我们非常高兴您开始这门课程，期待您用生成式 AI 构建出令人振奋的作品！
为了确保您的成功，本页将说明设置步骤、技术要求以及在需要时获取帮助的渠道。
开始本课程之前，您需要完成以下步骤。
将整个仓库 Fork到您自己的 GitHub 账号，以便您修改代码并完成挑战。您也可以为本仓库加星标 (🌟)，方便后续查找本仓库及相关仓库。
为了避免运行代码时出现依赖问题，我们推荐您在GitHub Codespaces中运行本课程。
在您的 fork 仓库里：代码 -> Codespaces -> 在 main 分支新建
- ⚙️ 齿轮图标 -> 命令面板 -> Codespaces : 管理用户密钥 -> 添加新密钥。
- 名称写 OPENAI_API_KEY，粘贴您的密钥，保存。
| 我想…… | 跳转到…… |
|---|---|
| 开始第1课 | 01-introduction-to-genai |
| 离线工作 | setup-local.md |
| 设置大型语言模型提供商 | providers.md |
| 认识其他学习者 | 加入我们的 Discord |
| 症状 | 解决方法 |
|---|---|
| 容器构建卡住超过 10 分钟 | Codespaces ➜ “重新构建容器” |
终端显示 python: command not found |
终端未连接；点击 + ➜ bash |
OpenAI 返回 401 Unauthorized |
OPENAI_API_KEY 错误或已过期 |
| VS Code 显示“开发容器挂载中…” | 刷新浏览器标签页——Codespaces 有时会断开连接 |
| 笔记本内核丢失 | 笔记本菜单 ➜ 内核 ▸ 选择内核 ▸ Python 3 |
基于 Unix 的系统：
touch .envWindows:
echo . > .env-
编辑
.env文件：用文本编辑器（如 VS Code、Notepad++ 或任何其他编辑器）打开.env文件。在文件中添加以下行，将your_github_token_here替换为您的实际 GitHub 令牌：GITHUB_TOKEN=your_github_token_here
-
保存文件：保存更改并关闭编辑器。
-
安装
python-dotenv：如果尚未安装，您需要安装python-dotenv包，以便将.env文件中的环境变量加载到 Python 应用中。您可使用pip安装：pip install python-dotenv
-
在 Python 脚本中加载环境变量：在您的 Python 脚本中，使用
python-dotenv包加载.env文件中的环境变量：from dotenv import load_dotenv import os # 从 .env 文件加载环境变量 load_dotenv() # 访问 GITHUB_TOKEN 变量 github_token = os.getenv("GITHUB_TOKEN") print(github_token)
完成以上操作后，您就成功创建了 .env 文件，添加了 GitHub 令牌，并将其加载到了您的 Python 应用中。
要在本地电脑运行代码，您需要安装某个版本的Python。
然后您需要克隆仓库：
git clone https://github.com/microsoft/generative-ai-for-beginners
cd generative-ai-for-beginners确认所有内容就绪后，您就可以开始了！
Miniconda 是用于安装 Conda、Python 及少量包的轻量级安装器。
Conda 本身是一个包管理器，可以方便地设置和切换不同的 Python 虚拟环境及依赖包。安装一些 pip 无法获得的包时也很有用。
您可参考Miniconda 安装指南完成安装。
安装 Miniconda 后，您需要克隆仓库（如果还未克隆）。
接着，您需要创建一个虚拟环境。使用 Conda，先创建环境文件（environment.yml）。如果您使用 Codespaces，请在 .devcontainer 目录下创建此文件，即 .devcontainer/environment.yml。
将以下内容填入您的环境文件：
name: <environment-name>
channels:
- defaults
- microsoft
dependencies:
- python=<python-version>
- openai
- python-dotenv
- pip
- pip:
- azure-ai-ml如果在使用 conda 时遇到错误，可以在终端手动运行以下命令安装 Microsoft AI 库。
conda install -c microsoft azure-ai-ml
环境文件中指定了所需依赖。<environment-name> 是您想用作 Conda 环境名称的名字，<python-version> 是您希望使用的 Python 版本，例如 3 是最新的主版本。
完成后，您可在命令行/终端运行以下命令创建 Conda 环境：
conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer 子路径仅适用于 Codespace 设置
conda activate ai4beg如遇问题请参考Conda 环境管理指南。
我们推荐本课程使用安装了Python 支持扩展的Visual Studio Code (VS Code)编辑器。不过这只是建议，不是硬性要求。
注意：打开课程仓库时，您可以选择在容器内设置项目，因为课程仓库中带有特殊的
.devcontainer目录，稍后会详细说明。
注意：克隆并在 VS Code 打开目录后，它会自动提示您安装 Python 支持扩展。
注意：如果 VS Code 提示您重新在容器中打开仓库，请拒绝此请求以使用本地安装的 Python 版本。
您也可以直接在浏览器中使用Jupyter 环境开发。经典 Jupyter 和Jupyter Hub均提供了相当舒适的开发体验，包括自动补全、代码高亮等功能。
启动本地 Jupyter，打开终端/命令行，定位到课程目录后执行：
jupyter notebook或者
jupyterhub该命令会启动 Jupyter 实例，命令行窗口会显示访问的 URL。
访问该 URL 后，您将看到课程大纲，并可以打开任何 *.ipynb 文件，例如 08-building-search-applications/python/oai-solution.ipynb。
除了在电脑或 Codespace 装环境，还可以用容器运行。课程仓库中的特殊 .devcontainer 文件夹支持 VS Code 在容器内设置项目。Codespaces 之外使用这功能需要安装 Docker，操作稍复杂，建议只有有容器经验的人使用。
使用 GitHub Codespaces 时，为了保证 API 密钥安全，最推荐用 Codespaces Secrets。请参考Codespaces 密钥管理指南了解详情。
课程包含 6 节理念课和 6 节编程课。
编程课使用 Azure OpenAI 服务。运行时您需要一个 Azure OpenAI 服务的访问权限与 API 密钥。可通过提交申请获取访问。
等待申请批准期间，每节编程课的 README.md 文件都包含查看代码和输出的内容。
如果您是第一次使用 Azure OpenAI 服务，请参照此指南了解如何创建和部署 Azure OpenAI 资源。
如果您是第一次使用 OpenAI API，请按照指南了解如何创建和使用接口。
我们已在官方AI 社区 Discord 服务器开设频道，方便您结识其他学习者。这是与志同道合的创业者、开发者、学生及想在生成式 AI 领域提升自我的人的交流好地方。
项目团队也会在该 Discord 服务器提供帮助。
本课程是开源项目。如果您发现改进点或问题，请提交Pull Request或创建GitHub issue。
项目团队会跟踪所有贡献。参与开源是构建生成式 AI 职业生涯的绝佳途径。
大多数贡献需要您同意贡献者许可协议（CLA），声明您有权且确实授予我们使用您贡献内容的权限。详情请访问CLA，贡献者许可协议网站。
重要提示：翻译本仓库内容时，请确保不要使用机器翻译。我们将通过社区审查翻译质量，因此请仅对自己熟练掌握的语言志愿参与翻译。
提交 PR 时，CLA-bot 会自动判断您是否需要提交 CLA，并在 PR 上做相应标注（如标签、评论）。按照机器人指示操作即可。您在所有签署 CLA 的仓库中只需执行一次此步骤。
本项目采用了微软开源行为准则。详情请参阅行为准则常见问题，或通过Email opencode联系提供更多问题或反馈。
既然您已经完成了完成本课程所需的步骤，让我们开始，通过了解生成式人工智能和大型语言模型的介绍。
免责声明：
本文件使用AI翻译服务 Co-op Translator 进行翻译。虽然我们力求准确，但请注意，自动翻译可能存在错误或不准确之处。原始语言的文档应被视为权威来源。对于重要信息，建议采用专业人工翻译。因使用本翻译而产生的任何误解或错误解读，本公司概不负责。