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-beginnersGenerative 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。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。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。打开 04 练习 notebook手写 3 个结构化提示词完成第一组练习。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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
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
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-beginnersGenerative 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。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。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。打开 04 练习 notebook手写 3 个结构化提示词完成第一组练习。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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
