企业官网建设流程全解析

生成式AI入门课程快速上手：21 节课从提示工程到 RAG 问答应用实战拆解

【免费下载链接】generative-ai-for-beginners21 Lessons, Get Started Building with Generative AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners

Generative AI for Beginners 是一套 21 节的开源生成式AI课程，覆盖 LLM 概念、提示工程到 RAG 与 Agent 应用开发的完整链路，每课配 Python 和 TypeScript 示例。适合想短时间内做出第一个 AI 应用的初学者。

🎯 项目能做什么

先把概念捋顺：LLM 原理与模型选型

先建立坐标系再动手。01 生成式AI入门 讲透分词、典型用例与能力边界；02 不同 LLM 对比 给出按任务质量、延迟、成本选模型的实操框架，读完能判断自己的场景该用哪类模型，不盲目追大模型。

提示工程实操：把写提示词变成可复用技能

04 提示工程基础 覆盖结构化提示、token 与幻觉场景；05 高级提示技巧 补充链式推理等进阶手法。两课都配可运行的练习 notebook，写完 3 个提示词就能体会到"结构比措辞重要"。

RAG 与向量数据库：让模型基于你自己的数据回答

这是落地场景里最常见的需求。08 构建搜索应用 先用 embedding 实现数据检索；15 RAG 与向量数据库 再讲透文档切块、嵌入生成、检索增强的完整链路，配 notebook 和样例数据可直接跑。

文本 / 聊天 / 图像生成：三种最常见的应用形态

06 到 09 节把三种应用各做成一个完整 Demo。聊天应用支持多轮上下文记忆与自定义指令，图像生成应用能对比温度等参数的输出差异，改几行就能换成自己的业务提示。

🚀 从零跑起来

1. 克隆仓库git clone https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners。仓库带 50+ 语言翻译，体积偏大，README 里给了 sparse checkout 跳过 translations 目录的办法。
2. 先读 环境配置，按 LLM 提供商说明 选定一个提供商，把 API Key 写进.env文件。
3. 从 01 入门课 读起，接着看 02 模型对比，两个小时拿到 LLM 原理和选型框架。
4. 打开 04 练习 notebook，手写 3 个结构化提示词，完成第一组练习。
5. 跑通 06 文本生成示例，再进 07 聊天应用，你的第一个 AI 应用就有了。

🧰 能直接带走的东西

• 提示工程练习 notebook：结构化提示与幻觉场景动手练，换好 API Key 就能跑
• 文本生成完整示例：prompt、temperature、token 处理都有，第一个文本应用不用猜 API 怎么接
• 带上下文记忆的聊天应用：多轮对话加自定义指令都实现了，改成客服机器人只需换指令
• RAG 问答 notebook：文档切块、embedding、检索全流程在一个 notebook 里，省掉到处找能跑通的示例
• 图像生成参数对比示例：用不同 temperature 出图，参数影响一眼可见

⏱️ 时间该不该投

值得投

• 主力是 Python 或 TypeScript，想从 0 做出第一个 AI 应用：示例可直接跑通，不用自己补胶水代码
• 需要向产品、运营讲清 AI 能力边界：01、03 节的概念比任何 PPT 都扎实
• 想搭 RAG 问答但没有能跑的样例：15 节全链路可以直接改造

先别急

• 找生产级模型微调与部署方案：课程只点到概念，没深入工程细节
• 主力技术栈是 .NET：本仓库没有对应示例，得另找 .NET 版本
• 已有 RAG 项目上线、需要深度调优：这里的深度只到入门级

🧭 接下来往哪走

• 16 开源模型：开源模型本地部署与成本对比，适合想离线跑模型的
• 18 微调：数据准备到微调效果度量的完整流程
• 17 AI Agent：用 Agent 框架让程序自主拆解并执行任务

打开 06 示例，先跑通你的第一个文本生成应用。

【免费下载链接】generative-ai-for-beginners21 Lessons, Get Started Building with Generative AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners