图灵2025年下半年新书速览:前沿AI、编程经典与实用工具书

图灵七月重磅推出11本计算机新书,涵盖周鸿祎《决胜大模型》等前沿AI应用,高德纳《计算机程序设计艺术》新作及Linux、Java等基础能力升级,满足各领域开发者需求。

原文标题:新书速递 | 11本计算机新书重磅上市!

原文作者:图灵编辑部

冷月清谈:

图灵编辑部于2025年7月重磅推出11本计算机新书,以应对持续火热的AI浪潮,并兼顾编程基础和经典知识的更新。本次书单主要分为三大类别:

首先是**大模型类**。
01. 《决胜大模型》由360创始人周鸿祎撰写,旨在从技术观、产业观、方法论及落地方案等多角度助力各行各业拥抱AI。
02. 《这就是AI智能体》全面介绍了基于大模型的智能体技术,涵盖理论、架构、应用和项目实践。
03. 《这就是MCP》则深入解读了MCP协议及其应用开发,从基础概念到实战案例。
04. 《图解DeepSeek技术》用通俗易懂的图解方式帮助读者快速理解DeepSeek底层技术。
05. 《LangChain编程:从入门到实践(第2版)》紧贴最新LangChain 0.3及LangGraph库,指导读者构建多模态智能机器人。
06. 《RAG极简入门:原理与实践》则专注于RAG技术的实践与应用,讲解详尽。这些大模型相关图书为开发者和AI爱好者提供了从宏观产业视野到具体技术实现的全面指南。

其次是**程序员圣经**系列。
07. 和08. 隆重推出了高德纳的《计算机程序设计艺术 卷4B:组合算法(二)》(中英文版),作为权威之作,深入探讨了回溯编程、舞蹈链等进阶内容。这套经典著作的最新卷无疑是计算机科学领域的一次重要更新。

最后是**升级版图书**。
09. 《Linux是怎样工作的(增订版)》升级为彩色排版,新增章节和技术专栏,并更新了代码示例,深度解析Linux操作系统原理。
10. 《Java程序员修炼之道(第2版)》扩展了Java 8、11、17及更高版本的特性,涵盖函数式编程、并发等现代开发主题。
11. 《用Python动手学统计学(第2版)》则通过文字、数学式和Python代码多维度讲解统计学知识,适用于统计学和Python初学者。

这些新书主题广泛,无论你是大模型从业者、开发者、架构师,还是对AI感兴趣的普通人,都能在其中找到适合自己的学习资源,全面掌握新趋势、新技术和新方法论。

怜星夜思:

1、文章里提到了这么多大模型相关的书,比如《决胜大模型》、《这就是AI智能体》、《LangChain编程》等等。对于我们这些想进入AI领域,或者已经在AI边缘徘徊的同学来说,如何从这些书中找到最适合自己入门或者提升的那一本呢?AI智能体、LangChain甚至RAG,这么多概念,初学者到底从哪儿开始啃比较好?
2、高德纳的《计算机程序设计艺术》系列被称为“程序员的圣经”,但它的内容确实非常深奥硬核,不是一两下就能啃完的。在AI时代,技术迭代速度飞快,我们是不是还需要花大量时间去啃这种深奥的理论基础?这些“圣经”级的理论对于实际的AI开发工作还有多大指导意义或者必要性?
3、这次新书发布不仅有AI前沿,还有《Linux是怎样工作的》、《Java程序员修炼之道》、Python统计学这些经典升级版。在技术更新迭代如此快的今天,我们是应该把精力更多地放在追逐最新、最热门的技术,还是应该持续深耕那些看起来“老旧”但却是基础的知识体系?大家平时都是怎么平衡学习的?

原文内容

进入 2025 年下半年,AI 热度依旧不减。这个 7 月,图灵带来了 11 本重磅新书上市。360 创始人、红衣大叔周鸿祎全民开讲大模型,《决胜大模型》为你呈现最前沿的行业视野。

此外,大模型核心技术 LangChain、DeepSeek、智能体、MCPRAG 等实战图书陆续发布。与此同时,程序员的圣经《计算机程序设计艺术》全新卷 4B 隆重登场。《Linux 是怎样工作的(增订版)》和《用 Python 动手学统计学(第2版)》等升级版图书也重磅上市,这些书重新定义了编程的基础能力。

新趋势、新技术、新方法论,一次尽览无遗。

本月新书主题广泛,无论你是开发者、架构师、大模型从业者,还是 AI 时代的普通人,你都能在这份书单中找到适合自己的宝藏。


大模型类


01


《决胜大模型》

周鸿祎 | 著

360 集团创始人、红衣大叔周鸿祎全民开讲大模型。全书分技术观、产业观、方法论、落地方案及案例四个部分。轻技术,直击原理;说趋势,预见未来;给方法,一语中的。全面系统、实例丰富,助力千行百业、千家万户引爆 AI 新国潮。本书获得邬贺铨、邬江兴、李开复、王小川、何小鹏、汪林朋等倾力推荐。

02


《这就是 AI 智能体》

张梓铭(@北茗)| 著

本书从多个角度全面介绍基于大模型的智能体技术,内容涵盖基础知识、发展历史、技术架构、应用场景、未来趋势及项目实践,旨在为读者提供一站式学习资源。书中不仅有深入浅出的理论讲解,还包含丰富的实战项目示例,帮助读者从零开始,逐步掌握 AI 智能体的核心技术与应用技能,同时培养创新思维和实际操作能力。


03


《这就是MCP》

艾逗笔(@idoubi)| 著

本书全面介绍了 MCP 协议及其应用开发,从基础概念到实战案例,再到生态系统构建,为读者提供了一套完整的 MCP 学习与实践指南。  

第 1 章概述 MCP 的基本概念,阐述其独特优势及应用场景;第 2 章深入解析MCP的核心架构、通信基础、传输机制及资源管理等技术细节;第 3 章和第 4 章通过多个实战案例,详细讲解了 MCP 服务器和客户端的开发流程,包括高效记笔记、总结聊天记录、复刻AI助手等应用;第 5 章展示了 MCP 在行程规划、RAG 和深度研究等领域的经典应用案例;第 6 章探讨了 MCP 工具链、平台服务、生态整合及社区资源,展望其未来发展。

04

《图解DeepSeek技术》

[沙特] 杰伊·阿拉马尔, [荷] 马尔滕·格鲁滕多斯特 | 著

李博杰 孟佳颖 | 译

2 小时搞懂 DeepSeek 底层技术。近 120 幅全彩插图通俗解读,内容不枯燥。从推理模型原理到 DeepSeek-R1 训练,作者是大模型领域知名专家 Jay & Maarten, 袋鼠书《图解大模型》同系列,广受欢迎。



05


《LangChain编程:从入门到实践(第2版)》

李多多(@莫尔索)| 著


本书以简洁而实用的方式引导读者入门大模型应用开发,涵盖 LangChain 的核心概念、原理和高级特性,第 2 版内容紧贴当下,内容基于 LangChain 0.3,涵盖 LangGraph 库。深入解析 LangChain 六大组件:模型输入/输出、检索、链、记忆、代理与回调,系统掌握核心能力。教你从 0 到 1 构建多模态智能机器人,理论结合实践,轻松开启大模型应用之旅,还随书附赠详尽示例代码,助你快速上手。


06


《RAG极简入门:原理与实践》

张其来,徐思琪 | 著


一本注重 RAG 上手实践的书,没有堆术语,而是把整套 RAG 技术拆解得明明白白。

全书共 7 章内容,作者从背景原理讲起,到怎么搭框架、怎么处理数据、怎么做检索、生成、优化,每一块都有图、有例子,逻辑也特别清晰。甚至最后还贴心地加了个完整实战项目,让你从头跑一遍系统都不带卡壳的。

程序员圣经


07


《计算机程序设计艺术 卷4B:组合算法(二)》

高德纳 | 著

杨熊鑫,胡光,李锡涵,柳飞 | 译


《计算机程序设计艺术》系列被公认为计算机科学领域的权威之作,深入阐述了程序设计理论,对计算机领域的发展有着极为深远的影响。本书是该系列的卷 4B,以 7.2.2 节开篇,讨论回溯编程,内容包括舞蹈链、精确覆盖问题、算法谜题、可满足性问题等。


08

《计算机程序设计艺术 卷4B:组合算法(二)(英文版)》

高德纳 | 著

《计算机程序设计艺术》系列被公认为计算机科学领域的权威之作,深入阐述了程序设计理论,对计算机领域的发展有着极为深远的影响。本书是该系列的卷 4B,以 7.2.2 节开篇,讨论回溯编程,内容包括舞蹈链、精确覆盖问题、算法谜题、可满足性问题等。

升级版图书


09

《Linux是怎样工作的(增订版)》

[日]武内觉 | 著

曹栩 | 译

本书通过丰富的插图、表格和代码示例,结合动手实验及结果分析,通俗易懂地讲解了 Linux 操作系统的基础知识和运行原理,包括进程管理、进程调度、内存管理、设备访问、文件系统、虚拟化和容器等机制,以及这些机制如何与硬件协同工作。

增订版升级为彩色排版和印刷,200 余幅插图更加清晰易懂。新增 4 章内容,涵盖设备访问、虚拟化、容器及 cgroup,开辟 20 多个“技术专栏”,进一步深入探讨 Linux 相关知识,书中源代码使用 Go 和 Python 重新实现,并加入大量注释,方便读者学习和理解。

10

《Java 程序员修炼之道(第2版)》

[英] 本杰明 · J. 埃文斯, [美] 杰森 · 克拉克, [荷] 马丁 · 韦尔伯格|著

陈德伟 陆明刚 | 译


本书的核心目标是帮助开发者建立扎实的基础,掌握 Java 语言和 JVM 平台的深层知识,同时引导读者了解 Java 生态中的非 Java 语言,如 Kotlin 和 Clojure。通过对 Java 语言核心原理的学习,读者将掌握如何高效地使用 Java,如何应对日益复杂的开发环境,并理解平台的未来演化方向。

相比于第 1 版,第 2 版扩展了内容,深入探讨了 Java 8、11、17 及更高版本的特性。本书不仅覆盖了 Java 语言本身的新特性,还引入了与现代开发实践息息相关的主题,包括函数式编程、并发、多语言编程及容器化部署等。

11

《用Python动手学统计学(第2版)》

[日]马场真哉 | 著

吴昊天 胡屹 | 译

本书是深受读者喜爱的统计学入门书,对同一个知识点分别使用文字说明、数学式和 Python 示例代码进行讲解,循序渐进地介绍了统计学和 Python 的基础知识、描述统计、统计推断、假设检验、正态线性模型和广义线性模型等统计模型,以及机器学习等。适合统计学和 Python 的初学者及对数据科学和机器学习感兴趣的读者使用,也可作为高等院校计算机、统计等专业学生的入门书。


文末福利

小伙伴留言说说自己最近在专攻哪些方面的技术,也可以留言说说自己中意以上哪些图书。我们会在精选留言中选中 3 位获得以上任意赠书一本。图书将在上市后第一时间寄出!


这个问题问得好!“初学者到底从哪儿开始啃比较好?”其实没有标准答案,但我们可以从自身的背景出发。如果你是小白,想快速了解AI的格局和方向,那《决胜大模型》这类书能帮你建立基本的认知框架。如果你有编程基础,想要快速落地应用,那么《LangChain编程》和《RAG极简入门》是直接的实践指南,能让你最快感受到大模型的威力。至于《这就是AI智能体》和《这就是MCP》,它们更偏向构建更复杂、更 автономous 的AI系统,适合在你掌握了基础模型调用和RAG等技术之后再深入学习。我建议先从能快速见效的那本开始,建立信心,再逐步挑战更深奥的领域。

哎呀,问到“高德纳的《圣经》在AI时代还有多大意义”了,这可真是个老生常谈的话题了。我说句实在话,对于大部分工作是调用API、跑模型调参的AI工程师来说,直接去啃高德纳可能投入产出比不高。时间精力有限,不如多看些AI框架、模型结构或者算力优化的书。但如果你有志于成为AI领域的“扫地僧”,想深入研究算法优化、底层原理甚至创造新的算法,那么《TAOCP》的价值就体现出来了。它教的不是具体技术,而是Turing complete machine 的思维方式,这玩意儿是永恒的。就像盖楼,你用锤子钉子搭个小木屋,不需要学建筑力学,但要建摩天大楼,那就必须懂承重、懂结构了。AI越往底层走,越离不开这些基础。

嗯,说到“初学者到底从哪儿开始啃比较好”?这得看你的目标是什么。如果你是产品经理或者运营,想理解AI是怎么回事,不编程,那《决胜大模型》这类偏宏观、讲战略的书是首选。如果你是程序员,想快速开发大模型应用,那无疑是《LangChain编程》或者《RAG极简入门》,它们都是偏实战的,能让你快速掌握工具。智能体和MCP可能需要你对LLM有更深入的理解,属于进阶范畴。建议先根据自己的职业定位和兴趣来选第一本,再逐步拓展。

谈到“在技术更新迭代如此快的今天,我们是应该追逐新潮还是深耕基础”以及“如何平衡学习”,我个人感觉:基础是地基,新技术是高楼。没有稳固的地基,高楼建得再快也可能倒。所以,基础知识一定要扎实,比如这次的Linux、Java、Python统计学,它们是很多上层AI应用的基础。但时代在变,新潮技术也不能完全不顾,否则就脱节了。我的平衡策略是:八成精力用于夯实和刷新基础知识(比如把这些升级版啃透),两成精力用于了解探索最新的技术趋势(比如AI大模型)。这样既能跟上时代,又不至于心浮气躁。当然,这只是我的经验,每个人的情况不一样。

这个问题简直是灵魂拷问啊!“高德纳的圣经在AI时代还有多大指导意义?”我的看法是,不能一概而论。举个例子,《计算机程序设计艺术》教的是如何高效、优雅地解决计算问题,这种『计算思维』在任何时代都是核心竞争力。AI模型再强大,它本质上也是计算过程。当你在面对复杂的AI算法优化、推理加速、或者自己设计全新模型结构时,那些扎实的算法、数据结构甚至组合数学的功底,会让你思路更开阔,能够从底层去理解和改进问题,而不是停留在“调参侠”的层面。所以,对于追求卓越和深度理解的AI开发者来说,它依然是值得投资时间的瑰宝。当然,如果你只想做个『上层调用工程师』,可能学最新的框架会更快入门。

关于“文章里提到了这么多大模型相关的书……初学者到底从哪儿开始啃比较好”这个问题,我个人觉得,如果你是完全的门外汉,想先有个宏观的认知,周鸿祎那本《决胜大模型》可能还不错,毕竟是概念性的,不搞技术细节。但如果你想动手,LangChain和RAG是目前应用层面最广的,能直接上手做些东西出来,入门更直观。至于AI智能体、MCP那些,等有了基础再深入也来得及,别一口气想吃成个胖子!

哈哈,这简直是程序员的终极哲学问题啊!“追逐新潮还是深耕基础?如何平衡?” 我的体会是,先广后深,再持续迭代。刚开始学的时候,可以先广泛了解一些热门技术,找到自己感兴趣且有前景的方向。确定方向后,就开始深耕这个领域的基础知识,把根扎稳。比如,如果你决定走AI路线,那Python基础、线性代数、概率统计这些就是你的『根』;同时,Lanchain、RAG这些就是当时热门的『枝叶』。技术更新快,但底层的原理和思想变化没那么快。所以平时可以花70%的时间巩固基础、理解原理,30%的时间去探索新趋势、新工具,这样你总能跟上步伐,又不至于被淘汰。

关于“高德纳的《计算机程序设计艺术》在AI时代还有多大指导意义”这个问题,我觉得大牛和普通人看问题的角度不一样。对大多数搞AI应用开发的,可能确实没必要从头到尾啃完高德纳。毕竟我们的目标是快速出成果,使用现成的框架和库。但对那些想在AI底层算法、模型架构上有突破的人来说,深厚的理论基础是不可或缺的。它训练你的计算思维和抽象能力,让你看到问题的本质,而不是停留在表面API调用。所以,看个人定位吧,不是每个人都需要读圣经,但圣经的价值依然不变。

关于“追逐新潮还是深耕基础”和“如何平衡学习”的问题,我的观点是:基础是你的『内功』,新潮技术是你的『招式』。只练招式不练内功,遇到点儿复杂变化就歇菜;只练内功不练招式,可能空有理论没法实战。所以,平衡很重要。我一般会给自己设定一个『学习漏斗』:最底层是很稳固的基础,比如操作系统、数据结构、算法、计算机网络,这些东西几十年不变。中间层是各个语言或平台的最佳实践,比如Java最新的并发特性,Python的工程化。最顶层是前沿热点,比如大模型、WebGPU、新兴框架等。平时学习侧重基础,有闲暇或项目需求时,再深入研究热门技术。这样既能保证深度,又能跟上节奏。