rohitg00 ai-engineering-from-scratch

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

来自 Agent Memory 的创造者 - #1 持久化内存 ⭐，可自然地与任何 agent 或聊天助手协同工作。 ░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒ 84% 的学生已经在使用 AI 工具。只有 18% 的人感觉已准备好专业地使用它们。本课程旨在弥合这一差距。 503 节课。20 个阶段。约 320 小时。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。你在构建它。端到端。亲手实践。 150,639 位读者 · 过去 30 天内 241,669 次页面浏览 · 截至 2026-06-07

运作方式

大多数 AI 材料都是零散地传授。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。你给一个 agent 挂接了一个函数，却说不清调用它的模型内部的注意力机制在做什么。

本课程就是脊柱。 20 个阶段，503 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。Agent 循环。当 PyTorch 出现时，你已经知道它在底层做什么了。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。数学是地基。Agent 和生产是屋顶。如果你已经了解底层，可以跳过，但不要跳过之后又疑惑为什么顶层的东西出错了。

%%{init: {'theme':'base','themeVariables':{'primaryColor':'#fafaf5','primaryTextColor':'#1a1a1a','primaryBorderColor':'#3553ff','lineColor':'#3553ff','fontFamily':'JetBrains Mono','fontSize':'12px'}}}%%
flowchart TB
    P0["Phase 0 — Setup Tooling"] --> P1["Phase 1 — Math Foundations"]
    P1 --> P2["Phase 2 — ML Fundamentals"]
    P2 --> P3["Phase 3 — Deep Learning Core"]
    P3 --> P4["Phase 4 — Vision"]
    P3 --> P5["Phase 5 — NLP"]
    P3 --> P6["Phase 6 — Speech Audio"]
    P3 --> P9["Phase 9 — RL"]
    P5 --> P7["Phase 7 — Transformers"]
    P7 --> P8["Phase 8 — GenAI"]
    P7 --> P10["Phase 10 — LLMs from Scratch"]
    P10 --> P11["Phase 11 — LLM Engineering"]
    P10 --> P12["Phase 12 — Multimodal"]
    P11 --> P13["Phase 13 — Tools Protocols"]
    P13 --> P14["Phase 14 — Agent Engineering"]
    P14 --> P15["Phase 15 — Autonomous Systems"]
    P15 --> P16["Phase 16 — Multi-Agent Swarms"]
    P14 --> P17["Phase 17 — Infrastructure Production"]
    P15 --> P18["Phase 18 — Ethics Alignment"]
    P16 --> P19["Phase 19 — Capstone Projects"]
    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 prompts, skills, agents, 或 MCP servers

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东西。你理解框架在做什么，因为你自己编写了更小的版本。

%%{init: {'theme':'base','themeVariables':{'primaryColor':'#fafaf5','primaryTextColor':'#1a1a1a','primaryBorderColor':'#3553ff','lineColor':'#3553ff','fontFamily':'JetBrains Mono','fontSize':'13px'}}}%%
flowchart LR
    M["MOTTO
_{one-line core idea}"] --> Pr["PROBLEM
_{concrete pain}"]
    Pr --> C["CONCEPT
_{diagrams intuition}"]
    C --> B["BUILD IT
_{raw math, no frameworks}"]
    B --> U["USE IT
_{same thing in PyTorch / sklearn}"]
    U --> S["SHIP IT
_{prompt · skill · agent · MCP}"]

加载中

开始使用

三种入门方式。选择一种。

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，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 实际上是如何工作的，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 | 按阶段测验，八个问题，附带反馈和需要复习的具体课程。 |

每节课都产出一些东西

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复用的工具结束，你可以将其安装或粘贴到你的日常工作流程中。