Learn/Build 双轨：把知识变成可跑闭环
课程把每节课拆成 Learn 与 Build 两条线：Learn 负责建立边界与术语，Build 负责把调用链、输入输出与错误处理写成可复现步骤。这样设计的价值是把“理解”变成“能跑通的闭环”，并把常见坑（鉴权、限额、输出结构不稳）前置暴露。由于每课是独立单元，你可以按业务痛点跳学，但仍能用统一的工程套路复用到自己的项目。对团队而言，这种结构天然适合内训与 code review：先对齐原则，再对齐运行结果。
Generative AI for Beginners 把生成式 AI 学习做成可复用的工程训练：21 节课按 Learn/Build 双轨编排，把概念、代码与可落地的工程边界绑在一起。它覆盖从 Prompt 工程、向量检索到函数调用与 Agent 设计，并把安全、责任边界与生命周期管理放进同一条主线，避免只会写 demo 却无法上线。运行入口被设计成可替换的适配层：你可以用 Azure OpenAI Service、OpenAI 或 GitHub Models 启动同类练习，把模型切换成本压到配置级。对团队来说，它更像一套可以 fork 的内训脚手架：跑通后直接改造成 PoC、代码规范与复盘模板。
| ✕传统痛点 | ✓创新方案 |
|---|---|
| 入门内容常停在概念与截图，缺少端到端可运行样例；一旦进工程就卡在鉴权、调用模式、评测与安全边界。 | Generative AI for Beginners 用 Learn/Build 把概念与可运行代码强绑定，并把 RAG、函数调用、Agent、安全与微调纳入同一条可执行主线，训练的是可交付能力。 |
| 单语言或单供应商教程容易把学习路径锁死：换模型入口或切栈时，胶水代码被迫推倒重来。 | 它把运行入口做成可替换适配层，支持 Azure OpenAI Service、OpenAI 与 GitHub Models 三路切换，把供应商差异下沉到配置与边界治理。 |
1git clone https://github.com/microsoft/generative-ai-for-beginners.git && cd generative-ai-for-beginners1python --version || node --version1cp .env.example .env && sed -n '1,120p' .env1ls -la && echo "start with course setup or a build lesson"| 核心场景 | 目标人群 | 解决方案 | 最终收益 |
|---|---|---|---|
| 企业 GenAI 内训落地 | 平台团队与应用研发 | 用 Learn/Build 课件统一 Prompt、RAG、函数调用与安全基线并沉淀模板 | 缩短培训周期并提升交付一致性 |
| 多模型选型与迁移演练 | 技术负责人 | 同一练习分别跑 Azure OpenAI/OpenAI/GitHub Models 并固化适配层与评测口径 | 降低供应商切换成本并形成可复用决策依据 |
| 面试高信号作品集 | 求职工程师 | 将一节 Build 课改造成可演示小应用并补齐日志、错误处理与安全说明 | 获得可讲清工程取舍的作品集并提升区分度 |
