Generative-AI-for-beginners-dotnet
Generative AI for Beginners .NET 是一门专为 .NET 开发者设计的实践课程,帮助他们快速掌握如何在 .NET 应用中集成生成式 AI 技术。通过五个实用的课程模块,开发者不仅能学习理论知识,还能通过真实代码示例和实际应用场景,快速上手构建自己的生成式 AI 应用。
这门课程解决了许多开发者在将 AI 技术融入 .NET 项目时面临的难题:如何从零开始实现生成式 AI 功能?它提供了清晰的指导、丰富的代码样例以及最新的工具支持,例如 Microsoft Agent Framework 和 Claude 模型的集成方案,让开发者能够轻松构建聊天机器人、多智能体系统等复杂应用。
Generative AI for Beginners .NET 非常适合有一定 .NET 开发经验并希望探索生成式 AI 的开发者。无论是想开发智能客服系统、自动化工作流,还是尝试前沿的多智能体技术,这门课程都能提供实用的帮助。对于研究人员或设计师来说,它的实践导向也降低了技术门槛,便于快速验证想法。
值得一提的是,课程紧跟技术前沿,集成了 Microsoft Agent Framework 的最新版本(Release Candidate),并支持多种 Claude 模型(如 Haiku、Sonnet 和 Opus)。这些亮点不仅提升了开发效率,还为构建现代化、高性能的 AI 应用提供了坚实基础。如果你是 .NET 开发者并对生成式 AI 感兴趣,这门课程无疑是一个绝佳的起点。
使用场景
一位 .NET 开发者正在为一家电商公司开发智能客服系统,需要实现自动生成回复和处理复杂用户请求的功能。
没有 Generative-AI-for-beginners-dotnet 时
- 对生成式 AI 的基本概念和技术实现完全陌生,不知道如何将 AI 集成到现有的 .NET 应用中。
- 缺乏实际代码示例,只能依赖零散的文档和教程,学习效率低下且容易出错。
- 在尝试集成第三方 AI 模型(如 Claude)时,因缺乏清晰的 API 使用指导,导致开发进度严重拖延。
- 自己设计的对话逻辑不够灵活,无法支持多轮对话或复杂的业务场景。
使用 Generative-AI-for-beginners-dotnet 后
- 通过课程中的五节实战课程,快速掌握了生成式 AI 的核心概念,并学会了如何在 .NET 中应用这些技术。
- 借助丰富的代码示例和迁移指南,开发者能够直接复用现有代码片段,大幅缩短了开发时间。
- 提供了与 Microsoft Agent Framework 和 Claude 模型集成的具体案例,轻松实现了多轮对话和复杂业务逻辑。
- 利用 Blazor Web 聊天应用示例,快速搭建了一个现代化的用户界面,提升了用户体验。
Generative-AI-for-beginners-dotnet 让开发者从零基础到高效构建生成式 AI 应用,显著降低了学习成本和开发难度。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
面向初学者的生成式 AI .NET 课程
实用课程,教你如何在 .NET 中构建生成式 AI 应用程序

欢迎来到 面向初学者的生成式 AI .NET,这是专为 .NET 开发人员设计的实践课程,带你进入生成式 AI 的世界!
这不是一个典型的“给你一些理论,祝你好运”的课程。本存储库专注于 实际应用 和 实时编码,帮助 .NET 开发人员充分利用生成式 AI。
这是一门 动手实践、实用性强 并且旨在 有趣 的课程!
别忘了 给这个仓库加星标 (🌟),以便稍后更容易找到它。
➡️ 通过 派生此仓库 获取你自己的副本,并在你的个人仓库中找到它。
✨ 最新动态
我们不断改进此课程,加入最新的 AI 工具、模型和实用示例:
🚀 Microsoft Agent Framework 达到候选发布版本!
Microsoft Agent Framework 已达到 候选发布版本 (
1.0.0-rc1) —— 这是一个用于在 .NET 中构建代理和多代理系统的框架。我们的示例正在迁移到 RC API。在此期间,探索 25+ 个涵盖控制台应用程序、Web 聊天、多代理工作流和 Foundry 集成的 Agent Framework 示例。🤖 使用 Agent Framework 的 Claude 模型
将来自 Microsoft Foundry 的 Claude 模型 与 Microsoft Agent Framework 集成!三个全面的示例展示了:
- 使用
ChatClientAgent与 Claude 进行基本控制台聊天 - 通过线程序列化/反序列化实现对话持久性
- 具有现代 UI 的交互式 Blazor Web 聊天应用程序
- 自定义
ClaudeToOpenAIMessageHandler以实现无缝 API 桥接 - 支持 Claude Haiku、Sonnet 和 Opus 模型
另外还有一个基础的 Claude 集成示例:
- 使用
🚀 简介
生成式 AI 正在改变软件开发,而 .NET 也不例外。本课程旨在通过以下方式简化学习过程:
- 每节课配有 5-10 分钟的短视频。
- 提供可以运行和探索的完整 .NET 代码示例。
- 集成工具,包括 GitHub Codespaces,以便快速设置和缩短编码时间。你可以使用 Azure OpenAI 服务 / Microsoft Foundry 或 Ollama 进行本地模型托管。
你将学习如何将生成式 AI 集成到 .NET 项目中,从基本的文本生成到使用 Azure OpenAI 服务 和 带有 Ollama 的本地模型 构建完整的解决方案。
📦 每节课包含
- 短视频:快速概述本节课内容(5-10 分钟)。
- 完整代码示例:功能齐全,随时可以运行。
- 分步指导:简单的说明,帮助你学习和实现这些概念。
- 深入参考资料:本课程侧重于 GenAI 的实际实现,若需深入了解理论部分,我们还提供了 面向初学者的生成式 AI - 课程 中的解释链接。
🗃️ 课程
| # | 课程链接 | 描述 |
|---|---|---|
| 01 | 生成式 AI 简介 |
|
| 02 | 生成式 AI 技术 |
|
| 03 | AI 模式与应用 |
|
| 04 | 使用 Microsoft Agent Framework 的 AI 代理 |
|
| 05 | 负责任的 AI |
|
🌐 多语言支持
| 语言 | 代码 | 翻译版 README 链接 | 最后更新日期 |
|---|---|---|---|
| 简体中文 | zh | 中文翻译 | 2025-06-24 |
| 繁体中文 | tw | 中文翻译 | 2025-06-24 |
| 法语 | fr | 法语翻译 | 2025-06-24 |
| 日语 | ja | 日语翻译 | 2025-06-24 |
| 韩语 | ko | 韩语翻译 | 2025-06-24 |
| 葡萄牙语 | pt | 葡萄牙语翻译 | 2025-06-24 |
| 西班牙语 | es | 西班牙语翻译 | 2025-06-24 |
| 德语 | de | 德语翻译 | 2025-06-24 |
注意: 所有翻译均于 2025-06-24 更新以匹配原始内容。详情请参阅 PR #161。
🛠️ 所需条件
要开始学习,您需要:
一个 GitHub 账户(免费即可!)用于将此仓库 派生(fork) 到您自己的 GitHub 账户。
启用 GitHub Codespaces 以获得即时编码环境。您可以在仓库设置中启用 GitHub Codespaces。更多关于 GitHub Codespaces 的信息,请查看 此处。
通过 派生此仓库 创建您的副本,或者使用页面顶部的
Fork按钮。对 .NET 开发 的基本了解。更多关于 .NET 的信息,请查看 此处。
Azure Developer CLI (azd) — 在此安装(自动 Azure 设置所需)
一个 Azure 账户 — 在此创建免费账户(免费账户即可!)
这就足够了。
我们设计了本课程,尽可能减少摩擦。为了帮助您快速上手,我们使用了以下方法:
- 在 GitHub Codespaces 中运行:只需单击一下,您就可以获得一个预配置的环境来测试和探索课程。
- 使用 Azure OpenAI / Microsoft Foundry:通过 Azure 访问强大的 AI 模型,适用于生产级场景。
当您准备扩展时,我们还提供了以下指南:
- 使用 Ollama 在本地硬件上运行模型,以增强隐私和控制。
🚀 使用 Azure 快速入门
自动化设置(推荐)
对于首次使用 Azure 的用户,我们提供了一个自动化设置脚本,用于部署所有必要的资源:
# 导航到仓库根目录
cd Generative-AI-for-beginners-dotnet
# 运行设置脚本
./setup.ps1
这将:
- ✅ 部署 Azure OpenAI 资源(gpt-5-mini, text-embedding-3-small)
- ✅ 创建必要的存储和支持服务
- ✅ 自动配置 .NET 用户密钥
- ✅ 显示您的 Azure OpenAI 终端节点和凭据
详细说明,请参阅 Azure 资源设置指南。
手动设置现有 Azure 账户
如果您已经拥有 Azure OpenAI 账户并已部署模型,请直接配置密钥:
# 设置共享密钥(所有示例均使用)
dotnet user-secrets set --id genai-beginners-dotnet "AzureOpenAI:Endpoint" "https://<your-region>.openai.azure.com/"
dotnet user-secrets set --id genai-beginners-dotnet "AzureOpenAI:Deployment" "gpt-5-mini"
dotnet user-secrets set --id genai-beginners-dotnet "AzureOpenAI:EmbeddingDeployment" "text-embedding-3-small"
然后导航到任何示例并运行:
cd samples/CoreSamples/BasicChat-01MEAI
dotnet run app.cs
注意: Azure OpenAI 示例使用
az login进行身份验证。在运行任何 Azure 示例之前,请先运行az login。
更多手动设置选项,请参阅 Azure 资源设置指南。
🧹 资源清理
完成课程后,请清理 Azure 资源以避免持续收费:
./cleanup.ps1
这将:
- 删除所有 Azure 资源
- 清理本地配置
- 移除用户密钥
更多内容,请参阅 Azure 资源设置指南 - 清理。
🤝 想要帮忙吗?
欢迎贡献!以下是您可以提供帮助的方式:
报告问题 或者在仓库中提交 bug。
改进现有的代码示例或添加新的示例,fork 本仓库并提出一些更改!
建议增加新课程或改进现有内容。
您有建议或者发现了拼写或代码错误?创建一个 Pull Request
详情请查看 CONTRIBUTING.MD 文件以了解如何参与。
📄 许可证
本项目采用 MIT 许可证 - 详情请参阅 LICENSE 文件。
🌐 其他课程
我们有许多其他内容可以帮助您的学习之旅。请查看:
生成式 AI 系列 (Generative AI Series)
核心学习
获取帮助
如果您遇到困难或对构建 AI 应用有任何疑问,请加入:
如果您对产品有反馈或在构建过程中遇到错误,请访问:
版本历史
2025-05-092025/05/092025-07-212025/07/212025-07-022025/07/022025-06-162025/06/162025-06-042025/06/042025-05-262025/05/262025-04-242025/04/242025-03-312025/03/312025-03-172025/03/172025-02-242025/02/242025-02-172025/02/18常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。