微软 Generative AI for Beginners《面向初学者的生成式 AI》课程介绍（21 课）

通过 Microsoft 云倡导者（Microsoft Cloud Advocates）提供的 21 课综合课程，系统学习构建生成式 AI 应用所需的基础知识。全课程开源、免费，配套 Python 与 TypeScript 代码示例。

一、课程概况

项目	内容
课程名称	面向初学者的生成式 AI（Generative AI for Beginners，版本 3）
出品方	Microsoft Cloud Advocates（微软云倡导者团队）
课程规模	21 课（含 1 节环境设置 + 20 节正课），每课约 1 个主题
形式	「学习」课（讲概念）+「构建」课（含 Python / TypeScript 代码示例）
语言	官方英文 + 多语言翻译（含简体中文 zh-CN）
开源协议	MIT License（Copyright © Microsoft Corporation）
官方仓库	https://github.com/microsoft/generative-ai-for-beginners
中文 README	https://github.com/microsoft/generative-ai-for-beginners/blob/main/translations/zh-CN/README.md

二、课程亮点

体系完整：从「什么是生成式 AI / 大模型如何工作」一路讲到 RAG、微调、AI 代理、开源模型与具体厂商模型（Mistral / Meta），覆盖应用落地的全生命周期。
学以致用：每节课配套可运行的 Python 与 TypeScript 代码示例，并给出「继续学习」的额外资源链接。
多模型适配：代码示例同时支持 Azure OpenAI 服务、Microsoft Foundry 模型、OpenAI API，还可走 Foundry Local 在本地设备完全离线运行。
零基础友好：欢迎从任意一课开始；Python / TypeScript 基础知识有帮助但非必需，课程内含环境设置专章。
社区活跃：配套官方 Microsoft Foundry Discord 社区、开发者论坛，以及 50+ 语言翻译协作。

三、你将学到什么

本课程共 21 课，每课覆盖一个主题，欢迎从任意一课开始学习。课程包含「学习」课（讲解生成式 AI 概念）以及「构建」课（讲解概念并尽可能提供 Python 与 TypeScript 的代码示例）。此外，每课还包括「继续学习」部分，提供额外的学习工具。

通过本课程体系，你将掌握：

生成式 AI 与大语言模型（LLM）的核心原理；
如何为具体用例选择合适的模型并做对比评估；
提示工程（基础 + 高级）的实战技巧；
构建文本生成、聊天、搜索、图像生成、低代码等各类生成式 AI 应用；
用函数调用集成外部应用、设计 AI 应用的用户体验、保障应用安全；
RAG（检索增强生成）与向量数据库、开源模型（Hugging Face）、AI 代理；
微调大模型（LLM Fine-tuning）、小型语言模型（SLM），以及 Mistral / Meta 等具体模型家族的选型与构建。

四、所需条件与运行环境

运行本课程代码，你可以使用

Azure OpenAI 服务 —— 课程标识：aoai-assignment
Microsoft Foundry 模型 —— 课程标识：githubmodels（GitHub 模型将于 2026 年 7 月底退休，建议使用 Microsoft Foundry 模型）
OpenAI API —— 课程标识：oai-assignment
Foundry Local —— 在你自己的设备上完全离线运行模型，无需云订阅

其他前置：

基础的 Python 或 TypeScript 知识会有所帮助（零基础可先看课程附带的 Python / TypeScript 入门）；
拥有一个 GitHub 账号，以便将整个仓库 fork 到你自己的账户；
课程提供专门的 课程设置 章节，帮助你完成开发环境配置。

仓库包含 50 多种语言的翻译，会显著增加下载大小。推荐用稀疏检出只克隆代码（不含翻译与翻译图片）：
git clone --filter=blob:none --sparse https://github.com/microsoft/generative-ai-for-beginners.git
cd generative-ai-for-beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

五、课程列表（21 课完整大纲）

下表为全课程「课程列表」的完整清单（课号 00–21，共 22 行），与官方 README 逐列对应。每课「主题」链接到 GitHub 官方中文版课程文档（可点击阅读）；「类型」标注该课偏学习还是构建；「视频」列提供配套讲解视频（尚未上线显示"即将推出"）；「额外学习」列指向拓展资源合集。

课号	主题	类型	核心内容	视频	额外学习
00	课程设置	学习	如何设置你的开发环境	即将推出	资源
01	生成式 AI 与大语言模型介绍	学习	了解什么是生成式 AI 以及大语言模型（LLMs）如何工作	视频	资源
02	探索与比较不同的大语言模型	学习	如何为你的用例选择合适的模型	视频	资源
03	负责任地使用生成式 AI	学习	如何负责任地构建生成式 AI 应用	视频	资源
04	理解提示工程基础	学习	实践提示工程最佳实践	视频	资源
05	创建高级提示	学习	如何应用提示工程技术提升提示的效果	视频	资源
06	构建文本生成应用	构建	使用 Azure OpenAI / OpenAI API 构建文本生成应用	视频	资源
07	构建聊天应用	构建	高效构建和集成聊天应用的技术	视频	资源
08	构建基于向量数据库的搜索应用	构建	使用 Embeddings 搜索数据的搜索应用	视频	资源
09	构建图像生成应用	构建	图像生成应用	视频	资源
10	构建低代码 AI 应用	构建	使用低代码工具构建生成式 AI 应用	视频	资源
11	使用函数调用集成外部应用	构建	什么是函数调用及其在应用中的用例	视频	资源
12	设计 AI 应用的用户体验	学习	开发生成式 AI 应用时如何应用用户体验设计原则	视频	资源
13	保障你的生成式 AI 应用安全	学习	AI 系统的威胁和风险及其安全防护方法	视频	资源
14	生成式 AI 应用生命周期	学习	管理 LLM 生命周期和 LLMOps 的工具及指标	视频	资源
15	检索增强生成 (RAG) 及向量数据库	构建	使用 RAG 框架结合向量数据库中的嵌入进行检索的应用	视频	资源
16	开源模型与 Hugging Face	构建	使用 Hugging Face 上可用的开源模型的应用	视频	资源
17	AI 代理	构建	使用 AI 代理框架的应用	视频	资源
18	微调大型语言模型 (LLMs)	学习	微调大型语言模型的内容、原因和方法	视频	资源
19	使用小型语言模型 (SLMs) 构建	学习	使用小型语言模型构建的优势	即将推出	资源
20	使用 Mistral 模型构建	学习	Mistral 系列模型的特性和区别	即将推出	资源
21	使用 Meta 模型构建	学习	Meta 系列模型的特性和区别	即将推出	资源

六、配套学习资源

每课包含：主题简短的视频介绍、README 中的书面课程内容、支持 Azure OpenAI 和 OpenAI API 的 Python 和 TypeScript 代码示例、继续学习的额外资源链接。
高级代码示例：课程外还提供生成式 AI 代码示例集合（含 Python 与 TypeScript 版本），适合准备部署时参考。
社区支持：加入 Microsoft Foundry Discord 与其他学习者交流；在 Microsoft Foundry 开发者论坛（GitHub）提问或分享反馈。
创业支持：访问 Microsoft 创业支持，了解如何用 Azure 奖励金开始构建。
其他相关课程：官方团队还出品了 LangChain、Azure / Edge / MCP / 代理、生成式 AI 系列（.NET / Java / JavaScript）、ML / 数据科学 / AI 入门、网络安全、Web / IoT / XR、Copilot 系列等配套课程。

七、入门指南

AI 新手？ 本课程每节相对独立，可从任意一课开始。零基础建议先完成课程内附带的 Python / TypeScript 入门，再进入「学习 / 构建」课。
完整课程设置：阅读 00-course-setup 完成开发环境配置（含 Azure OpenAI / OpenAI / Foundry Local 的接入）。
运行代码：推荐使用 Microsoft Foundry 模型或 Azure OpenAI 服务；本地离线可选 Foundry Local。代码同时提供 Python 与 TypeScript 两种实现。
Fork & 克隆：将整个仓库 fork 到你的 GitHub 账户，再按第四节的稀疏检出命令克隆，即可开始学习。别忘了给仓库点个星标（🌟）方便以后查找。

八、适合谁学 & 学习建议

适合：想系统入门生成式 AI 应用开发的开发者、产品经理、学生与爱好者；有基础 Python / TypeScript 更佳，但零基础也可跟。
建议：先按 00→21 顺序过一遍概念，再挑感兴趣的「构建」课动手跑示例；把 RAG（15）、微调（18）、AI 代理（17）三节作为进阶重点。
目标：学完能独立设计并实现一款生成式 AI 应用，理解从模型选型、提示工程、安全到生命周期运维的完整链路。

九、相关附件

官方中文 README（完整版，含全部课程链接与资源）：点击下载

版权与出处声明

本文整理：getBooker（本系列由 getBooker 整理自开源课程，原作者为 Microsoft Cloud Advocates 团队）
本文链接：https://ilearnai.online/archives/1667/
原文链接：面向初学者的生成式 AI（中文版 README）（GitHub 原仓库）
原 GitHub 开源许可证：本教程原文与配套代码采用 MIT License 发布（Copyright © Microsoft Corporation）。你可以自由使用、复制、修改、合并、发布、分发、再许可及销售本软件，详情见仓库 LICENSE 文件。
转载需注明文章出处；若本文内容有侵犯到您的合法权益，请联系站长删除。