第1章 AI时代前端开发基础与集成准备 001
1.1 AI前端技术基础 002
1.1.1 AI前端基础概念 002
1.1.2 从Vue3和React的特性与区别看开发工具的选择 003
1.1.3 从TypeScript看AI智能开发的质量和安全防控 006
1.2 AI集成的前端架构设计 007
1.2.1 前端与AI服务的通信架构 013
1.2.2 前端如何集成AI模型与服务 014
1.2.3 状态管理与数据流设计 015
1.2.4 响应式UI组件设计模式 017
1.3 RESTful API设计应用 018
第2章 DeepSeek大模型集成与应用 022
2.1 DeepSeek模型概述 023
2.1.1 DeepSeek模型的特性与优势 023
2.1.2 模型架构与技术原理 025
2.1.3 应用场景分析 027
2.2 DeepSeek部署与配置 030
2.2.1 环境要求与准备 030
2.2.2 模型部署流程 031
2.3 与Dify系统的集成：接口对接方案 034
2.4 应用开发与实战 037
2.4.1 API调用实战 037
2.4.2 提示工程技巧 040
2.5 实战案例 042
实战任务：代码系统集成·使用Dify构建工作流 043
综合实战1：人力资源应用·简历筛选大模型 051
综合实战2：音乐创作领域应用·乐曲自动生成器 056
综合实战3：智能办公应用·数据可视化大模型 062
综合实战4：AI大模型 前端全栈开发 066
第3章 Dify系统部署与应用 083
3.1 Dify 系统基础 084
3.1.1 检索增强生成的原理 084
3.1.2 向量数据库选型与配置 085
3.1.3 文档预处理与索引构建 086
3.2 Dify部署与配置 087
3.2.1 Docker环境配置 087
3.2.2 Dify服务器部署步骤 095
3.3 知识库的构建与管理 096
3.3.1 文档预处理与清洗 096
3.3.2 向量化与索引策略 097
3.3.3 知识库更新与维护 099
3.4 实战案例 100
实战任务1：5分钟极速部署 100
实战任务2：Dify部署通义千问大模型 104
综合实战：数据库领域应用·创建知识库 113
第4章 Ollama本地大模型部署 120
4.1 环境准备与模型选择 121
4.1.1 硬件要求与系统配置 121
4.1.2 模型选型 123
4.1.3 模型量化与优化 125
4.2 Ollama部署与调优 127
4.2.1 安装与基础配置 127
4.2.2 模型参数调整 132
4.3 实战案例 134
实战任务：本地运行AI模型 134
综合实战1：自媒体领域应用·爆款文案AI智能生成器 140
综合实战2：教育领域应用·阅读陪伴大模型 147
附录 153
AI前端开发的构建工具 153
样式设计工具 155
检查工具 155
缺书网
扫码进群