入门通识课程入门英文4–6 周★ 117k↑+5023 章可站内阅读
Generative AI for Beginners
21 节生成式 AI 入门课：学会用，也能动手做
Microsoft · 116,973 stars · 8/8 04:44 → 8/8 14:57（10 小时）
微软官方生成式 AI 入门课（约 21 课）。目标不是教你训练模型，而是让你能负责任地「用好」大模型：Prompt、选型、RAG、简单 Agent 与安全边界。结构完整、更新活跃，是从通识走向应用工程最稳的一条开源路径。
为什么收录 · Learn/Build 设计成熟，主题覆盖与站内「AI 应用 / 速成」路线高度对齐，适合作为第一门生成式 AI 系统课。
生成式 AIPromptLLM APIRAGAI Agents责任 AI开源模型
这本书强在哪
- 每课按 Learn / Build 分型：概念课与动手课交错，节奏清楚
- 覆盖从 Prompt → RAG → Agent 的完整入门链，而不是只教聊天
- 配套视频、代码与扩展阅读，适合自学闭环
- 明确讨论 Responsible AI，避免「只会调 API」的片面技能
建议怎么学
- 01先完成 course setup，确认环境与 Key 可用
- 02按章节顺序：基础 → Prompt → 模型对比 → RAG → Agents → 责任 AI
- 03Build 课必须自己改一版参数或数据，再提交到个人笔记仓库
- 04想加深 Prompt：接 Prompt Engineering Tutorials；想做 Agent：接 AI Agents for Beginners
适合谁 / 前置
- Python 基础与命令行
- 有任一云账号 / API Key 更佳（Azure OpenAI 或同类）
- 不要求深度学习理论
学完得到什么
- 能写有效 Prompt，并理解温度、上下文等基本控制项
- 能调用 LLM API 搭出简单生成式应用
- 建立 RAG、Function Calling、Agent 的入门直觉
- 知道责任 AI / 安全边界在产品里怎么落地
目录
来自站内阅读器镜像；点击章节直接阅读
course setup1 章
introduction to genai1 章
exploring and comparing different llms1 章
using generative ai responsibly1 章
prompt engineering fundamentals1 章
advanced prompts1 章
text generation apps1 章
building chat applications1 章
building search applications1 章
building image applications1 章
building low code ai applications1 章
integrating with function calling1 章
designing ux for ai applications1 章
securing ai applications1 章
the generative ai application lifecycle1 章
rag and vector databases1 章
open source models1 章
ai agents1 章
fine tuning1 章
slm1 章
mistral1 章
meta1 章
PDF 附件1 章
策展亮点章节
LLM 基础与模型对比Prompt Engineering开源模型与选型RAG 入门AI Agents 入门责任 AI
仓库数据
Stars116,973
Forks61,813
主要语言Jupyter Notebook
创建2023/6/15
更新2026/8/8
645f9325（main）· 许可证 MIT License (MIT)。 上游更新后可通过同步脚本刷新。