rohitg00 ai-engineering-from-scratch

░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒ 84% 的学生已经在使用 AI 工具，但只有 18% 的人觉得自己能专业地使用它们。这套课程填补了这一差距。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 prompt、一项技能、一个 agent、一个 MCP 服务器。免费、开源、MIT 许可。你不仅仅是学习 AI，而是亲手构建它。端到端，从零开始。

运作方式

大多数 AI 资料都是零散地传授知识——这里一篇论文，那里一篇微调帖子，别处一个花哨的 agent 演示。这些碎片很少能衔接起来。你部署了一个聊天机器人，却无法解释它的损失曲线；你给 agent 挂了一个函数，却说不清注意力机制在调用它的模型内部做了什么。这套课程就是一条主线。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。每个算法都从原始数学开始构建：反向传播、分词器、注意力机制、agent 循环。等到 PyTorch 登场时，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，没有复制粘贴式的部署，没有手把手的指导。免费、开源，并且可以在你自己的笔记本电脑上运行。

░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒

课程结构

二十个阶段层层叠加。数学是地基，agent 和生产环境是屋顶。如果你已经掌握了底层知识，可以跳过前面的阶段，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["Phase 0 — 环境搭建"] --> P1["Phase 1 — 数学基础"] P1 --> P2["Phase 2 — 机器学习基础"] P2 --> P3["Phase 3 — 深度学习核心"] P3 --> P4["Phase 4 — 视觉"] P3 --> P5["Phase 5 — 自然语言处理"] P3 --> P6["Phase 6 — 语音与音频"] P3 --> P9["Phase 9 — 强化学习"] P5 --> P7["Phase 7 — Transformer"] P7 --> P8["Phase 8 — 生成式 AI"] P7 --> P10["Phase 10 — 从零构建 LLM"] P10 --> P11["Phase 11 — LLM 工程"] P10 --> P12["Phase 12 — 多模态"] P11 --> P13["Phase 13 — 工具与协议"] P13 --> P14["Phase 14 — Agent 工程"] P14 --> P15["Phase 15 — 自主系统"] P15 --> P16["Phase 16 — 多 Agent 集群"] P14 --> P17["Phase 17 — 基础设施与生产"] P15 --> P18["Phase 18 — 伦理与对齐"] P16 --> P19["Phase 19 — 顶点项目"] P17 --> P19 P18 --> P19

加载中...

每节课的结构

每节课都位于自己的文件夹中，整个课程采用相同的结构：

phases/-<阶段名称>/-<课程名称>/ ├── code/ 可运行的实现（Python、TypeScript、Rust、Julia） ├── docs/ │ └── en.md 课程叙述 └── outputs/ 本课程产出的 prompts、skills、agents 或 MCP 服务器

每节课遵循六个步骤。“构建它 / 使用它”的划分是主线——你先从零实现算法，然后通过生产级库运行同样的功能。你理解框架在做什么，因为你已经亲手写了更简化的版本。

加载中...

开始使用

三种入门方式，任选其一。

选项 A — 阅读。 打开 aiengineeringfromscratch.com 上任何已完成的课程，或展开“目录”下的某个阶段。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）。 智能地跳过前面的内容。在 Claude、Cursor、Codex、OpenClaw、Hermes 或任何安装了课程技能的 agent 中： /find-your-level 十个问题。将你的知识映射到一个起始阶段，并生成一个带有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

你会写代码（任何语言都可以；Python 有帮助）。你想真正理解 AI 是如何工作的，而不仅仅是调用 API。

内置 agent 技能（Claude、Cursor、Codex、OpenClaw、Hermes）

| 技能 | 功能 | |------|------| | /find-your-level | 十个问题的水平测试。将你的知识映射到一个起始阶段，并生成一个带有小时估算的个性化路径。 | | /check-understanding | 每个阶段的测验，八个问题，附带反馈和需要复习的具体课程。 |

每节课都会产出成果

其他课程以“恭喜你，你学会了 X”结束。这里的每节课都以一个可复用的工具结束，你可以将其安装或粘贴到日常工作中。

FIG_001 · A PROMPTS 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 SKILLS 放入 Claude、Cursor、Codex、OpenClaw、Hermes 或任何能读取 SKILL.md 的 agent 中。

FIG_001 · C AGENTS 部署为自主工作单元——你在阶段 14 中亲手编写了循环逻辑。

FIG_001 · D MCP SERVERS 插入任何兼容 MCP 的客户端。在阶段 13 中端到端构建。

用以下命令安装全部内容： python3 scripts/install_skills.py

真正的工具，而不是家庭作业。