微软生成式AI入门21课独家加工版（Generative-AI-For-Beginners），GitHub 80k+ stars官方课程+独家中文加工：国内API适配（DeepSeek/GLM/Qwen/Moonshot完整调用代码）、RAG实战项目、Prompt模板集（电商/自媒体/办公/编程）、21课中文导读。
微软生成式 AI 入门 21 课（Microsoft Generative-AI-For-Beginners），GitHub 80k+ stars 的官方生成式 AI 课程，21 节完整课从 Prompt Engineering 到 RAG / Agent / Function Calling 全覆盖，含 Python 代码示例 + Jupyter 实验。
课程介绍
微软在 2023 年开源的生成式 AI 入门课程，目标人群是有 Python 基础的开发者。每节课 30-60 分钟，包含：
概念讲解（README + 图示）
Python 代码示例（可运行）
Jupyter Notebook 实验
课后练习 + 延伸阅读
课程目录：
00 课程设置：环境准备 + 工具介绍
01 什么是生成式 AI：基础概念 + 应用场景
02 探索比较不同 LLM：GPT-4 / Claude / Gemini / Mistral 对比
03 负责任地使用生成式 AI：安全 + 偏见 + 风险
04 Prompt Engineering 基础：提示词设计原则
05 高级 Prompt 技术：CoT / ReAct / Few-shot
06 文本生成应用：用 LLM 写文案 / 翻译 / 摘要
07 构建 Chat 应用：聊天机器人完整实现
08 搜索应用：LLM + 搜索增强
09 图像生成应用：DALL-E / Stable Diffusion / Midjourney
10 低代码 AI 应用：Power Platform + AI Builder
11 Function Calling：让 LLM 调用外部 API
12 AI 应用 UX 设计：用户界面 + 体验设计
13 AI 应用安全：数据隐私 + 模型越狱 + 防御
14 生成式 AI 应用生命周期：从原型到生产
15 RAG 与向量数据库：检索增强生成完整教程
16 开源模型：Hugging Face + Llama / Mistral
17 AI Agents：自主 Agent 设计与实现
18 微调：Fine-tuning 原理 + 实操
19 SLM：小语言模型部署
20 Mistral：开源 LLM 实战
21 Meta：Llama 系列模型
为什么选 Generative-AI-For-Beginners
微软官方出品：MIT 协议 + Microsoft 维护
80k+ stars：GitHub 最热门的生成式 AI 入门课
覆盖最全：从 Prompt 到 RAG / Agent / Fine-tuning 完整闭环
代码优先：每节都有 Python 示例，跑起来就懂
主流框架：OpenAI / Azure OpenAI / Hugging Face 都覆盖
50+ 语言支持：含完整中文翻译
对比其他生成式 AI 学习资源：
Andrej Karpathy 视频：偏理论，零代码
LangChain 文档：框架导向，概念碎片化
DeepLearning.AI Short Courses：单节短课，没有完整路径
Generative-AI-For-Beginners：21 节完整课 + 代码 + 中文翻译
使用场景
适合 学习考证资料 场景下的素材使用，包括个人项目和商业项目，可直接应用或二次修改。微软生成式AI入门21课特别适合：
AI 应用开发者：从零开始构建 LLM 应用
产品经理：理解生成式 AI 能力边界
创业团队：用 RAG / Agent 快速搭建 MVP
在校学生：作为生成式 AI 课程的教材
企业内训：让研发团队建立 GenAI 共识
求职准备：覆盖 LLM 工程师面试常见问题
目录结构（完整 21 课）
00-course-setup/：环境准备 + Azure 配置
01-introduction-to-genai/：基础概念
02-exploring-and-comparing-different-llms/：模型对比
03-using-generative-ai-responsibly/：负责任使用
04-prompt-engineering-fundamentals/：提示词基础
05-advanced-prompts/：高级提示
06-text-generation-apps/：文本应用
07-building-chat-applications/：聊天应用
08-building-search-applications/：搜索应用
09-building-image-applications/：图像应用
10-building-low-code-ai-applications/：低代码
11-integrating-with-function-calling/：Function Calling
12-designing-ux-for-ai-applications/：UX 设计
13-securing-ai-applications/：安全
14-the-generative-ai-application-lifecycle/：应用生命周期
15-rag-and-vector-databases/：RAG + 向量数据库
16-open-source-models/：开源模型
17-ai-agents/：AI Agent
18-fine-tuning/：微调
19-slm/：SLM
20-mistral/：Mistral
21-meta/：Meta Llama
快速上手
1) 解压 zip 包 2) 安装 Python 3.10+ pip install openai tiktoken chromadb langchain 3) 设置 API Key export OPENAI_API_KEY=sk-xxx 或配置 Azure OpenAI 4) 打开 04-prompt-engineering-fundamentals/ 按 README 跑示例代码
硬件要求
基础课（1-13 章）：仅需调用 API，4GB 内存即可
开源模型课（16-21 章）：推荐 16GB+ 内存（本地跑 7B 模型）
GPU：可选，微调场景需要
学习路径建议
Week 1：课 1-5，建立 LLM 基础概念
Week 2：课 6-9，做文本/聊天/搜索/图像应用
Week 3：课 10-13，低代码 + UX + 安全
Week 4：课 14-15，应用生命周期 + RAG
Week 5：课 16-18，开源模型 + Agent + 微调
Week 6：课 19-21，SLM + Mistral + Meta
每天 1-2 小时，6 周完成。期间建议同步做一个实战项目（如个人 RAG 知识库）。
常见问题
Q：必须有 OpenAI API Key 吗？
A：不是。课程支持 OpenAI / Azure OpenAI / Ollama（本地）。无 Key 也可学理论。
Q：和 LangChain / LlamaIndex 课比？
A：本课框架无关，原理讲透。LangChain 文档讲 API，本课讲为什么这么设计。
Q：学完能做 AI 产品吗？
A：能。本课覆盖从原型到生产的完整路径，特别是 RAG / Agent 是当前主流方向。
Q：课程多久更新一次？
A：微软每季度更新，跟进 GPT / Claude / Gemini 最新进展。
Q：商业项目能用课程代码吗？
A：可以，MIT 协议。代码示例可直接拷贝到生产环境。
版权声明
1. 本站文字内容为原创编撰或者网络搜集整理，受著作权保护，禁止未经授权批量采集转载。
2. 本站分享的各类源码、AI大模型、程序工具仅作技术科普部署教程使用，不直接存储原版版权文件。
3. 所有第三方资源的知识产权、开源协议、商用授权规则均归原开发团队所有。
4. 使用者下载、部署、二次开发必须严格遵守国家著作权相关法律法规，
以及资源官方许可协议，如需商业运营，务必向版权方申请合法授权。
5. 因用户私自商用、违规分发资源造成的法律纠纷与经济损失，
全部由使用者自行承担，本站不承担连带责任。
