microsoft/generative-ai-with-javascript

概述

使用 JavaScript 构建生成式 AI 是一个互动式、面向初学者的课程，教授开发者如何使用 JavaScript 和微软的生成式 AI 服务（Foundry）构建 AI 驱动的 Web 应用程序。该仓库包含课程内容、代码示例、测验，以及一个配套聊天应用，可让你与由大语言模型（LLM）驱动的历史人物进行对话。

适合人群

• 对大语言模型（LLMs）尚不熟悉但希望获得实践体验的 JavaScript 开发者。
• 偏好故事驱动学习方式的学员——每节课都以与达·芬奇或阿达·洛芙莱斯等历史人物的“时间旅行”对话形式呈现。
• 希望获得可直接运行的示例，可在本地或 GitHub Codespaces 中尝试的任何人。

你将获得

项目	描述
课程模块	8 个结构化课程，涵盖基础概念（什么是生成式 AI、提示工程）、实用技术（结构化输出、RAG、工具/函数调用）以及 Model Context Protocol（MCP）。每个课程包含文字指南、作业、测验和解决方案代码。
配套应用	一个 Node.js Web 应用（/app），可让你使用在 Microsoft Foundry 上部署的 LLM 与历史人物对话。音频标签增强了可访问性。
代码示例	每个课程都有独立的 npm 包，每个包都包含自己的依赖项，小巧且自包含。
设置指南	逐步说明如何使用 GitHub Codespaces 或本地开发环境，创建 Foundry 项目，部署聊天模型，并通过 .env 文件配置你的端点和 API 密钥。
附加资源	相关初学者课程（Azure、Edge AI、MCP、AI 代理）以及更广泛的 AI/ML 学习路径链接。

如何工作

1. 创建 Foundry 模型 — 设置指南将引导你完成在 Microsoft Foundry 上配置聊天模型并获取端点/API 密钥的过程。
2. 配置仓库 — 将端点和密钥存储在仓库根目录的 .env 文件中。
3. 运行配套应用 — 执行 npm install && npm start（或使用提供的 Codespaces 配置）将启动本地 Web UI，你可以向历史人物提问。应用会将提示发送到你的 Foundry 模型，接收 LLM 响应并显示结果。
4. 逐步学习课程 — 每个课程都建立在前一课程的基础上，引入以下概念：
   • 提示工程 — 构建系统提示和元提示。
   • 结构化输出 — 要求模型返回 JSON 格式，便于后续处理。
   • 检索增强生成（RAG） — 将外部数据源连接到提示中。
   • 工具/函数调用 — 暴露自定义 JavaScript 函数，让模型可以调用。
   • 模型上下文协议（MCP） — 一种描述提示、资源和工具的标准，支持可复用的 AI 组件。
5. 实验 — 鼓励你 fork、修改和扩展代码，欢迎提交 PR。

为何重要

• 低入门门槛 — 所有示例均使用 Node.js LTS 运行；无需复杂的 GPU 配置。
• 动手实践学习 — 你在聊天 UI 中能立即看到结果，强化抽象概念的理解。
• 与微软生态集成 — 教授 Azure/Foundry 服务的工作流程，这些服务已被许多企业广泛使用。
• 负责任的 AI 意识 — README 包含免责声明，并链接到微软的负责任 AI 原则，为初学者树立良好实践榜样。

入门提示

• 使用 GitHub Codespaces 按钮可获得零配置环境；它会预先安装 Node，拉取仓库并打开教程。
• 请将 .env 文件排除在版本控制之外；仓库的 .gitignore 已经保护了它。
• 建议从 Lesson 1 开始，理解整体架构后再深入学习 MCP 或工具调用课程。
• 完成核心课程后，可探索 附加资源 部分，深入了解 Azure AI、Edge AI 和 AI 代理。

---

以上所有信息均直接来自仓库的 README，未添加任何外部假设。