Generative AI for Beginners (Version 3):课程入口文档、多语言自动同步机制与本地部署配置指南
【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
本文以仓库中 translations/lt/README.md(立陶宛语版课程入口文档)为主体,系统讲解 Generative AI for Beginners 第三版 21 门课程的组织结构、50+ 语言自动翻译同步机制、稀疏克隆(sparse checkout)快速拉取方式,以及运行课程代码所需的四类模型服务、账号凭据与.env环境变量配置。读完后你将能够:按任意课程自由切入学习、理解多语言文档的自动化维护边界、并独立完成从克隆仓库到配置 API 凭据的全部环境准备工作。
课程定位与版本信息
translations/lt/README.md是 README.md(英文主入口)的立陶宛语对照版本,两者内容结构完全一致。根据该文档的描述,本课程的定位是:
- 课程名称:Generative AI for Beginners(Version 3)- A Course(第三版);
- 课程规模:共 21 门课程(另含 1 门第 00 课“Course Setup”环境准备课),由 Microsoft Cloud Advocates 团队制作;
- 学习方式:每门课独立成篇,覆盖各自主题,可以从任意一门开始学,无需严格顺序推进;
- 课程标签体系:课程分为两类——“Learn(学习)”类课程讲解生成式 AI 概念,“Build(构建)”类课程在讲解概念的同时给出代码示例,尽可能同时提供Python与TypeScript两种实现;
- 进阶入口:每门课还包含一个 “Keep Learning / Toliau mokytis” 章节,提供扩展学习资源;.NET 开发者另有独立的 .NET 版本课程可参考。
多语言机制:立陶宛语入口如何与主仓库保持同步
文档开头专门用“Multi-Language Support(多语言支持)”一节说明:本仓库的 50 余种语言翻译通过 GitHub Action 自动化维护,始终与英文主文档保持最新。这一机制在文档中有三处可验证的痕迹:
- 自动更新标记注释:语言导航表位于
<!-- CO-OP TRANSLATOR LANGUAGES TABLE START -->与<!-- CO-OP TRANSLATOR LANGUAGES TABLE END -->之间;“Other Courses(其他课程)”板块则被<!-- CO-OP TRANSLATOR OTHER COURSES START/END -->包裹。这些标记由翻译机器人识别,只有标记区域内的内容会被自动重写; - 免责声明:文档末尾(
<!-- CO-OP TRANSLATOR DISCLAIMER -->标记内)声明该文档由 Co-op Translator 的 AI 翻译服务生成,自动翻译可能存在误差,以原文语言版本为权威来源; - 仓库级规范佐证:AGENTS.md 明确约定“翻译存放在
translations/目录、翻译图片存放在translated_images/目录、不提交部分翻译、机器翻译不接受(人工贡献内容)、翻译更新由 GitHub Actions 处理(不要手动编辑)”。
从目录结构看,立陶宛语版本与英文主文档是严格镜像关系:
- translations/lt/ 目录共含70 个文件:24 个 README(课程入口、21 门课、第 00 课以及第 08 课的脚本说明 translations/lt/08-building-search-applications/scripts/README.md)之外,还有28 个与英文课程一一对应的 Jupyter Notebook 作业,以及 AGENTS.md、CONTRIBUTING.md、SECURITY.md、CODE_OF_CONDUCT.md、CHANGELOG.md 等配套文档的译文;
- translated_images/lt/ 目录含125 张 WebP 格式课程配图(如
repo-thumbnailv4-fixed.11f1ce6a85d01461.webp),文件名带内容哈希后缀,供各语言 README 在引用插图时指向本地化图片,避免跨语言图片 404; - 英文对照版本见 translations/en/README.md,其结构与根目录 README.md 一致,仅语言导航表中的相对链接深度不同(
../ar/README.md对./translations/ar/README.md)。
稀疏克隆:跳过 50+ 语言译文快速拉取课程
文档指出:50+ 语言的翻译与图片显著增大了仓库的下载体积,因此提供了一套基于 sparse checkout 的克隆方案,可完整继承如下(git sparse-checkout set --no-cone的第一个参数'/*'表示检出根目录内容,!前缀的表达式用于排除目录):
Bash / macOS / Linux:
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'CMD (Windows):
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"其中--filter=blob:none使 Git 不立即下载文件内容(blob 按需拉取),--sparse开启稀疏工作区;两者配合后仅检出课程本体(22 个课程目录及根级配置),跳过translations/与translated_images/两大目录,从而以明显更快的速度获得完成课程所需的全部文件。如果只想在线阅读某一语言版本,也可以直接浏览translations/<语言代码>/README.md,无需克隆。
前置要求:模型服务、账号与本地凭据
课程作业与服务提供商的映射关系
文档“Ko reikia / What You Need”一节列出运行课程代码可选的四类服务,并注明了各自对应的作业命名规则(这一规则在 00-course-setup/03-providers.md 中被完整继承):
| 服务 | 对应作业文件标签 | 说明 |
|---|---|---|
| Azure OpenAI Service | aoai-assignment | Azure OpenAI 现归属 Microsoft Foundry,凭据为资源 endpoint + key |
| Microsoft Foundry Models | githubmodels | 一个 endpoint + key 访问数百个模型;文档特别注明GitHub Models 将于 2026 年 7 月底退役,应改用 Microsoft Foundry Models |
| OpenAI API | oai-assignment | 直接使用 OpenAI 项目的 API key |
| Foundry Local | 本地运行 | 在自有设备上完全离线运行模型,无需云订阅 |
这一命名规则可以在仓库中直接印证:例如 06-text-generation-apps/python/ 下同时存在aoai-app.py、oai-app.py与githubmodels-app.py三个变体,05-advanced-prompts/ 则同时提供python/与javascript/实现。文档说明:可以配置其中一个、全部或零个服务,缺少凭据的相关作业会直接报错而不影响其他课程。
此外文档还要求:具备 Python 或 TypeScript 基础知识(初学者建议先补语言基础课程)、拥有一个 GitHub 账号以便 fork 仓库。
本地凭据配置:从 .env.copy 到 .env
课程的配套文档 00-course-setup/README.md 与 00-course-setup/03-providers.md 给出了完整的.env配置流程。仓库根目录的 .env.copy 提供了各变量的权威模板(该文件本身被 gitignore 保护机制排除在提交之外,复制出的.env同样不会入库):
# OpenAI Provider OPENAI_API_KEY='<add your OpenAI API key here>' ## Azure OpenAI in Microsoft Foundry AZURE_OPENAI_API_VERSION='2024-10-21' # 默认值已设置(当前稳定 GA API 版本) AZURE_OPENAI_API_KEY='<add your Foundry resource key here>' AZURE_OPENAI_ENDPOINT='<add your Foundry resource endpoint here, e.g. https://<resource-name>.openai.azure.com>' AZURE_OPENAI_DEPLOYMENT='<add your chat completion model deployment name here, e.g. gpt-5-mini>' AZURE_OPENAI_EMBEDDINGS_DEPLOYMENT='<add your embeddings model deployment name here, e.g. text-embedding-3-small>' ## Microsoft Foundry Models AZURE_INFERENCE_ENDPOINT='<add your Microsoft Foundry project endpoint here>' AZURE_INFERENCE_CREDENTIAL='<add your Microsoft Foundry Models API key here>' AZURE_INFERENCE_CHAT_MODEL='<add a temperature-capable model deployment name here, e.g. Llama-3.3-70B-Instruct>' ## Hugging Face HUGGING_FACE_API_KEY='<add your HuggingFace API or token here>'各变量含义(继承自 00-course-setup/03-providers.md 的变量说明表):
| 变量 | 含义 |
|---|---|
OPENAI_API_KEY | 非 Azure OpenAI 端点所用服务的授权密钥 |
AZURE_OPENAI_API_KEY | Azure OpenAI 服务的授权密钥 |
AZURE_OPENAI_ENDPOINT | 已部署的 Azure OpenAI 资源端点 |
AZURE_OPENAI_DEPLOYMENT | 文本生成模型(chat completion)的部署名 |
AZURE_OPENAI_EMBEDDINGS_DEPLOYMENT | 文本嵌入模型(向量检索)的部署名 |
AZURE_INFERENCE_ENDPOINT | Microsoft Foundry 项目的推理端点 |
AZURE_INFERENCE_CREDENTIAL | Microsoft Foundry 项目的 API key |
.env.copy中有两处值得注意的工程细节:其一,AZURE_OPENAI_API_VERSION默认固定为2024-10-21(当前稳定 GA 版本);其二,注释明确提示gpt-5-mini是reasoning(推理型)模型,不支持 temperature/top_p 参数,改用 max_output_tokens 控制输出长度,因此温度采样类示例需要另部署一个支持 temperature 的模型(如 Llama 系列)并填入AZURE_INFERENCE_CHAT_MODEL。
课程示例代码读取这些变量的方式也很直接:作业脚本通过python-dotenv的load_dotenv()加载.env后以os.getenv("AZURE_INFERENCE_ENDPOINT")之类的方式取值;仓库 shared/python/env_utils.py 中还提供了get_required_env()等工具函数,在环境变量缺失或为空时抛出带说明的ValueError,保证凭据缺失时能给出可读报错而不是静默失败。
21 门课程完整清单
以下为文档课程表的完整继承(链接已从原文档局部相对路径转换为仓库根目录起点;原表中“Video / 更多学习”两列指向外部站点,按本仓库文档说明,前 19 门课配视频导学,第 00、19、20、21 门课在文档中标注“视频即将上线”,每门课均附扩展学习章节):
| # | 课程链接(立陶宛语版) | 类型 | 描述 |
|---|---|---|---|
| 00 | Kurso sąranka / Course Setup | Learn | 如何搭建开发环境 |
| 01 | Įvadas į generatyviąją AI ir LLM | Learn | 理解什么是生成式 AI、大语言模型(LLM)如何工作 |
| 02 | LGSD tyrinėjimas ir palyginimas | Learn | 如何为你的场景选择合适的模型 |
| 03 | Atsakingas generatyvinio DI naudojimas | Learn | 如何负责任地构建生成式 AI 应用 |
| 04 | Pagrindai apie užklausų inžineriją | Learn | 提示工程(Prompt Engineering)最佳实践上手 |
| 05 | Pažangių užklausų kūrimas | Learn | 如何运用提示工程技巧改进输出结果 |
| 06 | Teksto generavimo programų kūrimas | Build | 使用 Azure OpenAI / OpenAI API 构建文本生成应用 |
| 07 | Pokalbių programų kūrimas | Build | 高效构建与集成对话应用的技术 |
| 08 | Paieškos programų su vektorinėmis duomenų bazėmis kūrimas | Build | 使用 Embedding 做数据检索的搜索应用 |
| 09 | Vaizdų generavimo programų kūrimas | Build | 图像生成应用 |
| 10 | Mažo kodo DI programų kūrimas | Build | 使用低代码工具构建生成式 AI 应用 |
| 11 | Išorinių programų integracija su funkcijų kvietimais | Build | 什么是函数调用(Function Calling)及其应用场景 |
| 12 | Naudotojo sąsajos dizainas DI programoms | Learn | 开发生成式 AI 应用时如何应用 UX 设计原则 |
| 13 | Generatyvinių DI programų saugumas | Learn | AI 系统的威胁与风险,以及如何保护这些系统 |
| 14 | Generatyvinio DI programų gyvavimo ciklas | Learn | 管理 LLM 生命周期与 LLMOps 的工具和指标 |
| 15 | RAG ir vektorinės duomenų bazės | Build | 使用 RAG 框架从向量数据库检索 embeddings 的应用 |
| 16 | Atviro kodo modeliai ir Hugging Face | Build | 使用 Hugging Face 上的开源模型构建应用 |
| 17 | DI agentai | Build | 使用 AI Agent 框架构建应用 |
| 18 | LLM smulkus konfigūravimas | Learn | LLM 微调的 what / why / how |
| 19 | Kūrimas su SLM | Learn | 使用小型语言模型(SLM)构建的优势 |
| 20 | Kūrimas su Mistral modeliais | Learn | Mistral 系列模型的特性与差异 |
| 21 | Kūrimas su Meta modeliais | Learn | Meta 系列模型的特性与差异 |
每门课在文档中承诺包含四个组成部分:主题视频导学、位于该课 README 中的书面课程、支持 Azure OpenAI 与 OpenAI API 的 Python/TypeScript 代码示例,以及继续学习的资源链接。
立陶宛语翻译的目录结构印证
translations/lt/的目录树与课程目录一一镜像,验证了“译文与课程结构同步”的维护约定:
translations/lt/ ├── 00-course-setup/ # 01-setup-cloud.md / 02-setup-local.md / 03-providers.md / README.md ├── 01-introduction-to-genai/ ├── ... # 02 ~ 21 共 21 个课程目录 ├── 21-meta/ ├── AGENTS.md / CHANGELOG.md / CODE_OF_CONDUCT.md / CONTRIBUTING.md / SECURITY.md ├── docs/ └── README.md # 即本文主体文档对照英文主仓库,translations/lt/下 28 个.ipynb作业与 06-text-generation-apps/python/、07-building-chat-applications/python/、11-integrating-with-function-calling/python/ 等课程目录中的aoai-assignment.ipynb、oai-assignment.ipynb、githubmodels-assignment.ipynb等命名保持一致,说明翻译流程同时覆盖了书面课程与配套作业两部分。
求助渠道与贡献注意事项
文档“Getting Help”一节给出两个求助入口:面向学习者与开发者的 Microsoft Foundry Discord 社区(讨论 MCP 等主题),以及面向产品反馈与构建报错的 GitHub 上 Microsoft Foundry Developer Forum。贡献方面,00-course-setup/README.md 明确要求:本仓库的翻译不接受机器翻译,译者须在自己熟练掌握的语言中志愿承担,翻译会经社区验证;提交 Pull Request 时 CLA-bot 会自动处理贡献者协议。对于立陶宛语版本,文档免责声明再次强调:自动翻译可能存在误差,重要信息请以英文原文为准。
小结
translations/lt/README.md 作为立陶宛语课程入口,完整继承了第三版课程的核心信息:21 门 Learn/Build 混合课程、aoai/oai/githubmodels/ Foundry Local 四类服务与作业标签的映射、.env凭据配置规范(含 2026 年 7 月 GitHub Models 退役、迁移至 Microsoft Foundry Models 的版本约束),以及一套可复制的 sparse checkout 克隆命令。结合translations/与translated_images/的镜像目录结构和 AGENTS.md 中的自动化翻译约定,可以确认该文档并非手工维护的静态译文,而是由 GitHub Actions 与英文主文档 README.md 自动同步、持续更新的课程入口页面——学习者可从任意语言版本切入,课程内容的技术细节则以英文原文为权威依据。
【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