Generative AI courses and guides
Explore the cutting-edge world of generative artificial intelligence, including large language models like GPT, image generation with DALL-E and Stable Diffusion, and AI-powered applications. Learn to build, fine-tune, and deploy AI models that create content, solve problems, and transform industries.
Explore Everything Generative AI
Claude Code：工作流与工具
Claude Code 是 Anthropic 的 AI 编程助手，通过自然对话、自动化和集成来简化开发流程。本课程从基础开始：安装、设置以及对话驱动开发的原理。学习者将学会管理上下文、引导交互，并与 Claude 作为编程伙伴协作。 随后，学习者将探索高级功能，如自定义命令、子代理（sub-agents）和钩子（hooks）。他们将了解如何自动化任务、保障工作流安全，并通过 SDK 集成扩展 Claude Code 的能力。通过结构化对话并利用 Claude 的编排能力，他们可以在复杂项目中实现清晰与高效。 最后，他们将聚焦于集成，将 Claude Code 与 MCP 服务器及 GitHub 连接，实现无缝协作与版本控制。课程以最佳实践收尾，帮助学习者为在真实环境中应用 Claude Code 做好准备，释放由 AI 驱动的工作流潜力，提升生产力、安全性与团队效率。
4h
Beginner
Claude Everywhere：完整生态系统指南
Claude 提供了一套工具，当正确选择并有效组合使用时，效果最佳。本课程将带你完整体验 Claude 的各项功能，从核心的 Claude.ai 界面，到 Claude Desktop 的本地文件访问、Cowork 的自主任务执行，以及连接 Claude 与你现有工具的 MCP 连接。 你将首先梳理整个生态系统：了解每个产品的作用、适用场景以及它们如何协同工作。接着深入学习 Claude.ai：对话、文件上传、Projects、Memory、Artifacts 和分析工具。然后，你将超越浏览器，使用 Claude Desktop 和 MCP，学习如何将多步骤任务委派给 Cowork。 接下来，你将聚焦于提升所有 Claude 产品表现的提示模式，以及写作、研究、数据分析和会议等实用工作流程，并完成一个综合项目，帮助你设计一个针对自身角色的个性化 Claude 系统。课程结束时，你将构建出一套完整的以 Claude 为核心的 workflows。
1h
Beginner
使用 OpenAI Codex 实现智能编程
OpenAI Codex 是一个编码代理，能够读取代码仓库、遵循项目说明、运行命令，并在受控环境中完成软件任务。它对希望超越代码建议、采用更智能的工作流来构建、测试和审查软件的开发者非常有用。 在本课程中，你将探索 Codex 的工作原理，以及如何配置 CLI 和 IDE 扩展以实现实际应用。你将学习如何编写有效的 AGENTS.md 文件，并使用 Skills、Automations 和 MCP 服务器，通过可复用的工作流和外部工具扩展 Codex。随后，你将通过一系列结构化任务，在一个项目中应用这些概念：构建一个基于 Flask 的像素画布应用程序，包括应用框架搭建、绘图与保存功能、画廊页面以及 PNG 导出功能。 课程结束时，你将能够设置可靠的 Codex 工作流，自信地委派多步骤开发任务，并将 Codex 连接到外部工具和服务。本课程还涵盖如何在基于 GitHub 的工作流中使用 Codex，以更高效地构建和部署软件。
1h
Beginner
LLMOps：构建可投入生产的 LLM 系统
LLMOps 是在生产流量、成本限制以及安全威胁的背景下，确保 LLM 应用可靠运行的实践。在本课程中，你将通过从零开始构建并运营一个应用，同时考虑生产环境的约束，学习 LLMOps。 你将从传统机器学习向基础模型的转变开始，了解推动 LLMOps 出现的约束条件：随机输出、高昂的推理成本，以及新的运维产物如提示词和向量索引。你将应用 4D LLMOps 生命周期，定义质量门禁，防止项目在概念验证阶段停滞不前。 你将实现一个参考 RAG 架构，并使用黄金数据集验证检索效果。接着，你将对提示词进行版本管理，强制结构化输出，并引入基于 LLM-as-a-judge 模式的自动化评估和回归测试。最后，你将通过安全与合规控制、容器化部署，以及反馈回路，为生产环境做好准备，确保应用上线后质量持续提升。
3h
Advanced
LLM 评估：规模化构建可靠的 AI 系统
本课程提供了一条构建可靠、可投入生产的 LLM 系统的路线图，通过严格的评估实现。你将从学习系统化评估的重要性开始，并掌握如何使用 traces 和错误分析来理解模型行为。 你将通过捕获真实失败案例并为边缘情况生成合成数据，建立一个评估工作流。你将避免诸如误导性的相似度指标等陷阱，并了解为何简单的二元评估通常优于复杂的数值量表。你还将学习架构最佳实践，包括提示（prompts）的位置安排，以及如何将防护机制（guardrails）与评估器分离。 接下来，你将在生产环境中评估复杂系统：对多轮对话进行评分、验证代理工作流，并诊断常见的 RAG 失败模式。你还将了解 LangSmith 等工具的内部运作原理，包括它们测量的内容以及分数的计算方式。课程结束时，你将把评估集成到开发流程中，通过 CI 检查和回归测试，确保随着使用量和复杂性的增长，AI 系统依然稳定。
2h
Intermediate
使用 OpenAI 构建：从 API 到代理
在这个实践课程中，你将学习如何利用 OpenAI 的平台开发智能且面向现实世界的应用程序。你将从探索人工智能开发的演进开始，通过实际编码体验 OpenAI 的 API，为创意实验和实际问题解决打下坚实基础。 接下来，你将深入了解 OpenAI 在文本、音频、图像和嵌入（embeddings）方面的核心能力。你将学习构建对话系统，使用网络搜索和函数调用，处理多媒体输入，并评估模型性能。在此过程中，你将获得连接模型与真实工作流程所需的技能熟练度。 最后，你将学习如何构建并部署代理型 AI 系统。你将创建自主代理，使用 Agent Builder 可视化设计工作流，集成 ChatKit 实现用户界面，并实现安全性和监控功能。课程结束时，你将具备开发和交付可靠、生产级 AI 应用的能力。
3h
Beginner
负责任的人工智能工程：对齐、安全与治理
本课程为开发者、研究人员和工程师提供了一次实用的、端到端的责任感人工智能工程探索，涵盖现代人工智能系统中的实际应用。你将从基础概念出发，逐步掌握用于评估、对齐和治理真实部署中人工智能模型的应用技术。 课程首先区分人工智能安全与人工智能安全，并梳理人工智能风险的全谱系，包括偏见、鲁棒性失效、对齐失败以及滥用等问题。接着，你将分析模型失效的原因，考察诸如奖励黑客（reward hacking）和规范游戏（specification gaming）等技术对齐失效案例。通过动手练习，你将使用对抗攻击和可解释性工具（如 LIME 和 SHAP）来审计模型，应用受 RLHF 和 PPO 风格优化启发的对齐方法，并使用 PyRIT 自动化红队测试工作流。 课程最后涉及高级主题，包括评估模型的危险能力、实现运行时治理，以及构建形式化的人工智能安全论证。
4h
Intermediate
OpenRouter：统一的LLM访问与多模型编排
OpenRouter 是现代大模型生态系统的统一路由层，开发者可通过单一接口访问 OpenAI、Anthropic、Google、Meta、Mistral 以及开源提供商的模型。 在本课程中，我们将重点介绍使 OpenRouter 突出的特性：模型抽象、提供方路由、自动降级、成本感知选择、响应格式化以及生态系统级别的灵活性。 你将从理解 OpenRouter 的架构开始，了解它与直接调用单个模型提供方有何不同。接着，你将学习如何使用相同的请求结构查询多个模型，无需重写代码即可切换提供方，并根据成本或能力动态路由流量。 你还将探索高级功能，如模型对比、结构化输出、JSON 模式、工具调用兼容性，以及如何设计降级策略以保护生产系统免受中断影响。你还会学习 OpenRouter 如何支持实验，让你能够在不重构系统架构的情况下进行模型基准测试和替换。 完成本课程后，你将掌握如何将 OpenRouter 作为模型编排层使用，并设计出能够随人工智能生态发展而保持灵活的系统。
1h
Intermediate
使用 n8n 自动化工作流
本课程向开发者介绍 n8n 用于自动化和集成。你将从探索以开发人员为中心的自动化基础概念开始，通过使用 Webhooks 从 GitHub 获取问题，构建你的第一个实时工作流。 接着，你将通过表达式和分支逻辑为自动化添加智能。课程深入讲解 Code 节点，当预构建节点无法满足需求时，可使用它编写自定义的 JavaScript 或 Python 逻辑。 然后，你将学习如何构建可靠的自动化，调试复杂的工作流，并与任意 API 进行集成。重点之一是人工智能：你将通过与 AI 代理、大语言模型（LLMs）集成，以及使用检索增强生成（RAG）和向量存储构建强大的知识库，获得实战经验。你还将学习如何通过 Model Context Protocol (MCP) 使用外部 AI 工具。课程最后涵盖关键的生产环境最佳实践，包括部署策略以及在实际环境中维护可扩展自动化的技巧。
2h
Beginner
OpenCode：开源 AI 编码助手的完整指南
OpenCode 将 AI 编程从孤立的聊天转变为可直接在你的代码库中工作的智能体。无需来回复制代码片段，你将学习如何与一个能够读取文件、运行命令并实际修改代码的 AI 编程智能体协作，同时始终保持对开发过程的掌控。 你将从基础开始：了解 OpenCode 的工作原理，如何引用文件，以及如何运行 shell 命令来检查和更新仓库。接着，你将使用斜杠命令设置上下文，提升效率，并在需要时撤销更改。你将学习“Plan”模式与“Build”模式之间的区别，实现思考与执行的分离，优化方法，提前发现边缘情况，在任何修改发生前生成更清晰的更新。 你将构建安全的工作流程，并了解 OpenCode 如何以正确权限使用工具。随后，你将通过自定义命令自动化任务，切换模型，强制格式化，连接 GitHub 或 Slack 等服务，配置 OpenCode 以满足你日常开发的需求。
2h
Beginner
OpenClaw：开发者的代理型 AI
本 OpenClaw 课程从基础开始，教你如何部署一个主动型 AI 助手，该助手不仅能生成文本，还能执行任务。你将学习 OpenClaw 架构的五个层级：网关（Gateway）、插件系统、通道层（channel layer）、大语言模型层（LLM layer）和记忆系统（memory system），同时了解技能如何扩展你的代理能力，而不会让每次对话都变得臃肿。 接下来，课程将介绍实际的配置流程。你将安装 OpenClaw，连接 Slack 和 GitHub，使你的代理能够参与真实的团队工作流，并通过 cron 作业和心跳机制安排任务，确保你的助手在你休息时依然持续运作。 最后，你将从安全优先的角度应用这些概念，学习如何控制网关暴露、限制谁可以向你的代理发送消息，以及安全地管理凭证。完成课程后，你将拥有一个功能完整、安全运行的 OpenClaw 实例，已连接至你的应用程序，并能自动化处理复杂的工程任务，充满信心。
1h
Beginner
成为公司中薪酬最高的工程师
学习在 Staff+ 级别高效运作的核心技能，从安全地集成 AI 到在危机中指导团队。本免费课程为你提供一条清晰的高影响力工程发展路径，并以 Educative 的病毒式传播梗为亮点：约翰，那位薪水最高却从不露面的工程师。
3h
Intermediate
使用 Google ADK 构建 AI 代理
本课程向您介绍 Google ADK，这是一个强大的框架，用于构建和管理复杂的 AI 代理。您将从掌握基础开始，包括 ADK 代理的特定结构以及开发所需的初始环境设置。 本课程的核心是一个实践项目，您将设计并构建一个单代理系统，然后将其扩展为一个高效能的多代理系统。您将花费大量时间学习编排，掌握如何使用顺序、并行和循环模式来控制复杂逻辑，以确保您的代理能够可靠运行。 本课程注重实际应用，包含一个端到端的练习。您还将学习专业 AI 项目最后的步骤：根据严格的性能标准评估您的代理，并将其部署到真实世界中使用。完成本课程后，您将具备构建和编排自主代理团队的能力，自信地解决复杂问题。
3h
Intermediate
使用 Gemini Code Assist 构建应用
本课程向您介绍 Gemini Code Assist，这是一款旨在彻底改变您开发工作流程的 AI 合作伙伴。您将从 Gemini 的核心功能及其针对命令行界面（CLI）和 IDE 的不同版本开始学习。 您将使用 Gemini CLI 从零开始构建一个功能完整的应用程序。您将学习如何搭建项目、自动生成代码，并利用 Gemini 调试错误并迭代优化您的应用。本课程还涵盖高级主题，例如使用 Gemini 进行重构、提升用户体验以及生成健壮的单元测试。最后，您将学习如何将 AI 辅助的工作流程与 GitHub 集成，实现无缝的版本控制，并通过外部协议（如 MCP）扩展 Gemini 的能力。 最后，您将了解 Gemini 的 IDE 版本，涵盖在 VS Code 中安装及其强大内联功能的实际应用。完成本课程后，您将能够高效地利用 Gemini Code Assist 来编写、调试和管理代码。
4h
Beginner
Grokking the AWS Certified Generative AI Developer - Professional
AWS 认证生成式 AI 开发人员 - 专业级认证验证了您在 AWS 上构建生产就绪的生成式 AI 应用程序的知识。该认证重点在于使用 Bedrock、RAG、代理和 SageMaker 构建基础模型的应用程序的设计、安全、部署和优化。
8h
Advanced
Agentic System Design Crash Course
如果你希望快速了解现代 AI Agent 的设计方法，而无需完成一整门课程，“Agentic System Design Crash Course” 以浓缩的形式涵盖了主课程中的核心架构原则、设计框架和精选案例研究。 你将学习如何通过理解核心 Agent 组件、编排模式、记忆与反思机制、安全防护措施以及评估策略，来设计自主的 AI 系统。随后，你将运用一套结构化的设计框架，分析真实世界的 Agent 系统，包括多 Agent 推荐系统、自主奖励学习 Agent、多模态网络 Agent 以及生成式多模态系统。 本课程在保留完整项目智力深度和架构严谨性的同时，为有经验的工程师和 AI 实践者优化了学习路径，提供集中且高价值的洞见。
4h
Intermediate
Google 代理到代理（A2A）协议入门
通过我们的入门级 A2A 协议课程，掌握 AI 代理通信的未来。由 A2A 项目团队开发，Agent2Agent (A2A) 协议彻底改变了 AI 代理在分布式系统中发现、通信和协作的方式。本实践型 A2A 课程将指导开发者使用原始实现和官方 A2A SDK 构建可投入生产的代理。提升你在代理开发、协议实现和分布式 AI 系统方面的专业能力。 你将探索 A2A 的核心组件，包括代理发现、JSON-RPC 通信和消息处理，这些是构建可扩展代理网络和管理代理间工作流的关键。你还将学习如何使用 FastAPI 从零开始实现完整的 A2A 代理，并升级到功能强大的 A2A SDK 以获得生产就绪的解决方案。 本课程非常适合希望构建下一代协作式 AI 系统的 Python 开发者、后端工程师和 AI 实践者。
2h
Advanced
用于计算机视觉应用的Transformer模型
这是一门关于视觉Transformer及其在计算机视觉中应用的综合课程。你将从了解Transformer和注意力机制的兴起开始，学习它们在深度神经网络中的作用。 通过深入理解自注意力机制、多头注意力，以及Transformer的优势与局限性，建立扎实的理论基础。接下来，你将探索Transformer如何重塑图像分析：通过比较自注意力与卷积编码器，并理解空间注意力、通道注意力以及时序注意力之间的差异，掌握将Transformer架构应用于视觉数据的细微差别。 课程还将探讨时空Transformer，弥合静态图像与动态数据之间的差距。完成本课程后，你将具备充分的知识与技能，能够在深度学习和人工智能的多种应用场景中有效运用Transformer网络。
5h
Advanced
向量数据库：从嵌入到应用
向量数据库正在改变我们在当今AI驱动的世界中搜索、分析和推荐数据的方式。这类数据库是现代应用的核心，例如语义搜索、多模态搜索、推荐系统，以及大语言模型的检索增强生成（RAG）。通过使用能够捕捉数据含义的数值化表示形式——即嵌入（embeddings），向量数据库使我们能够快速而准确地在海量数据集中查找相似信息。这使得构建超越简单关键词匹配、真正理解数据的智能系统成为可能。 在本向量数据库课程中，你将学习为多种数据类型生成嵌入，并掌握如何使用向量数据库存储和查询这些嵌入。借助嵌入与向量数据库的能力，你将能够构建语义搜索应用、推荐系统以及多模态搜索解决方案。 完成本课程后，你将具备判断何时以及如何在不同项目中有效应用向量数据库的实际能力。
3h 15m
Intermediate
Llama 3 的提示工程入门
生成式人工智能与大语言模型通过自动化许多原本耗时的任务，为提升工作效率带来了新的机遇。它们也改变了人们进行创造性工作的方式——过去人们可能需要依赖他人协助，而现在可以借助各种生成式AI工具独立完成。市场对掌握这些工具的人才需求持续增长。 本课程从介绍Llama 3开始，首先讲解不同的提示词技术以及获取理想结果的最佳实践方法；接着探讨可用于控制模型输出的各种参数；随后通过实际案例，让你动手体验Llama 3在真实场景中的应用；最后，课程将讨论Llama 3所面临的一些伦理挑战和局限性。 完成本课程后，你将能够灵活运用Llama 3，应用于包括文本摘要、情感分析和图像生成，以及代码生成和前端开发等多种实际场景。
5h
Beginner
使用 LoRA 和 QLoRA 微调大语言模型
本实践课程将教授你大型语言模型（LLM）微调的技术。你还将学习诸如低秩适应（LoRA）和量化低秩适应（QLoRA）等高级技术，以针对特定任务定制Llama 3等模型。课程从基础开始，涵盖微调的概念、微调的类型、与预训练的对比、检索增强生成（RAG）与微调的比较，以及量化在减小模型体积的同时保持性能的重要性。 通过使用int8和bitsandbytes等量化方法进行动手练习，获得实际经验。深入学习参数高效微调（PEFT）技术，重点实现LoRA和QLoRA，从而在有限计算资源下高效完成微调。 完成本课程后，你将掌握LLM微调、PEFT微调以及高级量化参数的技能，具备针对不同应用场景调整和优化大型语言模型的专业能力。
2h
Advanced
Llama Stack：从基础到部署
本课程涵盖 Llama Stack 的核心概念，包括其架构、组件以及本地开发环境的搭建。你将构建自己的第一个 AI 应用，探索推理（Inference）API 以生成具备智能和上下文感知能力的响应，并通过检索增强生成（RAG）深入理解智能体（agentic）工作流。 你将学习使用智能体（Agents）、工具（Tools）和记忆（Memory）API，结合自定义知识库来构建交互式应用。课程还涵盖安全机制（通过 Safety API）、监控与遥测技术，以优化系统性能。 高级主题包括多提供商集成、部署与系统扩展。学完本课程后，你将具备构建和管理生产级 AI 系统的能力。
5h
Intermediate
使用 Google Gemini 构建多模态 RAG 应用
通过本实践课程，解锁使用 Google Gemini 实现检索增强生成（RAG）的强大能力。了解 Google Gemini——谷歌开发的一系列多模态大语言模型（LLMs）及其前沿应用。 深入探讨 Gemini 的发展历程、架构设计和 API，掌握其在单模态与多模态 AI 内容生成方面的功能。学习结合 Gemini 与 LangChain 实现检索增强生成（RAG）的技术，构建能够基于外部知识源生成文本和图像响应的 RAG 应用，并进行提示工程。 在最终项目中，你将使用 Streamlit 构建一个客户服务助手应用，集成 Gemini 的多模态 AI 能力，支持图像到文本和文本到文本的提示处理。完成本课程后，你将具备使用 Google Gemini 构建实际 RAG 应用的专业技能。
3h
Intermediate
扩散模型简介
在本课程中，你将深入理解与扩散模型相关的理论概念，并获得从噪声生成图像以及训练神经网络以实现高效图像采样的实践技能。 课程首先介绍生成模型的基本概念，重点讲解什么是扩散模型，并说明扩散模型如何归属于生成模型这一类别。随后，你将深入学习扩散模型的工作原理，包括其运行机制、网络架构以及背后的理论基础。接下来，课程将介绍多种扩散模型的应用任务，并指导你使用 Diffusers 库来实现这些任务，该库提供了前沿的预训练扩散模型。你还将学习如何搭建并训练神经网络模型，以及如何进行图像采样。 完成本课程后，你将清晰掌握扩散模型的核心原理，能够从噪声中生成图像，应对扩散模型中的各种复杂问题，并充分发挥生成模型在多样化应用场景中的潜力。
2h
Beginner
Frequently Asked Questions
Generative AI creates new content (text, images, code, audio) based on training data. It is revolutionizing industries by automating creative tasks, boosting productivity, and enabling new applications. Understanding generative AI is crucial to staying relevant in a rapidly evolving technology landscape.
Not necessary! While in-depth research requires advanced degrees, many practical AI applications can be built with basic programming skills and an understanding of APIs. You can start by using pre-trained models, learning prompt engineering, and building applications with tools like OpenAI's API or Hugging Face.
Python is the dominant language for AI development, with libraries such as TensorFlow, PyTorch, and Transformers. JavaScript is useful for web-based AI applications, while R is valuable for data analysis. Start with Python, focusing on understanding AI concepts rather than just coding syntax.