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尋求協助的地方。
要開始這門課程，你需要完成以下步驟。
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。
為了避免執行程式碼時遇到相依性問題，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
- ⚙️ 齒輪圖示 -> Command Pallete -> Codespaces : Manage user secret -> Add a new secret。
- 名稱填入 OPENAI_API_KEY，貼上你的金鑰，然後儲存。
| 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 |
| 症狀 | 解決方法 |
|---|---|
| 容器建置卡住超過 10 分鐘 | Codespaces ➜ “Rebuild Container” |
python: command not found |
Terminal 沒有連接；點擊 + ➜ bash |
OpenAI 回傳 401 Unauthorized |
OPENAI_API_KEY 錯誤或已過期 |
| 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 .envWindows：
echo . > .env-
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
-
儲存檔案：儲存修改後關閉編輯器。
-
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
-
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。
如果你想在自己的電腦上執行程式碼，需要先安裝 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！
Miniconda 是一個輕量級的安裝程式，可以安裝 Conda、Python 以及一些套件。
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。
請用以下內容填入你的環境檔案：
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 會出錯，可以在終端機手動安裝 Microsoft AI 函式庫，指令如下：
conda install -c microsoft azure-ai-ml
環境檔案會指定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 代表最新的主版本。
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，請參考 Conda 環境指南。
我們建議你在這門課程中使用 Visual Studio Code (VS Code) 編輯器，並安裝 Python 擴充套件。不過這只是建議，並非強制要求。
注意：打開課程 repository 時，你可以選擇在容器中設定專案。這是因為課程 repository 裡有 特殊的
.devcontainer目錄。後面會再詳細說明。
注意：當你 clone 並在 VS Code 開啟目錄時，系統會自動建議你安裝 Python 擴充套件。
注意：如果 VS Code 建議你在容器中重新開啟 repository，請拒絕這個要求，這樣才能使用本機安裝的 Python 版本。
你也可以直接在瀏覽器裡用 Jupyter 環境 進行專案開發。無論是經典 Jupyter 還是 Jupyter Hub 都提供了很棒的開發體驗，例如自動補全、程式碼高亮等功能。
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，並在命令列視窗顯示可存取的網址。
進入網址後，你會看到課程大綱，並能瀏覽任何 *.ipynb 檔案。例如 08-building-search-applications/python/oai-solution.ipynb。
除了在本機或 Codespace 設定環境外，你也可以使用 容器。課程 repository 裡的 .devcontainer 資料夾，讓 VS Code 能在容器中設定專案。如果不是用 Codespaces，則需要安裝 Docker，這會比較複雜，所以我們只建議有容器經驗的同學使用。
在 GitHub Codespaces 上，最安全的 API 金鑰管理方式之一是使用 Codespace Secrets。請參考 Codespaces secrets 管理指南 了解更多。
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 金鑰才能執行程式碼。你可以填寫申請表來申請存取權。
在等待申請審核期間，每個程式課程的 README.md 檔案都可以讓你瀏覽程式碼和執行結果。
如果你是第一次使用 Azure OpenAI 服務，請參考這份教學，了解如何建立並部署 Azure OpenAI 服務資源。
如果你是第一次使用 OpenAI API，請參考這份教學，了解如何建立並使用介面。
我們在官方 AI Community Discord 伺服器 建立了頻道，方便大家認識其他學習者。這是和其他有志創業者、開發者、學生，以及想精進生成式 AI 的朋友交流的好地方。
專案團隊也會在這個 Discord 伺服器上協助學習者。
這門課程是開源計畫。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，請勿使用機器翻譯。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 中做一次這個動作。
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。
現在你已經完成了本課程所需的步驟，讓我們開始吧，先來看看生成式 AI 與大型語言模型的簡介。
免責聲明：
本文件是使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們力求準確，但請注意，自動翻譯可能包含錯誤或不精確之處。原始語言的文件應視為具權威性的來源。對於重要資訊，建議採用專業人工翻譯。因使用本翻譯而產生的任何誤解或誤釋，我們概不負責。