生成式AI入门课程拆解：21 节课从 LLM 概念到 AI 应用的完整学习指南
【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
generative-ai-for-beginners 是微软云布道师团队出品的生成式 AI 开源课程，共 21 节（编号 00 至 21），覆盖从 LLM 概念、提示工程到 RAG 与 AI Agent 开发的完整链路。每节 Build 类课程均提供 Python 与 TypeScript 两套可运行示例，支持 Azure OpenAI、OpenAI API 等多种模型接入方式，帮助初学者在有限时间内做出第一个 AI 应用。
项目速览
下表帮助你 10 秒建立对课程的整体认知。
| 维度 | 说明 |
|---|---|
| 规模 | 21 节课，分为 Learn（概念讲解）与 Build（动手构建）两类 |
| 技术栈 | Python 与 TypeScript 双语言示例，Markdown 课件 |
| 覆盖范围 | LLM 原理、模型选型、提示工程、文本/图像/聊天应用、搜索与 RAG、函数调用、AI Agent、微调与安全 |
| 产出物 | 文本生成 Demo、聊天机器人、搜索应用、图像生成应用、RAG 问答应用等可运行代码 |
核心能力详解
本节解决"课程覆盖哪些能力、各学到多深"的问题。
理解 LLM 工作原理与模型选型方法
价值在于先建立概念坐标系，再谈选型。生成式AI入门 讲透 LLM 的运作机制与典型用例（补全、对话、摘要、创意写作）；LLM 对比方法 给出按任务质量、延迟、成本与模型卡片信息选模型的实操框架，读完能判断自己的场景该用哪类模型。
掌握提示工程基础与练习方法
这部分把"写提示词"变成可复用的工程技能。提示工程基础 覆盖结构化提示、分词机制与幻觉场景；高级提示技巧 补充链式推理等进阶手法，两节课均配有可直接运行的练习与参考答案。
接入 RAG 与向量数据库
本节解决的是如何让模型引用你自己的私有数据。搜索应用构建 先用嵌入（Embedding）实现数据检索；RAG 与向量数据库 再讲透文档切块、嵌入生成与检索增强的完整链路，配套 Notebook 可直接跑通。
负责任地使用生成式 AI 并理解应用安全
负责任使用生成式 AI 介绍公平性、透明性等原则与风险缓解思路；安全课程 梳理 AI 系统面临的主要威胁与加固方法，帮助你在写第一行代码前就具备安全意识。
快速上手
本节给出一条两天内可见效的实操顺序，每步都有可验证的结果。
- 克隆仓库到本地：
git clone https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners。结果：本地出现 00 至 21 的完整课程目录。 - 按 环境配置 配好开发环境与模型 API Key（接入方式见 providers.md）。结果：
.env写入 Key 后，示例代码能发起一次测试调用。 - 通读 01 生成式AI入门 与 02 模型对比。结果：能用自己的话说出按质量、延迟、成本三条标准选模型的依据。
- 手写 3 个结构化提示词，完成 04 模块 的练习。结果：在模型 Playground 中观察到提示改写前后的输出差异。
- 跑通 06 文本生成 Demo，再做 07 聊天应用。结果：拿到第一个可交互的生成式 AI 应用。
场景化实战组合
本节解决"哪些模块产出能直接复用"的问题。
- 构建带多轮上下文记忆与自定义指令的聊天机器人：聊天应用构建，产出可演示的对话 Demo
- 按提示词生成图片并对比温度参数差异：图像生成应用，产出可复用的图像生成脚本
- 让模型调用外部函数与工具：函数调用集成，产出带 Function Calling 的应用骨架
- 接入自有文档搭建问答系统：RAG 与向量数据库，产出基于私有数据的检索增强应用
适用人群与边界
这部分帮你判断时间投入是否值得。
适合谁：
- 零基础、想系统补齐生成式 AI 概念的读者
- 会 Python 或 TypeScript、要做出第一个 AI 应用的开发者（本机搭建看 环境搭建）
- 需要理解 AI 能力边界的产品与运营人员
不适合谁：
- 只找生产级模型微调与部署方案的工程师
- 以 .NET 为主技术栈的开发者
- 已有 RAG 项目、需要深度调优手段的团队
延伸方向
学完 21 节课后，可以沿以下三个方向继续深入：
- 开源模型与 Hugging Face：在本地部署开源模型，摆脱对云端 API 的依赖
- 小型语言模型（SLM）：学习轻量化模型的选型与落地场景
- LLM 微调：理解微调的原理、适用条件与数据准备方法
从 04 提示工程基础 入手，先手写 3 个提示词再进代码，两天内即可跑通你的第一个生成式 AI 应用。
【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
