前言

我们正站在内容生产的一次结构性跃迁门前。

《大学》有古语“致知在格物，物格而后知至”，意思就是获取知识的途径则在于探究事理。探究事理后才能获得正确认知。放在当下，要真正掌握生成式人工智能带来的内容革命，我们必须回到创作的原点——理解它、拆解它、训练它、驾驭它。

生成式人工智能正推动内容生产走向新的高度。从行业趋势看，AIGC 将促使内容生产更加高效、多元和个性化。一方面，它会深度融入各个领域，像教育领域中自动生成教学材料和测试题，传媒领域中辅助新闻写作与视频制作等。另一方面，多模态生成技术的发展，将使文本、图像、音频、视频等多种内容形式实现更自然的融合与转换。此外，随着技术的不断进步，AIGC 在内容质量和创意方面也将不断提升，逐渐从辅助创作向深度参与甚至引领创作方向发展，重塑内容生产与传播的生态。

生成式人工智能的核心技术在于深度学习算法，通过对大规模多模态数据集的学习，模型能够理解数据的模式和结构，进而生成新的内容。以 Transformer 为核心架构的大语言模型，如 DeepSeek，具备强大的语言理解和生成能力。它能根据输入的提示，在语义、语法和逻辑上生成合理且有价值的文本。同时，在图像、音频和视频生成方面，也有各自独特的技术原理和模型，如生成式对抗网络（GAN）等。这些技术相互配合，使得 AIGC 能够在不同的内容模态之间进行转换和融合，为内容创作提供了丰富的可能性。

内容创作早已不是一个单纯的“手艺活”。一个爆款越来越多地依赖对社会节奏的感知、对受众情绪的洞察、对媒介逻辑的理解。而如今，生成式人工智能（AIGC）技术，正在重塑这一切。

本书聚焦于“DeepSeek”这一“国运级”的大模型工具，系统梳理其在内容创作全流程中的应用实践。我们不满足于功能演示或指令大全，而是尝试以新闻传播领域的实践逻辑为主线，构建出一个“技术 + 方法 +场景 + 思维框架”并重的知识结构。书中每一个案例都出自真实任务场景，每一个作品的生成路径都源于作者20年实践的反复淬炼。在DeepSeek面前，不是把创作的主导权让渡给模型，而是在人工智能的辅助下，带领创作者走一遍扎实的创作流程，让模型学习经验和原理，让经验和原理成为你的专属模型。

在本书的撰写过程中，特别要感谢中国传媒大学出版社沈刘红老师、北京体育大学新闻与传播学院的同学们和北体传媒的同事们的支持。他们不仅深度参与从策划案撰写到节目执行的全过程，还在实践中验证并优化了AIGC辅助创作的操作路径，为本书内容的可实操性和真实性提供了坚实保障。特别感谢“体重管理年”主题系列短视频的编导宋绪柳，助理编导盖力文、曹可佳，后期编辑张新礼；八段锦课程中AI视频后期制作、AI中医养生短视频创意与制作者张新礼、刘耀之、李佳。此外，北京体育大学新闻与传播学院的硕士研究生柳鑫鑫、王甜、郑凯夫、凌茹等同学也参与撰写了本书部分章节的内容，在此一并向他们致谢！

本书特别适合以下读者群体阅读与参考：

传媒从业者与内容创作者：希望在新闻报道、短视频、广告、公关等工作中提升AI协作效率与表达能力；

新闻传播专业学生与研究者：需要系统理解AIGC如何嵌入内容生产流程，掌握创作实操与方法论；

自媒体与创作者经济参与者：面对多平台内容输出压力，寻求高效生成、差异化表达与数据分析能力；

高校从事新闻传播与人工智能教学的教师：可作为AIGC课程案例与教学资源，辅助开展交叉学科教学。

我们写这本书，不是为了教你使用一个工具，而是希望与你一起回答一个问题：人类创作者，如何在AI时代保有创造的主动权？

北京体育大学新闻与传播学院
张凌霄赵琳琳刘庆振
2025年4月