本课程是微软提供的18节AI学习课程，参考连接：https://github.com/microsoft/generative-ai-for-beginners

本课程入门

我们很高兴您能开始这门课程，看看您从中获得什么灵感来构建生成式 AI！

为确保您的成功，本页概述了设置步骤、技术要求以及在需要时从何处获得帮助。

设置步骤

要开始学习本课程，您需要完成以下步骤。

1. 分叉此 Repo

将整个存储库分叉到您自己的 GitHub 帐户，以便能够更改任何代码并完成挑战。您还可以为此存储库加注 （🌟） 星号，以便更轻松地找到它和相关存储库。

2. 创建代码空间

为了避免在运行代码时出现任何依赖关系问题，我们建议在 GitHub Codespaces 中运行本课程。

这可以通过选择此存储库的分叉版本上的选项并选择“代码空间”选项来创建。Code

3. 存储 API 密钥

在构建任何类型的应用程序时，确保 API 密钥的安全都很重要。我们建议不要直接在代码中存储任何 API 密钥。如果不良行为者使用这些详细信息，将这些详细信息提交到公共存储库可能会导致安全问题，甚至会产生不必要的成本。

如何在计算机上本地运行

若要在计算机上本地运行代码，需要安装某个版本的 Python。

若要使用存储库，需要克隆它：

一旦你检查完了所有东西，你就可以开始了！

安装 Miniconda（可选步骤）

Miniconda 是一个轻量级安装程序，用于安装 Conda、Python 以及一些软件包。 Conda 本身是一个包管理器，可以轻松地在不同的 Python 虚拟环境和包之间设置和切换。它还可以派上用场，以安装无法通过 .pip

您可以按照 MiniConda 安装指南进行设置。

安装 Miniconda 后，您需要克隆存储库（如果尚未克隆）

接下来，您需要创建一个虚拟环境。若要使用 Conda 执行此操作，请继续创建新的环境文件 （environment.yml）。如果您继续使用 Codespaces，请在目录中创建它，因此 ..devcontainer.devcontainer/environment.yml

继续使用以下代码片段填充环境文件：

环境文件指定了我们需要的依赖项。 指您要用于 Conda 环境的名称，并且是您要使用的 Python 版本，例如，是 Python 的最新主要版本。<environment-name><python-version>3

完成此操作后，您可以通过在命令行/终端中运行以下命令来继续创建 Conda 环境

如果遇到任何问题，请参阅 Conda 环境指南。

将 Visual Studio Code 与 Python 支持扩展配合使用

建议使用为本课程安装的 Python 支持扩展的 Visual Studio Code （VS Code） 编辑器。然而，这更像是一项建议，而不是一项明确的要求

注意：通过在 VS Code 中打开课程存储库，可以选择在容器中设置项目。这是因为在课程存储库中找到特殊的 .devcontainer 目录。稍后会详细介绍。

注意：在 VS Code 中克隆并打开目录后，它会自动建议你安装 Python 支持扩展。

注意：如果 VS Code 建议在容器中重新打开存储库，请在其他容器中拒绝此请求，以使用本地安装的 Python 版本。

在浏览器中使用 Jupyter

您还可以直接在浏览器中使用 Jupyter 环境处理项目。经典的 Jupyter 和 Jupyter Hub 都提供了一个相当愉快的开发环境，具有自动完成、代码突出显示等功能。

要在本地启动 Jupyter，请转到终端/命令行，导航到课程目录，然后执行：

或

这将启动一个 Jupyter 实例，访问它的 URL 将显示在命令行窗口中。

访问 URL 后，您应该会看到课程大纲并能够导航到任何文件。例如。*.ipynb08-building-search-applications/python/oai-solution.ipynb

在容器中运行

在计算机或代码空间上设置所有内容的替代方法是使用容器。课程存储库中的特殊文件夹使 VS Code 可以在容器中设置项目。在 Codespaces 之外，这将需要安装 Docker，坦率地说，它涉及一些工作，因此我们只向那些有使用容器经验的人推荐它。.devcontainer

使用 GitHub Codespaces 时，确保 API 密钥安全的最佳方法之一是使用 Codespace Secrets。请按照 Codespaces 机密管理指南了解详细信息。

课程和技术要求

该课程有 6 节概念课和 6 节编码课。

对于编码课程，我们使用的是 Azure OpenAI 服务。需要访问 Azure OpenAI 服务和 API 密钥才能运行此代码。您可以通过完成此申请来申请获得访问权限。

在等待应用程序处理时，每个编码课程还包括一个文件，您可以在其中查看代码和输出。README.md

首次使用 Azure OpenAI 服务

如果这是你第一次使用 Azure OpenAI 服务，请按照本指南了解如何创建和部署 Azure OpenAI 服务资源。

首次使用 OpenAI API

如果这是您第一次使用 OpenAI API，请按照有关如何创建和使用界面的指南进行操作。

认识其他学习者

我们在官方 AI 社区 Discord 服务器中创建了频道，用于结识其他学习者。这是与其他志同道合的企业家、建设者、学生以及任何希望在生成式 AI 中提升水平的人建立联系的好方法。

项目团队也将在这个 Discord 服务器上帮助任何学习者。

贡献

本课程是一项开源计划。如果您发现需要改进的领域或问题，请创建拉取请求或记录 GitHub 问题。

项目团队将跟踪所有贡献。为开源做出贡献是在生成式 AI 领域建立职业生涯的绝妙方式。

大多数贡献都要求您同意贡献者许可协议 （CLA），声明您有权并实际授予我们使用您的贡献的权利。有关详细信息，请访问 CLA，贡献者许可协议网站。

重要提示：翻译此存储库中的文本时，请确保您不使用机器翻译。我们将通过社区验证翻译，因此请仅自愿翻译您精通的语言。

当您提交拉取请求时，CLA 机器人将自动确定您是否需要提供 CLA 并适当地装饰 PR（例如，标签、评论）。只需按照机器人提供的说明进行操作即可。您只需使用我们的 CLA 在所有存储库中执行此操作一次。

该项目采用了Microsoft开源行为准则。有关更多信息，请阅读行为准则常见问题解答或联系电子邮件 opencode 提出任何其他问题或意见。

让我们开始吧

现在，您已经完成了完成本课程所需的步骤，让我们从生成式 AI 和 LLM 的介绍开始。