生成式 AI 课程实战指南21 节课从零跑通你的第一个生成式 AI 应用避坑版【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-beginnersGenerative AI for Beginners生成式 AI 入门课程是一套完全免费的开源课程用 21 节课带你从零开始理解大语言模型LLM即能写文章、聊天的 AI 模型并亲手写出能生成文本、聊天、检索、画图的生成式 AI 应用。它解决的核心问题是新手面对 提示词工程、RAG 检索、函数调用 这些名词一头雾水而这套课程把每个概念都拆成了看懂原理 跟着跑代码两半让你边学边做出能跑的东西。 项目名片这套生成式 AI 课程能带你走多远一句话定位一套 21 节课的生成式 AI 应用开发教程每节课 概念讲解 Python/TypeScript 可运行示例覆盖从 LLM 基础到 AI Agent 的完整路径。三个核心亮点Learn / Build 双模式每节课要么讲透一个概念Learn要么带你写一个应用Build比如第 06 课写文本生成程序、第 07 课写聊天机器人、第 09 课写图片生成程序。多模型提供商支持同一套代码示例同时支持 OpenAI、Azure OpenAI、Microsoft Foundry Models、Hugging Face 和本地离线模型选哪个都跑得了。40 语言翻译translations/目录下有简体中文translations/zh-CN/、日文、韩文等 40 多种语言的课程翻译总有一份是你的母语。 落地前清单跑课程前的最小配置开始之前把下面这份清单逐项打勾后面三步就能一次跑通一台能上网的电脑课程本身免费但调用模型 API 可能需要少量费用部分提供商有免费额度。Python 3大部分练习是 Python 写的建议 3.9 以上版本。一个模型 API 凭证至少一个OpenAI 密钥、Azure OpenAI 资源、Microsoft Foundry 项目密钥、Hugging Face token 或本地模型Foundry Local / Ollama完全免费离线任选其一。依赖包课程根目录的requirements.txt列好了全部依赖核心是openai、python-dotenv读取 .env 配置文件的库、tiktoken计算模型字数分词器的工具。代码编辑器VS Code Python 扩展体验最好仓库自带.devcontainer配置可一键在容器里跑。不需要 GPU不需要会深度学习——会print(hello)就够了。 三步跑起来从克隆到运行你的第一个生成式 AI 应用第一步克隆课程仓库git clone https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners cd generative-ai-for-beginners仓库较大含 40 语言翻译如果你只需要英文正文克隆时可只拉取核心目录速度快很多。第二步配置你的模型凭证课程用.env文件存放 API 密钥这个文件已被 gitignore不会泄露cp .env.copy .env # 复制模板文件打开.env把你申请的密钥填进对应变量各变量含义见下方配置手册只需填你用到的那一家。第三步安装依赖并跑第一个程序pip install -r requirements.txt # 安装 openai、python-dotenv 等依赖 python 06-text-generation-apps/python/oai-app.py # 第 06 课的第一个文本生成示例如果看到 AI 补全出来的句子打印在终端里恭喜你你的生成式 AI 开发环境已经跑通了。之后每节课照着对应目录的README.md操作即可。小贴士不确定从哪节开始直接打开01-introduction-to-genai/README.md从第一课读起或者先看00-course-setup/README.md里的环境配置详解。 机制拆解课程为什么是概念 代码双轨设计这套课程的方法论可以用一条数据流理解你的提示词Prompt→ 模型 API → 结构化响应 → 你的程序处理响应。课程按三个层次递进这也是生成式 AI 应用的典型成长路径会用第 01-05 课理解 LLM 怎么工作、怎么分词token模型计费的基本单位、怎么写好提示词。会建第 06-11 课写文本生成、聊天、向量检索、图片生成、函数调用Function Calling让模型能调你的业务函数等真实应用。会管第 12-21 课AI 应用的用户体验设计、安全、生命周期管理、RAG 检索增强生成让你的私有文档能被 AI 检索回答、微调与开源模型。每个 Build 课的代码结构高度一致找到一处就都会了06-text-generation-apps/ ├── python/ # Python 版示例文件名前缀代表所需凭证 │ ├── oai-app.py # 需要 OpenAI 密钥 │ └── aoai-app.py # 需要 Azure OpenAI 配置 ├── typescript/ # TypeScript 版同名示例 └── js-githubmodels/ # Microsoft Foundry 版本两个关键源码位置值得看共享工具在 shared/python/api_utils.py封装了带超时和 3 次重试的 API 请求防止网络抖动报错环境校验在 shared/python/env_utils.py。⚙️ 配置手册看懂 .env 就能跑全部课程.env是整个课程唯一的配置中心所有变量如下表模板见根目录.env.copy变量名作用默认值何时填写OPENAI_API_KEYOpenAI 接口密钥无运行oai-前缀的练习AZURE_OPENAI_API_KEYAzure OpenAI 资源密钥无运行aoai-前缀的练习AZURE_OPENAI_ENDPOINTAzure 资源地址无同上AZURE_OPENAI_DEPLOYMENT文本模型部署名如 gpt-4o-mini无同上AZURE_OPENAI_EMBEDDINGS_DEPLOYMENT嵌入模型部署名把文字转成向量的模型无第 08 课向量检索AZURE_OPENAI_API_VERSIONAzure API 版本2024-10-21升级 API 版本时才改AZURE_INFERENCE_ENDPOINT/AZURE_INFERENCE_CREDENTIALMicrosoft Foundry 端点与密钥无运行githubmodels-前缀的练习HUGGING_FACE_API_KEYHugging Face token无第 16 课开源模型关键参数说明文件名的前缀就是你的选路开关——oai-、aoai-、hf-、githubmodels-分别代表该示例需要哪家提供商的凭证。只配了一家就只跑对应前缀的练习其他练习会因缺少凭证直接报错这是故意的设计不会误调错接口。第 02 课还会教你怎么根据任务类型纯文本、多模态、嵌入和基准测试挑模型选型参考 进阶打磨让应用从能跑到好用的 4 步问题模型输出时好时坏像开盲盒→ 做法把第 04 课提示词基础角色设定、少样本示例、结构化输出和第 05 课高级技巧完整练一遍同一个需求换三版提示词对比。预期效果输出格式稳定重复提问结果一致性明显提升。问题模型不知道你公司的资料→ 做法跑第 08 课向量检索 第 15 课 RAG 实战把你的文档切成小块、转成嵌入向量存进向量数据库回答前先检索再让模型作答。预期效果AI 能引用你的私有文档回答且答案有据可查。问题应用上线后担心乱说话、泄密→ 做法按第 03 课的责任式 AI 框架给应用加输入过滤和输出校验参考 shared/python/input_validation.py 里的校验写法第 13 课再补上提示注入防护。预期效果敏感内容被拦截应用达到可交付水准。问题API 费用或网络是硬约束→ 做法把提供商切换为 Foundry Local 或 Ollama模型跑在自己设备上.env都不用填密钥。预期效果完全免费、离线可用的开发环境适合练习和隐私敏感场景。 踩坑急救站高频报错与解法问题容器构建卡住超过 10 分钟。处理在 Codespaces 里执行 Rebuild Container重建容器大概率是依赖安装超时重建一次即可。问题终端提示python: command not found。处理终端没有挂对 shell点终端栏的号手动选bash再重新运行命令。问题调用模型接口返回401 Unauthorized。处理OPENAI_API_KEY或对应提供商的密钥填错了、过期了、或者.env没保存。先跑python -c from dotenv import load_dotenv; load_dotenv(); import os; print(bool(os.getenv(OPENAI_API_KEY)))确认变量已加载。问题Jupyter 笔记本打开后没有 Python 内核Kernel missing。处理Notebook 菜单 → Kernel → Select Kernel → 选 Python 3。问题浏览器一直显示 Dev container mounting…。处理Codespaces 偶尔掉线刷新浏览器标签页重连即可仍不行就重建容器。完整对照表在 00-course-setup/README.md 的 Troubleshooting 小节。️ 资源地图深入学习的路线图课程入口00-course-setup/README.md —— 环境配置、本地运行、容器方案三选一。提供商选择00-course-setup/03-providers.md —— 五家提供商的注册、费用、凭证获取全对比。概念课01-introduction-to-genai/到05-advanced-prompts/LLM 原理、模型选型、责任式 AI、提示词工程。应用课06-text-generation-apps/到11-integrating-with-function-calling/每课含python/、typescript/、js-githubmodels/三套示例。进阶课12-designing-ux-for-ai-applications/到21-meta/UX、安全、生命周期、RAG、开源模型、AI Agent、微调、小模型与 Mistral/Meta 模型族。共享工具shared/python/ —— 安全请求、环境校验、输入验证三个工具模块可直接抄进自己的项目。单元测试tests/ —— 对共享工具的测试用例改代码前先跑一遍pytest保平安。课程演示presentations/ 里有整套课程的 PDF/PPT 讲义适合复习速览。 行动召唤现在就去跑第一课仓库已经克隆好了的话别收藏了——直接打开01-introduction-to-genai/README.md花 20 分钟读完第一课再去跑06-text-generation-apps/的第一个示例今天之内你手里就该有一个会生成文字的小程序。小贴士写代码卡住时先打开 00-course-setup/README.md 的故障排查表对症状下药想验证共享工具改动有没有破坏功能跑一下 tests/ 里的测试用例比干瞪眼快得多。【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 生成式 AI 课程实战指南：21 节课从零跑通你的第一个生成式 AI 应用（避坑版）
生成式 AI 课程实战指南21 节课从零跑通你的第一个生成式 AI 应用避坑版【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-beginnersGenerative AI for Beginners生成式 AI 入门课程是一套完全免费的开源课程用 21 节课带你从零开始理解大语言模型LLM即能写文章、聊天的 AI 模型并亲手写出能生成文本、聊天、检索、画图的生成式 AI 应用。它解决的核心问题是新手面对 提示词工程、RAG 检索、函数调用 这些名词一头雾水而这套课程把每个概念都拆成了看懂原理 跟着跑代码两半让你边学边做出能跑的东西。 项目名片这套生成式 AI 课程能带你走多远一句话定位一套 21 节课的生成式 AI 应用开发教程每节课 概念讲解 Python/TypeScript 可运行示例覆盖从 LLM 基础到 AI Agent 的完整路径。三个核心亮点Learn / Build 双模式每节课要么讲透一个概念Learn要么带你写一个应用Build比如第 06 课写文本生成程序、第 07 课写聊天机器人、第 09 课写图片生成程序。多模型提供商支持同一套代码示例同时支持 OpenAI、Azure OpenAI、Microsoft Foundry Models、Hugging Face 和本地离线模型选哪个都跑得了。40 语言翻译translations/目录下有简体中文translations/zh-CN/、日文、韩文等 40 多种语言的课程翻译总有一份是你的母语。 落地前清单跑课程前的最小配置开始之前把下面这份清单逐项打勾后面三步就能一次跑通一台能上网的电脑课程本身免费但调用模型 API 可能需要少量费用部分提供商有免费额度。Python 3大部分练习是 Python 写的建议 3.9 以上版本。一个模型 API 凭证至少一个OpenAI 密钥、Azure OpenAI 资源、Microsoft Foundry 项目密钥、Hugging Face token 或本地模型Foundry Local / Ollama完全免费离线任选其一。依赖包课程根目录的requirements.txt列好了全部依赖核心是openai、python-dotenv读取 .env 配置文件的库、tiktoken计算模型字数分词器的工具。代码编辑器VS Code Python 扩展体验最好仓库自带.devcontainer配置可一键在容器里跑。不需要 GPU不需要会深度学习——会print(hello)就够了。 三步跑起来从克隆到运行你的第一个生成式 AI 应用第一步克隆课程仓库git clone https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners cd generative-ai-for-beginners仓库较大含 40 语言翻译如果你只需要英文正文克隆时可只拉取核心目录速度快很多。第二步配置你的模型凭证课程用.env文件存放 API 密钥这个文件已被 gitignore不会泄露cp .env.copy .env # 复制模板文件打开.env把你申请的密钥填进对应变量各变量含义见下方配置手册只需填你用到的那一家。第三步安装依赖并跑第一个程序pip install -r requirements.txt # 安装 openai、python-dotenv 等依赖 python 06-text-generation-apps/python/oai-app.py # 第 06 课的第一个文本生成示例如果看到 AI 补全出来的句子打印在终端里恭喜你你的生成式 AI 开发环境已经跑通了。之后每节课照着对应目录的README.md操作即可。小贴士不确定从哪节开始直接打开01-introduction-to-genai/README.md从第一课读起或者先看00-course-setup/README.md里的环境配置详解。 机制拆解课程为什么是概念 代码双轨设计这套课程的方法论可以用一条数据流理解你的提示词Prompt→ 模型 API → 结构化响应 → 你的程序处理响应。课程按三个层次递进这也是生成式 AI 应用的典型成长路径会用第 01-05 课理解 LLM 怎么工作、怎么分词token模型计费的基本单位、怎么写好提示词。会建第 06-11 课写文本生成、聊天、向量检索、图片生成、函数调用Function Calling让模型能调你的业务函数等真实应用。会管第 12-21 课AI 应用的用户体验设计、安全、生命周期管理、RAG 检索增强生成让你的私有文档能被 AI 检索回答、微调与开源模型。每个 Build 课的代码结构高度一致找到一处就都会了06-text-generation-apps/ ├── python/ # Python 版示例文件名前缀代表所需凭证 │ ├── oai-app.py # 需要 OpenAI 密钥 │ └── aoai-app.py # 需要 Azure OpenAI 配置 ├── typescript/ # TypeScript 版同名示例 └── js-githubmodels/ # Microsoft Foundry 版本两个关键源码位置值得看共享工具在 shared/python/api_utils.py封装了带超时和 3 次重试的 API 请求防止网络抖动报错环境校验在 shared/python/env_utils.py。⚙️ 配置手册看懂 .env 就能跑全部课程.env是整个课程唯一的配置中心所有变量如下表模板见根目录.env.copy变量名作用默认值何时填写OPENAI_API_KEYOpenAI 接口密钥无运行oai-前缀的练习AZURE_OPENAI_API_KEYAzure OpenAI 资源密钥无运行aoai-前缀的练习AZURE_OPENAI_ENDPOINTAzure 资源地址无同上AZURE_OPENAI_DEPLOYMENT文本模型部署名如 gpt-4o-mini无同上AZURE_OPENAI_EMBEDDINGS_DEPLOYMENT嵌入模型部署名把文字转成向量的模型无第 08 课向量检索AZURE_OPENAI_API_VERSIONAzure API 版本2024-10-21升级 API 版本时才改AZURE_INFERENCE_ENDPOINT/AZURE_INFERENCE_CREDENTIALMicrosoft Foundry 端点与密钥无运行githubmodels-前缀的练习HUGGING_FACE_API_KEYHugging Face token无第 16 课开源模型关键参数说明文件名的前缀就是你的选路开关——oai-、aoai-、hf-、githubmodels-分别代表该示例需要哪家提供商的凭证。只配了一家就只跑对应前缀的练习其他练习会因缺少凭证直接报错这是故意的设计不会误调错接口。第 02 课还会教你怎么根据任务类型纯文本、多模态、嵌入和基准测试挑模型选型参考 进阶打磨让应用从能跑到好用的 4 步问题模型输出时好时坏像开盲盒→ 做法把第 04 课提示词基础角色设定、少样本示例、结构化输出和第 05 课高级技巧完整练一遍同一个需求换三版提示词对比。预期效果输出格式稳定重复提问结果一致性明显提升。问题模型不知道你公司的资料→ 做法跑第 08 课向量检索 第 15 课 RAG 实战把你的文档切成小块、转成嵌入向量存进向量数据库回答前先检索再让模型作答。预期效果AI 能引用你的私有文档回答且答案有据可查。问题应用上线后担心乱说话、泄密→ 做法按第 03 课的责任式 AI 框架给应用加输入过滤和输出校验参考 shared/python/input_validation.py 里的校验写法第 13 课再补上提示注入防护。预期效果敏感内容被拦截应用达到可交付水准。问题API 费用或网络是硬约束→ 做法把提供商切换为 Foundry Local 或 Ollama模型跑在自己设备上.env都不用填密钥。预期效果完全免费、离线可用的开发环境适合练习和隐私敏感场景。 踩坑急救站高频报错与解法问题容器构建卡住超过 10 分钟。处理在 Codespaces 里执行 Rebuild Container重建容器大概率是依赖安装超时重建一次即可。问题终端提示python: command not found。处理终端没有挂对 shell点终端栏的号手动选bash再重新运行命令。问题调用模型接口返回401 Unauthorized。处理OPENAI_API_KEY或对应提供商的密钥填错了、过期了、或者.env没保存。先跑python -c from dotenv import load_dotenv; load_dotenv(); import os; print(bool(os.getenv(OPENAI_API_KEY)))确认变量已加载。问题Jupyter 笔记本打开后没有 Python 内核Kernel missing。处理Notebook 菜单 → Kernel → Select Kernel → 选 Python 3。问题浏览器一直显示 Dev container mounting…。处理Codespaces 偶尔掉线刷新浏览器标签页重连即可仍不行就重建容器。完整对照表在 00-course-setup/README.md 的 Troubleshooting 小节。️ 资源地图深入学习的路线图课程入口00-course-setup/README.md —— 环境配置、本地运行、容器方案三选一。提供商选择00-course-setup/03-providers.md —— 五家提供商的注册、费用、凭证获取全对比。概念课01-introduction-to-genai/到05-advanced-prompts/LLM 原理、模型选型、责任式 AI、提示词工程。应用课06-text-generation-apps/到11-integrating-with-function-calling/每课含python/、typescript/、js-githubmodels/三套示例。进阶课12-designing-ux-for-ai-applications/到21-meta/UX、安全、生命周期、RAG、开源模型、AI Agent、微调、小模型与 Mistral/Meta 模型族。共享工具shared/python/ —— 安全请求、环境校验、输入验证三个工具模块可直接抄进自己的项目。单元测试tests/ —— 对共享工具的测试用例改代码前先跑一遍pytest保平安。课程演示presentations/ 里有整套课程的 PDF/PPT 讲义适合复习速览。 行动召唤现在就去跑第一课仓库已经克隆好了的话别收藏了——直接打开01-introduction-to-genai/README.md花 20 分钟读完第一课再去跑06-text-generation-apps/的第一个示例今天之内你手里就该有一个会生成文字的小程序。小贴士写代码卡住时先打开 00-course-setup/README.md 的故障排查表对症状下药想验证共享工具改动有没有破坏功能跑一下 tests/ 里的测试用例比干瞪眼快得多。【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