Generative AI for Beginners 从零跑通环境配置到 21 课出结果的完整指南【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这是一个 21 课的生成式 AI 应用开发开源课程。本文带你完成从挑选模型服务商、配置凭据到跑通第一个 LLM 示例的全部流程卡点提前说清。 先判断它适不适合你的场景这一步的目的是让你在花 30 分钟装环境之前先确认这个项目值不值得投入。它不是一套模型训练框架而是一条用 API 调 LLM、逐课写代码的学习路径所有示例都附带可运行代码和预期输出。适用场景不适用场景效果预期想系统入门生成式 AI边学边写代码想从零训练或微调自己的大模型课程不含训练环节每课都有 Python/TypeScript 示例跑通即可看到效果有基础 Python能看懂 API 报错想要开箱即用的生产级框架或托管服务文本生成、聊天、向量搜索、图像生成四类应用各有一课实操没有云预算想先用免费档或本地模型练手需要企业级私有化模型与合规方案支持 OpenAI、Azure OpenAI、Microsoft Foundry、Hugging Face 及本地 Ollama均可免费起步✅ 动手前检查这一步的目的是把环境和凭据一次性备齐避免跑到一半的课才发现缺依赖、缺密钥。最低配置清单Python 3.10 及以上pyproject.toml声明了requires-python 3.10Git拉取代码用VS Code Jupyter 扩展推荐不是强制一个模型服务商账号OpenAI、Azure OpenAI、Microsoft Foundry、Hugging Face 或本地 Ollama任选其一约 1GB 磁盘空间仓库自带 50 语言翻译完整克隆偏大可按仓库首页说明用 sparse checkout 跳过translations/下面这条命令链做的事把仓库克隆下来建一个隔离的虚拟环境.venv装齐requirements.txt里列的 Python 依赖openai、python-dotenv、tiktoken 等最后复制一份凭据模板文件。macOS/Linux 直接照抄Windows 把第 4 行换成.\.venv\Scripts\activate。git clone https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners cd generative-ai-for-beginners python -m venv .venv source .venv/bin/activate pip install -r requirements.txt cp .env.copy .env如果你不想在本地装任何东西可以直接用浏览器版 CodespacesFork 仓库后点 Code → Codespaces容器里预装了 Python 和 Node.jsAPI key 走 Codespaces Secrets 更安全参考 00-course-setup/01-setup-cloud.md。课程没有传统意义上的数据集目录你的数据就是凭据和 21 个课程目录按这个结构摆放就对了generative-ai-for-beginners/ ├── 00-course-setup/ # 环境搭建文档 ├── 01~21-.../ # 21 个课程目录README 示例代码 ├── shared/python/ # 公共工具环境变量校验、请求封装 ├── requirements.txt # Python 依赖清单 └── .env.copy # 凭据模板已复制为 .env打开.env按你要用的服务商填对应变量。这些就是全文的关键参数首次出现中文释义见作用列参数名作用何时需要改OPENAI_API_KEYOpenAI 服务的认证密钥跑文件名带oai-的练习时必填AZURE_OPENAI_ENDPOINT/AZURE_OPENAI_API_KEYAzure OpenAI 资源地址与密钥跑文件名带aoai-的练习时必填AZURE_OPENAI_DEPLOYMENT对话模型部署名如 gpt-4o-mini换聊天模型时改这里AZURE_OPENAI_EMBEDDINGS_DEPLOYMENT向量模型部署名第 8、15 课搜索/RAG 练习必填AZURE_INFERENCE_ENDPOINT/AZURE_INFERENCE_CREDENTIALMicrosoft Foundry 项目端点与密钥跑githubmodels-命名的练习时必填HUGGING_FACE_API_KEYHugging Face 访问令牌第 16 课开源模型练习时填各服务商怎么拿密钥逐家写得很细见 00-course-setup/03-providers.md。 从配置到出结果最短训练路径这一步的目的是用最短操作跑通第一个能出字的 LLM 应用验证整条链路。第一步选配置按文件名挑服务商。练习文件的前缀就是服务商标签oai-用 OpenAIaoai-用 Azure OpenAIgithubmodels-用 Foundryhf-用 Hugging Face。你.env里填了哪家的凭据就打开对应前缀的文件缺凭据的练习会直接报缺变量错误不影响其他课。第二步起训练命令。课程没有 train.py等价操作是启动 Jupyter 打开练习 notebook部分课程也有独立脚本可直接运行。下面两条命令任选其一前者在浏览器里看课程目录、点开任意.ipynb逐格运行后者直接跑第 6 课的文本生成脚本控制台会打印模型生成的文本。jupyter notebook python 06-text-generation-apps/python/oai-app.py第三步盯日志判断成败。判据有三个单元格里打印出模型回复文本即链路通token 用量正常增长说明调用在发生报错时先看shared/python/env_utils.py抛出的信息它会精确告诉你缺哪个环境变量。公共请求逻辑在 shared/python/api_utils.py带超时和重试遇到偶发网络抖动不必慌。️ 效果不满意时调优与验收这一步的目的是先确认跑通了再决定往哪里调。先验收两种测法一是跑仓库自带的单元测试验证共享工具函数行为符合预期二是对照每课 README 里给出的预期输出逐格比对 notebook 结果。pytest三个调优抓手按优先级排换模型部署把AZURE_OPENAI_DEPLOYMENT从 gpt-4o-mini 换成更强的模型输出质量立竿见影代价是调用成本上升。选哪个模型看 02 课的对比方法。重写提示词按第 4、5 课的技巧加角色设定、少样本示例和输出格式约束格式类问题比如总返回废话大多靠它解决。调采样参数把 temperature 调低输出更确定、可复现适合脚本化调用第 6 课脚本里就有现成参数位。 卡住了常见故障速查现象可能原因处理办法python: command not foundPython 没进 PATH 或终端未刷新重开终端仍不行就把 Python 加入 PATHModuleNotFoundError: dotenv依赖没装全或没用虚拟环境激活.venv后重跑pip install -r requirements.txt401 Unauthorized.env里密钥错或过期回服务商控制台重新复制密钥429 限流报错请求频率超档换低配模型或降低调用频率容器构建卡住超 10 分钟Codespace 构建停滞Codespaces 菜单选 Rebuild Containernotebook 没有可用内核没选 Python 解释器Notebook 菜单 → Kernel → Select Kernel → Python 3 想继续深入跑通前几课后建议按顺序看这三处00-course-setup/03-providers.md各服务商的注册、费用与密钥获取逐家说明shared/python/env_utils.py环境变量校验逻辑看懂它就能自己改报错提示15-rag-and-vector-databases/向量检索与 RAG 实操是搜索类应用的进阶.env配好、pytest通过之后就可以从 01-introduction-to-genai 开始按课号往下跑了。【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 从零跑通环境配置到 21 课出结果的完整指南【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这是一个 21 课的生成式 AI 应用开发开源课程。本文带你完成从挑选模型服务商、配置凭据到跑通第一个 LLM 示例的全部流程卡点提前说清。 先判断它适不适合你的场景这一步的目的是让你在花 30 分钟装环境之前先确认这个项目值不值得投入。它不是一套模型训练框架而是一条用 API 调 LLM、逐课写代码的学习路径所有示例都附带可运行代码和预期输出。适用场景不适用场景效果预期想系统入门生成式 AI边学边写代码想从零训练或微调自己的大模型课程不含训练环节每课都有 Python/TypeScript 示例跑通即可看到效果有基础 Python能看懂 API 报错想要开箱即用的生产级框架或托管服务文本生成、聊天、向量搜索、图像生成四类应用各有一课实操没有云预算想先用免费档或本地模型练手需要企业级私有化模型与合规方案支持 OpenAI、Azure OpenAI、Microsoft Foundry、Hugging Face 及本地 Ollama均可免费起步✅ 动手前检查这一步的目的是把环境和凭据一次性备齐避免跑到一半的课才发现缺依赖、缺密钥。最低配置清单Python 3.10 及以上pyproject.toml声明了requires-python 3.10Git拉取代码用VS Code Jupyter 扩展推荐不是强制一个模型服务商账号OpenAI、Azure OpenAI、Microsoft Foundry、Hugging Face 或本地 Ollama任选其一约 1GB 磁盘空间仓库自带 50 语言翻译完整克隆偏大可按仓库首页说明用 sparse checkout 跳过translations/下面这条命令链做的事把仓库克隆下来建一个隔离的虚拟环境.venv装齐requirements.txt里列的 Python 依赖openai、python-dotenv、tiktoken 等最后复制一份凭据模板文件。macOS/Linux 直接照抄Windows 把第 4 行换成.\.venv\Scripts\activate。git clone https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners cd generative-ai-for-beginners python -m venv .venv source .venv/bin/activate pip install -r requirements.txt cp .env.copy .env如果你不想在本地装任何东西可以直接用浏览器版 CodespacesFork 仓库后点 Code → Codespaces容器里预装了 Python 和 Node.jsAPI key 走 Codespaces Secrets 更安全参考 00-course-setup/01-setup-cloud.md。课程没有传统意义上的数据集目录你的数据就是凭据和 21 个课程目录按这个结构摆放就对了generative-ai-for-beginners/ ├── 00-course-setup/ # 环境搭建文档 ├── 01~21-.../ # 21 个课程目录README 示例代码 ├── shared/python/ # 公共工具环境变量校验、请求封装 ├── requirements.txt # Python 依赖清单 └── .env.copy # 凭据模板已复制为 .env打开.env按你要用的服务商填对应变量。这些就是全文的关键参数首次出现中文释义见作用列参数名作用何时需要改OPENAI_API_KEYOpenAI 服务的认证密钥跑文件名带oai-的练习时必填AZURE_OPENAI_ENDPOINT/AZURE_OPENAI_API_KEYAzure OpenAI 资源地址与密钥跑文件名带aoai-的练习时必填AZURE_OPENAI_DEPLOYMENT对话模型部署名如 gpt-4o-mini换聊天模型时改这里AZURE_OPENAI_EMBEDDINGS_DEPLOYMENT向量模型部署名第 8、15 课搜索/RAG 练习必填AZURE_INFERENCE_ENDPOINT/AZURE_INFERENCE_CREDENTIALMicrosoft Foundry 项目端点与密钥跑githubmodels-命名的练习时必填HUGGING_FACE_API_KEYHugging Face 访问令牌第 16 课开源模型练习时填各服务商怎么拿密钥逐家写得很细见 00-course-setup/03-providers.md。 从配置到出结果最短训练路径这一步的目的是用最短操作跑通第一个能出字的 LLM 应用验证整条链路。第一步选配置按文件名挑服务商。练习文件的前缀就是服务商标签oai-用 OpenAIaoai-用 Azure OpenAIgithubmodels-用 Foundryhf-用 Hugging Face。你.env里填了哪家的凭据就打开对应前缀的文件缺凭据的练习会直接报缺变量错误不影响其他课。第二步起训练命令。课程没有 train.py等价操作是启动 Jupyter 打开练习 notebook部分课程也有独立脚本可直接运行。下面两条命令任选其一前者在浏览器里看课程目录、点开任意.ipynb逐格运行后者直接跑第 6 课的文本生成脚本控制台会打印模型生成的文本。jupyter notebook python 06-text-generation-apps/python/oai-app.py第三步盯日志判断成败。判据有三个单元格里打印出模型回复文本即链路通token 用量正常增长说明调用在发生报错时先看shared/python/env_utils.py抛出的信息它会精确告诉你缺哪个环境变量。公共请求逻辑在 shared/python/api_utils.py带超时和重试遇到偶发网络抖动不必慌。️ 效果不满意时调优与验收这一步的目的是先确认跑通了再决定往哪里调。先验收两种测法一是跑仓库自带的单元测试验证共享工具函数行为符合预期二是对照每课 README 里给出的预期输出逐格比对 notebook 结果。pytest三个调优抓手按优先级排换模型部署把AZURE_OPENAI_DEPLOYMENT从 gpt-4o-mini 换成更强的模型输出质量立竿见影代价是调用成本上升。选哪个模型看 02 课的对比方法。重写提示词按第 4、5 课的技巧加角色设定、少样本示例和输出格式约束格式类问题比如总返回废话大多靠它解决。调采样参数把 temperature 调低输出更确定、可复现适合脚本化调用第 6 课脚本里就有现成参数位。 卡住了常见故障速查现象可能原因处理办法python: command not foundPython 没进 PATH 或终端未刷新重开终端仍不行就把 Python 加入 PATHModuleNotFoundError: dotenv依赖没装全或没用虚拟环境激活.venv后重跑pip install -r requirements.txt401 Unauthorized.env里密钥错或过期回服务商控制台重新复制密钥429 限流报错请求频率超档换低配模型或降低调用频率容器构建卡住超 10 分钟Codespace 构建停滞Codespaces 菜单选 Rebuild Containernotebook 没有可用内核没选 Python 解释器Notebook 菜单 → Kernel → Select Kernel → Python 3 想继续深入跑通前几课后建议按顺序看这三处00-course-setup/03-providers.md各服务商的注册、费用与密钥获取逐家说明shared/python/env_utils.py环境变量校验逻辑看懂它就能自己改报错提示15-rag-and-vector-databases/向量检索与 RAG 实操是搜索类应用的进阶.env配好、pytest通过之后就可以从 01-introduction-to-genai 开始按课号往下跑了。【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
