从零开始的AI工程

项目概述

本课程旨在弥补 AI 工具使用与专业能力之间的鸿沟：调研显示 84% 的学生已在使用 AI 工具，但仅 18% 认为自己具备专业使用能力。整套内容包含 511 节课程、20 个阶段、约 329 小时，覆盖 Python、TypeScript、Rust、Julia 四种语言，采用 MIT 许可证，完全免费开源。

每节课都产出一个可复用产物——提示词、技能、Agent 或 MCP 服务器。核心理念是：从原始数学出发构建每一个算法，手写反向传播、分词器、注意力机制与 Agent 循环；当 PyTorch 等框架登场时，学习者已理解其底层运作。

课程结构

二十个阶段层层堆叠，数学为基础，Agent 与生产为顶层：

• Phase 0（12 节）：环境与工具配置
• Phase 1（22 节）：数学基础——线性代数、微积分、概率、信息论
• Phase 2（18 节）：机器学习基础——线性回归、SVM、决策树、集成方法
• Phase 3（13 节）：深度学习核心——神经网络从零构建
• Phase 4–6：视觉、自然语言处理、语音与音频
• Phase 7：Transformer
• Phase 8–10：生成式 AI、LLM 从零实现
• Phase 11：LLM 工程
• Phase 12：多模态
• Phase 13：工具与协议（含 MCP）
• Phase 14：Agent 工程
• Phase 15–16：自主系统与多 Agent 蜂群
• Phase 17：基础设施与生产
• Phase 18：伦理与对齐
• Phase 19：毕业项目

课时单元结构

每节课位于独立目录，结构统一：

phases/<NN>-<phase-name>/<NN>-<lesson-name>/
├── code/      可运行实现（Python、TypeScript、Rust、Julia）
├── docs/
│   └── en.md  课程叙述文档
└── outputs/   本节产出的提示词、技能、Agent 或 MCP 服务器

每节遵循六拍节奏：核心思想（MOTTO）→ 问题（PROBLEM）→ 概念（CONCEPT）→ 从零构建（BUILD IT）→ 用框架复现（USE IT）→ 交付产物（SHIP IT）。

三种入门方式

方式 A：在终端中学习（推荐）

先确认本地环境：

node --version
npx --version
python3 --version

然后安装学习技能：

npx skills add rohitg00/ai-engineering-from-scratch

安装器会列出可配置的宿主并询问安装位置。完成安装后可调用以下技能：

技能	作用
start-learning	入门引导：定位测验与个性化计划，保存至 LEARNING.md
learn	单节课教学循环：热身回忆 → 讲解 → 测验
course-guide	主题路由器，按需跳转到对应课时
learn-mcp	17 节 MCP 专项路径，创建 MCP-LEARNING.md
learn-agent-skills	Agent Skills 五节路径，创建 AGENT-SKILLS-LEARNING.md
check-understanding <phase>	八题阶段测验，含反馈与复习指引
find-your-level	十题定位测验，映射起始阶段

方式 B：在线阅读——访问 aiengineeringfromscratch.com，无需任何配置。

方式 C：克隆并运行：

git clone https://github.com/rohitg00/ai-engineering-from-scratch.git
cd ai-engineering-from-scratch
python3 phases/01-math-foundations/01-linear-algebra-intuition/code/vectors.py

在 Claude Code 中克隆会自动加载学习技能。

持续学习的方法

无论哪种方式，每节课都遵循同一循环：

1. 阅读 docs/en.md，用自己的话复述核心思想
2. 手动输入并运行关键代码，而非直接复制
3. 从仓库根目录运行该课的指令
4. 留存证据：指令、工作目录、退出码、关键输出以及修改或产出的工件
5. 只有在能解释输出并独立做出小改动后才进入下一节

学习目标分流

课程提供多条直达路径，匹配学习者不同目标：

• 完全新手：从 Phase 0 的环境配置起步
• 已掌握 Python 想补数学与 ML 基础：从 Phase 1 的线性代数直觉起步
• 想构建生产级 LLM 应用：直奔 Phase 11
• 想构建 Agent：从 Phase 14 的 Agent 循环起步
• 专攻 MCP 或 Agent Skills：使用对应专项路径
• 备考 Claude 认证：进入认证学院，包含四门官方认证（CCAO-F、CCDV-F、CCAR-F、CCAR-P）的备考材料、实验、诊断与模拟考试

六卷本图书

核心 20 阶段课程编译为六卷本系列，EPUB 与 PDF 由 CI 构建并随每次 GitHub Release 发布：

卷	标题	阶段	内容
1	基础——数学、工具与经典机器学习	00-02	数学与环境配置
2	深度学习——网络、视觉与语音	03-06	神经网络到语音
3	语言——NLP 基础与 Transformer	05、07	语言建模
4	大语言模型——生成、强化、预训练与工程	08-11	LLM 全栈
5	Agent——多模态、协议、自主性与蜂群	12-16	Agent 系统
6	生产——基础设施、安全与毕业项目	17-19	工程落地

本地构建需安装 pandoc，执行 python3 scripts/build_book.py。