第 1章 快速入門(mén) AIGC 與 Serverless API 開(kāi)發(fā) / 1 1.1 AIGC 演進(jìn)與開(kāi)源大模型生態(tài) / 2 1.1.1 AIGC：智能時(shí)代的內(nèi)容生產(chǎn)革命 / 2 1.1.2 AIGC 的發(fā)展歷程 / 3 1.1.3 AIGC/UGC/PGC 三類(lèi)常見(jiàn)內(nèi)容生成對(duì)比分析 / 3 1.1.4　主流 AIGC 技術(shù)類(lèi)別與典型大模型簡(jiǎn)介 / 4 1.1.5　部署開(kāi)源大模型及輸出 API 對(duì)開(kāi)發(fā)者的意義 / 7 1.2 Serverless API 和 OpenAI 兼容 API 的概念 / 10 1.2.1 Serverless 的定義與特征剖析 / 10 1.2.2 Serverless API 與傳統(tǒng)架構(gòu)的對(duì)比分析 / 11 1.2.3 OpenAI 兼容 API 的定義與核心要素 / 13 1.2.4 OpenAI 兼容 API 的典型落地路徑 / 13 1.3 開(kāi)源大模型與 Serverless API 架構(gòu)融合的實(shí)際意義 / 14 1.3.1 Serverless API 架構(gòu)解決開(kāi)源大模型部署難題 / 15 1.3.2　開(kāi)源生態(tài)與 Serverless API 的協(xié)同效應(yīng) / 15 1.3.3　國(guó)內(nèi)外主流開(kāi)源大模型 Token/API 服務(wù)平臺(tái) / 16 1.4 基于 API 調(diào)用開(kāi)發(fā)在大模型編程開(kāi)發(fā)中的層級(jí) / 17 1.4.1　大模型應(yīng)用開(kāi)發(fā)的層次架構(gòu) / 17 1.4.2 API 層級(jí)調(diào)用架構(gòu)在應(yīng)用開(kāi)發(fā)場(chǎng)景中的對(duì)比圖示 / 19 1.4.3 API 調(diào)用開(kāi)發(fā)的平臺(tái)和入口 / 20 1.5 本章小結(jié) / 22 第 2 章 快速理解 AIGC 與 API 開(kāi)發(fā)的基礎(chǔ)技術(shù)棧 / 23 2.1 快速入門(mén) HTTP 協(xié)議中的 RESTful API / 24 2.1.1 RESTful API 和 CRUD（增刪改查）的對(duì)應(yīng)關(guān)系 / 24 2.1.2 HTTP requests 庫(kù)和兼容 OpenAI SDK 調(diào)用方式對(duì)比 / 26 2.2 標(biāo)準(zhǔn)化的 API 調(diào)用流程以及簡(jiǎn)單錯(cuò)誤快速處理 / 28 2.2.1 API 調(diào)用的基礎(chǔ)規(guī)范與流程 / 28 2.2.2 API 調(diào)用簡(jiǎn)單代碼示例 / 29 2.2.3　常見(jiàn) API 錯(cuò)誤與快速排錯(cuò)技巧 / 29 2.3 常見(jiàn) AIGC API 的調(diào)用參數(shù)講解 / 32 2.3.1 API 調(diào)用請(qǐng)求常用參數(shù)快速解析 / 32 2.3.2　常見(jiàn) API 響應(yīng)數(shù)據(jù)基礎(chǔ)字段介紹 / 35 2.4 AI 輔助開(kāi)發(fā)工具與平臺(tái)快速認(rèn)知 / 36 2.4.1 AI 輔助開(kāi)發(fā)工具和平臺(tái)的作用 / 36 2.4.2 AI 輔助編碼類(lèi)工具 / 37 2.4.3 AI 輔助平臺(tái)類(lèi)工具 / 38 2.5 本章小結(jié) / 38 第 3 章 初步設(shè)置和使用 API 之實(shí)戰(zhàn)入門(mén) / 40 3.1 注冊(cè)與登錄以及如何獲得 API Key / 41 3.1.1 Gitee AI 平臺(tái)介紹 / 41 3.1.2　注冊(cè) Gitee AI 賬號(hào) / 42 3.1.3　創(chuàng)建 API 密鑰 / 43 3.1.4　使用 API 密鑰獲取 Token / 44 3.2 開(kāi)始使用 Serverless API / 45 3.2.1　選擇模型和創(chuàng)建訪(fǎng)問(wèn)令牌 / 46 3.2.2　測(cè)試模型 API / 48 3.2.3　查看 API 文檔和示例代碼 / 50 3.2.4 cURL 命令行工具的常見(jiàn)用法舉例 / 51 3.3 常見(jiàn)問(wèn)題與解決方案 / 53 3.3.1　賬號(hào)和訪(fǎng)問(wèn)問(wèn)題 / 53 3.3.2　算力券和資源包問(wèn)題 / 54 3.4 本章小結(jié) / 54 第 4 章 基于 Serverless API 實(shí)現(xiàn)大模型編程初步 / 56 4.1 目標(biāo)：調(diào)用模型接口，得到返回的交互結(jié)果 / 57 4.2 步驟：配置環(huán)境、安裝庫(kù)與獲取 API Key / 57 4.2.1　創(chuàng)建項(xiàng)目并安裝依賴(lài) / 58 4.2.2　獲取 Gitee Serverless API 的 API Key / 58 4.2.3 API Key 的 3 種管理方式 / 58 4.3 過(guò)程：核心代碼（包括錯(cuò)誤示例）詳解 / 59 4.4 成功：正確示例及代碼演示 / 60 4.5 改進(jìn)：生成中文響應(yīng)結(jié)果 / 65 4.6 精進(jìn)：簡(jiǎn)練中文回饋內(nèi)容 / 66 4.7 本章小結(jié) / 66 第 5 章 多種模態(tài) API 原子能力初級(jí)實(shí)戰(zhàn) / 68 5.1 開(kāi)發(fā)環(huán)境配置與依賴(lài)庫(kù)安裝 / 69 5.1.1 Python 環(huán)境配置 / 70 5.1.2　安裝必要的依賴(lài)庫(kù) / 71 5.1.3　配置 API 訪(fǎng)問(wèn)憑證 / 73 5.2 實(shí)現(xiàn) Instruct 與 Chat 的文本生成 Hello World / 75 5.2.1 Instruct 模型與 Chat 模型的區(qū)別 / 75 5.2.2　使用 Instruct 模型生成 Hello World / 76 5.2.3　使用 Chat 模型生成 Hello World / 79 5.2.4 Instruct 與 Chat 模型的選擇建議 / 81 5.3 實(shí)現(xiàn) Stable Diffusion 的文生圖 Hello World / 82 5.3.1 Gitee AI 平臺(tái)的 Stable Diffusion 模型簡(jiǎn)介 / 82 5.3.2　配置 Stable Diffusion API / 83 5.3.3　使用 Stable Diffusion 生成第 一張圖像 / 83 5.3.4　調(diào)整生成參數(shù)提升圖像質(zhì)量 / 86 5.4 實(shí)現(xiàn) Whisper 的語(yǔ)音識(shí)別 Hello World / 87 5.4.1 Gitee AI 平臺(tái)的 Whisper 模型簡(jiǎn)介 / 87 5.4.2　配置語(yǔ)音識(shí)別 API / 87 5.4.3　使用 Gitee AI 平臺(tái)的 Whisper API 進(jìn)行語(yǔ)音識(shí)別 / 87 5.4.4　使用本地音頻文件進(jìn)行語(yǔ)音識(shí)別 / 90 5.4.5　實(shí)時(shí)語(yǔ)音識(shí)別 / 92 5.5 本章小結(jié) / 95 第 6 章 多種模態(tài) API 調(diào)用及編排進(jìn)階實(shí)戰(zhàn) / 96 6.1 實(shí)現(xiàn) DeepSeek+Stable Diffusion 的圖像生成優(yōu)化 / 97 6.1.1 DeepSeek 模型優(yōu)化機(jī)制 / 97 6.1.2 API 編排實(shí)現(xiàn)協(xié)同 AIGC 圖像生成 / 99 6.1.3　參數(shù)優(yōu)化與問(wèn)題排查 / 103 6.2 實(shí)現(xiàn) Wan2.1-T2V 的文生視頻 / 104 6.2.1　視頻生成模型簡(jiǎn)介 / 104 6.2.2　使用 Wan2.1-T2V 生成視頻 / 105 6.2.3　視頻生成參數(shù)調(diào)優(yōu) / 111 6.3 實(shí)現(xiàn) Hunyuan3D-2 的圖生 3D / 111 6.3.1 Hunyuan 3D 生成模型簡(jiǎn)介 / 111 6.3.2　使用 Hunyuan3D-2 生成 3D 模型 / 111 6.3.3　使用 Open3D 查看和處理 3D 模型 / 116 6.4 API 調(diào)用常見(jiàn)錯(cuò)誤與調(diào)試進(jìn)階 / 118 6.4.1　常見(jiàn)錯(cuò)誤類(lèi)型 / 119 6.4.2 API 調(diào)用調(diào)試技巧 / 119 6.4.3　實(shí)現(xiàn)請(qǐng)求重試和錯(cuò)誤處理 / 120 6.4.4 API 調(diào)用性能優(yōu)化 / 123 6.5 本章小結(jié) / 124 第 7 章 輔助生成代碼、打造多種形態(tài)及踐行 Vibe Coding / 126 7.1 主流開(kāi)源代碼輔助生成大模型 / 127 7.1.1　回顧開(kāi)源大語(yǔ)言模型的發(fā)展與意義 / 127 7.1.2 DeepSeek-V3/R1 模型回顧 / 128 7.1.3 CodeGeeX 模型詳解 / 128 7.1.4　新一代開(kāi)源 Coder 與數(shù)學(xué) / 證明模型的發(fā)展 / 129 7.1.5　模型性能對(duì)比與選擇建議 / 130 7.2 用文本 / 代碼生成大模型 API 構(gòu)建不同生成形態(tài)的工具 / 132 7.2.1　文本 / 代碼生成工具的基本架構(gòu) / 132 7.2.2　智能對(duì)話(huà)工具的實(shí)現(xiàn)（命令行） / 132 7.2.3　文本摘要工具的實(shí)現(xiàn)（Web 網(wǎng)頁(yè)端） / 134 7.2.4　文本續(xù)寫(xiě)工具的實(shí)現(xiàn)（API） / 136 7.3 AI 代碼輔助工具實(shí)戰(zhàn) / 140 7.3.1 AI 代碼輔助工具概述 / 140 7.3.2 GitHub Copilot 使用實(shí)戰(zhàn) / 141 7.3.3 Cline AI 代碼助手使用實(shí)戰(zhàn) / 143 7.3.4 Trae AI 代碼助手使用實(shí)戰(zhàn) / 144 7.3.5 Cursor 編譯器使用實(shí)戰(zhàn) / 145 7.3.6　通義靈碼代碼助手使用實(shí)戰(zhàn) / 146 7.4 AI Coding 中 VSCode+Cline+Gitee.AI 的配置與實(shí)踐 / 148 7.4.1 VSCode 中 AI 編程助手的選擇 / 148 7.4.2 VSCode 中配置 Cline 第三方 API 的詳細(xì)步驟 / 148 7.4.3　實(shí)用 VSCode 擴(kuò)展組合推薦 / 150 7.4.4　常見(jiàn)問(wèn)題與解決方案 / 150 7.5 如何提升 AI 代碼生成的質(zhì)量 / 151 7.5.1　面向代碼生成的提示詞工程技巧 / 151 7.5.2　行業(yè)案例分析 / 153 7.6 本章小結(jié) / 154 第 8 章 圖像生成與視覺(jué)識(shí)別 API 開(kāi)發(fā)進(jìn)階實(shí)戰(zhàn) / 156 8.1 圖像生成、圖像識(shí)別、圖像理解、圖像處理技術(shù)簡(jiǎn)介 / 157 8.1.1　圖像生成技術(shù)簡(jiǎn)介 / 157 8.1.2　圖像識(shí)別技術(shù)簡(jiǎn)介 / 158 8.1.3　圖像描述 / 理解和視覺(jué)問(wèn)答技術(shù)簡(jiǎn)介 / 159 8.1.4　圖像增強(qiáng)及圖像超分技術(shù)簡(jiǎn)介 / 159 8.2 基于 Gitee 平臺(tái)的 Serverless-API 實(shí)現(xiàn)圖片生成及風(fēng)格遷移 / 160 8.2.1 Serverless 架構(gòu)在圖像處理中的應(yīng)用 / 161 8.2.2　基于 Gitee 平臺(tái) Stable Diffusion 的圖像生成 API 實(shí)現(xiàn) / 161 8.2.3 Kolors 中文圖像生成 API 實(shí)現(xiàn) / 166 8.2.4　基于 Kolors 的圖像風(fēng)格遷移 API 實(shí)現(xiàn) / 169 8.3 通過(guò)圖像識(shí)別和圖像理解技術(shù)構(gòu)建應(yīng)用 / 173 8.3.1 InternVL 圖像理解 / 173 8.3.2 3 個(gè) AI 1.0 時(shí)代的圖像識(shí)別開(kāi)源項(xiàng)目 / 174 8.4 Real-ESRGAN 圖像超分模型與傳統(tǒng) PIL 構(gòu)建應(yīng)用 / 177 8.4.1　兩者在實(shí)現(xiàn)和解決問(wèn)題上的差別和關(guān)系 / 177 8.4.2　用 Real-ESRGAN 大模型實(shí)現(xiàn)超分的應(yīng)用 / 179 8.4.3　傳統(tǒng)基于 PIL 實(shí)現(xiàn)的圖像處理開(kāi)源項(xiàng)目 / 180 8.5 本章小結(jié) / 184 第 9 章 音頻處理與視頻生成 API 進(jìn)階開(kāi)發(fā)實(shí)戰(zhàn) / 186 9.1 音頻識(shí)別模型和語(yǔ)音合成模型解析 / 187 9.1.1　音頻識(shí)別技術(shù)的發(fā)展與原理 / 187 9.1.2 Whisper 語(yǔ)音識(shí)別模型解析 / 187 9.1.3 Fish Speech 語(yǔ)音合成模型解析 / 188 9.1.4 ChatTTS 語(yǔ)音合成模型解析 / 188 9.1.5　語(yǔ)音識(shí)別、語(yǔ)音合成模型對(duì)比與選擇建議 / 189 9.2 Serverless API 實(shí)現(xiàn)音頻識(shí)別與語(yǔ)音合成 / 190 9.2.1 Serverless 架構(gòu)在音頻處理中的應(yīng)用 / 190 9.2.2　基于 Whisper 的音頻識(shí)別 API 實(shí)現(xiàn) / 191 9.2.3　基于 ChatTTS、Fish Speech 的語(yǔ)音合成 API 實(shí)現(xiàn) / 196 9.3 視頻生成模型解析與 API 實(shí)現(xiàn) / 200 9.3.1　視頻生成技術(shù)的發(fā)展與原理 / 200 9.3.2 Wan2.1-T2V 模型解釋 / 200 9.3.3　基于 Wan2.1-T2V 的視頻生成 API 實(shí)現(xiàn) / 200 9.4 音視頻 API 的實(shí)際應(yīng)用案例 / 204 9.4.1　基于錄音 +Whisper+GUI 實(shí)現(xiàn)實(shí)時(shí)會(huì)議轉(zhuǎn)錄系統(tǒng) / 204 9.4.2　基于 Whisper+ChatTTS/Fish Speech 實(shí)現(xiàn)多語(yǔ)言配音系統(tǒng) / 209 9.4.3　基于 Wan2.1-T2V 實(shí)現(xiàn)節(jié)日祝福語(yǔ)視頻生成器 / 213 9.5 本章小結(jié) / 217 第 10 章 跨模態(tài)開(kāi)發(fā)與應(yīng)用集成實(shí)戰(zhàn) / 219 10.1 多模態(tài)大模型概述 / 220 10.1.1　多模態(tài)大模型定義和特點(diǎn) / 220 10.1.2　多模態(tài)大模型的主要架構(gòu) / 220 10.1.3　主流多模態(tài)大模型對(duì)比 / 222 10.2 跨模態(tài)數(shù)據(jù)處理與融合技術(shù) / 223 10.2.1　跨模態(tài)數(shù)據(jù)處理的關(guān)鍵技術(shù) / 223 10.2.2 Python 實(shí)現(xiàn)跨模態(tài)數(shù)據(jù)處理與融合 / 225 10.3 基于跨模態(tài)大模型的應(yīng)用開(kāi)發(fā) / 228 10.3.1　跨模態(tài)應(yīng)用場(chǎng)景分析 / 228 10.3.2　多模態(tài) RAG 系統(tǒng) / 229 10.3.3　應(yīng)用開(kāi)發(fā)實(shí)戰(zhàn)案例 / 230 10.4 多模態(tài)大模型應(yīng)用的挑戰(zhàn)與展望 / 235 10.4.1　當(dāng)前面臨的挑戰(zhàn) / 236 10.4.2　未來(lái)發(fā)展趨勢(shì) / 236 10.4.3　實(shí)踐建議 / 237 10.5　本章小結(jié) / 237 附錄 A “興智杯”全國(guó)人工智能創(chuàng)新應(yīng)用大賽參賽報(bào)名及算力獲取 / 238 A1　獲取和兌換“興智杯”大賽算力券 / 239 A1.1 “興智杯”大賽簡(jiǎn)介 / 239 A1.2　算力券的獲取方式 / 239 A1.3　算力券的兌換流程 / 239 A2 “興智杯”大賽使用算力券購(gòu)買(mǎi) Serverless API / 241 A2.1　沐曦模型資源包介紹 / 241 A2.2　購(gòu)買(mǎi)沐曦模型資源包的詳細(xì)步驟 / 242 A2.3 查看購(gòu)買(mǎi)記錄和資源使用情況 / 244