原文出处：Getting Started with this course 原作者：Microsoft · 许可证：MIT License 中文译本由诸葛AI学院整理，仅供学习参考，版权归原作者与微软所有。
开课准备
很高兴你要开始这门课，期待看看你会用生成式 AI（Generative AI）做出什么东西来！
为了让你顺利学完，这一页列出搭建步骤、技术要求，以及卡住时去哪里求助。
搭建步骤
开始这门课前，需要完成以下几步。
1. Fork 这个仓库
把整个仓库 fork 到你自己的 GitHub 账号下，这样你才能修改代码、完成练习。你也可以给仓库加星（star），以后找它和相关仓库会更容易。
2. 创建一个 Codespace
为了避免运行代码时出依赖问题，我们建议这门课直接在 GitHub Codespaces 里跑。
在你的 fork 中：Code -> Codespaces -> New on main
2.1 添加一个密钥（secret）
- 齿轮图标 -> Command Palette -> Codespaces: Manage user secret -> Add a new secret。
- 名称填 OPENAI_API_KEY，粘贴你的密钥，保存。
3. 接下来做什么？
| 我想…… | 去这里 |
|---|---|
| 开始第 1 课 | 生成式 AI 与大语言模型入门 |
| 离线学习 | 本地环境搭建 |
| 配置一个大模型服务商（LLM Provider） | 服务商配置 |
| 认识其他同学 | 加入我们的 Discord |
故障排查
| 症状 | 解决办法 |
|---|---|
| 容器构建卡住超过 10 分钟 | Codespaces -> "Rebuild Container" |
python: command not found |
终端没挂上；点 + 选 bash |
OpenAI 返回 401 Unauthorized |
OPENAI_API_KEY 不对或已过期 |
| VS Code 一直显示 "Dev container mounting..." | 刷新浏览器标签页，Codespaces 有时掉线 |
| Notebook 找不到内核 | Notebook 菜单 -> Kernel > Select Kernel > Python 3 |
基于 Unix 的系统：
bash
touch .env
Windows：
cmd
echo . > .env
- 编辑
.env文件：用文本编辑器（VS Code、Notepad++ 或其他都行）打开.env文件，加入以下内容，把占位符换成你自己的 Microsoft Foundry Models 端点和密钥（获取方法见服务商配置）：
注意： GitHub Models（及其
GITHUB_TOKEN变量）将于 2026 年 7 月底停用，请改用 Microsoft Foundry Models。
env
AZURE_INFERENCE_ENDPOINT=your_foundry_endpoint_here
AZURE_INFERENCE_CREDENTIAL=your_foundry_api_key_here
-
保存文件：保存修改，关闭编辑器。
-
安装
python-dotenv：如果还没装，需要安装python-dotenv包，才能把.env文件里的环境变量读进 Python 应用。用pip安装：
bash
pip install python-dotenv
- 在 Python 脚本里加载环境变量：在 Python 脚本中用
python-dotenv把.env里的环境变量读进来：
```python from dotenv import load_dotenv import os
# 从 .env 文件加载环境变量 load_dotenv()
# 读取 Microsoft Foundry Models 的变量 endpoint = os.getenv("AZURE_INFERENCE_ENDPOINT") token = os.getenv("AZURE_INFERENCE_CREDENTIAL")
print(endpoint) ```
就这样！你已经创建了 .env 文件，填入 Microsoft Foundry Models 的凭据，并把它们加载到了 Python 应用里。
在本地电脑上运行
想在本地跑代码，电脑上得先装好某个版本的 Python。
然后克隆仓库：
shell
git clone https://github.com/microsoft/generative-ai-for-beginners
cd generative-ai-for-beginners
全部签出之后，就可以开始了！
可选步骤
安装 Miniconda
Miniconda 是个轻量安装器，装它就能得到 Conda、Python 和少量常用包。Conda 本身是包管理器，创建和切换不同的 Python 虚拟环境（virtual environment）与包都很方便，装一些 pip 装不到的包也用得上。
具体照 MiniConda 安装指南 操作即可。
装好 Miniconda 后，需要克隆仓库（如果还没克隆过）。
接下来创建虚拟环境。用 Conda 的做法是新建一个环境文件（environment.yml）。如果你在 Codespaces 里学习，把它放在 .devcontainer 目录下，也就是 .devcontainer/environment.yml。
环境文件的内容照下面写：
yml
name: <environment-name>
channels:
- defaults
- microsoft
dependencies:
- python=<python-version>
- openai
- python-dotenv
- pip
- pip:
- azure-ai-ml
如果用 conda 时遇到报错，可以在终端里用下面这条命令手动安装微软的 AI 库：
conda install -c microsoft azure-ai-ml
环境文件声明了所需的依赖。<environment-name> 是你想给这个 Conda 环境起的名字，<python-version> 是你打算用的 Python 版本，例如 3 是 Python 当前最新的大版本。
准备好后，在命令行/终端里运行下面的命令创建 Conda 环境：
bash
conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer 这个子路径只适用于 Codespaces
conda activate ai4beg
遇到问题可查 Conda 环境管理指南。
用 Visual Studio Code 加 Python 扩展
我们推荐用 Visual Studio Code（VS Code） 编辑器，并安装 Python 支持扩展。不过这更像建议，不是硬性要求。
注意：在 VS Code 里打开课程仓库后，你可以选择把项目设到容器里运行，因为课程仓库里有一个特殊的
.devcontainer目录。后面会细说。注意：克隆并在 VS Code 里打开目录后，它会自动建议你安装 Python 支持扩展。
注意：如果 VS Code 建议你重新在容器中打开仓库，拒绝这个请求即可，这样用的是本地安装的 Python。
在浏览器里用 Jupyter
你也可以直接在浏览器里用 Jupyter 环境做这个项目。经典 Jupyter 和 Jupyter Hub 的开发体验都不错，带自动补全、代码高亮等功能。
要在本地启动 Jupyter，打开终端/命令行，进入课程目录，运行：
bash
jupyter notebook
或
bash
jupyterhub
这会启动一个 Jupyter 实例，访问 URL 会显示在命令行窗口里。
打开这个 URL 后，你应该能看到课程大纲，并可以进入任意 *.ipynb 文件。例如 08-building-search-applications/python/oai-solution.ipynb。
在容器里运行
另一个办法是不在自己电脑或 Codespace 上装环境，而是用容器。课程仓库里那个特殊的 .devcontainer 目录，让 VS Code 可以把项目设在容器内。在 Codespaces 之外，这需要安装 Docker，说实话还得费点功夫，所以我们只推荐有容器经验的人这么做。
用 GitHub Codespaces 时，保护 API 密钥的好办法之一是 Codespace Secrets。请参考 Codespaces secrets 管理指南 了解更多。
课程与技术要求
课程分两类："学（Learn）"课讲生成式 AI 的概念，"做（Build）"课动手写代码；后者尽可能同时提供 Python 和 TypeScript 两种版本。
代码课使用 Azure OpenAI in Microsoft Foundry。你需要一个 Azure 订阅和一把 API 密钥。访问是开放的，不用申请，直接创建 Microsoft Foundry 资源并部署一个模型就能拿到端点和密钥。
每个代码课也带一个 README.md 文件，里面能看到代码和运行输出，不用跑任何东西。
第一次用 Azure OpenAI 服务
如果是第一次接触 Azure OpenAI 服务，请按这篇指南创建并部署 Azure OpenAI 资源。
第一次用 OpenAI API
如果是第一次接触 OpenAI API，请参考这篇指南创建并使用 Interface。
认识其他同学
我们在官方 AI 社区 Discord 服务器开了频道，方便同学们互相认识。这是结识志同道合的创业者、开发者、学生的好途径，大家都想在生成式 AI 上更进一步。
项目团队也在这台 Discord 服务器上，会帮助任何学员。
参与贡献
这门课是一个开源项目。发现可改进之处或问题，欢迎提 Pull Request 或登记 GitHub issue。
项目团队会跟进所有贡献。参与开源，是积累生成式 AI 职业履历的好方式。
大多数贡献需要你先同意一份贡献者许可协议（Contributor License Agreement，CLA），声明你有权、也确实授予我们使用你所做贡献的权利。详情见 CLA 网站。
重要：在本仓库翻译文本时，请不要使用机器翻译。我们会通过社区核验译文，请只认领你精通语言的翻译工作。
提交 pull request 后，CLA-bot 会自动判断你是否需要提供 CLA，并对 PR 做相应标记（比如标签、评论）。按 bot 给出的提示操作即可，在所有使用我们 CLA 的仓库里只需做一次。
本项目采用微软开源行为准则。更多信息请阅读行为准则 FAQ，或发邮件到 opencode@microsoft.com 提问和反馈。
开始吧
既然搭环境的步骤都完成了，就从生成式 AI 与大语言模型入门开始吧。