generative-ai-for-beginners 课程总览21 课从零构建生成式 AI 应用的完整学习路线【免费下载链接】generative-ai-for-beginners21 Lessons, Get Started Building with Generative AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners本指南以 generative-ai-for-beginners 开源课程总览translations/hr/README.md为骨架系统梳理这套由 Microsoft Cloud 专家打造的 21 课入门课程从环境搭建、LLM 提供商选择到逐课的学习路径与代码实战Python / TypeScript 双语并补充仓库内 00-course-setup 与 03-providers.md 的配置细节及 shared/python/env_utils.py 的源码级佐证。读完你将掌握该课程的完整结构、环境配置方法以及如何按自己的兴趣自由选课、从零上手生成式 AI 应用开发。generative-ai-for-beginners 课程封面缩略图课程是什么generative-ai-for-beginners 是一套包含21 节课的综合性课程由 Microsoft Cloud 专家编写目标是让学习者掌握构建生成式 AI 应用所需的基础知识。课程口号是21 lekcija koja podučava sve što trebate znati za početak izrade Generativnih AI aplikacija21 节课教你开始构建生成式 AI 应用所需的一切。课程采用高度模块化设计每一课都覆盖独立主题学习者可以从任何一节课开始无需按顺序逐课推进。每节课的完整构成包括主题的短视频导览部分课程标注 Video uskoro 即视频即将上线位于各课README.md中的书面讲义尽可能同时提供Python 和 TypeScript两个版本的代码示例并分别支持 Azure OpenAI 与 OpenAI API 两条调用路径指向额外学习资源的 Nastavi učiti继续学习链接。两种课程类型Nauči学习与 Izradi构建课程内部分为两类标签学习者可据此快速判断每节课的定位NaučiLearn概念课侧重于解释生成式 AI 概念例如提示工程、负责任 AI、安全、微调、LLMOps 等IzradiBuild构建课在讲解概念的基础上给出可直接运行的代码示例覆盖文本生成、聊天应用、搜索应用、图像生成、低代码、函数调用、RAG、开源模型、AI Agent 等主题。从仓库目录结构可以直观印证这种概念 构建的二元设计以 06-text-generation-apps、08-building-search-applications 为代表的构建课目录下均包含python/、typescript/、js-githubmodels/、dotnet/等语言子目录而概念课则以纯 README 讲稿为主。多语言支持与稀疏克隆Sparse Checkout该仓库的一个显著特点是内置 50 语言的翻译版本仓库根目录下的 translations 目录包含每种语言的课程文档40 个.md 28 个.ipynbtranslated_images 目录则包含对应语言的图片资源。翻译由 GitHub Action 自动化维护标注为 Automatski i uvijek ažurno即自动且始终最新。重要提醒正因如此直接克隆整个仓库的下载体积会显著增大。若你只想学习课程而无需翻译内容官方推荐使用sparse checkout稀疏检出模式Bash / macOS / Linuxgit clone --filterblob:none --sparse repository-url cd generative-ai-for-beginners git sparse-checkout set --no-cone /* !translations !translated_imagesCMDWindowsgit clone --filterblob:none --sparse repository-url cd generative-ai-for-beginners git sparse-checkout set --no-cone /* !translations !translated_images上述命令通过--filterblob:none延迟下载文件内容、--sparse仅检出顶层文件再用git sparse-checkout set --no-cone /* !translations !translated_images排除translations与translated_images两个大目录即可获得完成课程所需的全部内容且下载速度大幅提升。开始前的环境准备课程总览明确列出了运行课程代码的三类可选后端三选一即可提供商对应的作业标记Azure OpenAI Service课程文件标记为aoai-assignmentGitHub Marketplace Model CatalogGitHub Models将于 2026 年 7 月底退役课程文件标记为githubmodelsOpenAI API课程文件标记为oai-assignment同时建议具备以下基础Python 或 TypeScript 基础完全零基础者可先修配套的 Python / TypeScript 入门课一个GitHub 账号用于 fork 整个仓库并完成课程中的挑战新建的 Codespace 环境推荐可规避依赖问题。仓库为此专门提供了00-course-setup 环境搭建课其核心步骤为Fork 仓库 → 创建 CodespaceCode → Codespaces → New on main→ 添加密钥如OPENAI_API_KEY→ 按需配置.env。配置 LLM 提供商以 .env 为核心在开始运行代码之前必须完成 LLM 提供商的注册与凭证配置。仓库的 03-providers.md 给出了完整的配置指引其核心机制是统一的.env环境变量文件在仓库根目录找到.env.copy模板文件其内容结构如下关键变量# OpenAI Provider OPENAI_API_KEYadd your OpenAI API key here ## Azure OpenAI in Microsoft Foundry AZURE_OPENAI_API_VERSION2024-10-21 # 默认已设置当前稳定 GA 版本 AZURE_OPENAI_API_KEYadd your Foundry resource key here AZURE_OPENAI_ENDPOINTadd your Foundry resource endpoint here, e.g. https://resource-name.openai.azure.com AZURE_OPENAI_DEPLOYMENTadd your chat completion model deployment name here, e.g. gpt-4o-mini AZURE_OPENAI_EMBEDDINGS_DEPLOYMENTadd your embeddings model deployment name here, e.g. text-embedding-3-small ## Microsoft Foundry Models多提供商模型目录替代将于 2026 年 7 月底退役的 GitHub Models AZURE_INFERENCE_ENDPOINTadd your Microsoft Foundry project endpoint here AZURE_INFERENCE_CREDENTIALadd your Microsoft Foundry Models API key here ## Hugging Face HUGGING_FACE_API_KEYadd your HuggingFace API or token here复制为.env该文件已被 gitignore保证密钥安全cp .env.copy .env用真实值替换占位符并保存。各核心变量的含义对照表变量说明HUGGING_FACE_API_KEYHugging Face 用户访问令牌OPENAI_API_KEY非 Azure 的 OpenAI 端点授权密钥AZURE_OPENAI_API_KEYAzure OpenAI 服务授权密钥AZURE_OPENAI_ENDPOINTAzure OpenAI 资源部署端点AZURE_OPENAI_DEPLOYMENT文本生成模型部署端点AZURE_OPENAI_EMBEDDINGS_DEPLOYMENT文本嵌入模型部署端点AZURE_INFERENCE_ENDPOINTMicrosoft Foundry 项目端点AZURE_INFERENCE_CREDENTIALMicrosoft Foundry 项目 API 密钥此外还支持完全离线的本地运行方案Foundry Local微软设备端运行时自动选择 NPU/GPU/CPU 执行器并暴露 OpenAI 兼容端点与Ollama本地运行 Llama、Phi、Mistral、Gemma 等开源模型无需任何云订阅。注意当前仓库版本已将 GitHub Models 标记为 2026 年 7 月底退役推荐使用 Microsoft Foundry Models 作为直接替代方案提供相同的免费体验模型目录与 Azure AI Inference SDK / OpenAI SDK 体验。以上配置以当前仓库 03-providers.md 实际内容为准。源码级佐证环境变量的安全读取仓库在 shared/python/env_utils.py 中提供了读取这些环境变量的统一工具函数从实现层面印证了.env配置机制get_required_env(var_name, description)读取必需环境变量若缺失或为空则抛出带说明的ValueError提示请在.env文件或环境中设置validate_env_vars(*var_names)批量校验多个变量一次性报告全部缺失项并返回{变量名: 值}字典get_env_with_default(var_name, default)带默认值的读取例如模型名缺省时可回退到gpt-4o。对应地tests/test_env_utils.py 中提供了针对上述函数的测试用例覆盖缺失变量抛错与默认值回退等场景可作为读者理解配置校验行为的参考。配合python-dotenv的load_dotenv()即可在 Python 脚本中加载.env中的凭证。21 节课完整路径表下表完整继承课程总览中的课程列表并转换为仓库根目录下的相对路径英文原版课程路径#课程链接类型与内容描述00环境搭建学习如何搭建开发环境01生成式 AI 与 LLM 入门学习理解什么是生成式 AI 以及大语言模型LLM如何工作02探索与比较不同的 LLM学习如何为你的用例选择正确的模型03负责任地使用生成式 AI学习如何负责任地构建生成式 AI 应用04提示工程基础学习提示工程最佳实践实战05创建高级提示学习如何应用改进提示输出质量的提示工程技术06构建文本生成应用构建使用 Azure OpenAI / OpenAI API 构建文本生成应用07构建聊天应用构建高效构建与集成聊天应用的技术08使用向量数据库构建搜索应用构建使用 Embedding 搜索数据的应用09构建图像生成应用构建图像生成应用10构建低代码 AI 应用构建使用低代码工具构建生成式 AI 应用11通过函数调用集成外部应用构建什么是函数调用及其在应用中的用例12为 AI 应用设计用户体验学习开发生成式 AI 应用时如何应用 UX 设计原则13保护你的生成式 AI 应用学习AI 系统面临的威胁与风险及安全防护方法14生成式 AI 应用生命周期学习管理 LLM 生命周期与 LLMOps 的工具和指标15RAG 与向量数据库构建使用 RAG 框架从向量数据库检索 Embedding 的应用16开源模型与 Hugging Face构建使用 Hugging Face 上的开源模型17AI Agent构建使用 AI Agent 框架的应用18LLM 微调学习微调 LLM 的 what、why 与 how19使用小语言模型SLM构建学习使用小语言模型构建的优势20使用 Mistral 模型构建学习Mistral 模型家族的特性与差异21使用 Meta 模型构建学习Meta 模型家族的特性与差异其中第 19、20、21 课的对应代码示例位于仓库 19-slm/python、20-mistral/python 与 21-meta/python 目录下的 GitHub Models 作业 notebook 中。学习路径建议与典型起点课程总览强调每课独立成章想从哪里开始都可以但仓库的环境搭建课也给出了一张实用的下一步指引表你想……前往……开始第 1 课01-introduction-to-genai离线工作setup-local.md配置 LLM 提供商providers.md对零基础读者最自然的路径是先完成 00-course-setup 的环境搭建随后从第 1 课生成式 AI 与 LLM 入门开始建立概念框架。该课通过一个虚构的教育科技 startup 场景展开逐步讲解生成式 AI 的发展脉络从早期基于规则的聊天机器人 → 90 年代统计机器学习 → 神经网络/RNN → 基于 Transformer 注意力机制的现代 LLM并阐明 LLM 的核心机制——tokenizer 将文本转为 token 序列、模型按概率分布预测下一个 token、temperature 参数控制输出随机性这些概念是理解后续所有构建课的基础。AI、机器学习、深度学习与生成式 AI 的关系图实操运行示例从文本生成应用开始如果你想尽快上手代码第 6 课构建文本生成应用是理想的第一个构建课。它讲解openaiPython 库的核心概念并演示如何用 prompt、temperature 与 token 三个参数构建文本生成应用。仓库中 06-text-generation-apps/python 目录提供了三种后端的完整实现oai-app.py/oai-app-recipe.pyOpenAI APIaoai-app.py/aoai-app-recipe.pyAzure OpenAIgithubmodels-app.pyMicrosoft Foundry Models / GitHub Models。典型运行方式pip install openai python-dotenv python 06-text-generation-apps/python/oai-app.py脚本通过load_dotenv()加载.env中的密钥再调用 OpenAI 兼容客户端发送 prompt 并打印生成的文本是验证环境配置是否正确的快捷途径。支持渠道与参与贡献课程总览还提供了三类社区支持与贡献入口学习者支持官方 Discord 服务器与 Microsoft Foundry Developer Forum用于与其他学习者交流、提问与反馈产品问题启动企业支持Microsoft for Startups 计划面向使用 Azure 信用额度的初创团队开源贡献发现拼写或代码错误时可通过提 issue 或发起 pull request 参与改进。仓库 CONTRIBUTING.md 与 CODE_OF_CONDUCT.md 提供了具体参与规范。另外00-course-setup/README.md 中列出的常见故障排查表也值得收藏例如Codespace 容器构建卡住超过 10 分钟可执行 Rebuild Container遇到python: command not found说明终端未挂载需点击打开 bash401 Unauthorized通常意味着OPENAI_API_KEY错误或过期Jupyter notebook 缺少内核时可通过 Kernel → Select Kernel → Python 3 修复。结语generative-ai-for-beginners 以21 节课、按需选课、双语代码、三后端支持的设计为生成式 AI 初学者提供了一条低门槛且覆盖全面的学习路径从概念理解LLM 原理、提示工程、负责任 AI到实战构建文本、聊天、搜索、图像、低代码、函数调用、RAG、Agent再到进阶主题安全、生命周期、微调、SLM、Mistral、Meta配合 00-course-setup 的环境搭建指南与 03-providers.md 的提供商配置说明任何具备基础编程能力的读者都能在数小时内完成从零到首个生成式 AI 应用的跨越。【免费下载链接】generative-ai-for-beginners21 Lessons, Get Started Building with Generative AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考