我們非常期待你開始這門課程，看看你會被生成式 AI 啟發去創造什麼！
為確保你的成功，本頁面概述了設定步驟、技術需求，以及有需要時可以獲得幫助的地方。
開始上這門課程前，你需要完成以下步驟。
將整個這個倉庫分叉到你自己的 GitHub 帳號，以便修改程式碼及完成挑戰。你也可以⭐ 標星這個倉庫，方便日後找到它和相關倉庫。
為避免執行程式碼時出現任何相依性問題，我們建議你使用GitHub Codespaces 來執行這門課程。
在你分叉後的倉庫：Code -> Codespaces -> New on main
- ⚙️ 設定圖示 -> Command Pallete -> Codespaces : 管理使用者機密 -> 新增一個機密。
- 名稱輸入 OPENAI_API_KEY，貼上你的金鑰，儲存。
| 我想要… | 前往… |
|---|---|
| 開始第 1 課 | 01-introduction-to-genai |
| 離線作業 | setup-local.md |
| 設定 LLM 提供商 | providers.md |
| 認識其他學員 | 加入我們的 Discord |
| 症狀 | 解決方法 |
|---|---|
| 容器建置卡住超過 10 分鐘 | Codespaces ➜ “Rebuild Container” |
python: command not found |
終端機尚未連接，點擊 + ➜ bash |
OpenAI 回傳 401 Unauthorized |
OPENAI_API_KEY 錯誤或過期 |
| VS Code 顯示「Dev container mounting…」 | 重新整理瀏覽器分頁—Codespaces 有時會失去連線 |
| Notebook kernel 不見 | Notebook 選單 ➜ Kernel ▸ Select Kernel ▸ Python 3 |
Unix 系統：
touch .envWindows：
echo . > .env-
編輯
.env檔案：打開.env檔案，使用文字編輯器 (例如 VS Code、Notepad++ 或其他編輯器)，新增以下行，將your_github_token_here替換成你的 GitHub 權杖：GITHUB_TOKEN=your_github_token_here
-
儲存檔案：儲存變更並關閉文字編輯器。
-
安裝
python-dotenv：如果還沒有安裝，你需要安裝python-dotenv套件，讓 Python 程式能從.env檔案載入環境變數。你可以用pip安裝：pip install python-dotenv
-
在 Python 程式中載入環境變數：在 Python 程式碼中，使用
python-dotenv套件載入.env檔案中的環境變數：from dotenv import load_dotenv import os # 從 .env 檔案載入環境變數 load_dotenv() # 存取 GITHUB_TOKEN 變數 github_token = os.getenv("GITHUB_TOKEN") print(github_token)
就是這樣！你已成功建立 .env 檔案、新增 GitHub 權杖，並在 Python 應用程式中載入。
若要在電腦本機執行程式碼，你需要先安裝某版本的 Python。
接著使用本倉庫，需先複製(clone)到本地：
git clone https://github.com/microsoft/generative-ai-for-beginners
cd generative-ai-for-beginners確定所有內容準備妥當後，就可以開始了！
Miniconda 是一個輕量安裝器，用於安裝 Conda、Python，以及部分套件。
Conda 本身是一個套件管理工具，能輕鬆建立並切換不同的 Python 虛擬環境 和套件。對於使用 pip 無法取得的套件，Conda 也非常方便。
你可以依照 MiniConda 安裝指南 進行設定。
安裝 Miniconda 後，如果尚未複製本倉庫，請先複製。
接下來你需要建立一個虛擬環境。使用 Conda 建立時，請製作一個環境設定檔 (environment.yml)。若在 Codespaces 內操作，請將此檔案放在 .devcontainer 目錄下，即 .devcontainer/environment.yml。
請使用以下程式碼填入你的環境設定檔：
name: <environment-name>
channels:
- defaults
- microsoft
dependencies:
- python=<python-version>
- openai
- python-dotenv
- pip
- pip:
- azure-ai-ml如果你在使用 conda 時遇錯誤，可以用終端機執行以下命令手動安裝 Microsoft AI 函式庫。
conda install -c microsoft azure-ai-ml
環境設定檔裡列出我們需要的依賴項。<environment-name> 是你想要給這個 Conda 環境取的名稱，<python-version> 是你想使用的 Python 版本，例如 3 是最新主版本。
完成後，你可以執行以下命令建立 Conda 環境：
conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer 子路徑僅適用於 Codespace 設定
conda activate ai4beg如有問題，請參考 Conda 環境相關指南。
我們建議使用 Visual Studio Code (VS Code) 編輯器，並安裝 Python 支援外掛 來進行本課程。不過這只是建議，非硬性規定。
注意：打開課程倉庫於 VS Code 時，你可以選擇在容器中設定專案，這是因為課程中有特別的
.devcontainer資料夾，稍後會再說明。
注意：複製並打開目錄於 VS Code 會自動建議你安裝 Python 支援外掛。
注意：若 VS Code 建議重新在容器中開啟倉庫，請拒絕此請求，以使用本機安裝的 Python 版本。
你也可以直接在瀏覽器使用 Jupyter 環境 工作。無論是經典版 Jupyter 或 Jupyter Hub，都提供了愉快的開發經驗，包含自動完成、語法高亮等功能。
若要在本機啟動 Jupyter，請打開終端機，切換至課程目錄，執行：
jupyter notebook或是
jupyterhub此指令會啟動 Jupyter 執行個體，並在命令列視窗顯示可存取的網址。
進入網址後，你將看到課程大綱，並可瀏覽任何 *.ipynb 檔案，例如 08-building-search-applications/python/oai-solution.ipynb。
另一個選擇是使用容器，不論是在電腦或 Codespace 以外。課程中有特別的 .devcontainer 資料夾，讓 VS Code 能在容器中設定專案。除 Codespaces 外這需要安裝 Docker，且設定繁複，因此我們建議有容器經驗的人使用。
在 GitHub Codespaces 裡保護 API 金鑰的好方法之一是使用 Codespace Secrets。請依照Codespaces 機密管理指南了解詳情。
本課程包含 6 章概念課程與 6 章程式實作課程。
實作課程中，我們使用 Azure OpenAI 服務。你需要有 Azure OpenAI 服務的存取權及 API 金鑰才能執行程式碼。你可以透過填寫申請表來申請使用。
等待申請審核時，每課程的實作亦附有 README.md 檔案，可先瀏覽程式碼和輸出結果。
若你是第一次使用 Azure OpenAI 服務，請參考本指南如何建立及部署 Azure OpenAI 服務資源。
若你是第一次使用 OpenAI API，請參考此指南如何建立及使用介面。
我們在官方 AI 社群 Discord 伺服器中設立了學員管道，是與其他志同道合的創業家、開發者、學生交流，提升生成式 AI 技能的好地方。
課程團隊也會在這個 Discord 伺服器協助學員。
這門課程是開源計畫。如果你發現可改進之處或問題，請提出拉取請求 (Pull Request)或回報GitHub 問題 (Issue)。
課程團隊會追蹤所有貢獻。貢獻開源專案是建立生成式 AI 職涯的絕佳途徑。
大多數貢獻需同意貢獻者授權協議 (CLA)，聲明你有權且同意授權我們使用你的貢獻。詳情請參考 CLA 貢獻者授權協議網站。
重要提醒：翻譯本倉庫文字時，請勿使用機器翻譯。我們將透過社群審核翻譯品質，請只在你精通的語言自願提供翻譯。
提交拉取請求時，CLA 機器人會自動判定是否需要你提供 CLA，並在 PR 上標記（例如標籤、評論）。請依機器人指示操作，整個平台只需完成一次。
本專案採用 Microsoft 開源行為守則，詳情請閱讀行為守則常見問題或透過 Email opencode 連絡我們。
現在您已完成了完成本課程所需的步驟，讓我們開始透過 生成式 AI 和大型語言模型介紹 來開始學習。
免責聲明：
本文件使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們致力於確保準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應被視為權威來源。對於重要資訊，建議採用專業人工翻譯。我們不對因使用本翻譯而產生的任何誤解或誤釋負責。