微軟 12.3 萬星免費 AI 課!generative-ai-for-beginners 21 堂課懶人包:從 RAG 到微調一次學完
微軟破 12.3 萬星免費生成式 AI 課程!generative-ai-for-beginners 完整收錄 21 堂實戰教學,涵蓋 Prompt 工程、RAG、向量資料庫、語意搜尋、AI Agent 與模型微調,提供 Python 與 TypeScript 雙語範例。
想系統化學習生成式 AI 應用開發,卻常常被網路上零碎的部落格文章搞混?許多工程師會寫幾行 API 呼叫,但一遇到「該用 RAG 還是 Fine-tuning」、「向量資料庫怎麼選」或「Prompt 怎麼防止幻覺」,就立刻卡在實務落地那一關。
由微軟 Cloud Advocates 團隊打造、在 GitHub 累積超過 12.3 萬顆星的 microsoft/generative-ai-for-beginners,正是目前全球最受歡迎的免費生成式 AI 開發入門課。
全套共 21 堂課,不只講解概念,更直接提供 Python 與 TypeScript 雙語程式碼、影片導讀與延伸閱讀,帶你從零走完商業級 AI 應用的完整生命週期。
延伸閱讀:微軟 18 堂免費 AI Agents 課程懶人包:從零學會設計與部署多代理系統
延伸閱讀:Dify 開源 AI Agent 平台完全指南:視覺化打造企業級 RAG 與工作流

21 堂課完整地圖:從核心觀念到進階實戰的 4 大階段
微軟將這 21 堂課設計成「概念課(Learn)」與「實作課(Build)」交錯推進,每一課平均只需 30 到 45 分鐘就能消化完畢。以下為四大核心模組的重點整理:
| 課程階段 | 涵蓋課次 | 核心技術與學習重點 | 實戰產出 |
|---|---|---|---|
| 基礎觀念與 Prompt 工程 | Lesson 1–5 | 生成式 AI 運作原理、主流 LLM 比較與選型、負責任 AI、Prompt Engineering 進階技巧 | 能依成本與延遲挑選模型,寫出結構化系統提示詞 |
| 文字、對話與搜尋應用 | Lesson 6–10 | 文字生成應用、聊天機器人狀態管理、語意搜尋(Semantic Search)、Embeddings 原理 | 打造具備上下文記憶與語意檢索能力的問答原型 |
| RAG、函式呼叫與低程式碼 | Lesson 11–16 | Function Calling(工具呼叫)、UX 設計原則、安全性防護、低程式碼工具與 RAG 架構 | 讓模型安全查詢外部資料與 API,大幅降低幻覺 |
| AI Agent 與模型微調 | Lesson 17–21 | 自主型 AI Agent 設計、開源模型生態、OpenAI/雲端模型微調(Fine-tuning)、多模態應用 | 掌握微調時機判斷,並具備建置自主代理的能力 |
雙語程式碼對照:Python 與 TypeScript 工程師都能無痛上手
多數 AI 教材只提供 Python 版本,讓習慣 Node.js 或全端開發的前端工程師只能乾瞪眼。generative-ai-for-beginners 在核心實作章節幾乎都同步維護了 Python(Jupyter Notebook)與 TypeScript 範例,這對台灣許多以網頁與 SaaS 產品為主的開發團隊非常友善。
此外,課程也貼心附上 GitHub Codespaces 設定。即使你手邊的電腦沒有安裝好 Python 環境,或擔心套件版本衝突,也能直接在瀏覽器開啟雲端開發容器,配合免費的 GitHub Models 或自己的 API Key 進行練習。
3 步驟把微軟 21 堂課複製到本機開始自學
如果你想在自己電腦上執行所有 Notebook 與程式碼範例,可以按照以下步驟快速啟動:
# 1. 下載微軟官方課程儲存庫
git clone https://github.com/microsoft/generative-ai-for-beginners.git
cd generative-ai-for-beginners
# 2. 建立虛擬環境並安裝 Python 相依套件
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
# 3. 複製環境變數範本並填入你的 API Key(支援 Azure OpenAI、OpenAI 或 GitHub Models)
cp .env.copy .env
設定好 .env 後,只要用 VS Code 開啟資料夾,就能逐一執行 06-text-generation-apps、08-building-search-applications 或 15-rag-and-vector-databases 等目錄底下的範例程式。課程文件也支援包含繁體中文在內的多國語言翻譯,搭配英文原文名詞對照閱讀效果更好。
常見問題(FAQ)
Q1:沒有機器學習背景,適合學 generative-ai-for-beginners 嗎?
非常適合。這門課的定位是「應用層開發(AI Engineering)」,重點放在如何透過 API、Prompt、Embeddings 與 RAG 打造實用產品,不需要先修微積分或深度學習數學推導;只要具備基礎 Python 或 TypeScript 語法能力就能跟上。
Q2:這套課程跟微軟另一套 AI-For-Beginners 有什麼差別?
AI-For-Beginners(24 堂課)偏向傳統機器學習與深度學習基礎,會教你用 PyTorch 與 TensorFlow 訓練神經網路;而 generative-ai-for-beginners(21 堂課)則聚焦於大型語言模型(LLM)世代的實務開發,包含 RAG、Function Calling、Agent 與微調。想做應用開發選這套,想補齊底層演算法基礎再去看 AI-For-Beginners。
Q3:完成這 21 堂課大概要花多少時間?有免費運算資源嗎?
若每天投入 1 小時,大約 3 週即可完整走完一遍並完成主要實作。課程預設支援免費額度的 GitHub Models,讓開發者不需先綁定高昂的雲端帳單就能測試主流模型。
結語:先建立完整知識地圖,再深入單一技術棧
生成式 AI 領域每週都有新名詞,但底層的選型邏輯、RAG 檢索架構與 Agent 邊界設計其實非常穩定。把微軟這 21 堂課紮實走過一遍,你就能看穿多數包裝出來的行銷術語,把精力花在真正能解決業務問題的架構上。
歡迎免費訂閱 AI 郵報,每週追蹤更多免費開源 AI 課程與萬星實戰專案懶人包。