《AIGC引爆生产力 ： AI应用实操从新手到高手》围绕人工智能（Artificial Intelligence，AI）的基础概念及其各类应用场景展开，构建了一个全面且实用的知识架构。同时，通过丰富的AI案例帮助读者快速掌握AI技术，实现从初识到熟练应用AI的飞跃。《AIGC引爆生产力 ： AI应用实操从新手到高手》共7章。第1章，深入解析了AI的基础概念，探讨其在各行业的颠覆性影响；第2章，提供了8种与AI高效互动的技巧，助力读者提升AI生成内容的质量与效果；第3章，聚焦AI在职场中的应用，提供实用指南以增强读者的职业竞争力；第4章，探讨了AI在创意与娱乐领域的巨大潜力，帮助读者发掘创新机会；第5章，系统阐述了AI在日常生活中的多样应用，帮助读者更好地将AI融入生活；第6章，深入分析了AI对教育模式的革新，启发读者思考教育未来的发展方向；第7章，揭示了AI如何助力副业，为读者开拓新的收入来源。《AIGC引爆生产力 ： AI应用实操从新手到高手》旨在为AI爱好者、职场人士、创意工作者、教育者和副业探索者提供全面的AI知识指南，帮助读者在AI时代把握机遇。本书也可以作为相关院校的教材和辅导用书。

这是一本深度解读Android性能优化底层原理并给出可落地的一线实践指导的专业技术书。书中不仅原理讲解透彻，而且会给出很多基于读者实际工作成绩的实战案例。本书共分为11章，其中第1章总体介绍Android性能优化的背景、本质、方法论和落地方向，第2~10章从原理和实战两个层面分别对内存优化、速度优化、稳定性优化、包体积优化及其他优化进行解读。最后一章是作者多年优化从业经验的总结。

《Linux x64汇编语言编程》介绍二进制、十六进制、计算、编程和x64架构的基础知识，分析Linux软件开发过程，讲解NASM汇编器、x64指令集、内存寻址、过程、宏及Linux的C库函数接口，披露软件设计、编码、测试和调试的实用技巧。本书示例代码丰富，文笔幽默，将深奥的知识讲得简单易懂，引导你循序渐进地学会汇编编程。《Linux x64汇编语言编程》是权威的Intel/AMD x64教程，是学习x64汇编语言的黄金标准，非常适合自学。

本书采用了近期新发行的Rocky Linux9作为教学版本。全书共9章，内容涵盖了初学Linux系统管理所需掌握的所有知识点，讲解了Linux日常管理操作的方方面面，由浅入深，内容全面，案例丰富，实战性强。本书依次讲解了Linux的高级文件系统管理，包括LVM（逻辑卷管理）、磁盘配额和RAD（磁盘阵列）的部署；shell的基础知识，包括Bash操作环境的构建、输入/输出重定向、管道符、变量的设置和使用等；shel编程的正则表达式、字符截取和替换命令、字符处理命令、条件判断、流程控制等知识，以及shell编程的脚本实例；Linux系统的启动引导流程，以及启动引导程序gub的使用、内核模块管理；Linux下的常见服务，以及服务的分类、管理、自启动的设置等；Linux的进程管理、工作管理、系统资源查看和系统定时任务：Linux的常用日志管理，包括日志服务rsyslogd、日志轮替、等

本书由龙蜥社区操作系统及eBPF专家联合撰写，带领读者一次性学透eBPF原理与Linux可观测性，让性能与安全问题无所遁形，效果立竿见影。具体来说，本书系统介绍eBPF技术生态、特性、五大主流开发框架，并深度剖析应用、网络、内存、I/O、调度、安全六大关键Linux可观测性实践。本书共9章，从逻辑上分为两部分。第一部分为eBPF基础（第1～3章）：第1章概述eBPF技术的发展历程和应用场景；第2章深入解析eBPF的指令集、辅助函数及程序类型设计原理；第3章介绍如何使用libbpf、BCC、eunomia-bpf、Coolbpf等工具开发eBPF程序，尤其是BTF和CO-RE技术的应用。第二部分为eBPF可观测性实践（第4～9章），第4章探讨eBPF在用户态应用层面的可观测实践，如Java应用的GC观测；第5章讲解内核网络收发包流程及使用eBPF分析网络抖动的方法；第6章介绍内存性能瓶颈的优化方法，包括使用eBPF检测内存分配延迟和内存泄漏；第7章分析I/O子系统的原理和性能瓶颈点，并介绍使用eBPF监测I/O延迟分布和I/O卡顿问题；第8章介绍eBPF在调度系统上的观测实践，包括长时间关中断和持续性能追踪等；第9章则聚焦于eBPF在系统安全上的实践，如使用LSM进行安全防御、监控进程的各种行为等。

《LangChain大模型AI应用开发实践》是一本深度探索LangChain框架及其在构建高效AI应用中所扮演角色的权威教程。本书以实战为导向，系统介绍了从LangChain基础到高级应用的全过程，旨在帮助开发者迅速掌握这一强大的工具，解锁人工智能开发的新维度。本书内容围绕LangChain快速入门、Chain结构构建、大模型接入与优化、提示词工程、高级输出解析技术、数据检索增强（RAG）、知识库处理、智能体（agent）开发及其能力拓展等多个层面展开。通过详实的案例分析与步骤解说，读者可以学会整合如ChatGLM等顶尖大模型，运用ChromaDB进行高效的向量检索，以及设计与实现具有记忆功能和上下文感知能力的AI智能体。此外，书中还介绍了如何利用LangChain提升应用响应速度、修复模型输出错误、自定义输出解析器等实用技巧，为开发者提供了丰富的策略与工具。本书主要面向AI开发者、数据科学家、机器学习工程师，以及对自然语言处理和人工智能应用感兴趣的中级和高级技术人员。

"《大模型智能推荐系统：技术解析与开发实践》系统阐述大语言模型与推荐系统深度融合的创新实践，涵盖技术原理、开发方法及实战案例。《大模型智能推荐系统：技术解析与开发实践》分为4部分，共12章，涉及推荐系统的多个关键模块，包括技术框架、数据处理、特征工程、嵌入生成、排序优化及推荐结果评估。重点解析大语言模型在冷启动问题、长尾内容优化和个性化推荐等领域的核心技术，通过深度剖析上下文学习、Prompt工程及分布式部署等方法，展示如何利用大语言模型提高推荐精度和用户体验。同时，通过实战项目的解析，助力读者掌握高效智能推荐系统从开发到部署的全流程。《大模型智能推荐系统：技术解析与开发实践》还引用了Hugging Face的Transformer库、ONNX优化工具以及分布式推理框架等先进技术，为构建工业级推荐系统筑牢坚实基础。 《大模型智能推荐系统：技术解析与开发实践》注重理论与实践的结合，尤其适合希望将推荐技术应用于业务场景的开发者与研究人员阅读。"

为了帮助更多的人通过技术改变自己的命运，我决定编写《Linux企业运维实战指南》虽然市面上有很多关于Linux操作系统的书籍，但是很难找到一本详细、全面地讲解Limux 操作系统的发展、系统原理、系统安装、**命令、用户权限、磁盘管理、数据库读写分离，以及Redis、 Nginx Web实战、企业生产环境、企业自动化运维、Docker、Podman虚拟化、K8S云计算、Devops微服务等主流技术的书籍，这正是我编写本书的初衷！

·

·