我們非常期待您開始這門課程，並看看您能夠用生成式 AI 激發出什麼創意！
為了確保您的成功，這頁面概述了設置步驟、技術需求，以及需要幫助時的求助途徑。
要開始這門課程，您需要完成以下步驟。
Fork 整個 repo 到您的 GitHub 帳戶，以便修改任何代碼並完成挑戰。您也可以給此 repo 加星 (🌟)，以便更容易找到它和相關的 repo。
為了避免運行代碼時的依賴問題，我們建議在 GitHub Codespaces 中運行這門課程。
在您的 fork 中：Code -> Codespaces -> New on main
- ⚙️ 齒輪圖標 -> Command Pallete -> Codespaces : Manage user secret -> Add a new secret。
- 命名為 OPENAI_API_KEY，粘貼您的密鑰，保存。
| 我想要… | 前往… |
|---|---|
| 開始第一課 | 01-introduction-to-genai |
| 離線工作 | setup-local.md |
| 設置 LLM 提供商 | providers.md |
| 與其他學員交流 | 加入我們的 Discord |
| 症狀 | 解決方法 |
|---|---|
| 容器構建超過 10 分鐘 | Codespaces ➜ “Rebuild Container” |
python: command not found |
終端未連接；點擊 + ➜ bash |
OpenAI 返回 401 Unauthorized |
錯誤或過期的 OPENAI_API_KEY |
| VS Code 顯示 “Dev container mounting…” | 刷新瀏覽器標籤頁—Codespaces 有時會失去連接 |
| Notebook 核心缺失 | Notebook 菜單 ➜ Kernel ▸ Select Kernel ▸ Python 3 |
Unix 系統：
touch .envWindows 系統：
echo . > .env-
編輯
.env文件：在文本編輯器（例如 VS Code、Notepad++ 或其他編輯器）中打開.env文件。添加以下行到文件中，將your_github_token_here替換為您的 GitHub token：GITHUB_TOKEN=your_github_token_here
-
保存文件：保存更改並關閉文本編輯器。
-
安裝
python-dotenv：如果尚未安裝，您需要安裝python-dotenv套件，以便從.env文件中加載環境變量到您的 Python 應用程序。您可以使用pip進行安裝：pip install python-dotenv
-
在 Python 腳本中加載環境變量：在您的 Python 腳本中，使用
python-dotenv套件從.env文件中加載環境變量：from dotenv import load_dotenv import os # Load environment variables from .env file load_dotenv() # Access the GITHUB_TOKEN variable github_token = os.getenv("GITHUB_TOKEN") print(github_token)
完成了！您已成功創建 .env 文件，添加了您的 GitHub token，並將其加載到您的 Python 應用程序中。
要在本地運行代碼，您需要安裝某個版本的 Python。
然後使用以下命令克隆此 repo：
git clone https://github.com/microsoft/generative-ai-for-beginners
cd generative-ai-for-beginners完成所有檢出後，您就可以開始了！
Miniconda 是一個輕量級的安裝程序，用於安裝 Conda、Python 以及一些套件。
Conda 本身是一個包管理器，可以輕鬆設置和切換不同的 Python 虛擬環境 和套件。它也非常適合安裝 pip 無法提供的套件。
您可以按照 MiniConda 安裝指南 進行設置。
安裝 Miniconda 後，您需要克隆 repository（如果尚未完成）。
接下來，您需要創建一個虛擬環境。使用 Conda 創建新環境文件 (environment.yml)。如果您使用 Codespaces，請在 .devcontainer 目錄中創建此文件，即 .devcontainer/environment.yml。
接下來，使用以下代碼片段填充您的環境文件：
name: <environment-name>
channels:
- defaults
- microsoft
dependencies:
- python=<python-version>
- openai
- python-dotenv
- pip
- pip:
- azure-ai-ml如果使用 Conda 時遇到錯誤，您可以手動使用以下命令在終端中安裝 Microsoft AI Libraries。
conda install -c microsoft azure-ai-ml
環境文件指定了我們需要的依賴項。<environment-name> 是您希望使用的 Conda 環境名稱，<python-version> 是您希望使用的 Python 版本，例如 3 是最新的主要版本。
完成後，您可以通過在命令行/終端中運行以下命令來創建您的 Conda 環境：
conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer sub path applies to only Codespace setups
conda activate ai4beg如果遇到任何問題，請參考 Conda 環境指南。
我們建議使用 Visual Studio Code (VS Code) 編輯器並安裝 Python 支援擴展 來完成這門課程。不過，這只是建議，並非必須。
注意：通過在 VS Code 中打開課程 repository，您可以選擇在容器中設置項目。這是因為課程 repository 中有 特殊的
.devcontainer目錄。稍後會詳細介紹。
注意：一旦您在 VS Code 中克隆並打開目錄，它會自動建議您安裝 Python 支援擴展。
注意：如果 VS Code 建議您在容器中重新打開 repository，請拒絕此請求以使用本地安裝的 Python 版本。
您也可以使用 Jupyter 環境 在瀏覽器中進行項目開發。無論是經典 Jupyter 還是 Jupyter Hub，都提供了非常友好的開發環境，具有自動補全、代碼高亮等功能。
要在本地啟動 Jupyter，請打開終端/命令行，導航到課程目錄，並執行以下命令：
jupyter notebook或
jupyterhub這將啟動一個 Jupyter 實例，訪問 URL 將顯示在命令行窗口中。
訪問 URL 後，您應該能看到課程大綱並導航到任何 *.ipynb 文件。例如，08-building-search-applications/python/oai-solution.ipynb。
除了在您的電腦或 Codespace 上設置，另一個選擇是使用 容器。課程 repository 中的特殊 .devcontainer 文件夾使得 VS Code 可以在容器中設置項目。在 Codespaces 之外，這需要安裝 Docker，並且相對來說需要一些操作，因此我們僅建議有容器使用經驗的人使用此方法。
使用 GitHub Codespaces 時，保護您的 API 密鑰的最佳方法之一是使用 Codespace Secrets。請參考 Codespaces 密鑰管理指南 了解更多信息。
課程包含 6 個概念課程和 6 個編程課程。
在編程課程中，我們使用 Azure OpenAI Service。您需要訪問 Azure OpenAI Service 並擁有 API 密鑰才能運行代碼。您可以通過完成此申請來申請訪問。
在等待申請處理期間，每個編程課程也包含一個 README.md 文件，您可以查看代碼和輸出。
如果這是您第一次使用 Azure OpenAI Service，請參考此指南了解如何創建和部署 Azure OpenAI Service 資源。
如果這是您第一次使用 OpenAI API，請參考此指南了解如何創建和使用介面。
我們在官方 AI 社群 Discord 伺服器 中創建了頻道，供學員互相交流。這是一個與其他志同道合的創業者、開發者、學生以及任何希望在生成式 AI 領域提升的人建立聯繫的好方法。
項目團隊也會在此 Discord 伺服器上幫助學員。
這門課程是一個開源項目。如果您發現改進的地方或問題，請創建 Pull Request 或記錄 GitHub 問題。
項目團隊將追蹤所有貢獻。參與開源是建立生成式 AI 職業生涯的絕佳方式。
大多數貢獻需要您同意貢獻者許可協議 (CLA)，聲明您有權並實際授予我們使用您的貢獻的權利。詳情請訪問 CLA, 貢獻者許可協議網站。
重要提示：在翻譯此 repo 中的文本時，請確保不使用機器翻譯。我們將通過社群驗證翻譯，因此請僅在您精通的語言中志願翻譯。
當您提交 Pull Request 時，CLA 機器人會自動確定您是否需要提供 CLA 並適當地標記 PR（例如，標籤、評論）。只需按照機器人提供的指示操作即可。您只需在所有使用我們 CLA 的 repository 中執行一次。
此項目採用了 Microsoft 開源行為準則。欲了解更多信息，請閱讀行為準則 FAQ 或聯繫 Email opencode 提出其他問題或意見。
現在你已完成完成此課程所需的步驟，讓我們開始了解生成式人工智能和大型語言模型的介紹。
免責聲明：
此文件已使用人工智能翻譯服務 Co-op Translator 進行翻譯。儘管我們致力於提供準確的翻譯，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。對於重要信息，建議使用專業人工翻譯。我們不對因使用此翻譯而引起的任何誤解或誤釋承擔責任。