96k星标！微软这个AI教程仓库，凭什么让程序员直呼相见恨晚？

前两天室友跟我吐槽，说想学AI开发但完全不知道怎么开始...网上找了一圈，要么是那种特别理论的教材，看得头疼；太浅的只能学个概念，太深的...一上来就扔一堆代码，新手直接懵。第一次做出聊天机器人的时候，虽然功能很简单，但发给朋友们看，大家都觉得挺神奇的。后来又做了个图片生成的小工具，效果出来那一瞬间，说不兴奋是假的。从什么是生成式AI开始讲，然后是不同模型怎么选，AI开发的伦理问题，最后是提示工程

yfj-unicorn

737人浏览 · 2025-08-29 22:08:27

yfj-unicorn · 2025-08-29 22:08:27 发布

大家好，我是顾北，一名AI应用探索者，也是实用GitHub开源项目收集者，前两天室友跟我吐槽，说想学AI开发但完全不知道怎么开始...网上找了一圈，要么是那种特别理论的教材，看得头疼；要么就是几万块的培训班，钱包受不了；再不就是各种零散的教程，学完还是一头雾水。

我当时就想起一个项目，赶紧推荐给他——微软做的《生成式AI入门教程》。完全免费的！而且还有中文版！

这项目叫 Generative AI for Beginners，GitHub上近10万star了。不是随便拼凑的那种，是微软Azure团队认真做的21课完整教程。

为什么我会推荐它？

说实话，我自己也踩过不少坑：

以前看过的AI教程，不是讲得太浅就是太深。太浅的只能学个概念，太深的...一上来就扔一堆代码，新手直接懵。还有的只讲一种语言，学完发现用处不大。

但微软这个真的不一样：

系统性特别好 21课，从最基础的AI概念开始，一点点带你深入。每课都有明确目标，不会让你感觉在瞎学。

理论实践都有 分成两种课：

Learn课：讲原理，让你明白为什么
Build课：动手做，真的能跑起来

适合不同背景 Python和TypeScript都有，文档还支持40多种语言...中文的读起来毫无压力。

具体都学啥？

我把课程大概梳理了下：

第一阶段：打基础（1-5课） 从什么是生成式AI开始讲，然后是不同模型怎么选，AI开发的伦理问题，最后是提示工程...就是怎么跟AI"说话"让它听懂你想要什么。

第二阶段：动手做（6-11课） 这部分就有意思了！做文本生成器、聊天机器人、搜索应用、图片生成工具...每个都是实实在在能用的东西。

第三阶段：进阶玩法（12-21课） UI设计、安全防护、RAG（这个我之前一直不懂，学完才明白）、开源模型、AI Agent...感觉像是从入门到进阶的完整路径。

我的真实感受

刚开始我也就是好奇心，跟着做了几个小项目...

第一次做出聊天机器人的时候，虽然功能很简单，但发给朋友们看，大家都觉得挺神奇的。后来又做了个图片生成的小工具，效果出来那一瞬间，说不兴奋是假的。

最大的收获是RAG那部分...之前总听人提起，但一直不知道具体怎么搞。跟着教程一步步来，终于搞明白了。那种"哦原来是这样"的感觉，特别爽。

想学的话怎么开始？

门槛其实不高：

技术方面：会一点Python或者TypeScript就行，完全不会的话微软也给了入门链接。

工具方面：需要用到API，三个选一个就够了：

Azure OpenAI（微软自家的）
GitHub的模型目录
OpenAI API

其他：有个GitHub账号，用来下载代码。

第一课就是教你怎么搭环境，跟着做不会有问题。

几个小建议

学了一段时间，有点心得：

1. 别着急，每课都有代码，先搞懂再动手
2. 一定要实际跑代码，光看没用
3. 可以试着改改参数，看看效果有什么变化
4. 有问题去Discord问，微软有官方群

🚀 新手如何快速开始

第一步：准备工作

1. 注册GitHub账户（如果还没有的话）
2. 安装Python（建议3.8+版本）
- Windows：访问 python.org 下载安装包
- Mac：使用 Homebrew 或官方安装包
- Linux：使用包管理器安装

第二步：获取项目

1. Fork项目：访问 https://github.com/microsoft/generative-ai-for-beginners
2. 点击右上角的 "Fork" 按钮，复制到自己的GitHub账户
3. 克隆到本地：

https://github.com/microsoft/generative-ai-for-beginners.git
cd generative-ai-for-beginners

第三步：选择学习方式

方式一：使用GitHub Codespaces（推荐新手）

在你Fork的项目页面，点击 "Code" → "Codespaces" → "Create codespace on main"
自动配置好所有环境，直接在浏览器里学习
需要添加API密钥到Codespace环境变量中

方式二：本地环境配置

# 创建虚拟环境
python -m venv venv

# 激活虚拟环境
# Windows:
venv\Scripts\activate
# Mac/Linux:
source venv/bin/activate

# 安装依赖
pip install openai python-dotenv

第四步：配置API服务

你需要选择一个AI服务提供商：

选项1：Azure OpenAI Service（推荐）

访问 https://azure.microsoft.com/products/ai-services/openai-service
申请访问权限（可能需要等待审批）
创建资源后获取API密钥和端点

选项2：GitHub Models（免费额度）

访问 https://github.com/marketplace/models
使用GitHub账户直接访问

选项3：OpenAI API（直接付费）

访问 https://platform.openai.com/
注册账户并获取API密钥

第五步：开始学习

1. 从第0课开始：00-course-setup/README.md
2. 按顺序学习：01-introduction-to-genai/README.md
3. 每课都包含理论说明和代码示例
4. 建议边学边实践，运行示例代码

📚 21课完整学习路径

基础理论阶段（第1-5课）

课程	主题	类型	重点内容
1	生成式AI和LLM介绍	Learn	AI发展历史，LLM工作原理
2	探索和比较不同LLM	Learn	模型选择，性能对比
3	负责任地使用生成式AI	Learn	AI伦理，安全考量
4	提示工程基础	Learn	如何写好prompts
5	高级提示技术	Learn	复杂提示策略

实战开发阶段（第6-11课）

课程	主题	类型	重点内容
6	构建文本生成应用	Build	第一个AI应用
7	构建聊天应用	Build	对话系统开发
8	构建搜索应用	Build	向量数据库使用
9	构建图像生成应用	Build	AI图像生成
10	低代码AI应用	Build	无代码AI工具
11	函数调用集成	Build	外部系统集成

进阶应用阶段（第12-21课）

课程	主题	类型	重点内容
12	AI应用UX设计	Learn	用户体验设计
13	安全防护	Learn	AI应用安全
14	应用生命周期管理	Learn	LLMOps实践
15	RAG和向量数据库	Build	检索增强生成
16	开源模型和Hugging Face	Build	开源模型使用
17	AI Agents	Build	智能代理开发
18	模型微调	Learn	Fine-tuning技术
19	小语言模型	Learn	SLM应用
20	Mistral模型系列	Learn	Mistral特色功能
21	Meta模型系列	Learn	Meta模型特点

🛠️ 实用资源链接

官方资源

项目主页：https://github.com/microsoft/generative-ai-for-beginners
官方Discord社区：https://aka.ms/genai-discord
Azure AI开发者论坛：https://github.com/Azure/azure-ai-foundry/discussions

API服务申请

Azure OpenAI申请：https://azure.microsoft.com/products/ai-services/openai-service
OpenAI API注册：https://platform.openai.com/
GitHub Models访问：https://github.com/marketplace/models

微软其他AI课程

AI for Beginners：https://github.com/microsoft/AI-For-Beginners
ML for Beginners：https://github.com/microsoft/ML-For-Beginners
Data Science for Beginners：https://github.com/microsoft/Data-Science-For-Beginners
.NET版AI教程：https://github.com/microsoft/Generative-AI-for-beginners-dotnet