目录

  • 1 课程介绍
    • 1.1 基本情况
    • 1.2 课程大纲
    • 1.3 学习建议
    • 1.4 课程规则
  • 2 AI 与史学:理论与方法
    • 2.1 人文的危机与历史学
    • 2.2 从数字人文到数字史学
    • 2.3 历史研究的智能化:AI史学
    • 2.4 章节习题
  • 3 人工智能概述
    • 3.1 人工智能原理
    • 3.2 关键概念
      • 3.2.1 Token:语言原子
      • 3.2.2 向量(Vector)与向量化(Vectorization)
      • 3.2.3 规模定律(Scaling Law)
      • 3.2.4 权重(Weights)**和**参数(Parameters)
      • 3.2.5 上下文窗口(Context Window)
    • 3.3 人工智能工具与应用
    • 3.4 人工智能的挑战与伦理
  • 4 个人知识管理系统的建构
    • 4.1 AI+文献管理系统的搭建(Zotero)
    • 4.2 AI+个人知识管理系统的建构(Obsidian)
    • 4.3 AI+科研工作流的搭建及其优化
      • 4.3.1 大语言模型的本地化部署(LM Studio))
      • 4.3.2 Zotero-Obsidian 工作流优化
    • 4.4 章节作业
  • 5 提示工程与历史研究
    • 5.1 提示工程概述
    • 5.2 提示技术与历史研究
    • 5.3 提示工程在历史研究中的实际应用
    • 5.4 提示工程的局限性与未来发展
    • 5.5 章节作业
  • 6 历史文献数字化技术初步
    • 6.1 课程讨论
    • 6.2 历史数据的来源与类型
    • 6.3 资料收集与数字化
    • 6.4 AI+OCR的应用
    • 6.5 历史文本数据与知识图谱
    • 6.6 章节习题
  • 7 AI在历史研究中进阶应用
    • 7.1 Neo4j图数据库
    • 7.2 Neo4j图数据库在历史研究中的应用
    • 7.3 AI-Neo4j 知识图谱的应用
    • 7.4 Neo4j 图数据库导出
    • 7.5 章节习题
  • 8 面向历史研究的AI应用构建
    • 8.1 AI应用开发框架与历史研究
    • 8.2 在腾讯云部署Dify
    • 8.3 Dify & Cherry Studio 联动
    • 8.4 Dify知识库创建
    • 8.5 讨论与分享
    • 8.6 智能体展示与评估
    • 8.7 章节习题
    • 8.8 测试题
课程大纲

1讲 AI 与史学:理论与方法

1.     课程介绍

2.     从数字人文到数字史学

3.     人文的危机与历史学

4.     历史研究的智能化:AI史学

2讲 人工智能概述

1.     人工智能原理

2.     关键概念

3.     人工智能工具与应用

4.     人工智能的挑战与伦理

3讲 个人知识管理系统的建构

1.     AI+文献管理系统的搭建

2.     AI+个人知识管理系统的建构

3.     AI科研工作流的搭建及其合理化

4讲 提示工程与历史研究

1.     提示工程简介

2.     提示技术与历史研究

3.     提示工程的局限性

5讲 历史文献数字化技术初步

1.     历史数据的来源与类型

2.     资料收集与数字化

3.     AI+OCR技术及应用

4.     历史文本数据清洗与格式规范

第6讲 AI在历史研究中进阶应用

1.     历史知识图谱

2.     历史人物关系网络

3.     历史图像的识别与修复

4.     历史数据可视化

7讲 构建历史垂域模型

1.     何谓垂域模型

2.     零代码历史垂域模型的训练、部署与应用

3.     低代码历史垂域模型的训练、部署与应用

4.     历史垂域模型的评估与改进

8讲 项目实践与案例分析

1.     项目设计与方法论

2.     学生分组进行AI辅助的历史研究项目

3.     学生项目展示

4.     项目成果评估