我们非常期待你开始这门课程，看看你会受到什么启发，利用生成式 AI 构建出怎样的项目！
为了帮助你顺利学习，本页将介绍环境配置步骤、技术要求，以及遇到问题时的求助方式。
要开始学习本课程，你需要完成以下步骤。
将整个仓库 Fork 到你的 GitHub 账号，这样你就可以修改代码并完成挑战。你也可以为本仓库加星 (🌟)，方便以后查找本仓库及相关项目。
为避免运行代码时出现依赖问题，我们推荐你在 GitHub Codespaces 中学习本课程。
在你的 fork 仓库中：Code -> Codespaces -> New on main
- ⚙️ 齿轮图标 -> Command Pallete -> Codespaces : Manage user secret -> Add a new secret。
- 名称填写 OPENAI_API_KEY，粘贴你的密钥，保存。
| 我想要… | 前往… |
|---|---|
| 开始第一课 | 01-introduction-to-genai |
| 离线学习 | setup-local.md |
| 配置 LLM 服务商 | providers.md |
| 结识其他学习者 | 加入我们的 Discord |
| 症状 | 解决方法 |
|---|---|
| 容器构建卡住超过 10 分钟 | Codespaces ➜ “Rebuild Container” |
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 “Dev container mounting…” | 刷新浏览器标签页——Codespaces 有时会断开连接 |
| Notebook 内核缺失 | Notebook 菜单 ➜ Kernel ▸ Select Kernel ▸ Python 3 |
Unix 系统：
touch .envWindows：
echo . > .env-
编辑
.env文件：用文本编辑器（如 VS Code、Notepad++ 或其他编辑器）打开.env文件。添加如下内容，将your_github_token_here替换为你的 GitHub token：GITHUB_TOKEN=your_github_token_here
-
保存文件：保存更改并关闭编辑器。
-
安装
python-dotenv：如果还没安装，需要用pip安装python-dotenv包，以便从.env文件加载环境变量：pip install python-dotenv
-
在 Python 脚本中加载环境变量：在你的 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 # Load environment variables from .env file load_dotenv() # Access the GITHUB_TOKEN variable github_token = os.getenv("GITHUB_TOKEN") print(github_token)
就这样！你已经成功创建了 .env 文件，添加了 GitHub token，并将其加载到 Python 应用中。
如果你想在本地电脑上运行代码，需要先安装 Python。
然后克隆仓库：
git clone https://github.com/microsoft/generative-ai-for-beginners
cd generative-ai-for-beginners一切准备好后，就可以开始啦！
Miniconda 是一个轻量级的 Conda 和 Python 安装器，还包含一些常用包。
Conda 是一个包管理器，可以方便地创建和切换不同的 Python 虚拟环境 及包。对于那些 pip 无法安装的包，Conda 也很有用。
你可以参考 MiniConda 安装指南 进行安装。
安装好 Miniconda 后，需要克隆本仓库（如果还没克隆的话）。
接下来需要创建一个虚拟环境。用 Conda 创建新环境文件（environment.yml）。如果你在 Codespaces 中操作，请在 .devcontainer 目录下创建，即 .devcontainer/environment.yml。
将下面的内容填入你的环境文件：
name: <environment-name>
channels:
- defaults
- microsoft
dependencies:
- python=<python-version>
- openai
- python-dotenv
- pip
- pip:
- azure-ai-ml如果你在使用 conda 时遇到错误，可以在终端手动安装 Microsoft AI 库，命令如下：
conda install -c microsoft azure-ai-ml
环境文件中指定了所需依赖。<environment-name> 是你想为 Conda 环境起的名字，<python-version> 是你想用的 Python 版本，比如 3 代表最新主版本。
完成后，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 sub path applies to only Codespace setups
conda activate ai4beg如果遇到问题，可以参考 Conda 环境管理指南。
我们推荐你在本课程中使用 Visual Studio Code (VS Code) 编辑器，并安装 Python 扩展。当然，这只是推荐，并非强制要求。
Note: 打开课程仓库时，VS Code 会提示你可以在容器中配置项目。这是因为仓库中有一个特殊的 .devcontainer 目录。后面会详细介绍。
Note: 克隆并打开目录后，VS Code 会自动建议你安装 Python 扩展。
Note: 如果 VS Code 建议你在容器中重新打开仓库，请拒绝，以便使用本地安装的 Python。
你也可以直接在浏览器中使用 Jupyter 环境进行项目开发。无论是经典 Jupyter 还是 Jupyter Hub 都提供了很好的开发体验，比如自动补全、代码高亮等。
要在本地启动 Jupyter，请在终端/命令行进入课程目录，执行：
jupyter notebook或
jupyterhub这样会启动一个 Jupyter 实例，命令行窗口会显示访问的 URL。
访问该 URL 后，你会看到课程大纲，并可以浏览任意 *.ipynb 文件。例如，08-building-search-applications/python/oai-solution.ipynb。
除了在本地或 Codespace 配置环境外，你还可以使用 容器。课程仓库中的 .devcontainer 文件夹让 VS Code 可以在容器中配置项目。如果不是在 Codespaces 中，这需要你安装 Docker，操作相对复杂，建议有容器经验的同学使用。
在 GitHub Codespaces 中保护 API 密钥的最佳方式之一是使用 Codespace Secrets。请参考 Codespaces 密钥管理指南 了解更多信息。
本课程包含 6 节概念课和 6 节编程课。
在编程课中，我们使用 Azure OpenAI 服务。你需要有 Azure OpenAI 服务的访问权限和 API 密钥才能运行代码。你可以填写申请表获取访问权限。
在等待申请审核期间，每节编程课的 README.md 文件中都可以查看代码和输出结果。
如果你是第一次使用 Azure OpenAI 服务，请参考此指南，了解如何创建并部署 Azure OpenAI 服务资源。
如果你是第一次使用 OpenAI API，请参考创建和使用接口的指南。
我们在官方 AI Community Discord 服务器 上为大家创建了交流频道。这里是结识志同道合的创业者、开发者、学生，以及所有想在生成式 AI 领域提升自我的人的好地方。
项目团队成员也会在 Discord 上为大家提供帮助。
本课程是一个开源项目。如果你发现有改进空间或问题，请提交 Pull Request 或记录 GitHub issue。
项目团队会跟踪所有贡献。参与开源是提升你在生成式 AI 领域职业发展的绝佳方式。
大多数贡献需要你同意贡献者许可协议（CLA），声明你有权并同意授予我们使用你贡献内容的权利。详情请访问 CLA, 贡献者许可协议网站。
重要提示：在翻译本仓库内容时，请确保不要使用机器翻译。我们会通过社区审核翻译内容，因此请只在你精通的语言下自愿参与翻译。
当你提交 pull request 时，CLA-bot 会自动判断你是否需要签署 CLA，并在 PR 上做出相应标记（如标签、评论）。只需按照 bot 的指示操作即可。你只需在所有使用我们 CLA 的仓库中做一次此操作。
本项目采用了 Microsoft 开源行为准则。更多信息请阅读行为准则 FAQ，或通过 Email opencode 联系我们提出问题或建议。
现在你已经完成了本课程所需的步骤，让我们开始吧，首先来了解一下生成式人工智能和大语言模型的简介。
免责声明：
本文件由 AI 翻译服务 Co-op Translator 翻译。虽然我们力求准确，但请注意，自动翻译可能包含错误或不准确之处。原始语言的文件应被视为权威来源。对于关键信息，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误读，我们概不负责。