Generative AI for Beginners 是由 Microsoft Cloud Advocates 制作的生成式人工智能应用开发课程，内容围绕“如何开始构建 Generative AI applications”展开。课程不是单一的 API 文档，而是由 21 节课程组成，每节聚焦一个主题，并区分为讲解概念的 Learn 课程和结合概念与代码示例的 Build 课程。课程在可能的情况下同时提供 Python 与 TypeScript 示例，并为每节课配备视频介绍、README 文字内容、额外学习资源，适合希望从生成式 AI 基础逐步进入应用开发的人。
核心功能
生成式 AI 与大语言模型基础
课程从生成式 AI 和大型语言模型的基本概念开始，帮助学习者理解 Generative AI 是什么，以及 LLM 如何工作。后续课程还介绍不同 LLM 的探索与比较，重点放在如何根据使用场景选择合适的模型，而不是只围绕某一个模型展开。
提示工程与负责任开发
课程包含提示工程基础和高级提示两个主题。学习者可以了解提示工程的实践方法，以及如何应用相关技术改善提示结果。同时，课程专门讨论如何负责任地构建生成式 AI 应用，并介绍 AI 系统面临的威胁、风险及相应的安全方法。
从文本生成到聊天应用
Build 课程会带领学习者构建文本生成应用，并使用 Azure OpenAI 或 OpenAI API。课程还覆盖聊天应用的构建与集成，介绍如何更有效地构建和整合聊天功能；每节课的代码示例在可能的情况下使用 Python 和 TypeScript，便于开发者对照学习。
搜索、嵌入与 RAG 应用
课程提供基于嵌入搜索数据的搜索应用示例，并进一步介绍 RAG 框架与向量数据库。对应的 Build 课程会构建能够从向量数据库检索嵌入的应用，帮助学习者把检索能力应用到生成式 AI 场景中。
多模态、低代码与应用扩展
课程还覆盖图像生成应用、使用 Low Code 工具构建生成式 AI 应用，以及通过 function calling 将外部应用接入 AI 应用。除此之外，学习者可以继续了解 AI 应用的 UX 设计、应用生命周期与 LLMOps、AI Agents、开源模型与 Hugging Face、LLM 微调、小语言模型，以及 Mistral 和 Meta 模型的特点与差异。
使用方式
课程页面按课程目录提供 00 至 21 节课的入口，每节课包括视频介绍、README 文字课程、代码示例和额外学习链接。学习者可以从任意主题开始，也可以先完成 Course Setup 来配置开发环境；如果希望本地使用，可以克隆 GitHub 仓库，也可以通过 fork 将整个仓库复制到自己的 GitHub 账户。运行代码时可选择 Azure OpenAI Service、Microsoft Foundry Models、OpenAI API 或 Foundry Local，其中 Foundry Local 支持在自己的设备上完全离线运行，且不需要云订阅。
适用人群与场景
对生成式 AI 和 LLM 还不熟悉的初学者，可以从基础概念、模型比较和提示工程开始学习。希望动手开发应用的 Python 或 TypeScript 开发者，可以跟随文本生成、聊天、搜索、图像生成和 RAG 等 Build 课程完成示例。需要了解应用上线前后流程的开发者，可以学习 UX、安全、应用生命周期与 LLMOps。希望尝试不同模型路线的人，则可以继续学习 Hugging Face 开源模型、AI Agents、SLM、Mistral 和 Meta 模型相关内容。课程正文还建议具备基础 Python 或 TypeScript 知识，绝对初学者可先学习对应的 Python 和 TypeScript 课程。
注意事项
运行课程代码需要在 Azure OpenAI Service、Microsoft Foundry Models、OpenAI API 或 Foundry Local 中选择相应方案，具体课程会标注所使用的服务。课程列出的部分视频状态为“Video Coming Soon”，包括 Course Setup、Building with SLMs、Building with Mistral Models 和 Building with Meta Models。仓库包含 50 多种语言翻译，官方提示完整克隆会显著增加下载大小，并提供不包含 translations 与 translated_images 的 sparse checkout 方式。
