Microsoft Generative AI for Beginners：21 节课程如何从概念走到应用

先给结论：Generative AI for Beginners 是一套按主题拆分的开源课程，适合已有基础编程经验、希望把 LLM 概念连接到实际应用的人。根 README 将内容称为 21 节，并为每节提供说明、代码或继续学习资料；课程覆盖模型比较、责任使用、提示工程、文本与聊天应用、向量搜索、图像生成、函数调用、RAG、Agent、微调、小模型与模型家族。它的优势是学习路径广、每节相对独立；边界是示例不等于可直接上线的产品，运行部分练习需要自行准备云端模型或本地推理环境。

课程如何组织

课程把“Learn”概念课与“Build”动手课并列。初学者可以从生成式 AI 与 LLM 开始，再学习提示设计；有开发经验的人可以直接跳到应用章节。代码示例在适用处提供 Python 和 TypeScript。典型工程链路包括先调用模型生成文本，再做对话上下文管理、embedding 检索、函数调用，以及将检索增强生成接入应用；后续章节才讨论安全、评估和生命周期。每章 README 还列有扩展资源，适合按工作问题选读，而不必把课程当成必须一次完成的教材。

运行环境不是单一产品。仓库列出了 Azure OpenAI、OpenAI API、Microsoft Foundry Models 和 Foundry Local 等选项，但不同章节的练习对应不同 provider 配置；Foundry Local 也不代表所有云 API 示例都能脱网运行。课程设置页推荐 Codespaces 来减少依赖安装问题，也写有本机 Python、虚拟环境、Jupyter 和容器路径。开始前应先确认所选章节支持的 endpoint、模型 ID 和依赖，而不是只按旧示例复制密钥变量。

模型和版本内容需要复核

README 当前标记 Version 3，并说明仓库包含多个语言翻译；GitHub API 显示截至 2026 年 11 月 4 日约 122,927 颗星，主分支最近提交在 11 月 2 日。项目没有单独软件 Release；其 changelog 最新条目为 2026 年 7 月 16 日，记有模型示例和部署名更新。根 README 特别提醒 GitHub Models 已于 2026 年 7 月结束并建议转向 Microsoft Foundry Models，这说明课程在持续变化的模型生态里需要二次检查。课程中某些模型名称、价格、区域可用性和 SDK 版本，可能落后于当前服务目录。

课程并非只有 API 教程：安全章节谈数据最小化、输出核验、红队与访问控制；生命周期章节讨论评估与应用维护。实际学习时可以围绕一个小任务，例如“从公司 FAQ 检索出有来源的答案”，分别完成 embedding 搜索、函数调用和结果评估，再把敏感信息处理与用户输入风险纳入设计。这比只收集提示词模板更能检验是否理解了系统边界。

限制、许可与学习成本

“Beginner”不表示不需要开发基础。仓库建议掌握一点 Python 或 TypeScript；要运行 Build 练习，还需可用模型账户、部署 endpoint、API 凭据和相应本地工具。README 没有保证所有云调用都免费，实际成本受供应商定价和请求量影响。使用 Codespaces 也应遵守密钥管理建议，避免把 key 放进提交、截图或公开 notebook。课程采用 MIT 许可，便于阅读、复用和修改仓库中的代码；引用外部视频、模型服务和第三方资源时仍应遵守其各自条款。

适合谁：希望用清晰章节补齐 LLM 应用开发概念的初级开发者、产品工程师和培训者。不适合当作：当前模型排行榜、生产架构审计或无需验证的部署蓝图。建议挑三到五节与目标任务直接相关的课程，固定模型和依赖版本，跑通示例后再用自己的数据与预算做验证。它更像一张有代码的路线图，不能替代对 API 变更、安全策略和上线责任的独立判断。

参考资料

1. GitHub 仓库与版本活动
2. 课程总览
3. 环境与服务接入
4. 模型比较课程
5. AI 应用安全课程
6. 课程变更日志
7. MIT 许可