Skip to content

README.md

Latest commit

 

History

History
238 lines (150 loc) · 12.6 KB

README.md

File metadata and controls

238 lines (150 loc) · 12.6 KB
Raw

開始這門課程

我們非常期待你開始這門課程，看看你會受到生成式 AI 啟發，打造出什麼有趣的作品！

為了確保你能順利學習，這一頁會說明設定步驟、技術需求，以及遇到問題時可以去哪裡尋求協助。

設定步驟

要開始這門課程，你需要完成以下步驟。

1. Fork 這個 Repo

將整個 repo fork 到你自己的 GitHub 帳號，這樣你才能修改程式碼並完成挑戰。你也可以給這個 repo 加星 (🌟)，方便日後找到它和相關的 repo。

2. 建立 codespace

為了避免執行程式時遇到相依性問題，我們建議你在 GitHub Codespaces 上進行這門課程。

在你的 fork 裡：Code -> Codespaces -> New on main

Dialog showing buttons to create a codespace

2.1 新增密鑰

  1. ⚙️ 齒輪圖示 -> Command Pallete-> Codespaces : Manage user secret -> Add a new secret。
  2. 名稱填 OPENAI_API_KEY，貼上你的金鑰，然後儲存。

3. 接下來呢？

我想要… 前往…
開始第一課 01-introduction-to-genai
離線操作 setup-local.md
設定 LLM 服務商 providers.md
認識其他學習者 加入我們的 Discord

疑難排解

症狀 解決方法
Container 建置超過 10 分鐘卡住 Codespaces ➜ “Rebuild Container”
python: command not found Terminal 沒有連上；點選 + ➜ 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 有時會斷線
Notebook kernel 不見了 Notebook 選單 ➜ Kernel ▸ Select Kernel ▸ Python 3

Unix 系統：

touch .env

Windows：

echo . > .env

  1. 編輯 .env 檔案：用文字編輯器（例如 VS Code、Notepad++ 或其他）打開 .env 檔案。加入以下這一行，把 your_github_token_here 換成你自己的 GitHub token：

    GITHUB_TOKEN=your_github_token_here

  2. 儲存檔案：儲存修改後關閉編輯器。

  3. 安裝 python-dotenv：如果你還沒安裝，請用 pip 安裝 python-dotenv 套件，讓 Python 應用程式能從 .env 檔案載入環境變數：

    pip install python-dotenv

  4. 在 Python 程式中載入環境變數：在你的 Python 程式裡，使用 python-dotenv 套件載入 .env 檔案的環境變數：

    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)

這樣就完成了！你已經成功建立 .env 檔案、加入 GitHub token，並在 Python 應用程式中載入它。

如何在本機執行

如果你想在自己的電腦上執行程式，請先安裝 Python。

接著，請將這個 repository 複製下來：

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

一切準備好之後，就可以開始囉！

選擇性步驟

安裝 Miniconda

Miniconda 是一個輕量級的 Conda 安裝程式，可以安裝 Python 及一些套件。 Conda 本身是一個套件管理工具，可以輕鬆建立和切換不同的 Python 虛擬環境 和套件。對於安裝 pip 沒有的套件也很方便。

你可以參考 MiniConda 安裝指南 來設定。

安裝好 Miniconda 後，請將 repository 複製下來（如果還沒做的話）

接下來，你需要建立一個虛擬環境。用 Conda 建立新環境檔案（environment.yml）。如果你是在 Codespaces 上操作，請在 .devcontainer 目錄下建立，也就是 .devcontainer/environment.yml。

請將以下內容加入你的環境檔案：

name: <environment-name>
channels:
  - defaults
  - microsoft
dependencies:
  - python=<python-version>
  - openai
  - python-dotenv
  - pip
  - pip:
      - azure-ai-ml

如果你發現用 conda 安裝有問題，可以在終端機手動安裝 Microsoft AI Libraries，指令如下：

conda install -c microsoft azure-ai-ml

環境檔案會列出我們需要的相依套件。<environment-name> 是你想給 Conda 環境取的名字，<python-version> 則是你想用的 Python 版本，例如 3 代表最新主版本。

完成後，在命令列/終端機執行以下指令建立 Conda 環境：

conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer sub path applies to only Codespace setups
conda activate ai4beg

如果遇到問題，可以參考 Conda 環境指南。

用 Visual Studio Code 和 Python 擴充套件

我們建議你使用 Visual Studio Code (VS Code) 編輯器，並安裝 Python 擴充套件 來進行這門課程。不過這只是建議，並非強制。

Note: 只要你在 VS Code 裡打開課程 repository，就可以選擇在容器中設定專案。這是因為課程 repository 裡有 特別的 .devcontainer 目錄。後面會再詳細說明。

Note: 當你 clone 並在 VS Code 開啟目錄時，VS Code 會自動建議你安裝 Python 擴充套件。

Note: 如果 VS Code 建議你在容器中重新開啟 repository，請拒絕這個要求，這樣才能用本機安裝的 Python。

在瀏覽器中使用 Jupyter

你也可以直接在瀏覽器裡用 Jupyter 環境 來進行專案。無論是經典 Jupyter 還是 Jupyter Hub 都有自動補全、程式碼高亮等方便的開發功能。

要在本機啟動 Jupyter，請打開終端機/命令列，切換到課程目錄，然後執行：

jupyter notebook

或

jupyterhub

這樣就會啟動 Jupyter，命令列視窗會顯示存取網址。

進入網址後，你會看到課程大綱，可以瀏覽任何 *.ipynb 檔案。例如 08-building-search-applications/python/oai-solution.ipynb。

在容器中執行

除了在本機或 Codespace 設定環境外，你也可以用 container。課程 repository 裡的 .devcontainer 資料夾，讓 VS Code 可以在容器中設定專案。如果不是用 Codespaces，這會需要安裝 Docker，步驟也比較多，所以我們只建議有容器經驗的人使用。

在 GitHub Codespaces 上，最安全的 API 金鑰管理方式之一就是使用 Codespace Secrets。請參考 Codespaces secrets 管理指南 了解更多。

課程內容與技術需求

這門課有 6 個概念課程和 6 個程式實作課程。

在程式實作課程中，我們會用到 Azure OpenAI 服務。你需要有 Azure OpenAI 服務的存取權和 API 金鑰才能執行程式。你可以填寫申請表來申請存取權。

在等待申請審核期間，每個程式課程也都有 README.md 檔案，你可以直接瀏覽程式碼和執行結果。

第一次使用 Azure OpenAI 服務

如果你是第一次使用 Azure OpenAI 服務，請參考這份教學：建立並部署 Azure OpenAI 服務資源

第一次使用 OpenAI API

如果你是第一次使用 OpenAI API，請參考這份教學：建立並使用介面

認識其他學習者

我們在官方 AI Community Discord 伺服器 建立了頻道，方便大家互相交流。這是認識志同道合的創業者、開發者、學生，以及想精進生成式 AI 的朋友的好方法。

加入 discord 頻道

專案團隊也會在這個 Discord 伺服器上協助學習者。

貢獻

這門課是開源計畫。如果你發現可以改進的地方或有問題，請提出 Pull Request 或回報 GitHub issue。

專案團隊會追蹤所有貢獻。參與開源專案是建立生成式 AI 職涯的絕佳方式。

大多數貢獻都需要你同意貢獻者授權協議（CLA），聲明你有權利並同意授權我們使用你的貢獻。詳情請參考 CLA, Contributor License Agreement 網站。

重要提醒：翻譯本 repo 內容時，請不要使用機器翻譯。我們會透過社群驗證翻譯品質，所以請只翻譯你精通的語言。

當你提交 pull request 時，CLA-bot 會自動判斷你是否需要簽署 CLA，並在 PR 上標註（例如標籤、留言）。只要依照 bot 的指示操作即可。你只需要在所有使用我們 CLA 的 repository 裡做一次這個動作。

本專案採用 Microsoft 開源行為準則。更多資訊請參閱行為準則 FAQ，或聯絡 Email opencode 提出其他問題或意見。

讓我們開始吧

現在你已經完成了這門課程所需的步驟，讓我們開始吧，先來看看生成式 AI 和大型語言模型的簡介。

免責聲明：
本文件已使用 AI 翻譯服務 Co-op Translator 進行翻譯。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。原始語言的文件應視為具權威性的來源。對於重要資訊，建議尋求專業人工翻譯。我們不對因使用本翻譯而產生的任何誤解或誤釋承擔責任。