generative-ai-for-beginners 本地环境搭建全指南四种安装路径与 API 密钥安全配置实战【免费下载链接】generative-ai-for-beginners21 Lessons, Get Started Building with Generative AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners本文以 translations/hu/00-course-setup/02-setup-local.md本地搭建指南的匈牙利语翻译版及英文原版 00-course-setup/02-setup-local.md 为主体结合本仓库的依赖清单、环境变量工具源码与 Provider 配置文档展开。适合希望在自己笔记本上完整运行本课程 21 节课、练习各课时 notebook 与作业的开发者。读完后你将掌握四种本地运行方式原生 Python venv、VS Code Dev Container、Miniconda、经典 Jupyter能够正确安装课程依赖、配置.env环境变量文件并通过仓库提供的工具函数安全读取 API 密钥。1. 前置条件在开始之前请先确认本机具备以下工具。官方指南建议使用Python 3.10 及以上版本其余工具按需准备工具版本 / 说明Python3.10从 python.org 下载Git最新版macOS 随 Xcode 附带Windows 使用 Git for WindowsLinux 用系统包管理器安装VS Code可选但推荐安装Docker Desktop仅选项 BDev Container需要免费安装安装完成后在终端里用以下命令快速验证环境是否就绪python --version git --version docker --version code --version提示docker --version仅在安装 Docker Desktop 后可用若你只走选项 A原生 Python可跳过 Docker 相关检查。2. 选项 A – 原生 Python venv最快路径如果希望以最小依赖快速跑通课程代码这是首选方案。步骤 1克隆仓库git clone https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners cd generative-ai-for-beginners步骤 2创建并激活虚拟环境python -m venv .venv # 创建虚拟环境 source .venv/bin/activate # macOS / Linux .\.venv\Scripts\activate # Windows PowerShell激活后终端提示符前会显示(.venv)前缀表示你已经进入虚拟环境。该目录已被仓库的 .gitignore第 124 行忽略不会被提交。步骤 3安装依赖pip install -r requirements.txt仓库根目录的 requirements.txt 内容如下它锁定了课程 notebook 运行所需的全部 Python 包ipywidgets8.1.8 numpy2.4.2 matplotlib3.10.8 pandas3.0.0 tqdm4.68.4 python-dotenv1.2.2 openai1.12.0 tiktoken azure-ai-inference scikit-learn其中几个关键依赖的用途python-dotenv负责从.env文件加载环境变量第 4 节会详细使用openai/azure-ai-inference课程作业调用的模型服务 SDKOpenAI 端点与 Microsoft Foundry 推理端点ipywidgets/matplotlib/pandas/numpy/scikit-learn支撑各节课 notebook 中的数据可视化与机器学习示例tiktokentoken 计数工具在提示工程等课时中用于理解 token 消耗。依赖装好后直接跳到第 4 节配置 API 密钥即可开始学习。3. 选项 B – VS Code Dev ContainerDocker本仓库专门配置了开发容器Dev Container提供一个同时支持Python 3、.NET、Node.js 和 Java的统一运行时环境。相关配置定义在仓库根目录的.devcontainer/文件夹中其中devcontainer.json是核心配置文件。为什么选这种方式容器环境与 GitHub Codespaces 完全一致团队成员之间不存在依赖漂移dependency drift问题。步骤 0安装额外组件Docker Desktop确认docker --version可以正常输出版本号VS Code Remote – Containers 扩展扩展 ID 为ms-vscode-remote.remote-containers。步骤 1在 VS Code 中打开仓库点击File ▸ Open Folder…选择克隆下来的generative-ai-for-beginners目录。VS Code 会自动检测到.devcontainer/文件夹并弹出提示。步骤 2在容器中重新打开点击 “Reopen in Container” 按钮。Docker 会构建镜像首次构建约需 3 分钟。当终端提示符出现时你就已经处于容器内部了可以直接使用与 Codespaces 相同的环境运行课程代码。注意Dev Container 与本地 venv 是两套相互独立的方案建议只启用其中一种避免 VS Code 反复提示“重新打开”该问题的具体解法见第 7 节排错表。4. 选项 C – MinicondaMiniconda 是 Conda 的精简安装器用于安装 Conda、Python 及少量常用包。Conda 本身是一个包管理器可以方便地创建、切换不同的 Python虚拟环境并且能安装一些pip源里没有的包例如 Microsoft 的 AI 库。步骤 0安装 Miniconda按官方安装指引安装后验证版本conda --version步骤 1创建环境文件新建一个环境文件environment.yml。如果配合 Codespaces 使用需要把它放在.devcontainer目录下即.devcontainer/environment.yml。步骤 2填充环境文件将以下内容写入environment.ymlname: environment-name channels: - defaults - microsoft dependencies: - pythonpython-version - openai - python-dotenv - pip - pip: - azure-ai-ml参数说明name环境名称例如ai4begchannels包源渠道microsoft渠道用于获取 Microsoft 的 AI 库pythonpython-versionPython 版本号例如3表示使用最新主版本pip:段通过 pip 额外安装azure-ai-ml等不在 conda 默认渠道中的包。步骤 3创建并激活 Conda 环境conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer 子路径仅适用于 Codespace 场景 conda activate ai4beg如果中途报错可以参考 Conda 官方环境管理文档排查。另外若使用 conda 时遇到 Microsoft AI 库缺失可在终端手动执行conda install -c microsoft azure-ai-ml这与环境文件中的microsoftchannel azure-ai-ml依赖是等效的兜底方案。5. 选项 D – 经典 Jupyter / Jupyter Lab浏览器内运行适合人群喜欢经典 Jupyter 界面或不想依赖 VS Code 运行 notebook 的开发者。步骤 1启动 Jupyter在终端/命令行中进入课程目录执行jupyter notebook或jupyterhub启动后终端窗口会打印访问 URL。打开该 URL即可看到课程目录大纲并导航到任意*.ipynb文件。例如08-building-search-applications/python/oai-solution.ipynb04-prompt-engineering-fundamentals/python/oai-assignment.ipynb本课程几乎所有实战课时都在各章节的python/、typescript/、javascript/或dotnet/目录下提供了 notebook 与脚本例如 08-building-search-applications/python 中的oai-solution.ipynb、aoai-solution.ipynb。6. 配置 API 密钥.env文件无论选择哪种运行方式构建生成式 AI 应用时都必须妥善保管 API 密钥。官方指南明确建议不要把 API 密钥直接写进代码——一旦提交到公开仓库可能引发安全问题甚至被恶意使用者消耗产生意外费用。版本说明GitHub Models及其GITHUB_TOKEN变量已于 2026 年 7 月底退役本指南使用Microsoft Foundry Models替代如需完全离线运行可参考 Foundry Local。下面是创建.env文件并加载凭证的完整步骤步骤 1进入项目根目录cd path/to/your/project步骤 2创建.env文件Unix 系系统touch .envWindowsecho . .env步骤 3编辑.env文件用文本编辑器VS Code、Notepad 等打开填入实际凭证替换占位符AZURE_INFERENCE_ENDPOINTyour_foundry_endpoint_here AZURE_INFERENCE_CREDENTIALyour_foundry_api_key_here步骤 4保存文件并关闭编辑器。步骤 5安装python-dotenvpip install python-dotenv在选项 A 中该包已包含在requirements.txt内。步骤 6在 Python 脚本中加载环境变量from dotenv import load_dotenv import os # 从 .env 文件加载环境变量 load_dotenv() # 访问 Microsoft Foundry Models 变量 endpoint os.getenv(AZURE_INFERENCE_ENDPOINT) token os.getenv(AZURE_INFERENCE_CREDENTIAL) print(endpoint)6.1 仓库推荐的更稳妥做法.env.copy模板除了手动创建仓库还提供了现成的环境变量模板。在根目录找到.env.copy文件它包含了课程用到的全部 Provider 变量核心内容如下# OpenAI Provider OPENAI_API_KEYadd your OpenAI API key here ## Azure OpenAI in Microsoft Foundry AZURE_OPENAI_API_VERSION2024-10-21 # 已设置默认值当前稳定 GA API 版本 AZURE_OPENAI_API_KEYadd your Foundry resource key here AZURE_OPENAI_ENDPOINTadd your Foundry resource endpoint here, e.g. https://resource-name.openai.azure.com AZURE_OPENAI_DEPLOYMENTadd your chat completion model deployment name here, e.g. gpt-4o-mini AZURE_OPENAI_EMBEDDINGS_DEPLOYMENTadd your embeddings model deployment name here, e.g. text-embedding-3-small ## Microsoft Foundry Models (multi-provider model catalog, replaces GitHub Models, which retires end of July 2026) AZURE_INFERENCE_ENDPOINTadd your Microsoft Foundry project endpoint here AZURE_INFERENCE_CREDENTIALadd your Microsoft Foundry Models API key here ## Hugging Face HUGGING_FACE_API_KEYadd your HuggingFace API or token here复制模板并填充值cp .env.copy .env该文件已被 .gitignore 忽略第 123 行可放心存放密钥。6.2 各 Provider 变量速查表来自 00-course-setup/03-providers.md 的完整变量说明变量说明HUGGING_FACE_API_KEY你在 Hugging Face 个人资料中设置的用户访问令牌OPENAI_API_KEY非 Azure OpenAI 端点服务的鉴权密钥AZURE_OPENAI_API_KEYAzure OpenAI 服务的鉴权密钥AZURE_OPENAI_ENDPOINTAzure OpenAI 资源的已部署端点AZURE_OPENAI_DEPLOYMENT文本生成模型部署端点建议gpt-4o-miniAZURE_OPENAI_EMBEDDINGS_DEPLOYMENT文本嵌入模型部署端点建议text-embedding-3-smallAZURE_INFERENCE_ENDPOINTMicrosoft Foundry 项目端点用于 Microsoft Foundry ModelsAZURE_INFERENCE_CREDENTIALMicrosoft Foundry 项目的 API 密钥各课程作业会通过文件名前缀标明所需的 Provideraoai需要 Azure OpenAI 端点与密钥、oai需要 OpenAI 端点与密钥、hf需要 Hugging Face 令牌、githubmodels需要 Microsoft Foundry Models 端点与密钥GitHub Models 已于 2026 年 7 月底退役。你可以只配置其中一个、全部配置或一个都不配——相关作业在缺少凭证时会直接报错不影响其他章节学习。6.3 源码中的环境变量实践从工具函数到测试仓库不只是把密钥加载停在load_dotenv()这一步还在shared/python下封装了一组规范的环境变量读取工具 shared/python/env_utils.py供课程脚本复用get_required_env(var_name, description)读取必需变量未设置或为空时抛出带提示信息的ValueError例如Missing required environment variable: OPENAI_API_KEY. Please set it in your .env file or environment.validate_env_vars(*var_names)批量校验多个变量一次性报告所有缺失项get_env_with_default(var_name, default)读取可带默认值的变量。配套的单元测试 tests/test_env_utils.py 覆盖了这些函数的典型场景例如test_get_required_env_missing_raises验证缺失变量会抛错、test_validate_env_vars_reports_all_missing验证批量缺失时错误信息会列出全部变量名、test_get_env_with_default_uses_default验证默认值回退逻辑。这组测试既是对工具函数的回归保障也示范了如何在课程代码中安全地消费.env变量。7. 排错指南本地搭建过程中遇到问题可对照下表排查症状解决方案python not found将 Python 加入 PATH或在安装后重新打开终端pip无法构建 wheelWindows执行pip install --upgrade pip setuptools wheel后重试ModuleNotFoundError: dotenv执行pip install -r requirements.txt环境未正确安装依赖Docker 构建失败No space leftDocker Desktop ▸Settings▸Resources调大磁盘空间VS Code 反复提示重新打开可能同时启用了两种方案只保留一种venv或容器OpenAI 401 / 429 错误检查OPENAI_API_KEY取值 / 请求速率限制Conda 使用报错安装 Microsoft AI 库conda install -c microsoft azure-ai-ml8. 下一步行动环境与密钥就绪后按目标选择下一步我想……前往……开始第 1 课01-introduction-to-genai配置某个 LLM Provider00-course-setup/03-providers.md了解云端Codespaces方案00-course-setup/01-setup-cloud.md9. 安全提醒永远不要把.env文件提交到仓库——它已被根目录 .gitignore第 123 行.env默认忽略使用 GitHub Codespaces 时可选用 Codespaces Secrets 存储密钥而无需本地.env但该方式仅对 Codespaces 生效使用 Docker Desktop 仍需创建本地.env各 Provider 的完整申请与配置指引请查阅 00-course-setup/03-providers.md其中包含 OpenAI、Azure OpenAI、Microsoft Foundry、Hugging Face 以及离线方案Foundry Local / Ollama的详细说明。至此你已经完成了本地开发环境搭建、依赖安装与密钥安全配置可以正式开启 21 节课的生成式 AI 学习与实践之旅了。【免费下载链接】generative-ai-for-beginners21 Lessons, Get Started Building with Generative AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 generative-ai-for-beginners 本地环境搭建全指南：四种安装路径与 API 密钥安全配置实战
generative-ai-for-beginners 本地环境搭建全指南四种安装路径与 API 密钥安全配置实战【免费下载链接】generative-ai-for-beginners21 Lessons, Get Started Building with Generative AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners本文以 translations/hu/00-course-setup/02-setup-local.md本地搭建指南的匈牙利语翻译版及英文原版 00-course-setup/02-setup-local.md 为主体结合本仓库的依赖清单、环境变量工具源码与 Provider 配置文档展开。适合希望在自己笔记本上完整运行本课程 21 节课、练习各课时 notebook 与作业的开发者。读完后你将掌握四种本地运行方式原生 Python venv、VS Code Dev Container、Miniconda、经典 Jupyter能够正确安装课程依赖、配置.env环境变量文件并通过仓库提供的工具函数安全读取 API 密钥。1. 前置条件在开始之前请先确认本机具备以下工具。官方指南建议使用Python 3.10 及以上版本其余工具按需准备工具版本 / 说明Python3.10从 python.org 下载Git最新版macOS 随 Xcode 附带Windows 使用 Git for WindowsLinux 用系统包管理器安装VS Code可选但推荐安装Docker Desktop仅选项 BDev Container需要免费安装安装完成后在终端里用以下命令快速验证环境是否就绪python --version git --version docker --version code --version提示docker --version仅在安装 Docker Desktop 后可用若你只走选项 A原生 Python可跳过 Docker 相关检查。2. 选项 A – 原生 Python venv最快路径如果希望以最小依赖快速跑通课程代码这是首选方案。步骤 1克隆仓库git clone https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners cd generative-ai-for-beginners步骤 2创建并激活虚拟环境python -m venv .venv # 创建虚拟环境 source .venv/bin/activate # macOS / Linux .\.venv\Scripts\activate # Windows PowerShell激活后终端提示符前会显示(.venv)前缀表示你已经进入虚拟环境。该目录已被仓库的 .gitignore第 124 行忽略不会被提交。步骤 3安装依赖pip install -r requirements.txt仓库根目录的 requirements.txt 内容如下它锁定了课程 notebook 运行所需的全部 Python 包ipywidgets8.1.8 numpy2.4.2 matplotlib3.10.8 pandas3.0.0 tqdm4.68.4 python-dotenv1.2.2 openai1.12.0 tiktoken azure-ai-inference scikit-learn其中几个关键依赖的用途python-dotenv负责从.env文件加载环境变量第 4 节会详细使用openai/azure-ai-inference课程作业调用的模型服务 SDKOpenAI 端点与 Microsoft Foundry 推理端点ipywidgets/matplotlib/pandas/numpy/scikit-learn支撑各节课 notebook 中的数据可视化与机器学习示例tiktokentoken 计数工具在提示工程等课时中用于理解 token 消耗。依赖装好后直接跳到第 4 节配置 API 密钥即可开始学习。3. 选项 B – VS Code Dev ContainerDocker本仓库专门配置了开发容器Dev Container提供一个同时支持Python 3、.NET、Node.js 和 Java的统一运行时环境。相关配置定义在仓库根目录的.devcontainer/文件夹中其中devcontainer.json是核心配置文件。为什么选这种方式容器环境与 GitHub Codespaces 完全一致团队成员之间不存在依赖漂移dependency drift问题。步骤 0安装额外组件Docker Desktop确认docker --version可以正常输出版本号VS Code Remote – Containers 扩展扩展 ID 为ms-vscode-remote.remote-containers。步骤 1在 VS Code 中打开仓库点击File ▸ Open Folder…选择克隆下来的generative-ai-for-beginners目录。VS Code 会自动检测到.devcontainer/文件夹并弹出提示。步骤 2在容器中重新打开点击 “Reopen in Container” 按钮。Docker 会构建镜像首次构建约需 3 分钟。当终端提示符出现时你就已经处于容器内部了可以直接使用与 Codespaces 相同的环境运行课程代码。注意Dev Container 与本地 venv 是两套相互独立的方案建议只启用其中一种避免 VS Code 反复提示“重新打开”该问题的具体解法见第 7 节排错表。4. 选项 C – MinicondaMiniconda 是 Conda 的精简安装器用于安装 Conda、Python 及少量常用包。Conda 本身是一个包管理器可以方便地创建、切换不同的 Python虚拟环境并且能安装一些pip源里没有的包例如 Microsoft 的 AI 库。步骤 0安装 Miniconda按官方安装指引安装后验证版本conda --version步骤 1创建环境文件新建一个环境文件environment.yml。如果配合 Codespaces 使用需要把它放在.devcontainer目录下即.devcontainer/environment.yml。步骤 2填充环境文件将以下内容写入environment.ymlname: environment-name channels: - defaults - microsoft dependencies: - pythonpython-version - openai - python-dotenv - pip - pip: - azure-ai-ml参数说明name环境名称例如ai4begchannels包源渠道microsoft渠道用于获取 Microsoft 的 AI 库pythonpython-versionPython 版本号例如3表示使用最新主版本pip:段通过 pip 额外安装azure-ai-ml等不在 conda 默认渠道中的包。步骤 3创建并激活 Conda 环境conda env create --name ai4beg --file .devcontainer/environment.yml # .devcontainer 子路径仅适用于 Codespace 场景 conda activate ai4beg如果中途报错可以参考 Conda 官方环境管理文档排查。另外若使用 conda 时遇到 Microsoft AI 库缺失可在终端手动执行conda install -c microsoft azure-ai-ml这与环境文件中的microsoftchannel azure-ai-ml依赖是等效的兜底方案。5. 选项 D – 经典 Jupyter / Jupyter Lab浏览器内运行适合人群喜欢经典 Jupyter 界面或不想依赖 VS Code 运行 notebook 的开发者。步骤 1启动 Jupyter在终端/命令行中进入课程目录执行jupyter notebook或jupyterhub启动后终端窗口会打印访问 URL。打开该 URL即可看到课程目录大纲并导航到任意*.ipynb文件。例如08-building-search-applications/python/oai-solution.ipynb04-prompt-engineering-fundamentals/python/oai-assignment.ipynb本课程几乎所有实战课时都在各章节的python/、typescript/、javascript/或dotnet/目录下提供了 notebook 与脚本例如 08-building-search-applications/python 中的oai-solution.ipynb、aoai-solution.ipynb。6. 配置 API 密钥.env文件无论选择哪种运行方式构建生成式 AI 应用时都必须妥善保管 API 密钥。官方指南明确建议不要把 API 密钥直接写进代码——一旦提交到公开仓库可能引发安全问题甚至被恶意使用者消耗产生意外费用。版本说明GitHub Models及其GITHUB_TOKEN变量已于 2026 年 7 月底退役本指南使用Microsoft Foundry Models替代如需完全离线运行可参考 Foundry Local。下面是创建.env文件并加载凭证的完整步骤步骤 1进入项目根目录cd path/to/your/project步骤 2创建.env文件Unix 系系统touch .envWindowsecho . .env步骤 3编辑.env文件用文本编辑器VS Code、Notepad 等打开填入实际凭证替换占位符AZURE_INFERENCE_ENDPOINTyour_foundry_endpoint_here AZURE_INFERENCE_CREDENTIALyour_foundry_api_key_here步骤 4保存文件并关闭编辑器。步骤 5安装python-dotenvpip install python-dotenv在选项 A 中该包已包含在requirements.txt内。步骤 6在 Python 脚本中加载环境变量from dotenv import load_dotenv import os # 从 .env 文件加载环境变量 load_dotenv() # 访问 Microsoft Foundry Models 变量 endpoint os.getenv(AZURE_INFERENCE_ENDPOINT) token os.getenv(AZURE_INFERENCE_CREDENTIAL) print(endpoint)6.1 仓库推荐的更稳妥做法.env.copy模板除了手动创建仓库还提供了现成的环境变量模板。在根目录找到.env.copy文件它包含了课程用到的全部 Provider 变量核心内容如下# OpenAI Provider OPENAI_API_KEYadd your OpenAI API key here ## Azure OpenAI in Microsoft Foundry AZURE_OPENAI_API_VERSION2024-10-21 # 已设置默认值当前稳定 GA API 版本 AZURE_OPENAI_API_KEYadd your Foundry resource key here AZURE_OPENAI_ENDPOINTadd your Foundry resource endpoint here, e.g. https://resource-name.openai.azure.com AZURE_OPENAI_DEPLOYMENTadd your chat completion model deployment name here, e.g. gpt-4o-mini AZURE_OPENAI_EMBEDDINGS_DEPLOYMENTadd your embeddings model deployment name here, e.g. text-embedding-3-small ## Microsoft Foundry Models (multi-provider model catalog, replaces GitHub Models, which retires end of July 2026) AZURE_INFERENCE_ENDPOINTadd your Microsoft Foundry project endpoint here AZURE_INFERENCE_CREDENTIALadd your Microsoft Foundry Models API key here ## Hugging Face HUGGING_FACE_API_KEYadd your HuggingFace API or token here复制模板并填充值cp .env.copy .env该文件已被 .gitignore 忽略第 123 行可放心存放密钥。6.2 各 Provider 变量速查表来自 00-course-setup/03-providers.md 的完整变量说明变量说明HUGGING_FACE_API_KEY你在 Hugging Face 个人资料中设置的用户访问令牌OPENAI_API_KEY非 Azure OpenAI 端点服务的鉴权密钥AZURE_OPENAI_API_KEYAzure OpenAI 服务的鉴权密钥AZURE_OPENAI_ENDPOINTAzure OpenAI 资源的已部署端点AZURE_OPENAI_DEPLOYMENT文本生成模型部署端点建议gpt-4o-miniAZURE_OPENAI_EMBEDDINGS_DEPLOYMENT文本嵌入模型部署端点建议text-embedding-3-smallAZURE_INFERENCE_ENDPOINTMicrosoft Foundry 项目端点用于 Microsoft Foundry ModelsAZURE_INFERENCE_CREDENTIALMicrosoft Foundry 项目的 API 密钥各课程作业会通过文件名前缀标明所需的 Provideraoai需要 Azure OpenAI 端点与密钥、oai需要 OpenAI 端点与密钥、hf需要 Hugging Face 令牌、githubmodels需要 Microsoft Foundry Models 端点与密钥GitHub Models 已于 2026 年 7 月底退役。你可以只配置其中一个、全部配置或一个都不配——相关作业在缺少凭证时会直接报错不影响其他章节学习。6.3 源码中的环境变量实践从工具函数到测试仓库不只是把密钥加载停在load_dotenv()这一步还在shared/python下封装了一组规范的环境变量读取工具 shared/python/env_utils.py供课程脚本复用get_required_env(var_name, description)读取必需变量未设置或为空时抛出带提示信息的ValueError例如Missing required environment variable: OPENAI_API_KEY. Please set it in your .env file or environment.validate_env_vars(*var_names)批量校验多个变量一次性报告所有缺失项get_env_with_default(var_name, default)读取可带默认值的变量。配套的单元测试 tests/test_env_utils.py 覆盖了这些函数的典型场景例如test_get_required_env_missing_raises验证缺失变量会抛错、test_validate_env_vars_reports_all_missing验证批量缺失时错误信息会列出全部变量名、test_get_env_with_default_uses_default验证默认值回退逻辑。这组测试既是对工具函数的回归保障也示范了如何在课程代码中安全地消费.env变量。7. 排错指南本地搭建过程中遇到问题可对照下表排查症状解决方案python not found将 Python 加入 PATH或在安装后重新打开终端pip无法构建 wheelWindows执行pip install --upgrade pip setuptools wheel后重试ModuleNotFoundError: dotenv执行pip install -r requirements.txt环境未正确安装依赖Docker 构建失败No space leftDocker Desktop ▸Settings▸Resources调大磁盘空间VS Code 反复提示重新打开可能同时启用了两种方案只保留一种venv或容器OpenAI 401 / 429 错误检查OPENAI_API_KEY取值 / 请求速率限制Conda 使用报错安装 Microsoft AI 库conda install -c microsoft azure-ai-ml8. 下一步行动环境与密钥就绪后按目标选择下一步我想……前往……开始第 1 课01-introduction-to-genai配置某个 LLM Provider00-course-setup/03-providers.md了解云端Codespaces方案00-course-setup/01-setup-cloud.md9. 安全提醒永远不要把.env文件提交到仓库——它已被根目录 .gitignore第 123 行.env默认忽略使用 GitHub Codespaces 时可选用 Codespaces Secrets 存储密钥而无需本地.env但该方式仅对 Codespaces 生效使用 Docker Desktop 仍需创建本地.env各 Provider 的完整申请与配置指引请查阅 00-course-setup/03-providers.md其中包含 OpenAI、Azure OpenAI、Microsoft Foundry、Hugging Face 以及离线方案Foundry Local / Ollama的详细说明。至此你已经完成了本地开发环境搭建、依赖安装与密钥安全配置可以正式开启 21 节课的生成式 AI 学习与实践之旅了。【免费下载链接】generative-ai-for-beginners21 Lessons, Get Started Building with Generative AI项目地址: https://gitcode.com/GitHub_Trending/ge/generative-ai-for-beginners创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考