果是什么。资料摆在那里，读者得自己去对应。

第五，提示词被高估了。2.3 把提示词工程写成一门需要专业知识和长期训练的手艺。方向没错，但少了另一面：模型自己在变强，很多过去要靠技巧绕的坑，现在直说就行。教材只教「怎么设计」，没教「什么时候不用设计」。

这些短板里，前两条是结构问题，后三条是细节问题。结构问题最难改——要动目录；细节问题本来能补，补了这本书的成色会明显不一样。

八、一句话

这是我近期翻过的同类教材里骨架最清楚的一本：一章一个活儿，找得到、看得懂、能照做，1.2 的概念和 1.5 的法规尤其值钱。但它把 AI 拆成了十三把工具，没教你怎么用这十三把工具做完一件事——它是一本好用的功能字典，还不是一本能带人交活的手册。