生成式AI应用入门完整教程：21节课从提示词写到AI代理
【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
对着聊天框改了一版又一版提示词，输出质量还是上不去？模型能力够用的时候，缺的往往不是算力，而是一套系统的方法。
generative-ai-for-beginners 是微软出品的开源生成式AI课程，21 节课覆盖大模型原理、提示工程，到聊天、搜索、图像应用的完整开发流程，适合刚接触 AI 的开发者与产品同学。
学完你能做出什么
先说成果，再拆课程：
- 写提示不再靠碰运气：理解 token、系统指令、输出格式如何影响结果，会写结构化提示词
- 做出一个文本生成应用：用 Python 或 TypeScript 调用 API，跑通菜谱机器人这类小项目
- 做出带上下文的聊天机器人，以及基于 embedding 的语义搜索应用
- 看懂 RAG、函数调用、微调的适用边界，能判断自己的场景该用哪种技术
21 节课按难度阶梯怎么拆
每节课标注 "Learn"（讲概念）或 "Build"（带代码），不必按编号顺序读。按难度分四档看更清楚：
| 阶段 | 覆盖课程 | 你会做到 |
|---|---|---|
| 概念地基 | 01 LLM 原理、02 模型对比、03 负责任地使用 AI | 说清 LLM 怎么工作，按场景选模型 |
| 提示词核心 | 04 提示工程基础、05 高级提示技巧 | 写出稳定可控的结构化提示词 |
| 动手做应用 | 06 文本生成、07 聊天、09 图像生成、11 函数调用 | 跑通第一个真正调用 API 的应用 |
| 工程与进阶 | 08 搜索与向量数据库、13 安全、14 应用生命周期、18 微调 | 用 embedding 检索、部署前做安全加固、定制模型行为 |
模型族专题（16 开源模型、19 小型模型、20 Mistral、21 Meta 模型族）放在最后，按需取用即可。
最快起步路径：从哪一目录开始跑
- 克隆仓库：
git clone https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners。仓库含 50+ 语言翻译，体积偏大，README 里给了 sparse checkout 的省流量写法。 - 过一遍 00-course-setup：在 OpenAI API、Azure OpenAI、Foundry Local（完全离线，无需云订阅）里选一个，把密钥写进
.env。 - 跑第一次练习：读 01 课 的 README 建立 LLM 直觉，然后打开
04-prompt-engineering-fundamentals/python/下的 notebook，跑几个提示词实验。
跑通后，06-text-generation-apps/python/oai-app.py就是你的第一个"真应用"。
配套资源速览
- 50+ 语言的翻译在
translations/与translated_images/（课程配图也有译文版） - 每节课配短视频、图文讲义和 Python / TypeScript 双份示例，部分课另有 .NET 版本
- RAG 课 自带 notebook，
08-building-search-applications/scripts/里还有向量索引的制备脚本
进阶方向
主线走完之后，后面用得最多的是两节：RAG 与向量数据库 教你让模型"带着自己的资料"回答；AI 代理 教你让模型自主规划任务、调用工具。
别贪多，先把 04 的 notebook 和 06 的应用跑通，你就已经入门了；想深挖，从 RAG 和 AI 代理这两节继续往下走。
【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
