Generative AI for Beginners：课程配套代码示例仓库使用

【免费下载链接】generative-ai-for-beginners 21 节课程，开始使用生成式 AI 进行构建 项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners

本文将详细介绍如何获取、配置和使用Generative AI for Beginners课程的配套代码仓库，帮助你快速上手生成式AI应用开发。通过本文，你将了解仓库结构、环境搭建步骤以及各核心模块的使用方法。

仓库获取与基础配置

要开始使用课程代码，首先需要获取仓库并进行基础配置。官方推荐通过GitHub Codespaces使用，以避免环境依赖问题。

仓库克隆与分支管理

课程仓库提供了完整的21节课程代码实现，你可以通过以下命令克隆仓库：

git clone https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners
cd generative-ai-for-beginners

官方文档：README.md 课程设置指南：00-course-setup/README.md

Codespaces环境配置

GitHub Codespaces提供了一键式开发环境配置，无需本地安装依赖。在仓库页面点击"Code"按钮，选择"Codespaces"标签页创建新环境：

创建完成后，需要添加API密钥作为环境变量：

1. 打开命令面板（Ctrl+Shift+P）
2. 搜索"Codespaces: Manage User Secrets"
3. 添加OPENAI_API_KEY密钥

环境配置详细步骤：00-course-setup/02-setup-local.md 密钥管理指南：00-course-setup/providers.md

本地开发环境配置

如果需要在本地运行代码，可以按照以下步骤设置开发环境。

Python环境准备

课程代码主要使用Python编写，需要安装Python 3.8+及相关依赖：

# 创建虚拟环境
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# 安装依赖
pip install -r requirements.txt

Python依赖列表：requirements.txt 本地设置指南：00-course-setup/02-setup-local.md

Conda环境配置（可选）

对于需要更严格环境控制的用户，可以使用Conda创建环境：

conda env create --name ai4beg --file .devcontainer/environment.yml
conda activate ai4beg

Conda环境配置文件：.devcontainer/environment.yml

代码结构与模块说明

课程仓库按照21个章节组织，每个章节包含理论文档和对应的代码实现。以下是主要模块的说明：

核心课程模块

章节编号	模块名称	主要内容
00	课程设置	开发环境配置指南
01	生成式AI简介	生成式AI和LLM基础概念
04	提示工程基础	提示词设计原则与实践
06	文本生成应用	文本生成API调用实现
07	聊天应用构建	对话系统开发技术
08	搜索应用构建	向量数据库与嵌入技术

完整课程列表：README.md

搜索应用示例代码

以第8章"构建搜索应用"为例，该模块展示了如何使用向量数据库实现语义搜索：

# 搜索应用核心代码示例（来自08-building-search-applications/python/oai-solution.ipynb）
import openai
import numpy as np

def create_embedding(text):
    response = openai.Embedding.create(
        input=text,
        model="text-embedding-ada-002"
    )
    return response['data'][0]['embedding']

def search_documents(query, embeddings, documents, top_k=3):
    query_embedding = create_embedding(query)
    # 计算余弦相似度
    similarities = np.dot(embeddings, query_embedding)
    # 获取Top K结果
    top_indices = similarities.argsort()[-top_k:][::-1]
    return [documents[i] for i in top_indices]

搜索应用Python代码：08-building-search-applications/python TypeScript实现：08-building-search-applications/typescript

实践案例：搜索应用开发

第8章"构建搜索应用"是课程中的重要实践模块，展示了如何使用嵌入技术和向量数据库构建语义搜索系统。

项目结构

08-building-search-applications/
├── python/              # Python实现
│   ├── aoai-solution.ipynb  # Azure OpenAI解决方案
│   └── oai-solution.ipynb   # OpenAI API解决方案
├── typescript/          # TypeScript实现
├── js-githubmodels/     # JavaScript实现(GitHub Models)
├── scripts/             # 数据处理脚本
└── images/              # 说明图片

搜索应用完整结构：08-building-search-applications

关键实现文件

• 数据处理脚本：scripts/transcript_enrich_embeddings.py
• 向量数据库实现：python/aoai-solution.ipynb
• 前端搜索界面：typescript/search-app/src

搜索应用工作流程

搜索应用通过以下步骤实现语义搜索：

1. 数据准备：下载并处理 transcripts
2. 生成嵌入：使用OpenAI API生成文本嵌入
3. 构建索引：创建向量索引embedding_index_3m.json
4. 查询处理：接收用户查询并生成嵌入
5. 相似度匹配：查找最相似的文档
6. 结果展示：返回搜索结果

运行搜索应用

# 安装依赖
cd 08-building-search-applications/python
pip install -r requirements.txt

# 运行Jupyter Notebook
jupyter notebook aoai-solution.ipynb

多语言支持与资源

课程提供了多语言支持和丰富的学习资源，帮助不同背景的学习者掌握生成式AI开发。

多语言文档

课程文档已翻译成多种语言，可在translations目录下找到：

• 中文文档
• 日文文档
• 西班牙文文档

完整语言列表：translations

扩展学习资源

• 官方教程：docs/
• 演示幻灯片：presentations/
• 社区讨论：CONTRIBUTING.md

常见问题与故障排除

在使用代码仓库过程中，可能会遇到以下常见问题：

环境配置问题

问题症状	解决方案
python: command not found	确认Python已安装并添加到PATH
401 Unauthorized	检查API密钥是否有效
依赖安装失败	使用pip install --upgrade pip更新pip

更多故障排除：00-course-setup/README.md

代码运行问题

• Jupyter内核问题：在Notebook中选择"Kernel > Select Kernel > Python 3"
• API速率限制：减少请求频率或使用批处理模式
• 内存不足：关闭其他应用或增加系统内存

总结与后续学习

通过本文介绍，你已经了解了Generative AI for Beginners课程代码仓库的基本使用方法。接下来，你可以：

1. 从第1章开始系统学习
2. 尝试修改06-text-generation-apps中的文本生成应用
3. 探索17-ai-agents中的AI代理实现

进阶学习路径：README.md中的"Other Courses"部分

祝你在生成式AI的学习旅程中取得成功！如有问题，可通过贡献指南中的方式参与社区讨论。

【免费下载链接】generative-ai-for-beginners 21 节课程，开始使用生成式 AI 进行构建 项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners