microsoft/generative-ai-for-beginners · 上手攻略
- 仓库：microsoft/generative-ai-for-beginners
- 链接：https://github.com/microsoft/generative-ai-for-beginners
- 分类：ai
- 作者：Tom
- 更新：2026-07-10
这是什么
微软官方出品的 21 节生成式 AI 入门课程，覆盖从 LLM 基础理论到 AI Agent 开发完整路径。每节包含讲解视频（YouTube）+ 文字课程 + Python/TypeScript 双语言代码示例，并配套 50+ 语言的社区翻译。Stars 约 112k，是微软 GitHub 最受欢迎的教育类仓库之一。
课程默认使用 Azure OpenAI Service 或 OpenAI API，但所有代码示例也兼容纯 OpenAI SDK，无需 Azure 账号也可完成大部分课程。
解决什么问题
生成式 AI 应用开发的学习资源要么太浅（只会调 API），要么太散（需要自己拼凑 prompt 工程、RAG、Agent 等知识点）。这门课的价值在于： - 体系完整：21 节从理论到生产，涵盖整个 GenAI 应用开发生命周期。 - 代码可跑：每个 Build 课都有完整可运行的 Python/TypeScript 示例。 - 微软官方背书：Azure OpenAI、Foundry Models 等企业级工具的正确打开方式。
快速安装
方式一：GitHub Codespaces（推荐，5 分钟上手）
无需本地配置，直接在浏览器里跑：
- Fork 本仓库到自己账户
- 在你的 fork 中：Code → Codespaces → Create new on main
- 在 Codespace 终端添加 API 密钥 Secrets：
- ⚙️ → Command Palette → Codespaces: Manage user secret
- 添加
OPENAI_API_KEY（或AZURE_INFERENCE_ENDPOINT+AZURE_INFERENCE_CREDENTIAL） - 开始 lesson 01
⚠️ GitHub Models（
GITHUB_TOKEN）将于 2026 年 7 月底停用，课程已改用 Microsoft Foundry Models 作为默认推理端点。
方式二：本地 Miniconda 环境
# 1. 安装 Miniconda（https://conda.io/en/latest/miniconda.html）
# 2. 克隆仓库（不含翻译文件以节省空间）
git clone --filter=blob: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'
# 3. 创建 conda 环境
conda env create --name ai4beg --file .devcontainer/environment.yml
conda activate ai4beg
# 4. 配置 API 密钥
# 方式 A：用 Azure Foundry（推荐）
echo "AZURE_INFERENCE_ENDPOINT=https://your-endpoint.azure.com" >> .env
echo "AZURE_INFERENCE_CREDENTIAL=your-api-key" >> .env
# 方式 B：用 OpenAI
echo "OPENAI_API_KEY=sk-..." >> .env
# 5. 安装 python-dotenv（课程代码依赖）
pip install python-dotenv
# 6. 启动 Jupyter 开始学习
jupyter notebook
方式三：VS Code + Dev Container
在 VS Code 中打开仓库后，会提示"Reopen in Container"，接受即可自动配置完整开发环境（需 Docker）。
核心课程结构
课程分两类节次：Learn（概念讲解）+ Build（代码实战）。
| 编号 | 主题 | 类型 | 关键内容 |
|---|---|---|---|
| 00 | Course Setup | Setup | 环境配置、API 密钥、Codespaces |
| 01 | Introduction to Generative AI and LLMs | Learn | GenAI 基础、LLM 工作原理 |
| 02 | Exploring and Comparing Different LLMs | Learn | 模型选型、GPT-4/Gemini/Claude/LLaMA 对比 |
| 03 | Using Generative AI Responsibly | Learn | AI 安全、偏见识别、负责任 AI 原则 |
| 04 | Prompt Engineering Fundamentals | Learn | Few-shot、CoT、zero-shot 最佳实践 |
| 05 | Creating Advanced Prompts | Build | 复杂 prompt 技巧、输出控制 |
| 06 | Building Text Generation Applications | Build | Azure OpenAI / OpenAI API 调用示例 |
| 07 | Building Chat Applications | Build | Chat Completion API、多轮对话 |
| 08 | Building Search Apps with Embeddings | Build | 向量 Embedding、相似度搜索 |
| 09 | Building Image Generation Applications | Build | DALL-E API、图像生成 pipeline |
| 10 | Building Low Code AI Applications | Build | Azure AI Studio、Prompt Flow 等低代码工具 |
| 11 | Integrating External Applications with Function Calling | Build | Tool calling / Function calling 实战 |
| 12 | Designing UX for AI Applications | Learn | AI 产品 UX 设计原则 |
| 13 | Securing Your Generative AI Applications | Learn | API 安全、Prompt 注入防护、数据保护 |
| 14 | The Generative AI Application Lifecycle | Learn | LLMOps、模型评估、监控 |
| 15 | RAG and Vector Databases | Build | RAG 架构、ChromaDB/ Pinecone 集成 |
| 16 | Open Source Models and Hugging Face | Build | Hugging Face 部署开源模型 |
| 17 | AI Agents | Build | Agent 框架（LangChain/LlamaIndex 等） |
| 18 | Fine-Tuning LLMs | Learn | LoRA/QLoRA 微调概念与流程 |
| 19 | Building with SLMs | Learn | 小语言模型（Phi-3、Gemma 等）优势与场景 |
| 20 | Building with Mistral Models | Learn | Mistral 系列模型特性 |
| 21 | Building with Meta Models | Learn | Llama 3 系列特性与使用 |
典型适用场景
| 场景 | 推荐课时 |
|---|---|
| 刚入门 AI，不知从哪下手 | 01 → 04 → 06 |
| 想用 LLM 做产品，需要 RAG | 08 → 15 → 14 |
| 需要 AI Agent 能力 | 11 → 17 |
| 企业级 AI 应用安全负责人 | 03 → 13 → 14 |
| 想部署开源模型降成本 | 16 → 18 → 19 |
| 需要快速出原型 / POC | 10（低代码）→ 06 → 07 |
坑与注意
⚠️ API 密钥配置是必过的第一关
课程所有 Build 课都需要 API 调用。GitHub Models 2026 年 7 月底停用后，新用户必须注册 Microsoft Foundry Models（ai.azure.com/catalog/models）或 OpenAI 账号。如果只有 OpenAI key，用 OPENAI_API_KEY 环境变量即可，代码里两种方式都有示例。
⚠️ Codespaces 容器构建卡住
如果 Codespaces 容器首次构建超过 10 分钟没动静：Codespaces → Rebuid Container。常见原因：GitHub 账户缺额（免费账户有每月额度上限）。
⚠️ 翻译文件使仓库臃肿
直接 git clone 会拉取 50+ 语言翻译，占用数 GB。建议用 sparse checkout 排除 translations/ 目录（见上方命令）。
⚠️ 环境变量加载依赖 python-dotenv
课程代码使用 from dotenv import load_dotenv，需要 pip install python-dotenv，否则运行时代码会报 ModuleNotFoundError。
⚠️ 国内访问 Azure 区域限制
如果使用 Azure OpenAI 国内世纪互联区域（azure.cn），部分端点格式与全球版不同，课程代码需做 endpoint URL 适配。
⚠️ .NET 开发者另有专属课程
本课程是 Python/TypeScript 版，.NET 开发者应使用 microsoft/Generative-AI-for-beginners-dotnet。
与同类对比
| 课程 | 定位 | 优势 | 劣势 |
|---|---|---|---|
| 微软 GenAI for Beginners | 官方入门课 | 体系完整、代码可跑、Azure 原生 | 默认 Azure，OpenAI 用户需自行适配 |
| DeepLearning.AI Short Courses | OpenAI 官方课 | 短小精悍、Andrew Ng 背书 | 深度有限，主题分散不成体系 |
| Google ML Crash Course | 通用机器学习 | 免费、覆盖面广 | 不是专门针对 GenAI 应用开发 |
| LlamaIndex / LangChain 官方文档 | 框架文档 | 最新、权威 | 不是课程形式，需要自学能力 |
一句话推荐结论
零基础想体系化学 GenAI 应用开发，首选这门微软官方课——21 节从理论到代码全覆盖，Codespaces 免配置可直接开跑，Python/TypeScript 双语言示例，总有一款适合你。