Skip to content

README.md

Latest commit

 

History

History
265 lines (152 loc) · 5.92 KB

README.md

File metadata and controls

265 lines (152 loc) · 5.92 KB

附录

术语表

A

AI（Artificial Intelligence）：人工智能，模拟人类智能的技术。

API（Application Programming Interface）：应用程序编程接口，用于不同软件组件之间的通信。

AR（Augmented Reality）：增强现实，将虚拟信息叠加到现实世界的技术。

B

BERT（Bidirectional Encoder Representations from Transformers）：Google 开发的双向 Transformer 模型。

Browser-based AI：浏览器端 AI，在浏览器中直接运行 AI 模型的技术。

C

ChatGPT：OpenAI 开发的对话式 AI 模型。

Code Generation：代码生成，AI 根据描述自动生成代码。

Code Review：代码审查，检查代码质量和正确性的过程。

Copilot：GitHub Copilot，AI 编程助手。

Cursor：以 AI 为内核的 IDE。

D

DALL-E：OpenAI 开发的图像生成模型。

Deep Learning：深度学习，使用多层神经网络进行机器学习。

E

Error Handling：错误处理，处理程序运行时的错误。

F

Few-shot Learning：少样本学习，用少量样本训练模型。

Fine-tuning：微调，在预训练模型基础上进行特定任务的训练。

G

GPT（Generative Pre-trained Transformer）：生成式预训练 Transformer 模型。

GitHub Copilot：GitHub 开发的 AI 编程助手。

H

Hook：React Hooks，React 的函数式组件状态管理机制。

I

IDE（Integrated Development Environment）：集成开发环境。

Inference：推理，使用训练好的模型进行预测。

L

LLM（Large Language Model）：大语言模型，如 GPT、Claude 等。

Lighthouse：Google 开发的 Web 性能分析工具。

M

MediaPipe：Google 的媒体处理框架。

Model：模型，训练好的 AI 算法。

N

NLP（Natural Language Processing）：自然语言处理。

Neural Network：神经网络，模拟人脑神经元的计算模型。

O

ONNX（Open Neural Network Exchange）：开放的神经网络交换格式。

ONNX Runtime Web：在浏览器中运行 ONNX 模型的运行时。

P

Prompt：提示词，向 AI 模型输入的指令或问题。

Prompt Engineering：提示词工程，设计和优化提示词的技能。

Pre-trained Model：预训练模型，在大规模数据上预训练的模型。

Q

Quantization：量化，将模型参数从浮点数转换为整数，减少模型大小。

R

React Query：React 的数据获取和状态管理库。

Refactoring：重构，改进代码结构而不改变功能。

S

Streaming Response：流式响应，逐步返回结果的响应方式。

Style Transfer：风格迁移，将一种图像的风格应用到另一种图像。

T

TensorFlow.js：Google 的浏览器端机器学习框架。

Transformer：Transformer 架构，现代 LLM 的基础架构。

TypeScript：微软开发的 JavaScript 超集，添加了类型系统。

U

Unit Test：单元测试，测试单个函数或组件的测试。

V

VR（Virtual Reality）：虚拟现实，完全虚拟的环境。

W

WebGPU：Web 图形处理单元 API，用于 GPU 加速计算。

WebAssembly：Web 汇编语言，用于高性能 Web 应用。

WebXR：Web 扩展现实 API，用于 AR/VR 应用。

贡献者名单

主要作者

作者：一位拥有 11 年经验的前端工程师

简介：

  • 33+ 岁，身处技术洪流
  • 致力于通过 AI 提升开发体验与效率
  • 本手册是系统性学习、实践与思考的公开记录

贡献者

欢迎贡献：

  • 提出疑问或新想法
  • 分享你的最佳实践
  • 通过讨论，一起厘清模糊地带

贡献方式：

  • 创建 Issue 提出问题和建议
  • 发起 Pull Request 分享内容
  • 参与讨论，共同完善手册

更新日志

2024-01-15：初始版本发布

内容：

  • ✅ 完成序言部分（4 节）
  • ✅ 完成理念篇（2 章）
  • ✅ 完成工具篇（2 章）
  • ✅ 完成工程篇（3 章）
  • ✅ 完成应用篇（3 章）
  • ✅ 完成最佳实践篇（3 章）
  • ✅ 完成资源与未来篇（2 章）
  • ✅ 完成附录

统计：

  • 总章节数：15 章
  • 总字数：约 15 万字
  • 代码示例：100+ 个
  • 图表：50+ 个

未来更新计划

2024 Q2：

  • 更新 AI 工具评测（新工具、新功能）
  • 补充最新案例和实践
  • 更新学习资源

2024 Q3：

  • 更新技术趋势预测
  • 补充新的最佳实践
  • 更新工具对比

2024 Q4：

  • 年度总结和展望
  • 补充新的项目案例
  • 更新职业建议

反馈与建议

反馈渠道

GitHub Issues：

讨论区：

常见问题

Q: 手册会持续更新吗？

A: 是的，这是一个持续更新的项目。我们会根据 AI 技术发展和用户反馈持续更新内容。

Q: 可以商用吗？

A: 本手册采用 [许可证]，可以 [使用说明]。

Q: 如何贡献内容？

A: 欢迎通过 Pull Request 贡献内容。请参考贡献指南。

致谢

感谢所有为这本手册做出贡献的开发者、研究者和实践者。你们的经验和智慧让这本手册更加完善。

特别感谢：

  • AI 工具开发者：GitHub、OpenAI、Anthropic 等
  • 开源社区：TensorFlow.js、ONNX Runtime Web 等
  • 所有分享经验的开发者

许可证

[待补充许可证信息]

联系方式

GitHub：https://github.com/[repo]

Email：[待补充]

Twitter/X：[待补充]

最后更新：2024-01-15

版本：v1.0.0

状态：持续更新中

始于思考，成于实践。Let's build the future, intelligently. 🚀