企业官网建设流程全解析

21节生成式AI入门课程完整指南：从理解LLM到亲手构建AI应用，55种语言可用

【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

Generative AI for Beginners 是一套包含 21 节课的完整生成式 AI 课程体系，面向零基础学习者，覆盖 LLM 基础、提示工程、AI 应用开发三大板块。每节课同时提供 Python 与 TypeScript 双语言示例代码，全套课程配有 55 种语言翻译，任何人都能用母语完成学习。

下面按"看懂知识地图 → 理解学习路径设计 → 配置环境上手 → 用好配套资源"的顺序带你过一遍，看完即可规划出第一周的学习安排。

零基础AI课程知识地图：21节课分别解决什么问题

课程由微软云布道师团队维护（当前为 Version 3），从第 00 课环境配置到第 21 课特定模型实战，每一课对应一个独立主题，可以按顺序学，也可以挑感兴趣的直接看。全部课程一览：

学习路径怎么设计：先"Learn"概念，再"Build"应用

这套AI教程刻意把 21 节课分成"Learn 课"（讲透概念）和"Build 课"（概念加代码一起上）两类，整体呈四个递进阶段，避免新手一上来就陷入代码细节。

概念阶段（01–03课）：先搞清楚模型怎么"说话"

第 01 课用生活化例子解释生成式AI与LLM：模型如何"看到"文本（分词 token）、为什么能补全句子、为什么擅长摘要与对话，帮你建立对大模型最直观的认知。

第 02 课教你"选模型"：面对 GPT 系列、Llama 系列等众多LLM，如何根据任务类型、成本和性能指标做对比，课程内置了基准测试图表辅助决策。

第 03 课则提醒你在兴奋之余保持清醒：AI 会编造事实、可能产生偏见，如何负责任地使用并缓解这些风险。

技巧阶段（04–05课）：最实用的提示工程技巧

提示工程是整套课程的重心之一。第 04 课从"提示词怎么写"讲起，通过大量可复制的实例练习基础技巧，并配有一张信息量很大的可视化笔记图，方便随时回看。

第 05 课进阶到角色设定、少样本提示等技巧，每节技巧都附带 Python 和 JavaScript 的可运行示例（见05-advanced-prompts/python/与05-advanced-prompts/javascript/），让你直观看到"改一句提示词，输出差多少"。

实战阶段（06–11、15–17课）：写出真正能跑的AI应用

从第 06 课开始动手。文本生成、聊天机器人、语义搜索、文生图、低代码搭建、函数调用——每个Build课题都围绕一个具体应用展开，代码在06-text-generation-apps/python/、07-building-chat-applications/python/等目录中按"aoai（Azure OpenAI）/ oai（OpenAI）"分别提供，换服务商只需换文件。

第 15 课是全课程含金量很高的一课：RAG（检索增强生成）让大模型基于你自己的文档回答，而不是凭空编造，课程提供完整 Notebook 与数据文件可复现。

第 16、17 课带你走出单一闭源API：用 Hugging Face 上的开源模型搭应用，再用 AI Agent 框架让模型自主规划、调用工具完成任务。

工程阶段（12–14、18–21课）：像工程师一样思考

会做demo之后，真正上线还需要：第 12 课讲AI产品的UX设计（如何展示不确定性、收集用户反馈）；第 13 课讲安全威胁与防护；第 14 课介绍LLMOps——监控、评估、迭代模型应用的完整生命周期。第 18–21 课覆盖微调、小语言模型以及 Mistral、Meta 两大模型家族，帮你在"用现成API"和"训自己的模型"之间找到合适的位置。

零基础环境配置步骤：三种方式任选一种跑起来

第 00 课（00-course-setup/）专门解决"第一行代码怎么跑起来"，包含三个分册：云端环境（01-setup-cloud.md）、本地环境（02-setup-local.md）、模型服务商选择（03-providers.md）。

课程支持四种模型来源，按需选择：Azure OpenAI Service、Microsoft Foundry Models、OpenAI API，以及完全离线、无需任何云订阅的 Foundry Local——对只想先体验的学习者最友好。

拿到代码只需要一条命令：

git clone https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners

仓库内含 55 种语言翻译，体积较大。如果只需要英文原文，可以用稀疏检出只下载课程核心文件，速度会快很多：

git clone --filter=blob:none --sparse https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners cd generative-ai-for-beginners git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

Python 依赖统一放在根目录的requirements.txt，装完即可运行各课示例。

多语言教程支持：55种翻译自动同步更新

这是这套免费AI课程最容易被忽略、但对中文学习者最实用的特点：translations/目录下收录了 55 种语言版本，包括简体中文、繁体中文、日语、韩语、西班牙语、法语、德语、俄语、阿拉伯语、印地语等，翻译由 GitHub Actions 自动化流水线驱动，英文原版每次更新后各语言版本会同步刷新，不会出现"教程和代码对不上"的尴尬。图片也做了多语言版本（见translated_images/）。

中文读者直接打开translations/zh-CN/README.md即可开始，目录结构与英文原版一一对应。

配套资源清单：视频、示例代码与共享工具库

每节课内部都包含四件套，学习颗粒度很细：

1. 一段短视频引入（适合通勤时看）；
2. 一篇图文教程（README）；
3. Python 与 TypeScript 双语言代码示例；
4. 一节"Keep Learning"延伸阅读推荐。

除课程内容外，仓库里还有几个值得留意的工程化细节：shared/python/提供了 API 调用、环境变量、输入校验等共享工具模块，tests/配有对应单元测试，说明这套AI课程本身也遵循规范的工程实践；08-building-search-applications/scripts/还提供了完整的数据准备脚本，可把公开语料加工成带嵌入的向量索引，供搜索课使用。项目约定与贡献指南见CONTRIBUTING.md，安全规范见docs/SECURITY_GUIDELINES.md。

克隆仓库、从第 01 课的第一张图看起，用一节周末的时间走完"概念 + 提示工程"前半场——你的AI开发之旅就从这里开始。

【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