microsoft/generative-ai-with-javascript：八堂課、一套角色對話 App，以及它不打算教你的東西
Join a time-traveling adventure where you meet history’s legends while learning Generative AI technologies! ✨
秒懂
- 它是什麼？
- 這是一門用 JavaScript 教生成式 AI 的微軟課程，附帶一個可實際執行的歷史人物對話 App。它的價值在課程編排與 Codespaces 開箱即用，但課程本身不是產品，採用前要先想清楚你要的是教材還是程式庫。
- 適合誰用？
- 這門課適合已經會寫 JavaScript、想在動手做之前先建立生成式 AI 心智模型的開發者，以及需要現成教材帶內部讀書會或課程的講師。不適合已經在用 RAG 或 tool calling 出貨、想找可直接依賴的 SDK 或框架的人，這個倉庫裡沒有任何可安裝的套件。
- 可以商用嗎？
- 可以。MIT 是寬鬆授權：你可以使用、修改並販售以它為基礎的軟體，只需保留著作權與授權聲明。
- 還在維護嗎？
- 有在維護。儲存庫最近一次提交在 4 天前。
- 用什麼語言寫的？
- 主要是 JavaScript（依據 GitHub 的語言統計）。
以上回答依據專案的 GitHub 資料（最近同步於 2026年9月15日）與我們的分析，不構成法律意見。
開源專案深度解析
它解決的不是技術問題，是學習順序問題
生成式 AI 的入門資料不缺，缺的是順序。多數人第一次接觸是從某個 API 的 quickstart 開始，寫出一個能呼叫模型的函式，然後卡住：什麼時候該調 prompt、什麼時候該接外部資料、什麼時候該讓模型去呼叫工具。這三件事在實作上是不同的架構決策，但入門文件通常把它們混在同一段範例裡。
這個倉庫把順序明寫成八課。第一課談 LLM 的基本原理與限制，第二課建出第一個 App 並解釋 system prompt，第三課才進 prompt engineering，第四課處理 structured output，第五課 RAG，第六課 tool calling，第七與第八課是 MCP 與「用 LLM 強化 MCP client」。這個排列的意圖很清楚：先讓你有一支能跑的程式，再逐層加上能力，每一層都對應一個具體的失敗經驗。
對象也很明確。README 說這是給想把生成式 AI 整合進 JavaScript 應用的人，而課程全程用 JavaScript，不是 Python。這一點在 2026 年仍然有實際意義，前端與 Node.js 生態的開發者不需要為了學概念先換語言。至於那個時間旅行、跟達文西與 Ada Lovelace 對話的包裝，是教學載體而非技術賣點；它讓每一課有同一個可觸摸的目標物，companion app 就是這個目標物的實作。
課程、App 與影片三條線如何互相支撐
倉庫的結構可以從 README 直接讀出來。lessons/ 底下是八個編號目錄，每一課包含書面教材、作業與測驗、解答，以及可互動的角色。app/ 目錄是那個 companion app，README 指向 app/README.md 說明如何執行。docs/ 放設定文件與圖片，其中 docs/setup/README.md 同時涵蓋 Codespaces 與本機兩條路徑。videos/ 底下則按場次分放 slides、demos 與 script，README 的表格列出每一場對應的投影片檔案與 YouTube 連結。
三條線的分工是：lessons/ 是主線，videos/ 是同一批主題的講述版本，app/ 是讓角色對話真的發生的執行體。這種切法的好處是你可以只取其中一條。想快速理解概念的人看影片與投影片；想動手的人跑 app 並照著 lessons 做作業。
需要留意的是這三條線並非嚴格同步。README 的影片表格從場次 0 的系列介紹開始，一路排到 prompt engineering 等主題，而 lessons/ 是另一套編號。兩邊的對應關係要靠標題自行判斷，倉庫沒有提供一份對照表。另外 README 的課程表格只列到第八課，並註明新課會持續加入，所以目錄結構本身是會變動的。
MCP 那兩課是後來補上的，README 用「NEW」標示。這代表課程仍在演進，也代表你若在幾個月前 fork 過，內容可能已經落後。
怎麼跑起來：Codespaces 與本機兩條路徑
README 給的起步流程很短。在倉庫頁面按 Fork，進到自己 fork 出來的副本，點 Code 按鈕，切到 Codespaces 分頁，選 Create codespace。這個環境是預先設定好的，README 說你可以接著用 GitHub Models 執行範例並與模型互動，不需要額外設定。
這條路徑的關鍵在 GitHub Models。它讓你在 Codespaces 裡就能取得模型端點，省掉申請金鑰與設定環境變數的步驟。對於只是要跟著課程跑一遍的人來說，這是摩擦最小的方式。
另一條路是本機執行。README 指向 docs/setup/README.md 的 Option 2，標題是 Running the app locally，並指向 app/README.md 取得 companion app 的細節。這裡必須說清楚：我沒有實際安裝或執行過這個專案，所以本機路徑具體需要哪些環境變數、要填哪些 config key，只能從文件確認，而提供的材料只給到路徑層級，沒有列出變數名稱。如果你要在本機跑，第一步就是把 app/README.md 與 docs/setup/README.md 讀完，確認模型端點與憑證的設定方式，再決定要不要走 Codespaces。
另外 README 提到課程內容有音訊標籤（audio tags），可以讀也可以聽。這是教材層級的功能，與執行環境無關。
翻譯部分：lessons/ 底下每一課都有一個 translations/ 目錄，檔名格式是 README.<language code>.md，例如 README.es.md。倉庫在 README 裡公開徵求翻譯。
你可能會誤判的兩件事：這不是函式庫，也不是產品
第一個誤判是把它當成可依賴的套件。倉庫裡沒有任何 npm 套件說明，topics 標的是 samples 與 training，語言標 JavaScript，授權是 MIT。它的產出是教材與範例程式，不是 API 表面。你不會在這裡找到版本號、semver 承諾或 changelog，因為它不對外提供介面。
第二個誤判是把範例當成生產架構。課程的目標是讓你理解機制，範例會為了教學清晰而省略錯誤處理、重試、成本控制與觀測性。RAG 那一課教你整合外部資料，但一門課的篇幅不可能涵蓋向量庫選型、索引更新策略與召回品質評估。tool calling 那一課教你怎麼把函式交給模型，但不會教你怎麼防止模型呼叫了不該呼叫的工具。這些都是採用時要自己補的。
還有一個更實際的限制：課程會持續新增，而 lessons/ 的內容深度取決於作者投入。README 自己說「New lessons will be added to the course over time」，這對讀者是好事，對想把課程當成穩定教材的人則是變數。你要嘛接受內容會變，要嘛在 fork 之後凍結一份自己的版本。
最後，README 有一段指向 Responsible AI disclaimer 的說明，companion app 讓你和歷史人物對話這件事本身涉及生成內容的風險。課程有提，但這類免責聲明不構成技術防護。
同樣是學生成式 AI，它跟一般教學資源差在哪
最接近的替代品是各家模型供應商自己的 quickstart 與 cookbook。那些資源的優點是貼近 API 現況，範例通常可以直接複製進專案；缺點是它們以單一供應商的介面為中心，你學到的是「怎麼用這家的 API」，而不是「生成式 AI 應用有哪些層次」。這個倉庫的課程順序刻意先講原理與限制，再進 prompt、structured output、RAG、tool calling，最後才是 MCP，這個順序本身就是它的差異點。
另一個替代方向是通用型的 LLM 教學倉庫，語言多半是 Python。對 JavaScript 開發者來說，換語言的成本不只是語法，還包括生態工具與部署路徑。這個倉庫從第一課就鎖定 JavaScript，companion app 也是 JavaScript 寫的，這是它相對同類教材的實際優勢。
第三種替代是直接讀 MCP 或各家框架的規格文件。如果你的目標只是把工具介面接起來，規格文件比課程快得多。課程的價值在於它把 MCP 放在第七、第八課，前面已經鋪了 tool calling 的基礎，讓你理解為什麼需要一個標準化的協定來描述 prompts、resources 與 tools。順序帶來的理解，規格文件不會給你。
反過來說，如果你已經清楚這個順序，只是需要一份 API 參照，這個倉庫就是繞遠路。
維護成本、授權與課程型專案的特殊風險
授權是 MIT。這表示你可以重製、修改、散布課程內容與範例程式，包含商業用途，條件是保留著作權與授權聲明。README 自己也寫「Reuse, tweak, and share this content freely」，與 MIT 一致。我不是律師，以下不是法律意見：如果你要把課程內容包進內部訓練平台或對外販售的教材，請自行確認 MIT 的署名要求在你的散布形式下如何落實，尤其是投影片與影片腳本這類容易被忽略的檔案。
維護成本要分兩層看。作為使用者，你的成本主要是追蹤內容更新。倉庫的最後推送時間是 2026 年 9 月，且沒有檢索到任何 release，代表它沒有版本化的發佈節奏。課程型倉庫通常就是這樣運作，變更直接進 main。如果你 fork 之後做了自己的修改，之後要同步上游會遇到衝突，因為教材的改動常常是整段重寫而非逐行修補。
作為貢獻者，成本在翻譯與範例維護。README 徵求翻譯，格式是 lessons/<課號>/translations/README.<語言>.md。翻譯的成本不只是文字，還有當上游課程改版時的同步。模型 API 與 MCP 規格都在變動，範例程式碼的保鮮期比一般教材短，這是所有生成式 AI 課程共同的問題。
還有一點：倉庫的 topics 包含 samples，但沒有 release 機制，所以你不會收到「這一課的範例已更新」的通知。要追蹤變更只能看 commit。
誰該採用，誰該跳過
該採用的人有兩類。第一類是已經會寫 JavaScript、但對生成式 AI 只有零散認識的開發者。八課的順序能幫你把 prompt、structured output、RAG、tool calling 之間的關係排好，而且全程用你熟悉的語言。第二類是需要教材的講師或內部培訓負責人。MIT 授權讓你可以直接改編，companion app 提供一個現成的示範體，影片與投影片省下大量備課時間。
該跳過的人也很明確。如果你已經在生產環境使用 RAG 或 tool calling，這個倉庫不會給你新東西，它的深度停在入門。如果你在找可安裝的 SDK、框架或工具鏈，這裡沒有。如果你需要穩定的版本化教材，課程持續新增內容這件事對你是負面因素，你得自己凍結一份。
決定採用之前，先確認三件事。第一，翻開 lessons/ 目錄，確認你要的那一課已經寫完、作業與解答都在，而不是只有標題。第二，讀 app/README.md 與 docs/setup/README.md，確認 companion app 需要哪些環境變數與模型端點；提供的材料只到路徑層級，沒有列出變數名稱，這一步必須自己看。第三，決定執行環境，Codespaces 走 GitHub Models 幾乎不用設定，本機路徑則要自己處理憑證。
最後一個具體判斷：這個倉庫的價值集中在 lessons/ 與 app/ 兩個目錄，videos/ 是補充。如果你只打算花兩小時，跑 Codespaces 加第二課與第三課，會比從第一課順讀到底更划算。
編輯結論
這門課適合已經會寫 JavaScript、想在動手做之前先建立生成式 AI 心智模型的開發者，以及需要現成教材帶內部讀書會或課程的講師。不適合已經在用 RAG 或 tool calling 出貨、想找可直接依賴的 SDK 或框架的人，這個倉庫裡沒有任何可安裝的套件。採用前先確認三件事：lessons/ 目錄下你要的那一課是否已經寫完（README 明說新課會陸續加入）、app/ 目錄的 companion app 需要哪些環境變數與模型端點、以及你打算跑在 GitHub Codespaces 還是本機，因為這兩條路徑的設定步驟在 docs/setup/README.md 裡是分開寫的。
社群筆記