generative-ai-for-beginners 课程指南21 课带你入门生成式 AI 应用开发【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本指南基于微软云倡导者团队出品的开源课程generative-ai-for-beginners第 3 版系统讲解如何从零开始构建生成式 AI 应用。课程由 21 个独立课时组成涵盖提示工程、文本/图像生成、聊天应用、RAG 检索增强、AI Agent、模型微调等主题每个课时均配套 Python 与 TypeScript 双语言代码示例可直接对接 Azure OpenAI、OpenAI API、Microsoft Foundry Models 等主流模型服务。课程概览21 课时覆盖生成式 AI 全链路该课程的核心定位是面向初学者的生成式 AI 实战入门。课程主页在 README.md 中明确指出21 个课时将教会你开始构建生成式 AI 应用所需的一切知识。课程的编排遵循一条从理解概念到动手构建的递进路线Learn学习类课时讲解生成式 AI 的核心概念例如 LLM 工作原理、提示工程基础、负责任的 AI 使用、模型选择、LLM 应用生命周期与 LLMOpsBuild构建类课时在概念基础上给出可直接运行的代码覆盖文本生成、聊天应用、搜索与向量数据库、图像生成、低代码 AI 应用、函数调用Function Calling、RAG、开源模型、AI Agent 等实战主题。每个课时都包含四个组成部分一段主题相关的短视频介绍一份位于对应目录README.md中的书面课程支持 Azure OpenAI 与 OpenAI API 的Python 与 TypeScript双语言示例代码Keep Learning保持学习栏目提供额外的学习资源链接。例如第 6 课文本生成应用仓库中同时提供了 Python 示例、JS/GitHub Models 示例 与 TypeScript 示例 等多种实现第 8 课搜索应用则内置了完整的向量索引数据与转录数据处理脚本便于真实演练 Embeddings 检索流程。运行课程代码所需的技术栈要运行本课程的代码你需要具备以下基础依赖项说明Python 或 TypeScript 基础课程代码以 Python 与 TypeScript 为主完全零基础的读者建议先学习对应语言入门课程GitHub 账号用于将整个仓库 fork 到自己的账号下方便修改代码、完成挑战LLM 服务提供商至少选择一个模型服务以获取 API 访问凭证课程对代码运行环境做了明确的版本要求Python 3.10 及以上并提供了统一的 requirements.txt 依赖清单其中包括openai1.12.0OpenAI SDK、python-dotenv环境变量加载、azure-ai-inferenceAzure 推理、tiktoken分词器以及numpy、pandas、matplotlib等数据科学常用库。值得一提的是仓库在shared/python目录下封装了统一的工具模块帮助课程代码保持一致的配置读取与 API 调用方式env_utils.py 提供get_required_env、validate_env_vars、get_env_with_default三个函数用于安全地校验和读取环境变量——例如get_required_env(OPENAI_API_KEY, OpenAI API authentication)会在变量缺失时抛出包含提示信息的ValueErrorapi_utils.py 提供create_openai_client与create_azure_openai_client后者会自动将 Azure 端点拼接为endpoint/openai/v1/形式的 v1 兼容端点对应的单元测试见 tests/test_env_utils.py 与 tests/test_api_utils.py。环境搭建三种途径任选课程为环境准备提供了独立的课时 00-course-setup涵盖云环境、本地环境与模型提供商配置三个维度读者可根据自身条件选择1. 云端GitHub Codespaces零安装如果不想在本地安装任何软件可以直接使用 GitHub Codespaces 获得浏览器内的 VS Code 实例容器内已预装 Python、Node.js、.NET、Java 等运行时。步骤非常简单先将本仓库Fork到自己的 GitHub 账号在 fork 后的仓库中点击Code → Codespaces → Create codespace on main等待约 2 分钟容器构建完成首次通过Settings → Command Palette → Codespaces: Manage user secret添加名为OPENAI_API_KEY的密钥代码即可自动读取。Codespaces 的密钥机制Secrets是官方推荐的安全做法可避免 API Key 直接暴露在代码或.env文件中。详细步骤见 01-setup-cloud.md。2. 本地原生 Python 虚拟环境本地运行最快捷的路径是原生 Python 加虚拟环境git clone https://github.com/microsoft/generative-ai-for-beginners cd generative-ai-for-beginners python -m venv .venv source .venv/bin/activate # macOS / Linux # .\.venv\Scripts\activate # Windows PowerShell pip install -r requirements.txt此外课程还提供了两种可选环境使用VS Code Dev ContainerDocker获得与 Codespaces 完全一致的开发环境避免依赖漂移以及使用Miniconda管理虚拟环境其环境文件示例如下name: environment-name channels: - defaults - microsoft dependencies: - pythonpython-version - openai - python-dotenv - pip - pip: - azure-ai-ml创建并激活环境conda env create --name ai4beg --file .devcontainer/environment.yml conda activate ai4beg3. 本地Jupyter 浏览器环境偏好经典 Jupyter 界面的读者可以在课程根目录直接启动jupyter notebook # 或 jupyterhub启动后即可在浏览器中导航到任意*.ipynb文件例如 08-building-search-applications/python/oai-solution.ipynb。配置 LLM 提供商.env文件与关键环境变量课程中的练习可以对接一个或多个 LLM 服务提供商包括 OpenAI、Azure OpenAI、Microsoft Foundry Models、Hugging Face以及完全离线的 Foundry Local 与 Ollama。各提供商的注册方式、价格与 API Key 获取渠道对比如下详见 03-providers.md提供商API KeyPlayground备注OpenAI项目级 API KeyWeb 端无代码 Playground提供多个 GPT 系列模型Azure OpenAISDK 快速入门Studio 快速入门需提前申请访问权限现已并入 Microsoft FoundryMicrosoft Foundry Models项目概览页Foundry Playground一个端点 一个 Key 访问 OpenAI、Meta、Mistral、Cohere、微软等数百个模型免费层可用Hugging FaceAccess TokensHugging Chat开源模型与推理服务Foundry Local无需 Key本地 CLI/SDK完全离线OpenAI 兼容端点重要提示GitHub Models及其GITHUB_TOKEN变量将于 2026 年 7 月底停止服务官方建议使用 Microsoft Foundry Models 作为替代。创建.env文件在仓库根目录找到.env.copy文件该文件已被.gitignore忽略不会泄露密钥复制为.envcp .env.copy .env填入真实凭证.env的核心变量如下# OpenAI Provider OPENAI_API_KEYadd your OpenAI API key here ## Azure OpenAI已并入 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 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各变量的含义变量说明OPENAI_API_KEY非 Azure OpenAI 端点的服务授权密钥AZURE_OPENAI_API_KEY/AZURE_OPENAI_ENDPOINTAzure OpenAI 资源的授权密钥与已部署端点AZURE_OPENAI_DEPLOYMENT文本生成chat completion模型的部署名AZURE_OPENAI_EMBEDDINGS_DEPLOYMENT文本嵌入embeddings模型的部署名AZURE_INFERENCE_ENDPOINT/AZURE_INFERENCE_CREDENTIALMicrosoft Foundry 项目端点与 API KeyHUGGING_FACE_API_KEYHugging Face 用户访问令牌在 Python 脚本中使用python-dotenv加载这些变量from dotenv import load_dotenv import os load_dotenv() endpoint os.getenv(AZURE_INFERENCE_ENDPOINT) token os.getenv(AZURE_INFERENCE_CREDENTIAL)需要特定提供商的练习会在文件名中包含对应标签aoaiAzure OpenAI、oaiOpenAI、hfHugging Face、githubmodelsMicrosoft Foundry Models。你可以只配置一个、全部或都不配置缺少凭证的相关练习会直接报错提示。以第 6 课文本生成为例oai-app.py 展示了完整的调用模式先load_dotenv()加载密钥再通过OpenAI()客户端调用client.responses.create(modeldeployment, inputprompt, storeFalse)完成文本补全。21 课时课程表课程共 21 课每课主题独立可以从任意一课开始。完整课程表如下#课时类型主题说明00课程设置Learn如何配置你的开发环境01生成式 AI 与 LLM 导论Learn理解什么是生成式 AI以及大语言模型LLM如何工作02探索与对比不同的 LLMLearn如何为你的使用场景选择合适的模型03负责任地使用生成式 AILearn如何负责任地构建生成式 AI 应用04提示工程基础Learn提示工程的最佳实践05创建高级提示词Learn应用提示工程技术改善提示词输出质量06构建文本生成应用Build使用 Azure OpenAI / OpenAI API 构建文本生成应用07构建聊天应用Build高效构建与集成聊天应用的技巧08构建搜索应用与向量数据库Build使用 Embeddings 进行数据检索的搜索应用09构建图像生成应用Build构建图像生成应用10构建低代码 AI 应用Build使用低代码工具构建生成式 AI 应用11集成外部应用与函数调用Build什么是函数调用及其在应用中的使用场景12为 AI 应用设计 UXLearn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LearnAI 系统面临的威胁与风险以及安全防护方法14生成式 AI 应用生命周期Learn管理 LLM 生命周期与 LLMOps 的工具与指标15RAG 与向量数据库Build使用 RAG 框架从向量数据库检索 Embeddings 的应用16开源模型与 Hugging FaceBuild使用 Hugging Face 上可用开源模型的应用17AI AgentsBuild使用 AI Agent 框架的应用18微调 LLMLearn微调 LLM 的是什么、为什么与怎么做19使用 SLM 构建Learn使用小型语言模型SLM构建的优势20使用 Mistral 模型构建LearnMistral 模型家族的特性与差异21使用 Meta 模型构建LearnMeta 模型家族的特性与差异多语言支持与本地稀疏克隆该仓库内置了50 语言翻译由 GitHub Action 自动化生成并持续更新涵盖阿拉伯语、孟加拉语、中文简繁体、法语、德语、日语、韩语、西班牙语、俄语、乌克兰语、越南语等希伯来语版本即位于 translations/he/README.md。课程正文、notebook 与配图均随语言同步翻译对应目录见 translations/ 与 translated_images/。由于多语言翻译会显著增大仓库体积若只需课程本身内容推荐使用sparse checkout稀疏检出本地克隆Bash / macOS / Linuxgit clone --filterblob:none --sparse https://github.com/microsoft/generative-ai-for-beginners.git cd generative-ai-for-beginners git sparse-checkout set --no-cone /* !translations !translated_imagesCMDWindowsgit clone --filterblob:none --sparse https://github.com/microsoft/generative-ai-for-beginners.git cd generative-ai-for-beginners git sparse-checkout set --no-cone /* !translations !translated_images该方式会跳过translations与translated_images两个目录只保留完成课程所需的全部内容显著加快下载速度。社区支持与配套资源课程提供了多种获取帮助与交流的渠道学习者交流官方 Discord 服务器Azure AI Foundry用于与其他学习者交流、获取课程团队支持问题反馈Microsoft Foundry 开发者论坛用于提问或提交产品反馈进阶代码示例如需更高级的代码示例可查看课程团队维护的生成式 AI 代码示例集合Python 与 TypeScript 双语言.NET 开发者可关注配套的 Generative AI for Beginners.NET 版课程创业支持构建创业项目的读者可了解 Microsoft for Startups 计划。课程团队还制作了系列配套课程包括 LangChain 系列LangChain、LangChain.js、LangChain4j、Azure/Edge/MCP/Agents 系列、生成式 AI 系列.NET、Java、JavaScript 版本、核心学习系列机器学习、数据科学、AI、网络安全、Web 开发、IoT、XR以及 Copilot 系列。课程特别鸣谢John Aziz创建全部 GitHub Actions 与工作流与Bernhard Merkle为每课的学习体验与代码质量做出关键贡献并欢迎社区通过提交 Issue 或 Pull Request 参与贡献。常见问题排查无论选择云端还是本地环境都可能遇到以下典型问题症状解决方案容器构建卡住超过 10 分钟Codespaces → Rebuild Container 重建容器python: command not found终端未正确挂载点击新建 bash 终端OpenAI 返回401 UnauthorizedOPENAI_API_KEY错误或已过期ModuleNotFoundError: dotenv执行pip install -r requirements.txt虚拟环境未安装依赖Docker 构建失败提示磁盘空间不足Docker Desktop → Settings → Resources 调大磁盘配额出现 OpenAI 401 / 429 错误检查OPENAI_API_KEY取值与请求速率限制Conda 环境报错执行conda install -c microsoft azure-ai-ml手动安装微软 AI 库完成环境配置后即可从 第 1 课生成式 AI 与 LLM 导论 开始正式学习。建议按课程表的顺序从概念课到构建课循序渐进并在每个 Build 课时中动手运行配套代码将提示工程、RAG、函数调用等核心能力真正落地到自己的应用中。【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 
长河君 · 2026/9/10 1:41:51 · 阅读 1.2k generative-ai-for-beginners 课程指南：21 课带你入门生成式 AI 应用开发
generative-ai-for-beginners 课程指南21 课带你入门生成式 AI 应用开发【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本指南基于微软云倡导者团队出品的开源课程generative-ai-for-beginners第 3 版系统讲解如何从零开始构建生成式 AI 应用。课程由 21 个独立课时组成涵盖提示工程、文本/图像生成、聊天应用、RAG 检索增强、AI Agent、模型微调等主题每个课时均配套 Python 与 TypeScript 双语言代码示例可直接对接 Azure OpenAI、OpenAI API、Microsoft Foundry Models 等主流模型服务。课程概览21 课时覆盖生成式 AI 全链路该课程的核心定位是面向初学者的生成式 AI 实战入门。课程主页在 README.md 中明确指出21 个课时将教会你开始构建生成式 AI 应用所需的一切知识。课程的编排遵循一条从理解概念到动手构建的递进路线Learn学习类课时讲解生成式 AI 的核心概念例如 LLM 工作原理、提示工程基础、负责任的 AI 使用、模型选择、LLM 应用生命周期与 LLMOpsBuild构建类课时在概念基础上给出可直接运行的代码覆盖文本生成、聊天应用、搜索与向量数据库、图像生成、低代码 AI 应用、函数调用Function Calling、RAG、开源模型、AI Agent 等实战主题。每个课时都包含四个组成部分一段主题相关的短视频介绍一份位于对应目录README.md中的书面课程支持 Azure OpenAI 与 OpenAI API 的Python 与 TypeScript双语言示例代码Keep Learning保持学习栏目提供额外的学习资源链接。例如第 6 课文本生成应用仓库中同时提供了 Python 示例、JS/GitHub Models 示例 与 TypeScript 示例 等多种实现第 8 课搜索应用则内置了完整的向量索引数据与转录数据处理脚本便于真实演练 Embeddings 检索流程。运行课程代码所需的技术栈要运行本课程的代码你需要具备以下基础依赖项说明Python 或 TypeScript 基础课程代码以 Python 与 TypeScript 为主完全零基础的读者建议先学习对应语言入门课程GitHub 账号用于将整个仓库 fork 到自己的账号下方便修改代码、完成挑战LLM 服务提供商至少选择一个模型服务以获取 API 访问凭证课程对代码运行环境做了明确的版本要求Python 3.10 及以上并提供了统一的 requirements.txt 依赖清单其中包括openai1.12.0OpenAI SDK、python-dotenv环境变量加载、azure-ai-inferenceAzure 推理、tiktoken分词器以及numpy、pandas、matplotlib等数据科学常用库。值得一提的是仓库在shared/python目录下封装了统一的工具模块帮助课程代码保持一致的配置读取与 API 调用方式env_utils.py 提供get_required_env、validate_env_vars、get_env_with_default三个函数用于安全地校验和读取环境变量——例如get_required_env(OPENAI_API_KEY, OpenAI API authentication)会在变量缺失时抛出包含提示信息的ValueErrorapi_utils.py 提供create_openai_client与create_azure_openai_client后者会自动将 Azure 端点拼接为endpoint/openai/v1/形式的 v1 兼容端点对应的单元测试见 tests/test_env_utils.py 与 tests/test_api_utils.py。环境搭建三种途径任选课程为环境准备提供了独立的课时 00-course-setup涵盖云环境、本地环境与模型提供商配置三个维度读者可根据自身条件选择1. 云端GitHub Codespaces零安装如果不想在本地安装任何软件可以直接使用 GitHub Codespaces 获得浏览器内的 VS Code 实例容器内已预装 Python、Node.js、.NET、Java 等运行时。步骤非常简单先将本仓库Fork到自己的 GitHub 账号在 fork 后的仓库中点击Code → Codespaces → Create codespace on main等待约 2 分钟容器构建完成首次通过Settings → Command Palette → Codespaces: Manage user secret添加名为OPENAI_API_KEY的密钥代码即可自动读取。Codespaces 的密钥机制Secrets是官方推荐的安全做法可避免 API Key 直接暴露在代码或.env文件中。详细步骤见 01-setup-cloud.md。2. 本地原生 Python 虚拟环境本地运行最快捷的路径是原生 Python 加虚拟环境git clone https://github.com/microsoft/generative-ai-for-beginners cd generative-ai-for-beginners python -m venv .venv source .venv/bin/activate # macOS / Linux # .\.venv\Scripts\activate # Windows PowerShell pip install -r requirements.txt此外课程还提供了两种可选环境使用VS Code Dev ContainerDocker获得与 Codespaces 完全一致的开发环境避免依赖漂移以及使用Miniconda管理虚拟环境其环境文件示例如下name: environment-name channels: - defaults - microsoft dependencies: - pythonpython-version - openai - python-dotenv - pip - pip: - azure-ai-ml创建并激活环境conda env create --name ai4beg --file .devcontainer/environment.yml conda activate ai4beg3. 本地Jupyter 浏览器环境偏好经典 Jupyter 界面的读者可以在课程根目录直接启动jupyter notebook # 或 jupyterhub启动后即可在浏览器中导航到任意*.ipynb文件例如 08-building-search-applications/python/oai-solution.ipynb。配置 LLM 提供商.env文件与关键环境变量课程中的练习可以对接一个或多个 LLM 服务提供商包括 OpenAI、Azure OpenAI、Microsoft Foundry Models、Hugging Face以及完全离线的 Foundry Local 与 Ollama。各提供商的注册方式、价格与 API Key 获取渠道对比如下详见 03-providers.md提供商API KeyPlayground备注OpenAI项目级 API KeyWeb 端无代码 Playground提供多个 GPT 系列模型Azure OpenAISDK 快速入门Studio 快速入门需提前申请访问权限现已并入 Microsoft FoundryMicrosoft Foundry Models项目概览页Foundry Playground一个端点 一个 Key 访问 OpenAI、Meta、Mistral、Cohere、微软等数百个模型免费层可用Hugging FaceAccess TokensHugging Chat开源模型与推理服务Foundry Local无需 Key本地 CLI/SDK完全离线OpenAI 兼容端点重要提示GitHub Models及其GITHUB_TOKEN变量将于 2026 年 7 月底停止服务官方建议使用 Microsoft Foundry Models 作为替代。创建.env文件在仓库根目录找到.env.copy文件该文件已被.gitignore忽略不会泄露密钥复制为.envcp .env.copy .env填入真实凭证.env的核心变量如下# OpenAI Provider OPENAI_API_KEYadd your OpenAI API key here ## Azure OpenAI已并入 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 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各变量的含义变量说明OPENAI_API_KEY非 Azure OpenAI 端点的服务授权密钥AZURE_OPENAI_API_KEY/AZURE_OPENAI_ENDPOINTAzure OpenAI 资源的授权密钥与已部署端点AZURE_OPENAI_DEPLOYMENT文本生成chat completion模型的部署名AZURE_OPENAI_EMBEDDINGS_DEPLOYMENT文本嵌入embeddings模型的部署名AZURE_INFERENCE_ENDPOINT/AZURE_INFERENCE_CREDENTIALMicrosoft Foundry 项目端点与 API KeyHUGGING_FACE_API_KEYHugging Face 用户访问令牌在 Python 脚本中使用python-dotenv加载这些变量from dotenv import load_dotenv import os load_dotenv() endpoint os.getenv(AZURE_INFERENCE_ENDPOINT) token os.getenv(AZURE_INFERENCE_CREDENTIAL)需要特定提供商的练习会在文件名中包含对应标签aoaiAzure OpenAI、oaiOpenAI、hfHugging Face、githubmodelsMicrosoft Foundry Models。你可以只配置一个、全部或都不配置缺少凭证的相关练习会直接报错提示。以第 6 课文本生成为例oai-app.py 展示了完整的调用模式先load_dotenv()加载密钥再通过OpenAI()客户端调用client.responses.create(modeldeployment, inputprompt, storeFalse)完成文本补全。21 课时课程表课程共 21 课每课主题独立可以从任意一课开始。完整课程表如下#课时类型主题说明00课程设置Learn如何配置你的开发环境01生成式 AI 与 LLM 导论Learn理解什么是生成式 AI以及大语言模型LLM如何工作02探索与对比不同的 LLMLearn如何为你的使用场景选择合适的模型03负责任地使用生成式 AILearn如何负责任地构建生成式 AI 应用04提示工程基础Learn提示工程的最佳实践05创建高级提示词Learn应用提示工程技术改善提示词输出质量06构建文本生成应用Build使用 Azure OpenAI / OpenAI API 构建文本生成应用07构建聊天应用Build高效构建与集成聊天应用的技巧08构建搜索应用与向量数据库Build使用 Embeddings 进行数据检索的搜索应用09构建图像生成应用Build构建图像生成应用10构建低代码 AI 应用Build使用低代码工具构建生成式 AI 应用11集成外部应用与函数调用Build什么是函数调用及其在应用中的使用场景12为 AI 应用设计 UXLearn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LearnAI 系统面临的威胁与风险以及安全防护方法14生成式 AI 应用生命周期Learn管理 LLM 生命周期与 LLMOps 的工具与指标15RAG 与向量数据库Build使用 RAG 框架从向量数据库检索 Embeddings 的应用16开源模型与 Hugging FaceBuild使用 Hugging Face 上可用开源模型的应用17AI AgentsBuild使用 AI Agent 框架的应用18微调 LLMLearn微调 LLM 的是什么、为什么与怎么做19使用 SLM 构建Learn使用小型语言模型SLM构建的优势20使用 Mistral 模型构建LearnMistral 模型家族的特性与差异21使用 Meta 模型构建LearnMeta 模型家族的特性与差异多语言支持与本地稀疏克隆该仓库内置了50 语言翻译由 GitHub Action 自动化生成并持续更新涵盖阿拉伯语、孟加拉语、中文简繁体、法语、德语、日语、韩语、西班牙语、俄语、乌克兰语、越南语等希伯来语版本即位于 translations/he/README.md。课程正文、notebook 与配图均随语言同步翻译对应目录见 translations/ 与 translated_images/。由于多语言翻译会显著增大仓库体积若只需课程本身内容推荐使用sparse checkout稀疏检出本地克隆Bash / macOS / Linuxgit clone --filterblob:none --sparse https://github.com/microsoft/generative-ai-for-beginners.git cd generative-ai-for-beginners git sparse-checkout set --no-cone /* !translations !translated_imagesCMDWindowsgit clone --filterblob:none --sparse https://github.com/microsoft/generative-ai-for-beginners.git cd generative-ai-for-beginners git sparse-checkout set --no-cone /* !translations !translated_images该方式会跳过translations与translated_images两个目录只保留完成课程所需的全部内容显著加快下载速度。社区支持与配套资源课程提供了多种获取帮助与交流的渠道学习者交流官方 Discord 服务器Azure AI Foundry用于与其他学习者交流、获取课程团队支持问题反馈Microsoft Foundry 开发者论坛用于提问或提交产品反馈进阶代码示例如需更高级的代码示例可查看课程团队维护的生成式 AI 代码示例集合Python 与 TypeScript 双语言.NET 开发者可关注配套的 Generative AI for Beginners.NET 版课程创业支持构建创业项目的读者可了解 Microsoft for Startups 计划。课程团队还制作了系列配套课程包括 LangChain 系列LangChain、LangChain.js、LangChain4j、Azure/Edge/MCP/Agents 系列、生成式 AI 系列.NET、Java、JavaScript 版本、核心学习系列机器学习、数据科学、AI、网络安全、Web 开发、IoT、XR以及 Copilot 系列。课程特别鸣谢John Aziz创建全部 GitHub Actions 与工作流与Bernhard Merkle为每课的学习体验与代码质量做出关键贡献并欢迎社区通过提交 Issue 或 Pull Request 参与贡献。常见问题排查无论选择云端还是本地环境都可能遇到以下典型问题症状解决方案容器构建卡住超过 10 分钟Codespaces → Rebuild Container 重建容器python: command not found终端未正确挂载点击新建 bash 终端OpenAI 返回401 UnauthorizedOPENAI_API_KEY错误或已过期ModuleNotFoundError: dotenv执行pip install -r requirements.txt虚拟环境未安装依赖Docker 构建失败提示磁盘空间不足Docker Desktop → Settings → Resources 调大磁盘配额出现 OpenAI 401 / 429 错误检查OPENAI_API_KEY取值与请求速率限制Conda 环境报错执行conda install -c microsoft azure-ai-ml手动安装微软 AI 库完成环境配置后即可从 第 1 课生成式 AI 与 LLM 导论 开始正式学习。建议按课程表的顺序从概念课到构建课循序渐进并在每个 Build 课时中动手运行配套代码将提示工程、RAG、函数调用等核心能力真正落地到自己的应用中。【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