人人都能搭建AI應用:扣子多模態開發實操

葉彥辛

  • 出版商: 清華大學
  • 出版日期: 2026-11-01
  • 售價: $534
  • 語言: 簡體中文
  • ISBN: 7302729166
  • ISBN-13: 9787302729167
  • 相關分類: Prompt Engineering
  • 下單後立即進貨 (約4週~6週)

  • 人人都能搭建AI應用:扣子多模態開發實操-preview-1
  • 人人都能搭建AI應用:扣子多模態開發實操-preview-2
  • 人人都能搭建AI應用:扣子多模態開發實操-preview-3
  • 人人都能搭建AI應用:扣子多模態開發實操-preview-4
  • 人人都能搭建AI應用:扣子多模態開發實操-preview-5
  • 人人都能搭建AI應用:扣子多模態開發實操-preview-6
  • 人人都能搭建AI應用:扣子多模態開發實操-preview-7
人人都能搭建AI應用:扣子多模態開發實操-preview-1

相關主題

商品描述

《人人都能搭建AI應用:扣子多模態開發實操》基於扣子開發平臺,從生活與工作中的真實需求出發,帶領讀者用自然語言描述需求,整合文字、圖像、語音、視頻等多模態AI能力,逐步完成從應用搭建、效果驗證到部署交付的全過程。沒有編程基礎的任何讀者,均能跟隨書中的案例,把自己的想法變成可實際使用的AI應用。《人人都能搭建AI應用:扣子多模態開發實操》配套PPT課件、提示詞文件、配圖PDF文件、教學大綱以及作者答疑微信群,方便讀者學習與實踐。 《人人都能搭建AI應用:扣子多模態開發實操》共分13章,按照由淺入深、從單一能力到多模態協作、從應用開發到部署上線的路徑展開。案例涵蓋二手商品估價、門店宣傳物料制作、短視頻生成、產品結構圖繪制、裝修效果圖設計、分步說明書制作、兒童有聲故事、原創背景音樂、有聲書與播客、實時語音陪練等實用場景,並進一步介紹多 Agent 協作、自動質量校驗和應用部署等工程實踐。讀者不僅能完成具體項目,還能掌握七要素指令法、模態接力、質量校驗閉環等可遷移的方法。 《人人都能搭建AI應用:扣子多模態開發實操》既適合希望借助AI解決實際問題的店主、電商運營人員、內容創作者、教育從業者,以及產品、運營、設計、市場等崗位的職場人士閱讀,也適合希望了解多模態AI應用開發方法的教師、學生和開發者參考。

作者簡介

葉彥辛,AI布道師、解決方案架構師&AI產品經理、火山引擎Agent核心開發者、扣子編程技術顧問、國央企與高校AI培訓專家。2026年WAIC世界人工智能大會演講嘉賓,國家級數字化獎項一等獎得主。《扣子編程從一句話到產品上線:零門檻AI心流開發》《玩轉FastGPT:像搭積木一樣構建智能體》等書的作者。

目錄大綱

目    錄

 

第1章 識圖引擎:二手電商全能估價引擎 1

1.1 從一個生活難題說起 1

1.2 先認識主角:扣子編程與“模態接力” 2

1.2.1 什麼是扣子編程(Vibe Coding) 2

1.2.2 全書的核心範式:“模態接力” 3

1.3 七要素指令法:把需求“說清楚”的模板 3

1.4 動手開發:十分鐘造一個估價引擎 4

1.4.1 寫下你的第一條指令 4

1.4.2 看AI如何規劃與搭建 6

1.5 拆解技術方案:三步模態接力是怎麼跑起來的 7

1.5.1 三步分別用了什麼 7

1.5.2 為什麼要做成“流式”體驗 8

1.6 實測驗收:給一副BOSE耳機估價 8

1.6.1 接口冒煙測試:一個“報錯”反而證明它對了 9

1.6.2 上傳真實照片,看它怎麼幹活 9

1.6.3 解讀三張結果卡片 10

1.7 本章小結與延伸 12

商用延伸:這臺引擎還能怎麼改造 12

第2章 出圖引擎:實體店開店物料一鍵生成 13

2.1 從一個開店難題說起 13

2.2 先認識新本領:文生圖與圖生圖 14

2.2.1 文生圖:一句話造一幅圖 15

2.2.2 圖生圖:讓AI“照著畫” 15

2.2.3 接力鏈的延伸:從“看懂”到“造出” 15

2.3 用七要素重寫需求 16

2.4 動手開發:搭一個開店物料工坊 16

2.4.1 寫下你的第一條指令 16

2.4.2 看AI如何規劃與搭建 18

2.5 拆解技術方案:四棒接力是怎麼跑起來的 19

2.5.1 五個接口如何分工 19

2.5.2 讓文字“一個字都不出錯”的關鍵 20

2.5.3 圖生圖如何“保真不吹牛” 20

2.6 實測驗收:給“拐角”咖啡館出一套物料 20

2.6.1 接口冒煙測試:幾個“失敗”反而證明它對了 20

2.6.2 填好店鋪信息,一鍵生成 21

2.6.3 解讀四張物料卡片 22

2.7 本章小結與延伸 24

商用延伸:這座工坊還能怎麼改造 24

第3章 視頻引擎:小貓打工vlog一鍵成片 26

3.1 從一個“想給貓拍條短片”的念頭說起 26

3.2 扣子視頻與圖生視頻 27

3.2.1 扣子視頻:一位隨叫隨到的“AI導演” 27

3.2.2 圖生視頻與“墊圖”:讓主角永遠是你的貓 28

3.2.3 關鍵抉擇:直接創作,還是搭建應用 29

3.3 把素材和想法交給導演:需求怎麼提 29

3.4 三輪“劇本會”:和AI導演討價還價 31

3.4.1 第一輪:初版方案與10鏡分鏡表 31

3.4.2 第二輪:一句話改風格——“我要寫實” 33

3.4.3 第三輪:多圖墊圖與壓縮成本 33

3.5 看懂“施工圖”:一份視頻腳本文件裏的門道 34

3.6 一鍵開跑:從片段生成到自動成片 35

3.7 本章小結與延伸 36

商用延伸:這位AI導演還能接什麼活 36

第4章 拆解引擎:產品爆炸結構圖工廠 38

4.1 從一幅說明書插圖說起 38

4.2 本章新知識:把生圖從“作品”做成“產品” 40

4.2.1 結構化生圖:先拆結構,再畫圖 40

4.2.2 質量校驗閉環:讓AI檢查AI 40

4.2.3 為什麼這次要回到扣子編程 40

4.3 用七要素寫需求 41

4.4 動手開發:一條四步流水線 42

4.5 實測驗收:拆一只軌跡球鼠標 42

4.5.1 上傳照片與結構識別 42

4.5.2 生成與自動校驗 44

4.6 本章小結與延伸 44

商用延伸:這座工廠還能怎麼改造 45

第5章 空間換裝師:一鍵裝修效果圖生成器 46

5.1 先看效果:給毛坯房做一場“整容手術” 46

5.2 為什麼要固化:從“我會生圖”到“人人能生圖” 47

5.2.1 單次生圖的三道門檻 47

5.2.2 固化成應用之後,門檻去哪兒了 48

5.2.3 本章新知識:圖生圖與結構鎖定 48

5.3 用七要素寫需求 49

5.4 動手開發:一次幾乎無須插手的施工 50

5.5 實測驗收:給一套毛坯房換裝 51

5.5.1 上傳照片,單擊四組按鈕 51

5.5.2 生成、校驗與對比 53

5.6 本章小結與延伸 55

商用延伸:這間“換裝工作室”還能怎麼開 55

第6章 步驟翻譯官:分步說明書生成器 56

6.1 先看效果:七步裝好一枚濾芯 56

6.2 為什麼要固化:“想清楚”比“畫出來”更難 58

6.2.1 這個場景難在哪裏 58

6.2.2 固化後的分工:AI起草,人拍板,各歸其位 58

6.2.3 本章新知識:三模型的模態接力與文字鐵律 59

6.3 用七要素寫需求 59

6.4 動手開發:一場自我糾錯的施工 60

6.5 實測驗收:教一臺凈水器“開口說話” 61

6.5.1 描述產品,收獲劇本 61

6.5.2 生成與逐格校驗 63

6.6 本章小結與延伸 64

商用延伸:這位“編劇畫師”還能接什麼活 65

第7章 晚安電臺:兒童睡前故事有聲機 66

7.1 一個價值被嚴重低估的場景 66

7.2 本章新知識:給流水線裝上“嗓子” 67

7.2.1 語音合成:聲音也可以參數化 67

7.2.2 內容安全前置:負面清單也是需求 68

7.2.3 場景決定載體:第一次離開網頁 68

7.3 用七要素寫需求 69

7.4 動手開發:AI第一次為“聽”施工 70

7.5 實測驗收:給“砂糖橘”講一個故事 72

7.5.1 三組按鈕加一個名字 72

7.5.2 一個為3歲孩子量身定制的宇宙故事 73

7.6 本章小結與延伸 74

商用延伸:這個電臺還能用在哪裏 74

第8章 音樂魔方:給短視頻配上原創BGM 75

8.1 版權焦慮:短視頻時代的背景音 75

8.2 本章新知識:翻譯官、異步與AB面 76

8.2.1 兩級提示詞:大語言模型當“翻譯官” 76

8.2.2 異步任務:等得起,但別幹等 77

8.2.3 候選對比:創意沒有唯一解 77

8.3 用七要素寫需求 78

8.4 動手開發:一場“絕處求生”的施工 79

8.5 實測驗收:一分鐘拿到兩版候選 80

8.5.1 四組按鈕,一次點單 80

8.5.2 A/B試聽與“再來一遍” 82

8.6 本章小結與延伸 83

商用延伸:這個魔方還能擰出什麼花樣 83

第9章 全模態大合奏:科普短視頻工廠 84

9.1 知識短視頻:最缺“靠譜”的賽道 84

9.2 本章新知識:查證、動畫與分軌 86

9.2.1 檢索入鏈:給AI裝上“引用管理器” 86

9.2.2 兩段式視頻生成:先定格,再開機 86

9.2.3 分軌交付:是素材包,而不是成片 86

9.3 用七要素寫需求 87

9.4 動手開發:六個接口的大工程 88

9.5 實測驗收:把“量子力學”做成20秒視頻 89

9.5.1 檢索:先擺證據,再動筆 89

9.5.2 腳本與分鏡:20秒的精打細算 90

9.5.3 素材包:分軌齊活,各就各位 92

9.6 本章小結與全書接力鏈的閉環 93

商用延伸:這座工廠的三種用法 93

第10章 耳朵經濟:有聲書與播客雙模工廠 95

10.1 被忽略的那條耳朵通道 95

10.2 本章新知識:新入口、一鍵優化與工作流應用 96

10.2.1 換扇門進來:扣子編程的獨立入口 96

10.2.2 一鍵優化:把一句話需求補成一份規格書 98

10.2.3 工作流應用:從“做頁面”到“畫流程圖” 99

10.3 用七要素寫需求 100

10.4 動手開發:四個節點,一個分支 100

10.5 實測驗收:一段文字,兩種聽法 103

10.5.1 有聲書模式:原文照讀 103

10.5.2 播客模式:先改寫,再開口 103

10.5.3 讀運行軌跡:58.5秒都花在哪兒了 104

10.6 本章小結與延伸 105

商用延伸:這條耳朵通道的三種走法 106

第11章 循環工程:讓AI給自己打分的多Agent流水線 107

11.1 從26分到92分,這一步是AI自己爬上去的 107

11.2 本章新知識:AI助理建項目、循環工程與六個Agent 110

11.2.1 又換一扇門:讓AI助理拿著命令行替你建項目 110

11.2.2 循環工程:把“重新生成”改成“定向修復” 113

11.2.3 六個Agent與一臺狀態機 113

11.3 用七要素寫需求 115

11.4 動手開發:14分鐘建成項目,兩輪疊代追加需求 116

11.5 實測驗收(1):NOVA X1海報,兩輪疊代綜合評分從70分提升到94分 117

11.5.1 需求與驗收標準 117

11.5.2 第一輪疊代:70分,一個字符引發的不通過 119

11.5.3 Optimizer:這不是提示詞的錯,是隨機誤差 121

11.5.4 第二輪疊代:94分,通過 122

11.6 一次真實的放行事故:89分的MAJOR為什麼不該通過 125

11.7 實測驗收(2):工程信息圖,四輪疊代綜合評分從26分提升到92分 127

11.7.1 一份“不可能一次做對”的需求 127

11.7.2 第一輪:26分 127

11.7.3 四輪爬升:26→63→78→92 128

11.8 本章小結與延伸 129

商用延伸:這個循環的三種走法 130

第12章 開口說話:把AI外教裝進手機的實時語音陪練 131

12.1 先看成品:桌面上多了一只戴眼鏡的貓頭鷹 131

12.2 本章新知識:移動應用入口、實時語音三件套與看圖換膚 134

12.2.1 第三扇門:這次要的是能裝進手機的東西 134

12.2.2 實時語音三件套與一條必須提前寫好的降級路線 134

12.2.3 看圖換膚:把審美需求交給一幅參考圖 136

12.3 用七要素寫需求 136

12.4 動手開發:先確認能力,再一層層往上建 137

12.4.1 先確認SDK能力,再承諾方案 137

12.4.2 從場景數據到SSE路由:後端逐層建起來 139

12.4.3 聯調階段:真正的坑不在功能,而在契約 140

12.5 換一張皮膚:一幅參考圖帶來的換膚 141

12.6 裝進手機:從網頁預覽到桌面圖標 145

12.7 實測驗收:一次8分鐘的英文項目匯報 147

12.7.1 選場景與練習準備頁 147

12.7.2 對話:它在追問,不是在念題 149

12.7.3 未測:最有價值的兩個字 149

12.8 本章小結與延伸 150

商用延伸:這條實時語音鏈路的三種走法 151

第13章 從預覽到生產:把多模態應用部署上線 152

13.1 預覽窗口裏的成品還不是產品 152

13.2 本章新知識:五類產物、兩種出口與一條生產線 153

13.2.1 五類項目,五種交付物 153

13.2.2 兩種出口:給人用,還是給系統用 154

13.2.3 一條生產線:配置—部署—驗證—觀察—恢復 154

13.3 用“上線七要素”把生產環境說清楚 154

13.4 網頁應用上線:從“部署”按鈕到可訪問網址 155

13.4.1 先選版本,再談上線 155

13.4.2 配置域名、可見範圍與生產資源 155

13.4.3 把環境變量分成“公開配置”和“秘密配置” 155

13.4.4 啟動部署並拿到生產地址 156

13.5 自定義域名:把平臺地址換成自己的品牌入口 157

13.5.1 先確認備案與管理權限 157

13.5.2 在部署頁上添加域名 157

13.5.3 到域名服務商平臺添加DNS記錄 158

13.5.4 HTTPS證書與最後驗證 158

13.6 工作流與Agent上線:API和WebSDK兩條路 159

13.6.1 工作流變成API服務 159

13.6.2 同步、流式與異步:按任務時長選擇調用方式 160

13.6.3 API Token:只交給服務端 160

13.6.4 WebSDK:把Agent嵌進現有網頁 161

13.7 移動應用與小程序:部署只是交付鏈的一半 162

13.7.1 Android應用:先把APK當作測試交付物 162

13.7.2 微信小程序:技術發布之後還有平臺審核 162

13.8 上線之後看哪裏:日誌、分析與Trace 163

13.8.1 日誌:先還原發生了什麼 163

13.8.2 分析:確認影響有多大 164

13.8.3 Trace:沿著一次請求逐節點追蹤 164

13.9 回滾演練:上線前先學會撤回來 165

13.10 多模態應用上線,額外多四道坎 166

13.10.1 文件不是越大越好 166

13.10.2 長任務必須異步化並防重復 166

13.10.3 模型費用與托管費用要分開計算 166

13.10.4 版權、肖像、聲音和隱私必須進流程 166

13.11 上線後的前24小時:別急著離開控制臺 167

13.12 本章小結 168