目录

第一章

入门认知

先搞清楚地图,再开始写提示词。这一章要解决三件事:生成式 AI 和大模型到底是什么、怎么负责任地用、以及怎样用短课程快速建立手感。

04

Microsoft:Generative AI for Beginners

#
来源说明

Microsoft Cloud Advocates,21 课免费课程,含文稿、视频,多数「Build」课同时提供 Python 与 TypeScript 示例。可用 Azure OpenAI、Microsoft Foundry Models 或 OpenAI API。仓库自带多语言翻译(含简体中文)。

一句话核心观点

学 AI 不必先啃完论文,用 21 堂「概念课 + 动手课」就能从零搭起生成式应用的完整地图。

要点精读

  1. 课程特意允许你按兴趣选课,但真正的新手建议按编号走:先环境(第 00 课),再概念,再动手。
  2. 前三课建立认知底座:什么是生成式 AI 与大模型、如何比较和选择模型、如何负责任地使用。选模型比追新模型更重要。
  3. 第 4–5 课进入提示词基本功与进阶技巧,和第 2 章的 Anthropic 教程高度互补,可以交叉着做。
  4. 第 6–11 课是「会不会落地」的分水岭:文本生成、聊天应用、向量检索、图像生成、低代码,以及用函数调用对接外部系统。
  5. 第 12–14 课容易被跳过,却最接近真实工作:AI 产品的交互设计、安全威胁、以及 LLM 应用生命周期与 LLMOps。
  6. 第 15–17 课把检索增强(RAG)、开源模型、Agent 串起来,是通往第 3 章的跳板。
  7. 第 18–21 课介绍微调、小模型(SLM)以及 Mistral、Meta 等模型族差异,帮你判断「什么时候不该上最大的模型」。
  8. 每课都有「Keep Learning」延伸,适合当作索引,而不是一次看完的百科。

对「学好 AI」的实操启发

用两周把 00–07 课做完,并亲手跑通一个最小聊天或文本生成程序。不要只看视频。选一个你真正在用的场景(总结会议、整理邮件、改简历)作为课程练习的主题,后面所有资源都围绕它迭代。

短引(转述)

课程说明写道,这 21 课要教的是「开始构建生成式 AI 应用所需知道的一切」;每课都相对独立,但概念课与动手课是分开标注的。

出处:仓库 README。
14

DeepLearning.AI:Short Courses

#
来源说明

DeepLearning.AI 短课程平台。与 Google Cloud、Hugging Face、LangChain、Anthropic、OpenAI、Meta、Microsoft、crewAI 等合作。封面课既有入门,也有 Agent、检索、微调等专题。多数课程大约一小时,适合作为主线学习的「补丁」。

一句话核心观点

把一小时短课当成手术刀,缺哪块补哪块,而不是再报一个长学位。

要点精读

  1. 平台同时有基础专项和技能型短课。对本书读者,优先短课,专项课作为长期选修。
  2. 认知阶段最值得先看的是《Generative AI for Everyone》和《AI Python for Beginners》:前者建立非技术或轻技术视角,后者补上用 Python 指挥模型的手感。
  3. Andrew Ng 的《Agentic AI》强调多步骤、可迭代的工作流,是从「聊天」走向「办事」的关键转折,可与第 3 章对照。
  4. 和 Anthropic 直接相关的亮点是《MCP: Build Rich-Context AI Apps with Anthropic》,讲如何给模型接上更丰富的外部上下文。
  5. 专题课非常密:自适应 Agent、从云到本地的编程工作流、代码评审 Agent、注意力机制、高级 RAG、知识图谱、长期记忆、微调与强化学习、浏览器 Agent 等。不要一次选五门。
  6. 选型原则:主线卡在提示词,就先不看微调;主线已进入 Agent,再补 MCP、记忆、评测和安全。
  7. 短课的价值在「跟行业一线的人做一遍」,输出应是笔记加一个小实验,而不是证书收藏。
  8. 课程数量会持续更新,以官网目录为准,把本站当作导读而不是完整课表。

对「学好 AI」的实操启发

每个学习阶段只选 1 门短课作为「强化包」。入门阶段:《Generative AI for Everyone》或《AI Python for Beginners》;进入 Agent 阶段后再上《Agentic AI》或 MCP 课。看完当天必须把一个技巧用到自己的小项目里。

短引(转述)

平台把自己定位为「用领域领袖讲授的基础专项和技能短课,来发展你的 AI 职业」。

出处:DeepLearning.AI 短课程首页。

搜索资源

ESC