AI工程从零开始：学习、构建、交付

这是什么

rohitg00/ai-engineering-from-scratch 是一个开源、免费（MIT 协议）的 AI 工程系统性课程仓库，由持久化记忆项目 Agent Memory 的创建者开发。项目以 Python 为主，同时涉及 TypeScript、Rust 和 Julia，共 503 节课、20 个阶段，总计约 320 小时学习时长。截至 2026 年 6 月，30 天内阅读量超过 15 万，页面浏览量超 24 万。

每个课程都在一个独立文件夹中，包含 code/（可运行实现）、docs/en.md（课程叙事）和 outputs/（该课程产出的提示词、技能、Agent 或 MCP 服务器等可复用工件）。整体遵循“构建它/使用它”双线结构：先从原始数学和代码实现算法，再通过 PyTorch、scikit-learn 等生产库运行相同任务，确保学习者理解框架底层原理。

解决的问题

大部分 AI 学习材料以零散片段呈现：这里一篇论文，那里一个微调帖子，别处一个炫酷的 Agent 演示。这些碎片很少能衔接起来。学习者可能能部署一个聊天机器人，但解释不了它的损失曲线；能给 Agent 挂一个函数，但说不清模型内部 attention 机制做了什么。

该课程提供了一条完整的“脊柱”，从线性代数到自主智能体集群，将所有算法从原始数学构建起。解决了“只会调用 API、不懂底层原理”的普遍问题，弥合了“84% 学生已使用 AI 工具，但仅 18% 认为自己能专业使用”的差距。

核心功能

• 20 个递进阶段：从环境搭建（Phase 0）到数学基础、ML 基础、深度学习核心、视觉、NLP、语音/音频、Transformer、生成式 AI、强化学习、LLM 从零构建、LLM 工程、多模态、工具与协议、Agent 工程、自主系统、多智能体与集群、基础设施与生产、伦理与对齐，最后是 Capstone 项目（85 节课）。
• 每节课六拍结构：MOTTO（一句核心思想）→ PROBLEM（具体痛点）→ CONCEPT（图解与直觉）→ BUILD IT（原始数学，无框架）→ USE IT（在 PyTorch/sklearn 中实现相同内容）→ SHIP IT（产出可复用的提示词、技能、Agent 或 MCP 服务器）。
• 三种接入方式：
  • 浏览：直接访问官网或 GitHub 展开课程阅读。
  • 克隆并运行：git clone 后直接执行单节课的 Python 代码。
  • 智能定位：通过 /find-your-level 命令回答 10 个问题，系统自动评估起点并生成个性化学习路径及小时预估。
• 产出可复用工件：每节课结束都会生成一个可以立即安装或粘贴到日常工作中的工具。例如 Phase 14 的 Agent 循环仅约 120 行纯 Python 代码，无额外依赖。运行 python3 scripts/install_skills.py 可批量安装所有技能。
• 多语言支持：Python、TypeScript、Rust、Julia，核心算法用 Python 实现，但高阶阶段可切换语言。

亮点 / 与同类相比

• 从零构建，不依赖框架：在 PyTorch 出现之前，学习者已经亲手写过反向传播、分词器、注意力机制和 Agent 循环。同类课程（如 Fast.ai、DeepLearning.AI 专项课程）往往从框架 API 入手，掩盖了底层数学。
• 每个课程产出真实工件：不是“恭喜你学会了 X”，而是“拿去用，你造了它”。503 节课对应 503 个可复用工件，形成可积累的工程资产。
• 智能评估与路径规划：/find-your-level 机制让有经验者直接跳过已掌握阶段，按需学习。每阶段结束后可用 /check-understanding 3 自测，避免盲目刷课。
• 覆盖全栈，从数学到生产：从线性代数、微积分、概率论开始，一路到多智能体集群、MCP 服务器、基础设施部署、伦理对齐。同类开源课程（如 mlcourse.ai、homemade-machine-learning）通常只覆盖部分阶段，缺乏生产级和 Agent 相关部分。
• 开源且完全免费：MIT 协议，无任何付费墙，所有内容可在本地运行，无需联网或云服务。

适合谁用 / 上手

适合人群：

• 有一定编程基础（任何语言均可，Python 更佳）的开发者，希望深入理解 AI 底层原理，而非仅调用 API。
• 有 AI 使用经验但感觉“知其然不知其所以然”的学习者。
• 想系统构建 AI 工程能力（从模型到生产）的工程师或研究人员。
• 高校学生或自学爱好者，需要一个结构化的、可追踪进度的知识体系。

上手建议：

1. 快速浏览：访问 aiengineeringfromscratch.com 或 GitHub 仓库，展开 Phase 1 查看课程列表。
2. 克隆仓库：git clone https://github.com/rohitg00/ai-engineering-from-scratch.git，然后直接运行 python phases/01-math-foundations/01-linear-algebra-intuition/code/vectors.py 体验一个示例。
3. 智能定位：如果你有基础，在支持的命令行或 AI 客户端中运行 /find-your-level，完成 10 道选择题，获取个性化起始阶段和预估时间。
4. 按需学习：每个阶段独立，可跳过已掌握部分。完成每个阶段后，运行 /check-understanding <阶段号> 自测，并利用 ls phases/.../outputs/ 查看产出工件。