好的，这是您要求的英文文章的中文翻译，已按照要求保留原文结构、代码块、技术术语，并输出为 Markdown 格式。
rohitg00 / ai-engineering-from-scratch
░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒ 84% 的学生已经在使用 AI 工具。但只有 18% 的人感觉已准备好将其用于专业领域。本课程旨在弥合这一差距。435 节课。20 个阶段。约 320 小时。涵盖 Python, TypeScript, Rust, Julia。每节课都会产出一个可复用的成果：一个提示词、一个技能、一个智能体、一个 MCP 服务器。免费、开源、MIT 许可。你不仅仅是学习 AI。你是亲手构建它。端到端。从头开始。
运作方式
大多数 AI 材料都是零散地教授。这里一篇论文，那里一篇微调帖子，别处又一个花哨的智能体演示。这些碎片很少能串联起来。你交付了一个聊天机器人，却无法解释它的损失曲线。你为一个智能体挂载了一个函数，却说不清注意力机制在调用它的模型内部做了什么。
本课程是主干。20 个阶段，435 节课，四种语言：Python, TypeScript, Rust, Julia。一端是线性代数，另一端是自主集群。每个算法都首先从原始数学构建。反向传播。分词器。注意力机制。智能体循环。等到 PyTorch 出现时，你已经知道它在底层做了什么。
每节课都遵循相同的循环：阅读问题，推导数学，编写代码，运行测试，保留成果。没有五分钟的视频，没有复制粘贴的部署，没有手把手的指导。免费、开源，并且设计为在你的笔记本电脑上运行。 ░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒
课程结构
二十个阶段层层叠加。数学是基础。智能体和生产是顶层。如果你已经了解底层知识，可以跳过，但不要跳过之后又疑惑为什么顶层的东西出了问题。
%%{init: {'theme':'base','themeVariables':{'primaryColor':'#fafaf5','primaryTextColor':'#1a1a1a','primaryBorderColor':'#3553ff','lineColor':'#3553ff','fontFamily':'JetBrains Mono','fontSize':'12px'}}}%%
flowchart TB
P0["阶段 0 — 环境搭建"] --> P1["阶段 1 — 数学基础"]
P1 --> P2["阶段 2 — 机器学习基础"]
P2 --> P3["阶段 3 — 深度学习核心"]
P3 --> P4["阶段 4 — 计算机视觉"]
P3 --> P5["阶段 5 — 自然语言处理"]
P3 --> P6["阶段 6 — 语音与音频"]
P3 --> P9["阶段 9 — 强化学习"]
P5 --> P7["阶段 7 — Transformer"]
P7 --> P8["阶段 8 — 生成式 AI"]
P7 --> P10["阶段 10 — 从零构建 LLM"]
P10 --> P11["阶段 11 — LLM 工程"]
P10 --> P12["阶段 12 — 多模态"]
P11 --> P13["阶段 13 — 工具与协议"]
P13 --> P14["阶段 14 — 智能体工程"]
P14 --> P15["阶段 15 — 自主系统"]
P15 --> P16["阶段 16 — 多智能体集群"]
P14 --> P17["阶段 17 — 基础设施与生产"]
P15 --> P18["阶段 18 — 伦理与对齐"]
P16 --> P19["阶段 19 — 顶点项目"]
P17 --> P19
P18 --> P19加载中... ░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒
一节课的结构
每节课都位于自己的文件夹中，在整个课程中结构相同：
phases/-/-/
├── code/ 可运行的实现 (Python, TypeScript, Rust, Julia)
├── docs/
│ └── en.md 课程叙述
└── outputs/ 本课产出的提示词、技能、智能体或 MCP 服务器 每节课遵循六个步骤。“构建它 / 使用它”的划分是核心——你首先从头实现算法，然后通过生产级库运行相同的内容。你理解框架在做什么，因为你已经自己编写了更小规模的版本。
%%{init: {'theme':'base','themeVariables':{'primaryColor':'#fafaf5','primaryTextColor':'#1a1a1a','primaryBorderColor':'#3553ff','lineColor':'#3553ff','fontFamily':'JetBrains Mono','fontSize':'13px'}}}%%
flowchart LR
M["座右铭
一行核心思想"] --> Pr["问题
具体痛点"]
Pr --> C["概念
图解与直觉"]
C --> B["构建它
原始数学，无框架"]
B --> U["使用它
在 PyTorch / sklearn 中实现相同功能"]
U --> S["交付它
提示词 · 技能 · 智能体 · MCP"]加载中...
开始使用
三种入门方式。任选其一。
选项 A — 阅读。 在 aiengineeringfromscratch.com 上打开任何已完成的课程，或在“目录”下展开一个阶段。无需设置，无需克隆。
选项 B — 克隆并运行。
git clone https://github.com/rohitg00/ai-engineering-from-scratch.git
cd ai-engineering-from-scratch
python phases/01-math-foundations/01-linear-algebra-intuition/code/vectors.py选项 C — 找到你的水平（推荐）。 智能地跳过。在 Claude, Cursor, Codex, OpenClaw, Hermes 或任何安装了 SkillKit 的智能体中：
/find-your-level十个问题。将你的知识映射到一个起始阶段，并构建一个包含小时估算的个性化路径。每个阶段之后：
/check-understanding 3 # 对阶段 3 进行自我测验
ls phases/03-deep-learning-core/05-loss-functions/outputs/
# ├── prompt-loss-function-selector.md
# └── prompt-loss-debugger.md先决条件
你可以编写代码（任何语言；Python 有帮助）。你想了解 AI 实际是如何工作的，而不仅仅是调用 API。
内置智能体技能 (SkillKit / Claude, Cursor, Codex, OpenClaw, Hermes)
| 技能 | 功能 | | :--- | :--- | | /find-your-level | 十题水平定位测验。将你的知识映射到一个起始阶段，并生成一个包含小时估算的个性化路径。 | | /check-understanding | 每阶段测验，八道题，附带反馈和需要复习的具体课程。 |
░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒
每节课都有产出
其他课程以“恭喜，你学会了 X”结束。这里的每节课都以一个可重复使用的工具结束，你可以将其安装或粘贴到你的日常工作流程中。
FIG_001 · A 提示词 粘贴到任何 AI 助手中，即可在特定任务上获得专家级帮助。
FIG_001 · B 技能 放入 Claude, Cursor, Codex, OpenClaw, Hermes 或任何能读取 SKILL.md 的智能体中。
FIG_001 · C 智能体 部署为自主工作程序——你在阶段 14 中亲手编写了循环。
FIG_001 · D MCP 服务器 插入任何兼容 MCP 的客户端。在阶段 13 中端到端构建。
使用 SkillKit 安装全部内容。真正的工具，不是家庭作业。到课程结束时...