生成式 AI 入门课程的安装与快速开始指南

用途与整体流程

该页面是微软 generative-ai-for-beginners 课程的环境准备入口，介绍课程开始前需要完成的步骤、技术要求和排错方式。课程分为讲解生成式 AI 概念的“Learn”课程，以及提供 Python 与 TypeScript 动手代码的“Build”课程；部分编程课附带 README，可在不运行代码的情况下查看代码与输出。

主要步骤

• 将整个仓库 Fork 到自己的 GitHub 账户，以便修改代码和完成练习。
• 推荐在 GitHub Codespaces 中运行，以减少依赖冲突；在 Fork 中通过 Code → Codespaces → New on main 创建。
• 在 Codespaces 的用户 Secret 中添加名为 OPENAI_API_KEY 的密钥。
• 也支持在本地运行：需要安装 Python，克隆仓库后进入目录开始。
• 提供 Miniconda 可选方案，通过 environment.yml 创建虚拟环境，示例依赖包含 python、openai、python-dotenv、pip 以及 azure-ai-ml。
• 可使用 VS Code 加 Python 扩展，或在浏览器中启动 Jupyter Notebook/JupyterHub；也可借助 .devcontainer 在容器中运行，但需要 Docker 经验。

模型服务与凭据

编程课程使用 Microsoft Foundry 中的 Azure OpenAI，需要 Azure 订阅和 API 密钥，来源称访问无需申请。页面还说明可用 .env 文件配置 AZURE_INFERENCE_ENDPOINT 与 AZURE_INFERENCE_CREDENTIAL，并用 python-dotenv 加载；同时提示 GitHub Models 及其 GITHUB_TOKEN 将于 2026 年 7 月底退役，建议改用 Microsoft Foundry Models。

排错与限制

页面列出了常见问题：容器构建超过 10 分钟可重建容器；出现 python: command not found 时需在终端附加 bash；401 Unauthorized 通常是密钥错误或过期；Notebook 内核缺失时手动选择 Python 3。上述步骤未在本文中实际运行验证，具体端点、版本和依赖兼容性需以仓库当前说明为准。