微软生成式 AI 入门课第 10 课低代码：不写代码能走到哪一步

2026-08-18

按 00-course-setup 把环境配好、.env 里的 endpoint 和 key 都填完，一路写到第 9 课的图像应用，翻开第 10 课，你会发现整节课一行 Python 都没有。

这不是仓库缺文件。10-building-low-code-ai-applications/ 目录下只有三样东西：README.md、assignment.md、images/。既没有 python/，也没有 typescript/。而 generative-ai-for-beginners 根目录的 README.md 在「Each lesson includes」一节里写的是每课包含 Python 与 TypeScript 代码示例——这两处放在一起看是对不上的。要说明的是，对不上的不止这一课：01-introduction-to-genai/、03-using-generative-ai-responsibly/、12-designing-ux-for-ai-applications/ 这些偏理念的章节同样只有 README.md 和 images/。第 10 课扎眼的地方在于，根 README 的课程表把它归在 **Build:** 这一类里，给的描述是 **Build:** A Generative AI application using Low Code tools——是一节要你动手做出东西的课，却一行代码都不给。所谓 low code，在这一课里是字面意思。

先说一件会浪费你十分钟的事

这一课有 assignment.md，但它是个 0 字节的空文件。

这不是浅克隆截断——课程里带 assignment.md 的只有第 10 课这一节，而这个文件本身就是空的；translations/zh-CN/10-building-low-code-ai-applications/assignment.md 同样是 0 字节。所以别去找作业文件，作业写在 README.md 正文里，标题分别是 Assignment: Manage student assignments and invoices for our startup, using Copilot 和 Assignment #2 - Build an Invoice Processing Flow for Our Startup。

顺带一提，这一课的中文译本是齐的（translations/zh-CN/ 下有整章 README），所以看不懂英文不必硬啃。下面讲的是英文原文里那些容易被读者跳过的操作细节。

第一条流程：先有表，后有 app

README 里 Student Assignment Tracker 的步骤，顺序是关键。

你在 make.powerapps.com 首页的文本框里描述需求，README 给的示例提示词是 I want to build an app to track and manage student assignments（这是 README 里的示例值，你换成自己的业务描述即可）。点 Send 之后，Copilot 先给的不是 app，是一张 Dataverse 表：它建议字段、附带样例数据，你可以继续用对话改这张表，比如 README 举的 I want to add a column to store student email。表改满意了，再点 Create app，才生成一个响应式的 Canvas app。

app 生成之后仍然可以继续用对话加东西，README 的例子是 I want to add a screen to send emails to students，然后 Save，再走 Share 把应用分享给同事。

值得留意的是 README 在这一步插的那段 Important：Dataverse 是 Power Platform 的底层数据平台，数据落在 Microsoft Cloud、随 Power Platform 环境一起开出来，自带数据分类、数据血缘、细粒度访问控制这类治理能力。换句话说，你在这条流程里产生的业务数据，落点是租户里的 Dataverse，不是你本机的文件。这一点在动手前值得先跟数据合规的同事对一句。

第一个作业的 homework 是：让教师在学生提交作业时自动收到邮件通知，README 只给了 hint——用 Power Automate 里的 Copilot 配合合适的提示词去做，没有参考答案。

第二条流程：Copilot 生成之后，手工装配的部分才是重点

Invoice Processing 这条流程更有意思，因为 README 把「生成完之后要改什么」写得很细，而这部分恰恰最容易被当成套话跳过。

前半段还是描述式的：在 make.powerautomate.com 首页描述你要的流程，README 给的示例是 Process an invoice when it arrives in my mailbox，Copilot 建议一串动作，你按 Next 走，中途 Power Automate 会要你把 flow 需要的连接建好，然后 Create flow。

后半段全是手工活，按 README 的步骤依次是：

改触发器，把 Folder 设成放发票的邮件文件夹（README 举的例子是 Inbox）；点 Show advanced options，把 Only with Attachments 设成 Yes，这样只有带附件的邮件才触发。
删掉 Copilot 生成的这几个动作：HTML to text、Compose、Compose 2、Compose 3、Compose 4，README 的理由是这几个用不上。
再删掉 Condition 动作。
点 Add an action，搜 Dataverse，选 Add a new row。
在 Extract Information from invoices 这个动作上，把 Invoice File 指到邮件的 Attachment Content。
选你之前建好的表（README 举的是 Invoice Information），然后用上一步的 dynamic content 去填 ID、Amount、Date、Name、Status、Supplier Email 这几个字段；其中 Status 直接写死 Pending，Supplier Email 取 When a new email arrives 触发器里的 From。

这里可以做一个源内的对读：README 前半部分说 Copilot 会「根据你的描述生成 flow」，后半部分自己列出的步骤里，删动作、接 Dataverse、逐字段做 dynamic content 映射都要人来做。两处放在一起，这一课教的其实是「自然语言起草 + 人工装配」这个组合，而不是一句话出成品。这是 README 白纸黑字的步骤，不是我们的推测。

第二个作业的 homework 是：发票状态变化时给供应商发一封状态更新邮件，hint 是「flow 必须在 status 改变时运行」——同样没有参考答案。

另外 README 在作业开头推荐了 Power Platform Copilot Prompt Library（github.com/pnp/powerplatform-prompts），说不知道怎么描述需求时可以从那里找提示词的写法。

能力边界：哪个 AI 在哪一层

这一课真正需要记住的边界只有几条，README 都写明了。

Copilot 与 AI Builder 的覆盖面不一样。 README 写明 Copilot 在 Power Platform 的产品里都有——它列的是 Power Apps、Power Automate、Power BI、Power Pages 和 Copilot Studio（原 Power Virtual Agents）这五个；而 AI Builder 只在 Power Apps 和 Power Automate 里可用。所以想在 Power BI 或 Power Pages 里直接调 Invoice Processing 这类模型，路径和这一课教的不是一条。

预置模型与自定义模型的边界，课程只讲了一半。 AI Builder 的 Prebuilt AI Models 是微软训练好、开箱可用的，README 列了包括 Invoice Processing、Document processing、Text Recognition、Sentiment Analysis 在内的若干项，这一课用的就是其中的 Invoice Processing。至于 Custom AI Models（bring your own model），README 只写了「有限制」，然后把链接指向 AI Builder 文档的 byo-model#limitations，正文里没有展开这些限制是什么。想清楚自带模型能不能满足你的场景，得跳出这个仓库去读产品文档。

Create Text with GPT 这一节没有步骤。 README 说明它由 Azure OpenAI Service 驱动，可以在 flow 里生成邮件草稿、产品描述这类文本，但正文没有给任何可跟做的操作，而是指向 Learn 上的 Add intelligence with AI Builder and GPT 模块。

Copilot Studio 那一节同样是能力描述，不是教程。 README 列的能力包括：把公开站点、SharePoint、OneDrive、Dataverse、上传文件这些接成 knowledge sources 后生成有依据的回答；用 generative orchestration 动态决定调哪些知识、话题和动作，而不是靠死板的触发短语；动作可以由 Power Platform 预置连接器、Power Automate flow、自定义 REST API、prompt 或者 Model Context Protocol（MCP）server 来支撑；可以做由事件触发、在后台跑的 autonomous agents；agent 之间可以互相调用；还可以从 Microsoft Foundry 模型目录里挑模型。但这一节从头到尾没有编号步骤，只给了门户入口。把它当成「知道有这些东西」的索引，别指望照着做完。

许可和环境权限，README 正文没有交代。 这一课直接从「打开 make.powerapps.com」开始，仓库里没有找到关于试用、许可、AI Builder 额度或区域可用性的说明。这些是你在自己租户里会先撞上的东西，得去产品文档确认。

这一课不需要动 `.env`

这是一个容易反过来踩的坑：前面几课让你在 .env 里配 provider，到第 10 课这些配置一次都用不上。这一课的 README 从头到尾没有出现任何环境变量、key 或 SDK 安装步骤，全部动作都在 make.powerapps.com 和 make.powerautomate.com 两个门户里完成；至于 Copilot 与 AI Builder 背后接的是哪个模型、要不要你自己的 key，仓库里没有找到相关说明——README 只交代了 Dataverse 是随你的 Power Platform 环境一起开出来的。

既然提到 provider，顺手把两件事说清楚，免得你从第 6 课带着旧记忆过来：

一是 githubmodels- 这个前缀现在名不副实。00-course-setup/03-providers.md 与根 README.md、.env.copy 都写明，GitHub Models 已于 2026 年 7 月底退役，直接替代者是 Microsoft Foundry Models（这是仓库文档里的说明）。所以课程里那条路线现在实际要配的是 AZURE_INFERENCE_ENDPOINT 和 AZURE_INFERENCE_CREDENTIAL——Microsoft Foundry 项目的 endpoint 与 key，不再是 GITHUB_TOKEN。讲「三条路线怎么选」时，第三条应当读作 Microsoft Foundry Models（原 GitHub Models 路线）。

二是 .env.copy 的注释里写明：reasoning 模型（注释举的例子是 gpt-5-mini）不支持 temperature / top_p，用 max_output_tokens 而不是 max_tokens；要试 temperature 的效果，得另外部署一个非 reasoning 模型，.env.copy 里为此单列了 AZURE_INFERENCE_CHAT_MODEL 这一项。等你从第 10 课回到写代码的课，这条会直接影响你的调用能不能通。

至于操作系统差异：这一课全程在浏览器门户里完成，仓库没有给任何本机命令，Windows 与 macOS/Linux 在这一节上没有区别。真正需要区分本机环境的是 00-course-setup 那一章。

要不要花时间在这一课上

给一个判断依据，不给结论：如果你的目标是理解 LLM 应用怎么写，第 10 课能给你的增量有限，它教的是门户里的装配手艺；如果你在企业里已经有 Power Platform 环境、手上正好有「邮件附件里的发票要落库」这类流程，那么 Invoice Processing 那半节的手工装配步骤是可以直接抄的。

最后提醒一句：这一课的内容全是门户 UI 的按钮名和菜单路径，而产品界面的改动比代码 API 更频繁。仓库的 CHANGELOG.md 里就记着一条 2026-07-16 的修订——把第 10 课里两个已失效的 Dataverse 文档链接换成了新的 learn.microsoft.com/power-apps/maker/data-platform/data-platform-intro。文中提到的按钮名、字段名和步骤顺序会随产品更新变动，请以仓库最新内容为准。

本文依据 github.com/microsoft/generative-ai-for-beginners 仓库于 2026-08-18 的公开内容整理，事实来自仓库内的课程正文与代码示例。我们没有跑过文中涉及的代码，因此不涉及运行结果、耗时与生成质量的任何描述。该课程持续更新，文中涉及的文件路径、依赖与接口写法随版本变动，请以仓库最新内容为准。文中涉及的云端服务调用会产生费用并可能上传数据，请自行评估密钥与数据边界。