AI Engineering from Scratch 从零构建 AI 工程

项目简介

AI Engineering from Scratch 是一套面向 AI 工程实践的免费开源课程，由 Agent Memory 作者 rohitg00 维护。它把「学 AI」拆成 523 节课、20 个阶段，总计约 342 小时，覆盖从开发环境搭建、数学基础，到机器学习、深度学习、LLM 工程、Agent 工程与 MCP 协议的完整链路。

课程口号是「Learn it. Build it. Ship it for others.」——不只是读懂概念，而是亲手实现并交付可复用的产物。

课程结构

课程按阶段（Phase）组织，每个阶段下是若干节课，每节课通常包含：

• docs/en.md：核心概念讲解
• code/：可直接运行的示例代码
• 一个可带走的工件：prompt、skill、agent 或 MCP server

主要阶段示例：

除主线外，还提供多条学习路径，例如「Agent-Assisted Engineering」「Product Judgment and Delivery」「Model Context Protocol」等，方便按目标选课。

推荐学习方式

课程作者建议每节课都遵循同一套流程：

1. 读：阅读讲解，并用自己的话复述核心思想。
2. 写：亲手敲出关键代码，而不是把代码块当装饰。
3. 跑：在仓库根目录执行课程命令。
4. 留证：记录命令、工作目录、退出码、输出与产出的工件。
5. 继续：只有在能解释输出、并能做出一处小改动后才进入下一课。

快速开始

克隆仓库后，可先运行环境自检脚本确认依赖是否就绪，再跑一节无需额外依赖的数学基础课：

git clone https://github.com/rohitg00/ai-engineering-from-scratch.git
cd ai-engineering-from-scratch
python3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route beginner
python3 phases/01-math-foundations/01-linear-algebra-intuition/code/vectors.py

第二节课会演示「矩阵乘向量」正是神经网络层的核心运算，可作为你的第一份学习证据。

适合谁

• 想系统补齐 AI 工程能力、而非零散看博客的开发者
• 需要从数学与底层实现理解 Transformer、深度学习的学习者
• 准备构建 LLM 应用、Agent 或 MCP 服务的工程师
• 需要一套完整教材的教师与团队培训组织者

注意事项

课程体量很大，建议先按目标选定一条学习路径，而不是从头硬啃 523 节课。部分翻译页面由机器生成，遇到歧义时以英文原文为准。