尧图网页设计 
generative-ai-for-beginners 入门指南21 课体系化掌握生成式 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本文基于开源课程《Generative AI for Beginners》的官方法语版 READMEtranslations/fr/README.md结合仓库内真实的环境配置文档与源码实现为你完整梳理这套由 Microsoft Cloud Advocates 打造的 21 课生成式 AI 入门课程从课程结构与每课配套资源到 Azure OpenAI、OpenAI API、GitHub Models / Microsoft Foundry 等 LLM 提供商的选择与.env密钥配置再到稀疏克隆、Codespaces 环境搭建与 Python 调用 LLM 的底层实现。读完本文你将掌握该课程的完整学习路径、环境就绪方法以及如何直接运行仓库内 Python / TypeScript 示例代码。课程总览21 课、两种标签、一套完整的动手体系本文介绍的是该课程的法语版总览文档其结构与根目录英文版 README.md 一一对应仅语言不同。仓库根目录的英文版更新更及时例如已把 GitHub Models 更新为 Microsoft Foundry Models阅读时可将英文版视为权威来源。该课程由 21 节独立的课程组成每节课围绕一个独立主题可以从任意一课开始不必严格按顺序学习。每课都带有两类标签之一Learn概念课讲解某个生成式 AI 概念例如第 01 课《Introduction to Generative AI and LLMs》、第 04 课《Prompt Engineering Fundamentals》。Build实战课在讲解概念的同时尽可能同时提供Python与TypeScript两套代码示例例如第 06 课《Building Text Generation Applications》、第 15 课《RAG and Vector Databases》。每一课NN-xxx/README.md都包含以下标配内容见法语版 README Chaque leçon comprend 一节一段关于该主题的短视频导览位于该课 README 中的书面讲解同时支持Azure OpenAI与OpenAI API的 Python、TypeScript 代码示例指向延伸学习资源的链接每课的 Keep Learning 板块。运行本课程需要什么三种 LLM 提供商任选其一课程内所有可运行代码都围绕 LLM 服务展开。法语版 README 明确列出了三种可用的运行环境提供商对应课程文件命名标签Azure OpenAI Serviceaoai-assignmentGitHub Marketplace Model CatalogGitHub ModelsgithubmodelsOpenAI APIoai-assignment此外还需要Python 或 TypeScript 基础知识零基础读者可先补齐这两种语言的基础一个 GitHub 账号用于把整个仓库 fork 到自己的账号下fork 之后才能自由修改代码、完成作业挑战。关于 GitHub Models 退役与 Microsoft Foundry 的迁移说明需要特别说明的是法语版 README 的翻译时间较早其中仍将 GitHub Models 列为官方推荐提供商。而仓库根目录英文版 README.md 与 00-course-setup/03-providers.md 已明确更新GitHub Models以及配套的GITHUB_TOKEN变量将于2026 年 7 月底退役请改用Microsoft Foundry Models模型目录。迁移后Microsoft Foundry Models 用一个 endpoint 一个 API key 即可访问来自 OpenAI、Meta、Mistral、Cohere、Microsoft 等厂商的数百个模型。实际配置时请以 00-course-setup/03-providers.md 为准将文件命名标签githubmodels的作业视为使用AZURE_INFERENCE_ENDPOINT/AZURE_INFERENCE_CREDENTIAL两个变量。各提供商的选择对比来自 providers.md仓库的 00-course-setup/03-providers.md 给出了各提供商的核心差异与注册成本概览提供商成本API Key 获取Playground备注OpenAI按量计费Project-based无代码 Web 端提供多种模型Azure按量计费SDK 快速入门Studio 快速入门需要提前申请访问权限Microsoft Foundry有免费层项目概览页Foundry Playground一个 endpoint 一个 key 访问多家模型Hugging Face按量计费Access TokensHugging Chat开放模型与推理服务器Foundry Local / Ollama免费本机运行不需要本地 CLI/SDK完全离线OpenAI 兼容端点作业为可选项你可以根据自己的兴趣选择配置一个、全部或一个都不配置。未配置对应凭证的作业在运行时只会报缺少凭证错误不影响其他课程。第一步克隆仓库含稀疏检出加速方案由于仓库内置50 种语言的翻译translations/与translated_images/目录直接全量克隆体积很大。法语版 README 推荐使用sparse checkout稀疏检出跳过翻译目录# Bash / macOS / Linux git 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:: CMD (Windows) git 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这样你就能以快得多的下载速度拿到完成课程所需的全部文件21 个课程目录、shared/公共代码、tests/测试等。第二步搭建开发环境Codespaces 或本地仓库专门准备了第 00 课 00-course-setup/README.md 来指导环境搭建核心步骤如下Fork 仓库把整个仓库 fork 到自己的 GitHub 账号便于修改代码、完成作业同时可以 star 收藏。推荐使用 GitHub Codespaces在 fork 后的仓库中依次点击Code → Codespaces → New on main即可避开本机依赖问题。仓库根目录下的.devcontainer/包含devcontainer.json、environment.yml、post-create.sh等会让 Codespaces / VS Code 自动把项目装入容器内置所需运行时。添加密钥secret⚙️ 齿轮图标 → Command Palette →Codespaces: Manage user secret→ 新建OPENAI_API_KEY并粘贴你的密钥。用 Codespaces Secrets 管理 API 密钥是官方推荐的安全做法。本地运行的可选方案Miniconda / Conda 虚拟环境创建environment.yml并指定依赖然后执行conda env create --name ai4beg --file .devcontainer/environment.yml conda activate ai4beg环境文件示例来自 00-course-setup/README.mdname: ai4beg channels: - defaults - microsoft dependencies: - pythonpython-version - openai - python-dotenv - pip - pip: - azure-ai-mlVS Code Python 扩展官方推荐但非强制。打开仓库后 VS Code 会自动提示安装 Python 扩展若提示在容器中重新打开本地开发时可拒绝以使用本机 Python。浏览器内 Jupyter在课程目录执行jupyter notebook或jupyterhub即可在浏览器中打开任意*.ipynb例如08-building-search-applications/python/oai-solution.ipynb。容器Docker借助仓库内的.devcontainer配置在容器中运行适合有容器经验的开发者。常见故障排查表症状解决办法容器构建卡住超过 10 分钟Codespaces →Rebuild Containerpython: command not found终端未正确附加点击→bash新建终端OpenAI 返回401 UnauthorizedOPENAI_API_KEY错误或已过期VS Code 一直显示 Dev container mounting…刷新浏览器标签页Codespaces 偶尔会断开连接Notebook 内核缺失Notebook 菜单 →Kernel ▸ Select Kernel ▸ Python 3第三步配置 LLM 提供商密钥.env 文件仓库根目录提供了一个.env.copy模板.env.copy复制为.env后填入各提供商凭证即可cp .env.copy .env模板内容涵盖了本课程涉及的所有提供商# OpenAI Provider OPENAI_API_KEYadd your OpenAI API key here ## Azure OpenAI in Microsoft Foundry AZURE_OPENAI_API_VERSION2024-10-21 # Default is set! (current stable GA API version) 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 (multi-provider model catalog) 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00-course-setup/03-providers.md 中的变量对照表变量说明HUGGING_FACE_API_KEYHugging Face 个人访问令牌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 资源已部署的端点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_ENDPOINTMicrosoft Foundry 项目端点用于 Foundry ModelsAZURE_INFERENCE_CREDENTIALMicrosoft Foundry 项目 API key在本地运行 Python 脚本时还需安装python-dotenv根目录 requirements.txt 中已固定版本python-dotenv1.2.2并在脚本中通过load_dotenv()加载.env中的变量。从源码看密钥校验逻辑仓库将环境变量读取与校验封装在 shared/python/env_utils.py 中例如get_required_env(var_name, description)在变量缺失或为空时会抛出带提示信息的ValueErrorvalue os.getenv(var_name) if not value: raise ValueError( fMissing required environment variable: {var_name}{desc_part}. fPlease set it in your .env file or environment. )validate_env_vars(*var_names)则会一次性批量校验多个变量把缺失项全部列出。这些行为都有对应的单元测试覆盖见 tests/test_env_utils.py例如test_get_required_env_missing_raises验证缺失变量时抛出异常、test_validate_env_vars_reports_all_missing验证一次性报告所有缺失项。从源码看 OpenAI / Azure OpenAI 客户端工厂shared/python/api_utils.py 提供了两个可直接复用的工厂函数create_openai_client(api_keyNone)默认从OPENAI_API_KEY环境变量读取密钥缺失时抛出明确错误未安装openai包时也会给出安装提示。create_azure_openai_client(endpointNone, api_keyNone)默认读取AZURE_OPENAI_ENDPOINT/AZURE_OPENAI_API_KEY并将base_url设置为f{_endpoint.rstrip(/)}/openai/v1/。Azure 客户端的 v1 端点设计是关键点它同时兼容 OpenAI 与 Azure OpenAI且无需手动管理api_version直接配合 Responses API 使用。第 06 课 06-text-generation-apps/README.md 中也有等价的客户端配置示例。每课包含什么以第 06 课为例的代码纵览课程的通用运行依赖集中在根目录 requirements.txtopenai1.12.0、tiktoken、python-dotenv1.2.2、azure-ai-inference、ipywidgets、numpy、matplotlib、pandas、tqdm、scikit-learnTypeScript 侧则在 package.json 中依赖openai^6.45.0与azure-rest/ai-inference。以第 06 课《构建文本生成应用》为例其核心调用链路是安装openai库 → 创建 OpenAI 客户端 → 通过Responses API的client.responses.create(...)传入模型与提示词 → 读取response.output_text获得生成文本import os from openai import OpenAI # Azure OpenAI现已并入 Microsoft Foundry配置 client OpenAI( api_keyos.environ[AZURE_OPENAI_API_KEY], base_urlf{os.environ[AZURE_OPENAI_ENDPOINT].rstrip(/)}/openai/v1/, ) prompt Complete the following: Once upon a time there was a response client.responses.create( modelgpt-4o-mini, # 模型部署名 inputprompt, storeFalse, ) print(response.output_text)课程还会带你理解prompt提示词、temperature温度控制输出的随机性/创造性与tokens令牌这三个核心概念并动手实践多轮对话等进阶用法——这些都是构建真实文本生成应用聊天机器人、摘要助手、代码助手等的基础。21 课完整课程表以下为法语版 README 的完整课程目录链接已转换为仓库根目录相对路径外部视频与延伸学习链接此处以文字说明代替#课程链接内容简介配套资源00Configuration du coursLearn如何配置开发环境视频即将上线延伸学习01Introduction à lIA générative et aux LLMLearn理解什么是生成式 AI、LLM 如何工作配套视频延伸学习02Explorer et comparer différents LLMLearn如何为你的场景选择合适模型配套视频延伸学习03Utiliser lIA générative de manière responsableLearn如何负责任地构建生成式 AI 应用配套视频延伸学习04Comprendre les Fondamentaux de lIngénierie des PromptsLearn提示工程实操最佳实践配套视频延伸学习05Créer des Prompts AvancésLearn应用提示工程技术改善输出结果配套视频延伸学习06Construire des Applications de Génération de TexteBuild使用 Azure OpenAI / OpenAI API 构建文本生成应用配套视频延伸学习07Construire des Applications de ChatBuild高效构建与集成聊天应用的技术配套视频延伸学习08Construire des Applications de Recherche avec Bases de Données VectoriellesBuild使用 Embeddings 检索数据的搜索应用配套视频延伸学习09Construire des Applications de Génération dImagesBuild图像生成应用配套视频延伸学习10Construire des Applications IA Low CodeBuild使用低代码工具构建生成式 AI 应用配套视频延伸学习11Intégrer des Applications Externes avec lAppel de FonctionBuild什么是函数调用及其应用场景配套视频延伸学习12Concevoir lExpérience Utilisateur pour les Applications IALearn如何将 UX 设计原则应用于生成式 AI 应用配套视频延伸学习13Sécuriser Vos Applications dIA GénérativeLearnAI 系统面临的威胁与防护方法配套视频延伸学习14Le Cycle de Vie des Applications dIA GénérativeLearn管理 LLM 生命周期与 LLMOps 的工具和指标配套视频延伸学习15Retrieval Augmented Generation (RAG) et Bases de Données VectoriellesBuild使用 RAG 框架从向量数据库检索 Embeddings 的应用配套视频延伸学习16Modèles Open Source et Hugging FaceBuild使用 Hugging Face 上的开源模型构建应用配套视频延伸学习17Agents IABuild使用 AI Agent 框架构建应用配套视频延伸学习18Fine-Tuning des LLMsLearnLLM 微调是什么、为什么、怎么做配套视频延伸学习19Construire avec des SLMsLearn使用小语言模型SLM构建的优势视频即将上线延伸学习20Construire avec les Modèles MistralLearnMistral 系列模型的特点与差异视频即将上线延伸学习21Construire avec les Modèles MetaLearnMeta 系列模型的特点与差异视频即将上线延伸学习从课程表可以看到清晰的能力进阶路径前几课01–05打牢概念与提示工程基础中间课程06–11覆盖文本生成、聊天、搜索、图像、低代码、函数调用等主流应用形态最后12–21深入到安全、LLMOps、RAG、开源模型、AI Agents、微调与 SLM/Mistral/Meta 家族模型。仓库内 presentations/ 还提供了配套的 PPT/PDF 课程演示文稿。仓库结构与源码佐证速览除了 21 个课程目录外仓库还提供了工程化支撑模块方便你在学习之余理解生产级的组织方式shared/python/api_utils.py安全 HTTP 请求超时、重试、异常处理、OpenAI / Azure OpenAI 客户端工厂、图片下载工具shared/python/env_utils.py环境变量读取与校验get_required_env、validate_env_vars、get_env_with_defaultshared/python/input_validation.py输入校验工具tests/以上公共模块的 pytest 单元测试含conftest.py例如 tests/test_env_utils.py、tests/test_api_utils.pyrequirements.txt 与 package.jsonPython 与 npm 依赖清单00-course-setup/环境搭建三件套01-setup-cloud.md 云端、02-setup-local.md 本地、03-providers.md 提供商配置。多语言支持50 语言译本与图片翻译这是本仓库区别于一般教程的一大特色translations/目录为每课 README 和 Notebook 提供 50 语言译本translated_images/目录则提供各语言翻译后的图片资源全部由 GitHub Action 自动维护、保持最新。以下为法语版 README 中列出的全部语言法语原文用 translations/fr/README.mdArabic · Bengali · Bulgarian · Burmese (Myanmar) · Chinese (Simplified) · Chinese (Traditional, Hong Kong) · Chinese (Traditional, Macau) · Chinese (Traditional, Taiwan) · Croatian · Czech · Danish · Dutch · Estonian · Finnish · French · German · Greek · Hebrew · Hindi · Hungarian · Indonesian · Italian · Japanese · Kannada · Khmer · Korean · Lithuanian · Malay · Malayalam · Marathi · Nepali · Nigerian Pidgin · Norwegian · Persian (Farsi) · Polish · Portuguese (Brazil) · Portuguese (Portugal) · Punjabi (Gurmukhi) · Romanian · Russian · Serbian (Cyrillic) · Slovak · Slovenian · Spanish · Swahili · Swedish · Tagalog (Filipino) · Tamil · Telugu · Thai · Turkish · Ukrainian · Urdu · Vietnamese延伸支持、贡献与其他系列课程获得帮助遇到卡点或疑问时可加入课程的官方社区 Discord 频道与其他学习者交流产品反馈或构建中遇到的问题可提交到官方开发者论坛。参与贡献如果你发现拼写或代码错误可以在仓库提交 issue 或 pull request。仓库遵循 CONTRIBUTING.md 与 CODE_OF_CONDUCT.md贡献受 LICENSE 许可约束。项目团队会跟踪所有贡献。其他系列课程团队还出品了 LangChainLangChain4j / LangChain.js / LangChain、Azure / Edge / MCP / AI Agents、Generative AI 系列.NET、Java、JavaScript 版、核心基础ML、Data Science、AI、Cybersecurity、Web Dev、IoT、XR、Copilot 系列等课程。致谢特别感谢 John Aziz 创建了全部 GitHub Actions 与工作流Bernhard Merkle 为每节课的学员体验与代码质量做出了关键贡献。翻译说明法语版 README 由 Co-op Translator 自动翻译生成可能存在不准确之处关键信息请以仓库根目录英文版 README.md 为权威来源。至此你已经掌握了这套 21 课生成式 AI 课程的完整脉络从概念到实战、从环境搭建到密钥配置、从 Python/TypeScript 示例到源码级实现。接下来只需要完成 clone 与.env配置即可从任意一课开始你的生成式 AI 开发之旅。【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 generative-ai-for-beginners 入门指南：21 课体系化掌握生成式 AI 应用开发
generative-ai-for-beginners 入门指南21 课体系化掌握生成式 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本文基于开源课程《Generative AI for Beginners》的官方法语版 READMEtranslations/fr/README.md结合仓库内真实的环境配置文档与源码实现为你完整梳理这套由 Microsoft Cloud Advocates 打造的 21 课生成式 AI 入门课程从课程结构与每课配套资源到 Azure OpenAI、OpenAI API、GitHub Models / Microsoft Foundry 等 LLM 提供商的选择与.env密钥配置再到稀疏克隆、Codespaces 环境搭建与 Python 调用 LLM 的底层实现。读完本文你将掌握该课程的完整学习路径、环境就绪方法以及如何直接运行仓库内 Python / TypeScript 示例代码。课程总览21 课、两种标签、一套完整的动手体系本文介绍的是该课程的法语版总览文档其结构与根目录英文版 README.md 一一对应仅语言不同。仓库根目录的英文版更新更及时例如已把 GitHub Models 更新为 Microsoft Foundry Models阅读时可将英文版视为权威来源。该课程由 21 节独立的课程组成每节课围绕一个独立主题可以从任意一课开始不必严格按顺序学习。每课都带有两类标签之一Learn概念课讲解某个生成式 AI 概念例如第 01 课《Introduction to Generative AI and LLMs》、第 04 课《Prompt Engineering Fundamentals》。Build实战课在讲解概念的同时尽可能同时提供Python与TypeScript两套代码示例例如第 06 课《Building Text Generation Applications》、第 15 课《RAG and Vector Databases》。每一课NN-xxx/README.md都包含以下标配内容见法语版 README Chaque leçon comprend 一节一段关于该主题的短视频导览位于该课 README 中的书面讲解同时支持Azure OpenAI与OpenAI API的 Python、TypeScript 代码示例指向延伸学习资源的链接每课的 Keep Learning 板块。运行本课程需要什么三种 LLM 提供商任选其一课程内所有可运行代码都围绕 LLM 服务展开。法语版 README 明确列出了三种可用的运行环境提供商对应课程文件命名标签Azure OpenAI Serviceaoai-assignmentGitHub Marketplace Model CatalogGitHub ModelsgithubmodelsOpenAI APIoai-assignment此外还需要Python 或 TypeScript 基础知识零基础读者可先补齐这两种语言的基础一个 GitHub 账号用于把整个仓库 fork 到自己的账号下fork 之后才能自由修改代码、完成作业挑战。关于 GitHub Models 退役与 Microsoft Foundry 的迁移说明需要特别说明的是法语版 README 的翻译时间较早其中仍将 GitHub Models 列为官方推荐提供商。而仓库根目录英文版 README.md 与 00-course-setup/03-providers.md 已明确更新GitHub Models以及配套的GITHUB_TOKEN变量将于2026 年 7 月底退役请改用Microsoft Foundry Models模型目录。迁移后Microsoft Foundry Models 用一个 endpoint 一个 API key 即可访问来自 OpenAI、Meta、Mistral、Cohere、Microsoft 等厂商的数百个模型。实际配置时请以 00-course-setup/03-providers.md 为准将文件命名标签githubmodels的作业视为使用AZURE_INFERENCE_ENDPOINT/AZURE_INFERENCE_CREDENTIAL两个变量。各提供商的选择对比来自 providers.md仓库的 00-course-setup/03-providers.md 给出了各提供商的核心差异与注册成本概览提供商成本API Key 获取Playground备注OpenAI按量计费Project-based无代码 Web 端提供多种模型Azure按量计费SDK 快速入门Studio 快速入门需要提前申请访问权限Microsoft Foundry有免费层项目概览页Foundry Playground一个 endpoint 一个 key 访问多家模型Hugging Face按量计费Access TokensHugging Chat开放模型与推理服务器Foundry Local / Ollama免费本机运行不需要本地 CLI/SDK完全离线OpenAI 兼容端点作业为可选项你可以根据自己的兴趣选择配置一个、全部或一个都不配置。未配置对应凭证的作业在运行时只会报缺少凭证错误不影响其他课程。第一步克隆仓库含稀疏检出加速方案由于仓库内置50 种语言的翻译translations/与translated_images/目录直接全量克隆体积很大。法语版 README 推荐使用sparse checkout稀疏检出跳过翻译目录# Bash / macOS / Linux git 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:: CMD (Windows) git 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这样你就能以快得多的下载速度拿到完成课程所需的全部文件21 个课程目录、shared/公共代码、tests/测试等。第二步搭建开发环境Codespaces 或本地仓库专门准备了第 00 课 00-course-setup/README.md 来指导环境搭建核心步骤如下Fork 仓库把整个仓库 fork 到自己的 GitHub 账号便于修改代码、完成作业同时可以 star 收藏。推荐使用 GitHub Codespaces在 fork 后的仓库中依次点击Code → Codespaces → New on main即可避开本机依赖问题。仓库根目录下的.devcontainer/包含devcontainer.json、environment.yml、post-create.sh等会让 Codespaces / VS Code 自动把项目装入容器内置所需运行时。添加密钥secret⚙️ 齿轮图标 → Command Palette →Codespaces: Manage user secret→ 新建OPENAI_API_KEY并粘贴你的密钥。用 Codespaces Secrets 管理 API 密钥是官方推荐的安全做法。本地运行的可选方案Miniconda / Conda 虚拟环境创建environment.yml并指定依赖然后执行conda env create --name ai4beg --file .devcontainer/environment.yml conda activate ai4beg环境文件示例来自 00-course-setup/README.mdname: ai4beg channels: - defaults - microsoft dependencies: - pythonpython-version - openai - python-dotenv - pip - pip: - azure-ai-mlVS Code Python 扩展官方推荐但非强制。打开仓库后 VS Code 会自动提示安装 Python 扩展若提示在容器中重新打开本地开发时可拒绝以使用本机 Python。浏览器内 Jupyter在课程目录执行jupyter notebook或jupyterhub即可在浏览器中打开任意*.ipynb例如08-building-search-applications/python/oai-solution.ipynb。容器Docker借助仓库内的.devcontainer配置在容器中运行适合有容器经验的开发者。常见故障排查表症状解决办法容器构建卡住超过 10 分钟Codespaces →Rebuild Containerpython: command not found终端未正确附加点击→bash新建终端OpenAI 返回401 UnauthorizedOPENAI_API_KEY错误或已过期VS Code 一直显示 Dev container mounting…刷新浏览器标签页Codespaces 偶尔会断开连接Notebook 内核缺失Notebook 菜单 →Kernel ▸ Select Kernel ▸ Python 3第三步配置 LLM 提供商密钥.env 文件仓库根目录提供了一个.env.copy模板.env.copy复制为.env后填入各提供商凭证即可cp .env.copy .env模板内容涵盖了本课程涉及的所有提供商# OpenAI Provider OPENAI_API_KEYadd your OpenAI API key here ## Azure OpenAI in Microsoft Foundry AZURE_OPENAI_API_VERSION2024-10-21 # Default is set! (current stable GA API version) 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 (multi-provider model catalog) 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00-course-setup/03-providers.md 中的变量对照表变量说明HUGGING_FACE_API_KEYHugging Face 个人访问令牌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 资源已部署的端点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_ENDPOINTMicrosoft Foundry 项目端点用于 Foundry ModelsAZURE_INFERENCE_CREDENTIALMicrosoft Foundry 项目 API key在本地运行 Python 脚本时还需安装python-dotenv根目录 requirements.txt 中已固定版本python-dotenv1.2.2并在脚本中通过load_dotenv()加载.env中的变量。从源码看密钥校验逻辑仓库将环境变量读取与校验封装在 shared/python/env_utils.py 中例如get_required_env(var_name, description)在变量缺失或为空时会抛出带提示信息的ValueErrorvalue os.getenv(var_name) if not value: raise ValueError( fMissing required environment variable: {var_name}{desc_part}. fPlease set it in your .env file or environment. )validate_env_vars(*var_names)则会一次性批量校验多个变量把缺失项全部列出。这些行为都有对应的单元测试覆盖见 tests/test_env_utils.py例如test_get_required_env_missing_raises验证缺失变量时抛出异常、test_validate_env_vars_reports_all_missing验证一次性报告所有缺失项。从源码看 OpenAI / Azure OpenAI 客户端工厂shared/python/api_utils.py 提供了两个可直接复用的工厂函数create_openai_client(api_keyNone)默认从OPENAI_API_KEY环境变量读取密钥缺失时抛出明确错误未安装openai包时也会给出安装提示。create_azure_openai_client(endpointNone, api_keyNone)默认读取AZURE_OPENAI_ENDPOINT/AZURE_OPENAI_API_KEY并将base_url设置为f{_endpoint.rstrip(/)}/openai/v1/。Azure 客户端的 v1 端点设计是关键点它同时兼容 OpenAI 与 Azure OpenAI且无需手动管理api_version直接配合 Responses API 使用。第 06 课 06-text-generation-apps/README.md 中也有等价的客户端配置示例。每课包含什么以第 06 课为例的代码纵览课程的通用运行依赖集中在根目录 requirements.txtopenai1.12.0、tiktoken、python-dotenv1.2.2、azure-ai-inference、ipywidgets、numpy、matplotlib、pandas、tqdm、scikit-learnTypeScript 侧则在 package.json 中依赖openai^6.45.0与azure-rest/ai-inference。以第 06 课《构建文本生成应用》为例其核心调用链路是安装openai库 → 创建 OpenAI 客户端 → 通过Responses API的client.responses.create(...)传入模型与提示词 → 读取response.output_text获得生成文本import os from openai import OpenAI # Azure OpenAI现已并入 Microsoft Foundry配置 client OpenAI( api_keyos.environ[AZURE_OPENAI_API_KEY], base_urlf{os.environ[AZURE_OPENAI_ENDPOINT].rstrip(/)}/openai/v1/, ) prompt Complete the following: Once upon a time there was a response client.responses.create( modelgpt-4o-mini, # 模型部署名 inputprompt, storeFalse, ) print(response.output_text)课程还会带你理解prompt提示词、temperature温度控制输出的随机性/创造性与tokens令牌这三个核心概念并动手实践多轮对话等进阶用法——这些都是构建真实文本生成应用聊天机器人、摘要助手、代码助手等的基础。21 课完整课程表以下为法语版 README 的完整课程目录链接已转换为仓库根目录相对路径外部视频与延伸学习链接此处以文字说明代替#课程链接内容简介配套资源00Configuration du coursLearn如何配置开发环境视频即将上线延伸学习01Introduction à lIA générative et aux LLMLearn理解什么是生成式 AI、LLM 如何工作配套视频延伸学习02Explorer et comparer différents LLMLearn如何为你的场景选择合适模型配套视频延伸学习03Utiliser lIA générative de manière responsableLearn如何负责任地构建生成式 AI 应用配套视频延伸学习04Comprendre les Fondamentaux de lIngénierie des PromptsLearn提示工程实操最佳实践配套视频延伸学习05Créer des Prompts AvancésLearn应用提示工程技术改善输出结果配套视频延伸学习06Construire des Applications de Génération de TexteBuild使用 Azure OpenAI / OpenAI API 构建文本生成应用配套视频延伸学习07Construire des Applications de ChatBuild高效构建与集成聊天应用的技术配套视频延伸学习08Construire des Applications de Recherche avec Bases de Données VectoriellesBuild使用 Embeddings 检索数据的搜索应用配套视频延伸学习09Construire des Applications de Génération dImagesBuild图像生成应用配套视频延伸学习10Construire des Applications IA Low CodeBuild使用低代码工具构建生成式 AI 应用配套视频延伸学习11Intégrer des Applications Externes avec lAppel de FonctionBuild什么是函数调用及其应用场景配套视频延伸学习12Concevoir lExpérience Utilisateur pour les Applications IALearn如何将 UX 设计原则应用于生成式 AI 应用配套视频延伸学习13Sécuriser Vos Applications dIA GénérativeLearnAI 系统面临的威胁与防护方法配套视频延伸学习14Le Cycle de Vie des Applications dIA GénérativeLearn管理 LLM 生命周期与 LLMOps 的工具和指标配套视频延伸学习15Retrieval Augmented Generation (RAG) et Bases de Données VectoriellesBuild使用 RAG 框架从向量数据库检索 Embeddings 的应用配套视频延伸学习16Modèles Open Source et Hugging FaceBuild使用 Hugging Face 上的开源模型构建应用配套视频延伸学习17Agents IABuild使用 AI Agent 框架构建应用配套视频延伸学习18Fine-Tuning des LLMsLearnLLM 微调是什么、为什么、怎么做配套视频延伸学习19Construire avec des SLMsLearn使用小语言模型SLM构建的优势视频即将上线延伸学习20Construire avec les Modèles MistralLearnMistral 系列模型的特点与差异视频即将上线延伸学习21Construire avec les Modèles MetaLearnMeta 系列模型的特点与差异视频即将上线延伸学习从课程表可以看到清晰的能力进阶路径前几课01–05打牢概念与提示工程基础中间课程06–11覆盖文本生成、聊天、搜索、图像、低代码、函数调用等主流应用形态最后12–21深入到安全、LLMOps、RAG、开源模型、AI Agents、微调与 SLM/Mistral/Meta 家族模型。仓库内 presentations/ 还提供了配套的 PPT/PDF 课程演示文稿。仓库结构与源码佐证速览除了 21 个课程目录外仓库还提供了工程化支撑模块方便你在学习之余理解生产级的组织方式shared/python/api_utils.py安全 HTTP 请求超时、重试、异常处理、OpenAI / Azure OpenAI 客户端工厂、图片下载工具shared/python/env_utils.py环境变量读取与校验get_required_env、validate_env_vars、get_env_with_defaultshared/python/input_validation.py输入校验工具tests/以上公共模块的 pytest 单元测试含conftest.py例如 tests/test_env_utils.py、tests/test_api_utils.pyrequirements.txt 与 package.jsonPython 与 npm 依赖清单00-course-setup/环境搭建三件套01-setup-cloud.md 云端、02-setup-local.md 本地、03-providers.md 提供商配置。多语言支持50 语言译本与图片翻译这是本仓库区别于一般教程的一大特色translations/目录为每课 README 和 Notebook 提供 50 语言译本translated_images/目录则提供各语言翻译后的图片资源全部由 GitHub Action 自动维护、保持最新。以下为法语版 README 中列出的全部语言法语原文用 translations/fr/README.mdArabic · Bengali · Bulgarian · Burmese (Myanmar) · Chinese (Simplified) · Chinese (Traditional, Hong Kong) · Chinese (Traditional, Macau) · Chinese (Traditional, Taiwan) · Croatian · Czech · Danish · Dutch · Estonian · Finnish · French · German · Greek · Hebrew · Hindi · Hungarian · Indonesian · Italian · Japanese · Kannada · Khmer · Korean · Lithuanian · Malay · Malayalam · Marathi · Nepali · Nigerian Pidgin · Norwegian · Persian (Farsi) · Polish · Portuguese (Brazil) · Portuguese (Portugal) · Punjabi (Gurmukhi) · Romanian · Russian · Serbian (Cyrillic) · Slovak · Slovenian · Spanish · Swahili · Swedish · Tagalog (Filipino) · Tamil · Telugu · Thai · Turkish · Ukrainian · Urdu · Vietnamese延伸支持、贡献与其他系列课程获得帮助遇到卡点或疑问时可加入课程的官方社区 Discord 频道与其他学习者交流产品反馈或构建中遇到的问题可提交到官方开发者论坛。参与贡献如果你发现拼写或代码错误可以在仓库提交 issue 或 pull request。仓库遵循 CONTRIBUTING.md 与 CODE_OF_CONDUCT.md贡献受 LICENSE 许可约束。项目团队会跟踪所有贡献。其他系列课程团队还出品了 LangChainLangChain4j / LangChain.js / LangChain、Azure / Edge / MCP / AI Agents、Generative AI 系列.NET、Java、JavaScript 版、核心基础ML、Data Science、AI、Cybersecurity、Web Dev、IoT、XR、Copilot 系列等课程。致谢特别感谢 John Aziz 创建了全部 GitHub Actions 与工作流Bernhard Merkle 为每节课的学员体验与代码质量做出了关键贡献。翻译说明法语版 README 由 Co-op Translator 自动翻译生成可能存在不准确之处关键信息请以仓库根目录英文版 README.md 为权威来源。至此你已经掌握了这套 21 课生成式 AI 课程的完整脉络从概念到实战、从环境搭建到密钥配置、从 Python/TypeScript 示例到源码级实现。接下来只需要完成 clone 与.env配置即可从任意一课开始你的生成式 AI 开发之旅。【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