以 ChatGPT 和 DeepSeek 为代表的大模型，标志着人工智能在理解和处理世界知识方面取得了显著的进展。知识增强（Knowledge Augmentation）是指在大模型训练或推理过程中，通过引入外部结构化知识或符号化知识，提升大模型在理解、推理与生成等任务中的准确性、可靠性、专业性和可解释性。  本书聚焦于“大模型 知识库（LLM KB）”框架下的大模型知识增强机制与方法，特别是系统探讨大模型与知识图谱互补增强的核心技术与实现路径。具体内容涵盖：大模型知识增强概述、知识增强预训练基础、知识增强提示指令、知识辅助检索增强、知识增强大模型查询问答、知识增强推理、大模型幻觉抑制、知识编辑、知识增强多模态学习，以及知识智能体与世界模型等主题。各章由浅入深，先提供背景知识，再逐步深入介绍技术原理和最新学术进展，注重系统性、整体性与章节间的有机衔接。针对实践应用，本书部分章节挑选了来自企业真实案例与开源工具的示范，便于读者动手实践，实现理论与实践的结合。  本书可作为计算机及相关专业的高年级本科生、研究生教材，也可作为从事大模型相关工作的技术管理者与研发人员的参考书。