首頁載入中
LESSON 1 / 22免費試讀
這一課不教生成式 AI,而是把後面 21 課要用的環境準備好:程式碼放哪裡、API 金鑰怎麼設定、跑不動的時候先查什麼。
課程本身的每一課都可以只讀不跑。若你只想先把觀念讀完,環境可以之後再設定 —— 但第 7 課開始的實作課會需要一組能用的模型 API。
把整個 repo fork 到你自己的 GitHub 帳號,之後改動程式碼、完成作業都在你自己的副本上進行。順手 加個星號 (🌟) 之後比較好找。
為了避免相依套件的問題,建議直接在 GitHub Codespaces 裡跑這門課的程式碼。
在你 fork 出來的 repo 裡:Code -> Codespaces -> New on main。
OPENAI_API_KEY,值貼上你的金鑰,存檔。在 Codespaces 裡,Codespace Secrets 是保管 API 金鑰最穩的方式 —— 金鑰不會進 git,也不會留在 .env 檔裡。做法見 Codespaces 的 secret 管理。
| 我想要… | 前往… |
|---|---|
| 開始第一課 | 生成式 AI 與 LLM 簡介(本課程第 2 課) |
| 離線作業 | setup-local.md |
| 挑一家 LLM 供應商 | providers.md |
| 認識其他學員 | 加入 Discord |
| 症狀 | 解法 |
|---|---|
| 容器建置卡住超過 10 分鐘 | Codespaces ➜ Rebuild Container |
python: command not found |
終端機沒接上;點 + ➜ bash |
OpenAI 回 401 Unauthorized |
OPENAI_API_KEY 打錯或已過期 |
| VS Code 顯示 Dev container mounting… | 重新整理瀏覽器分頁 —— Codespaces 偶爾會斷線 |
| 找不到 notebook kernel | Notebook 選單 ➜ Kernel ▸ Select Kernel ▸ Python 3 |
.env 檔案在本機跑(不用 Codespace Secrets)的時候,金鑰放在 repo 根目錄的 .env 檔裡。
切到 repo 根目錄:cd generative-ai-for-beginners。
建立空的 .env:
Unix 系統:
touch .env
Windows:
echo . > .env
編輯 .env:用任一個文字編輯器打開,填入你的 Microsoft Foundry Models 端點與金鑰(怎麼拿見 providers.md):
注意:GitHub Models(以及它的
GITHUB_TOKEN變數)將於 2026 年 7 月底退役,改用 Microsoft Foundry Models。
AZURE_INFERENCE_ENDPOINT=your_foundry_endpoint_here
AZURE_INFERENCE_CREDENTIAL=your_foundry_api_key_here
存檔。
安裝 python-dotenv,讓 Python 讀得到 .env:
pip install python-dotenv
在程式裡載入環境變數:
from dotenv import load_dotenv
import os
# 從 .env 檔案載入環境變數
load_dotenv()
# 取用 Microsoft Foundry Models 的設定
endpoint = os.getenv("AZURE_INFERENCE_ENDPOINT")
token = os.getenv("AZURE_INFERENCE_CREDENTIAL")
print(endpoint)
.env 不要 commit 進 git。
先裝好 Python,然後把 repo clone 下來:
git clone https://github.com/microsoft/generative-ai-for-beginners
cd generative-ai-for-beginners
這樣就可以開始了。
Miniconda 是 Conda 的輕量安裝器。Conda 是套件管理器,用來切換不同的 Python 虛擬環境 與套件,也裝得了 pip 上沒有的東西。安裝方式見 Miniconda 安裝指南。
裝好之後建立一個環境設定檔 environment.yml(用 Codespaces 的話放在 .devcontainer/environment.yml):
name: <environment-name>
channels:
- defaults
- microsoft
dependencies:
- python=<python-version>
- openai
- python-dotenv
- pip
- pip:
- azure-ai-ml
conda 裝 Microsoft 的函式庫出錯時,可以手動裝:
conda install -c microsoft azure-ai-ml
<environment-name> 是你想取的環境名稱,<python-version> 是 Python 版本(寫 3 代表最新的主版本)。然後建立並啟用環境:
conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer 這段路徑只有 Codespace 用得到
conda activate ai4beg
遇到問題時查 Conda 環境指南。
建議用 Visual Studio Code 搭配 Python 擴充套件,但不是必要的。
用 VS Code 開這個 repo 時,它會問你要不要在容器裡開 —— repo 裡有
.devcontainer目錄。想用本機的 Python 就拒絕這個提議。clone 完第一次開啟時,VS Code 也會建議你裝 Python 擴充套件。
課程的程式碼是 *.ipynb,所以 Jupyter 與 JupyterHub 也是可行的環境。在課程目錄下執行:
jupyter notebook
或者
jupyterhub
終端機會印出一個網址,打開就能瀏覽各課的 notebook,例如 08-building-search-applications/python/oai-solution.ipynb。
除了本機與 Codespace,也可以用 容器。repo 裡的 .devcontainer 目錄就是給這件事用的。非 Codespaces 的環境需要自己裝 Docker,步驟比較多 —— 建議已經熟悉容器的人再走這條路。
這門課有 6 節純觀念課與 6 節程式實作課。實作課用 Azure OpenAI 服務,需要有存取權與 API 金鑰;申請入口在 Azure OpenAI 服務。等待開通期間,每節實作課的 README.md 都附了完整程式碼與輸出,可以先讀。
上游在官方 AI 社群 Discord 開了頻道,課程團隊也在那裡回答問題。
課程本身是開源的:發現錯誤或想改進,可以在上游開 issue 或送 Pull Request。第一次貢獻需要簽 CLA(貢獻者授權協議),PR 送出後 CLA-bot 會自己來問;同一個 CLA 只需要簽一次。專案採用 Microsoft 開源行為準則。
上游明講:翻譯不要用機器翻譯直接送 PR,譯文由社群驗證,只翻你真正熟悉的語言。
環境準備好了,從 生成式 AI 與 LLM 簡介(本課程第 2 課)開始。
內容來源:本頁取自 Generative AI for Beginners
(Version 3),原文連結:https://github.com/microsoft/generative-ai-for-beginners/blob/main/00-course-setup/README.mdMIT License, Copyright (c) Microsoft Corporation。
中文譯文以上游隨附的translations/zh-TW(由 Co-op Translator
機器翻譯產生)為底稿,再由碼力獅社群校訂用詞、標點與連結,並補上重點整理;
課文中另有少數以「站方註」標示的補充,那是我們加的,不是原文。
非官方版本,內容如與英文原文有出入,以原文為準。程式碼範例與 notebook 請直接使用原始 repo。
.env 加 python-dotenv。無論哪一種,.env 都不要 commit。providers.md。GitHub Models 將於 2026 年 7 月底退役,不要再從那裡開始。401 就是金鑰錯或過期、找不到 kernel 就在 notebook 選單重選一次 Python 3。