rohitg00/ai-engineering-from-scratch 来源：https://github.com/rohitg00/ai-engineering-from-scratch ``

░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒ ``

84% 的学生已在用 AI 工具。但只有 18% 觉得有准备在专业场景中使用它们。 这个课程体系正好填补这一差距。

428 节课，20 个阶段，约 320 小时。使用 Python、TypeScript、Rust、Julia 编程语言。每节课都会产出可复用的成果：一个提示词、一项技能、一个智能体、一个 MCP 服务器。免费、开源、MIT 协议。

你不仅仅是学习 AI。你是在亲手构建它。端到端地、从零开始。

这个课程是如何运作的

大多数 AI 学习材料都是零散的。这边一篇论文，那边一篇微调教程，再在别处看到一个炫酷的智能体演示。这些碎片很少能拼凑起来。你能部署一个聊天机器人，却解释不了它的损失曲线。你能给智能体挂上一个函数，却说不出调用它的模型内部的注意力机制到底在做什么。

这个课程就是一条主线。20 个阶段，428 节课，四种语言：Python、TypeScript、Rust、Julia。一头是线性代数，另一头是自主群体。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 出现的时候，你已经知道它底层在做什么了。

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。没有五分钟视频，没有复制粘贴部署，没有手把手指导。免费、开源，而且可以在你自己的笔记本电脑上运行。

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

课程体系的结构

二十个阶段层层叠加。数学是基础，智能体和生产环境是顶层。如果你已经掌握了底层，可以跳级，但不要跳过后又奇怪为什么顶层的东西会出错。

mermaid %%{init: {'theme':'base','themeVariables':{'primaryColor':'#fafaf5','primaryTextColor':'#1a1a1a','primaryBorderColor':'#3553ff','lineColor':'#3553ff','fontFamily':'JetBrains Mono','fontSize':'12px'}}}%% flowchart TB P0["阶段 0 — 环境搭建与工具链"] --> 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 — 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 — 从零构建大语言模型"] P10 --> P11["阶段 11 — 大语言模型工程"] 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 — 多智能体与群体"] P14 --> P17["阶段 17 — 基础设施与生产环境"] P15 --> P18["阶段 18 — 伦理与对齐"] P16 --> P19["阶段 19 — 顶点项目"] P17 --> P19 P18 --> P19

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

每节课的结构

每节课都在自己的文件夹中，整个课程体系的结构保持一致：

阶段/阶段编号/课程编号/ ├── code/ 可运行的实现（Python、TypeScript、Rust、Julia） ├── docs/ │ └── en.md 课程叙述 └── outputs/ 本课程产出的提示词、技能、智能体或 MCP 服务器

每节课遵循六个节拍。构建它 / 使用它 的分割是主线——你首先从零实现算法，然后在生产库中运行同样的东西。你理解框架在做什么，因为你自己写了一个更小的版本。

mermaid %%{init: {'theme':'base','themeVariables':{'primaryColor':'#fafaf5','primaryTextColor':'#1a1a1a','primaryBorderColor':'#3553ff','lineColor':'#3553ff','fontFamily':'JetBrains Mono','fontSize':'13px'}}}%% flowchart LR M["格言行——核心思想一句话"] --> Pr["问题——具体痛点"] Pr --> C["概念——示意图与直觉"] 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"]

开始使用

三种方式。任选其一。

选项 A — 阅读。 在 aiengineeringfromscratch.com (https://aiengineeringfromscratch.com) 上打开任何已完成课程，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。

bash 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)。 智能地跳级。在 Claude、Cursor、Codex、OpenClaw、Hermes 或任何安装了 SkillKit 的智能体中：

bash /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。完成每个阶段后：

``bash /check-understanding 3 # 自我测试阶段3 ls phases/03-deep-learning-core/05-loss-functions/outputs/

├── prompt-loss-function-selector.md

└── prompt-loss-debugger.md

``

前提条件

• 你能编写代码（任何语言都行，Python 会更有帮助）。
• 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）

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

每节课都会交付成果

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，你可以安装或粘贴到你的日常工作流程中。

FIG_001 · A提示词 FIG_001 · B技能 FIG_001 · C智能体 FIG_001 · DMCP 服务器

粘贴到任何 AI 助手中，即可在特定任务上获得专家级帮助。 放入 Claude、Cursor、Codex、OpenClaw、Hermes 或任何读取 SKILL.md 的智能体中。 部署为自主工作单元——你在第 14 阶段中亲手编写了这个循环。 接入任何兼容 MCP 的客户端。在第 13 阶段中端到端构建。

使用 SkillKit (https://github.com/rohitg00/skillkit) 一键安装全部成果。是真正的工具，不是家庭作业。 学完整个课程后，你将拥有一个由 428 个手工作品组成的作品集，因为你亲手构建了它们，所以你真正理解它们。

FIG_002 · 一个示例

第 14 阶段，第 1 课：智能体循环。约 120 行纯 Python，无任何依赖。

code/agent_loop.py 构建它

python def run(query, tools): history = [user(query)] for step in range(MAX_STEPS): msg = llm(history) if msg.tool_calls: for call in msg.tool_calls: result = tools[call.name](**call.args) history.append(tool_result(call.id, result)) continue return msg.content raise StepLimitExceeded

outputs/skill-agent-loop.md 交付它

``markdown

name: agent-loop description: ReAct 风格循环，适用于任何工具列表 phase: 14 lesson: 01

实现一个最小化的智能体循环，能够… ``

outputs/prompt-debug-agent.md

markdown 你是一个智能体调试器。给定一个智能体运行轨迹，识别智能体出错的步骤并解释原因...

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

目录

二十个阶段。点击任意阶段可展开其课程列表。

阶段 0：环境搭建与工具链 12 节课

为后续所有内容准备好你的开发环境。

阶段 1 — 数学基础 22 节课 通过代码理解每一个 AI 算法背后的直觉。

阶段 2 — 机器学习基础 18 节课 经典机器学习——仍然是大多数生产级 AI 的支柱。

阶段 3 — 深度学习核心 13 节课 从第一性原理出发学习神经网络。在你亲手构建一个之前，不使用任何框架。

阶段 4 — 计算机视觉 28 节课 从像素到理解——图像、视频、3D、VLM 与世界模型。