第1章 AI時代前端開發基礎與集成準備 001
1.1 AI前端技術基礎 002
1.1.1 AI前端基礎概念 002
1.1.2 從Vue3和React的特性與區別看開發工具的選擇 003
1.1.3 從TypeScript看AI智能開發的質量和安全防控 006
1.2 AI集成的前端架構設計 007
1.2.1 前端與AI服務的通信架構 013
1.2.2 前端如何集成AI模型與服務 014
1.2.3 狀態管理與數據流設計 015
1.2.4 響應式UI組件設計模式 017
1.3 RESTful API設計應用 018
第2章 DeepSeek大模型集成與應用 022
2.1 DeepSeek模型概述 023
2.1.1 DeepSeek模型的特性與優勢 023
2.1.2 模型架構與技術原理 025
2.1.3 應用場景分析 027
2.2 DeepSeek部署與配置 030
2.2.1 環境要求與準備 030
2.2.2 模型部署流程 031
2.3 與Dify系統的集成：接口對接方案 034
2.4 應用開發與實戰 037
2.4.1 API調用實戰 037
2.4.2 提示工程技巧 040
2.5 實戰案例 042
實戰任務：代碼系統集成·使用Dify構建工作流 043
綜合實戰1：人力資源應用·簡歷篩選大模型 051
綜合實戰2：音樂創作領域應用·樂曲自動生成器 056
綜合實戰3：智能辦公應用·數據可視化大模型 062
綜合實戰4：AI大模型+前端全棧開發 066
第3章 Dify系統部署與應用 083
3.1 Dify 系統基礎 084
3.1.1 檢索增強生成的原理 084
3.1.2 向量數據庫選型與配置 085
3.1.3 文檔預處理與索引構建 086
3.2 Dify部署與配置 087
3.2.1 Docker環境配置 087
3.2.2 Dify服務器部署步驟 095
3.3 知識庫的構建與管理 096
3.3.1 文檔預處理與清洗 096
3.3.2 向量化與索引策略 097
3.3.3 知識庫更新與維護 099
3.4 實戰案例 100
實戰任務1：5分鐘極速部署 100
實戰任務2：Dify部署通義千問大模型 104
綜合實戰：數據庫領域應用·創建知識庫 113
第4章 Ollama本地大模型部署 120
4.1 環境準備與模型選擇 121
4.1.1 硬件要求與系統配置 121
4.1.2 模型選型 123
4.1.3 模型量化與優化 125
4.2 Ollama部署與調優 127
4.2.1 安裝與基礎配置 127
4.2.2 模型參數調整 132
4.3 實戰案例 134
實戰任務：本地運行AI模型 134
綜合實戰1：自媒體領域應用·爆款文案AI智能生成器 140
綜合實戰2：教育領域應用·閱讀陪伴大模型 147
附錄 153
AI前端開發的構建工具 153
樣式設計工具 155
檢查工具 155
新書資訊