生成式AI入门指南：从零开始贡献代码与问题反馈的完整流程

生成式AI入门指南：从零开始贡献代码与问题反馈的完整流程

【免费下载链接】generative-ai-for-beginners21 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

生成式AI正在改变世界，而参与开源项目是学习这项技术的最佳途径之一！本文将为你详细介绍如何为微软的"生成式AI初学者"项目贡献代码、报告问题和参与翻译的完整流程。无论你是AI新手还是经验丰富的开发者，都能通过这个21课时的完整课程快速上手生成式AI开发。

🚀 项目概览：21课时掌握生成式AI

"生成式AI初学者"项目是一个由微软云倡导者团队创建的综合性课程，包含21个精心设计的课程，涵盖了从基础概念到实际应用的所有内容。每个课程都包含视频介绍、文字说明、Python和TypeScript代码示例，以及进一步学习的资源链接。

课程分为"学习"和"构建"两种类型："学习"课程解释生成式AI概念，而"构建"课程则提供具体的代码实现示例。项目支持多种LLM提供商，包括Azure OpenAI服务、GitHub Marketplace模型目录和OpenAI API。

📋 贡献前的准备工作

1. Fork项目到个人账户

首先，你需要将项目Fork到自己的GitHub账户。这样你就可以自由地修改代码而不会影响主仓库。访问项目页面，点击右上角的"Fork"按钮即可。

2. 设置开发环境

项目推荐使用GitHub Codespaces来避免依赖问题。在你的Fork中，点击"Code" -> "Codespaces" -> "New on main"来创建代码空间。

3. 添加API密钥

在Codespaces中，点击齿轮图标 -> Command Palette -> Codespaces: Manage user secrets -> Add a new secret。设置名称为OPENAI_API_KEY，粘贴你的API密钥并保存。

🛠️ 贡献代码的详细步骤

步骤1：创建分支并修改代码

永远不要在main分支上直接修改。创建一个新的分支来进行你的更改：

git checkout -b your-feature-branch

步骤2：遵循代码规范

项目有严格的代码规范要求，确保你的修改符合以下标准：

• 相对路径检查：所有相对链接必须正确工作，使用VS Code的链接跟随功能验证
• 跟踪ID要求：所有URL和相对路径必须包含?wt.mc_id=跟踪ID
• 无本地化URL：不要包含国家特定的本地化路径（如/en-us/）
• 图片存储：所有图片必须存储在./images文件夹中
• 命名规范：图片使用英文、数字和短横线命名

步骤3：提交更改

确保每个提交都是原子性的，一个PR只解决一个问题：

git add . git commit -m "fix: 修复拼写错误" git push origin your-feature-branch

步骤4：创建Pull Request

在你的Fork中，点击"Pull requests" -> "New pull request"，选择你的分支，填写详细的描述说明你的修改内容。

🐛 报告问题的正确方式

问题分类指南

• Bug报告：代码错误、功能不正常
• 文档问题：拼写错误、链接失效、内容过时
• 功能请求：新功能建议、改进建议
• 翻译贡献：多语言支持

创建Issue的步骤

1. 访问项目的Issues页面
2. 点击"New Issue"
3. 选择适当的Issue模板
4. 提供详细的描述，包括：
   • 问题重现步骤
   • 预期行为
   • 实际行为
   • 环境信息（操作系统、Python版本等）
   • 相关截图或日志

🌍 参与翻译工作

翻译规范要求

项目支持40多种语言的翻译，但请务必注意：

重要提示：翻译文本时，请确保不要使用机器翻译。我们将通过社区验证翻译质量，请只为你精通的语言提供翻译。

翻译工作流程

1. 检查现有翻译：查看translations目录中是否已有你语言的翻译
2. 完整翻译：提交翻译时，请为所有相关文件创建单个PR，我们不接受部分翻译
3. 质量保证：确保翻译准确、自然，符合技术文档的规范

🔍 GitHub工作流验证

当你提交Pull Request时，四个不同的工作流会自动触发验证：

1. 相对路径检查

确保所有相对路径都能正常工作。使用VS Code的链接跟随功能（Ctrl+点击）验证链接是否正确。

2. 路径跟踪检查

确保所有相对路径都包含跟踪ID。检查每个相对路径末尾是否有?wt.mc_id=。

3. URL跟踪检查

确保所有Web URL都包含跟踪ID。检查每个URL末尾是否有?wt.mc_id=。

4. 无本地化URL检查

确保所有URL不包含国家特定的本地化路径。检查URL中是否包含/en-us/或/en/等本地化路径。

📚 课程结构与学习路径

基础概念课程（1-5课）

• 第1课：生成式AI和LLM介绍
• 第2课：探索和比较不同LLM
• 第3课：负责任地使用生成式AI
• 第4课：提示工程基础
• 第5课：创建高级提示

应用开发课程（6-11课）

• 第6课：构建文本生成应用
• 第7课：构建聊天应用
• 第8课：构建搜索应用和向量数据库
• 第9课：构建图像生成应用
• 第10课：构建低代码AI应用
• 第11课：使用函数调用集成外部应用

高级主题课程（12-21课）

• 第12课：AI应用的用户体验设计
• 第13课：保护生成式AI应用
• 第14课：生成式AI应用生命周期
• 第15课：RAG和向量数据库
• 第16课：开源模型和Hugging Face
• 第17课：AI代理
• 第18课：LLM微调
• 第19课：使用SLM构建
• 第20课：使用Mistral模型构建
• 第21课：使用Meta模型构建

🤝 获取帮助与社区支持

Discord社区

加入Azure AI Foundry Discord服务器与其他学习者交流，获取支持。这是一个友好的社区，欢迎提问并自由分享知识。

开发者论坛

如果有产品反馈或构建过程中遇到错误，可以访问Azure AI Foundry开发者论坛寻求帮助。

其他学习资源

项目还提供了一系列相关课程，包括：

• LangChain.js初学者
• 边缘AI初学者
• MCP初学者
• AI代理初学者
• 机器学习初学者
• 数据科学初学者

🎯 成功贡献的关键要点

1. 阅读贡献指南：在开始贡献前，仔细阅读CONTRIBUTING.md文件
2. 遵循代码规范：确保所有链接、图片和格式都符合项目要求
3. 单一职责原则：每个PR只解决一个问题，不要混合多个更改
4. 及时更新分支：如果PR显示合并冲突，先更新本地分支
5. 提供详细描述：在Issue和PR中提供足够的信息
6. 参与社区讨论：在Discord和论坛中积极参与讨论

📈 进阶学习路径

完成基础贡献后，你可以：

1. 成为代码审查者：帮助审查其他人的PR
2. 参与翻译维护：维护你精通的语言版本
3. 创建教程内容：基于课程内容创建额外的学习材料
4. 改进文档：帮助完善项目文档和示例
5. 开发新功能：为项目添加新的课程或功能模块

💡 实用技巧与建议

本地开发设置

如果你更喜欢本地开发，可以参考setup-local.md文件进行环境配置。确保安装了正确的Python版本和所有依赖包。

测试你的更改

在提交PR前，确保：

• 代码能够正常运行
• 所有链接都有效
• 图片显示正常
• 格式符合Markdown规范

持续学习

生成式AI技术发展迅速，建议定期：

• 关注项目更新
• 学习新的AI技术
• 参与社区讨论
• 尝试新的应用场景

通过参与"生成式AI初学者"项目的贡献，你不仅能学习到最新的AI技术，还能积累开源项目经验，与全球开发者社区建立联系。现在就开始你的生成式AI学习之旅吧！

【免费下载链接】generative-ai-for-beginners21 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