Generative AI for Beginners 课程全解读：21 节课带你从零构建生成式 AI 应用

Generative AI for Beginners 课程全解读21 节课带你从零构建生成式 AI 应用【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本指南以课程总览页 translations/fi/README.md芬兰语版为主干并对照仓库英文根 README.md 与各章节源码组织展开。读完本文你将完整掌握这套“21 课生成式 AI 课程”的整体结构、Learn/Build 两种课型的区分、三套模型运行环境的接入方式、免翻译的稀疏克隆方法以及从第 00 课环境搭建到逐章推进的实战路径。课程是什么21 课覆盖从概念到代码的完整链路按总览页描述本仓库是一套由 Microsoft Cloud Advocates 维护的开源课程版本 3目标是用 21 节课讲清“构建生成式 AI 应用所需的全部知识”。其核心设计有四点每课独立成章、可随意切入21 节课每节都有独立主题学习者可以从任何感兴趣的章节开始无需严格按顺序阅读两种课型标签章节被明确标注为 Learn概念学习课解释生成式 AI 概念或 Build动手构建课在讲解概念的同时尽可能给出Python与TypeScript双语言代码示例Keep Learning 延伸模块每节课都附带 Keep Learning 小节给出继续深入学习的材料面向 .NET 开发者另有分册总览页说明若使用 .NET 技术栈可关注配套的《Generative AI for Beginners.NET Edition》。仓库布局一节一章代码、课文与配图就近存放“每课一个目录”是这套课程最重要的目录约定。以根目录为例00-course-setup/至21-meta/共 22 个编号目录每一课目录内通常包含README.md书面课文即该课的“正文”images/课文配图python/Python 代码脚本或 Jupyter notebooktypescript/、js-githubmodels/ 或 javascript/部分动手课提供的 TypeScript/JavaScript 版本dotnet/少量动手课附带的 .NET 交互式 notebook.dib。以 06 课 06-text-generation-apps/README.md 为例其目录同时包含python/、js-githubmodels/、typescript/recipe-app/与dotnet/notebook-azure-openai.dib直观体现了“跨语言、多 provider 对齐”的代码组织方式。仓库根目录还维护了一批与课程配套的质量基建可辅助理解代码约定shared/python/api_utils.py提供带超时、重试与异常处理的 HTTP 请求封装以及 OpenAI client 创建工具shared/python/env_utils.py、shared/python/input_validation.py分别处理环境变量加载与输入校验tests/conftest.py、test_api_utils.py、test_env_utils.py、test_input_validation.py等单元测试对上述 shared 工具进行验证。运行课程代码三套可选的模型服务与文件命名约定总览页明确指出运行本课程代码可以采用以下三种服务之一且代码文件的命名前缀直接与所选服务一一对应这是本仓库最值得先掌握的映射关系服务总览页原文命名前缀典型文件Azure OpenAI Serviceaoai-assignmentaoai-assignment.ipynb、06-text-generation-apps/python/aoai-app.pyGitHub Marketplace Model CatalogGitHub Modelsgithubmodelsgithubmodels-assignment.ipynb、06-text-generation-apps/python/githubmodels-app.pyOpenAI APIoai-assignmentoai-assignment.ipynb、06-text-generation-apps/python/oai-app.py从仓库源码结构看上述三种前缀贯穿各章 notebook 与脚本如08-building-search-applications/python/oai-solution.ipynb、20-mistral/python/githubmodels-assignment.ipynb等因此“选好服务 → 找到对应前缀的示例文件 → 直接复用”是本课程最高效的跑代码方式。除服务外入门还建议具备 Python 或 TypeScript 的基础知识并准备一个用于 fork 课程的 GitHub 账号。另外00-course-setup/README.md 已单独成课第 00 课专门指导开发环境搭建。版本提示芬兰语总览页对应的英文根 README.md 目前对“可用服务”清单做了更新——除 Azure OpenAI、OpenAI API 外还新增了 Microsoft Foundry Models 与支持完全离线运行的 Foundry Local同时 00-course-setup/README.md 标注 GitHub Models及GITHUB_TOKEN变量将在 2026 年 7 月底退役建议用 Microsoft Foundry Models 提供的AZURE_INFERENCE_ENDPOINT与AZURE_INFERENCE_CREDENTIAL环境变量替代。翻译文档生成时间较早实际运行时请以仓库英文原版与第 00 课的最新说明为准。拿到仓库完整克隆与“免翻译”稀疏克隆仓库内置 50 余种语言翻译translations/ 与 translated_images/这会显著增大下载体积。总览页给出的建议是绝大多数学习者不需要本地翻译文件此时应使用 Git 的 sparse checkout 功能只拉取课程主体。Bash / macOS / Linuxgit clone --filterblob:none --sparse https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners.git cd generative-ai-for-beginners git sparse-checkout set --no-cone /* !translations !translated_imagesCMDWindowsgit clone --filterblob:none --sparse https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners.git cd generative-ai-for-beginners git sparse-checkout set --no-cone /* !translations !translated_images命令要点拆解--filterblob:none先不下载各文件的具体内容blob按需延迟获取大幅减小首次下载量--sparse配合sparse-checkout set --no-cone用/*通配包含根目录全部课程再用!translations与!translated_images显式排除翻译正文与翻译配图该结果保留了完成课程所需的全部章节、代码、测试与配置而下载速度显著更快。第 00 课先搭好开发环境00-course-setup/README.md 是官方给出的“开课前置流程”总览页也将其列为第一站。其主干步骤包括Fork 本仓库到自己的 GitHub 账号便于修改代码、完成作业创建 Codespaces推荐以规避本地依赖问题并把模型 API Key 以用户级 secret如OPENAI_API_KEY写入根据自身需求进入对应分支文档跑云端选择 01-setup-cloud.md离线开发选择 02-setup-local.md配置模型服务商Endpoint/Key、.env文件、python-dotenv等选择 03-providers.md。该 README 还内置了一张“排障对照表”覆盖容器构建卡住、python: command not found、来自 OpenAI 的401 Unauthorized、Dev container 挂载异常、notebook kernel 缺失等常见症状与修复动作遇到环境问题时可直接按表排查。21 课课程目录总表下表完整继承总览页的章节清单编号、章节类型与主题并将原文档中的相对链接统一转换为以仓库根目录为起点的路径#课型章节课文位置主题与核心内容00Learn00-course-setup如何搭建开发环境云端 / 本地 / Provider 三篇指南01Learn01-introduction-to-genai理解什么是生成式 AI以及大语言模型LLM如何工作02Learn02-exploring-and-comparing-different-llms探索并比较不同 LLM学会按使用场景选型03Learn03-using-generative-ai-responsibly负责任地构建生成式 AI 应用04Learn04-prompt-engineering-fundamentalsPrompt 工程基础含三套 provider 的动手作业 notebook05Learn05-advanced-prompts进阶提示词创作应用能提升输出效果的 prompt 工程技术06Build06-text-generation-apps基于 Azure OpenAI / OpenAI API 构建文本生成应用07Build07-building-chat-applications高效构建并集成聊天应用的技术08Build08-building-search-applications使用 Embedding嵌入检索数据的搜索应用09Build09-building-image-applications图像生成应用10Build10-building-low-code-ai-applications使用低代码工具构建生成式 AI 应用11Build11-integrating-with-function-callingFunction Calling函数调用是什么及其应用场景12Learn12-designing-ux-for-ai-applications将 UX 设计原则应用于生成式 AI 应用开发13Learn13-securing-ai-applicationsAI 系统面临的威胁与风险以及安全防护方法14Learn14-the-generative-ai-application-lifecycle管理 LLM 应用生命周期与 LLMOps 的工具与指标15Build15-rag-and-vector-databases基于 RAG 框架、从向量数据库中检索嵌入的应用16Build16-open-source-models使用 Hugging Face 上的开源模型构建应用17Build17-ai-agents基于 AI Agent 框架构建应用18Learn18-fine-tuningLLM 微调的“是什么、为什么、怎么做”19Learn19-slm使用小语言模型SLM构建的收益20Learn20-mistralMistral 模型家族的特性与差异21Learn21-metaMeta 模型家族的特性与差异每节课程的“标配”资源保持一致包含主题短视频介绍、位于章节 README 中的书面课文、尽可能同时覆盖 Python 与 TypeScript 且支持 Azure OpenAI / OpenAI API 的代码示例以及用于延伸学习的额外资源链接。动手型Build章节的配套代码盘点Build 课的代码密度通常最高仓库中的对应目录可直接作为“最小可用示例”研读06 文本生成python/下提供oai-app.py、aoai-app.py、githubmodels-app.py及*-app-recipe.py等多个可直接运行的脚本另有js-githubmodels/app.js与typescript/recipe-app/07 聊天应用python/中按三套 provider 各配*-assignment*.ipynb作业js-githubmodels/app.js与typescript/chat-completions-app/提供 JS/TS 实现08 搜索应用除python/的 assignment/solution notebook 外scripts/ 提供从获取字幕到生成嵌入embedding的完整数据处理流水线含prepare_transcripts_ai_show.sh、transcript_enrich_embeddings.py等并预置 300 万条嵌入索引 embedding_index_3m.json 供查询实验使用09 图像生成python/oai-app.py、oai-app-variation.py与aoai-*版本演示了文生图与图生变体两类 API 用法11 函数调用python/提供 aoai/oai 两套 assignment notebooktypescript/function-app/与js-githubmodels/app.js覆盖 JS 技术栈15 RAG单一 notebook notebook-rag-vector-databases.ipynb 串起“文本切分→嵌入→向量检索→生成”的完整链路19/20/21分别以 Phi 系列19-slm/python/*.ipynb、Mistral 与 Metagithubmodels-assignment.ipynb为对象展示具体模型家族的实操。概念型Learn章节并非没有代码——例如 04 课的 python/ 中为三个 provider 各准备了一份*-assignment.ipynb05 课也提供了python/aoai-assignment.py与javascript/assignment.js等练习骨架建议做“读课文 → 补全作业 → 对照*-solution.*”三步走。进阶方向与配套内容总览页同时给出了课程之外的延伸指引对已经掌握基础、需要更高级示例的读者课程方维护有一套覆盖 Python 与 TypeScript 的生成式 AI 代码示例集README 中以外部链接指向本文不展开“Ready to Deploy / Building a startup”段落面向有部署与商业化诉求的读者介绍了借助 Azure 额度起步的渠道课程团队还维护了 LangChain、Azure / Edge / MCP / Agent、生成式 AI 系列.NET、Java、JavaScript、核心学习ML、数据科学、AI、网络安全、Web 开发、IoT、XR以及 Copilot 系列等多个姊妹课程可在对应生态中按需衔接。获取帮助、反馈与贡献总览页在仓库内提供了两条求助路径一是加入官方社区服务器与同课程学习者、资深开发者交流二是通过产品开发者论坛反馈使用中遇到的问题。若发现拼写或代码错误可提交 issue 或 pull request——这也是课程持续演进的主要方式。仓库还明确致谢了负责 GitHub Actions 与工作流的维护者以及逐课提升学习与代码体验的贡献者这侧面说明该课程强依赖“CI 翻译 社区 PR”的协作模式。需要特别说明的是芬兰语总览页由自动化翻译工具Co-op Translator生成机器翻译可能存在偏差权威版本应以仓库英文原版 README 为准涉及配置、API 变更等关键信息时请以本指南“版本提示”中给出的根目录 README.md 与 00-course-setup/README.md 为最终依据。所有章节课文、代码与测试均存放在本仓库内按上文目录索引即可逐课深入。【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