AI Engineering from Scratch

Learn it. Build it. Ship it for others——不学怎么调 API，学怎么把模型内部造出来

项目速览

项目 内容
仓库 rohitg00/ai-engineering-from-scratch
语言 Python（含 TypeScript / Rust / Julia 路径）
Stars 74,097（2026-10-26），Forks 12,982，月增 16,847
协议 MIT
规模 542 节课、20 个阶段，README 30 种语言
状态 2026-03-18 建库

它想解决什么问题

“AI 课程”多如牛毛，绝大多数教的是”怎么调用”：装 SDK、写 prompt、拼 RAG。学完能做 demo，但说不清模型内部发生了什么。

这门课的定位一句话：”Implement model internals, retrieval pipelines, and agent runtimes. Test them, inspect failures, and keep the code and evaluation results.”——实现模型内部、检索流水线与 Agent 运行时；测试它们、检查失败、保留代码与评估结果。

核心机制拆解

1. 实现优先，不是调用优先。 注意力机制、分词器、检索管线、Agent 循环，全部从零写。你不是在学”用 OpenAI 的 API”，而是在造那些 API 背后的东西，然后看它怎么坏——失败检查与评估结果留档，是这门课最反套路的地方。

2. 20 个阶段，从环境搭建到能上线。 542 节课按阶段推进，起点是环境配置，终点是可交付的项目。这个体量足够撑起一年的有章法学习计划。

3. 四种语言路径并行。 Python / TypeScript / Rust / Julia——不讨好单一生态。Rust 路线明显是冲着推理性能岗去的，Julia 路线面向科研计算。

4. 三种学法。

  • 网站学：aiengineeringfromscratch.com 的交互式实验室，每节课可直接在浏览器里跑；
  • 跟着 Agent 学：课程明确支持 “with a coding agent”，让编码 Agent 带你过课——这本身也是对 Agent 教学能力的一次实测；
  • 本地跑：所有代码本地运行，MIT 协议，随便改。

还有项目挑战（project challenges）：学完不是刷题，而是做出能给别人用的东西。

安装与上手

点评

亮点是稀缺性。当行业都在卖”7 天精通 AI 应用开发”时，一个让人花几百小时从零实现模型内部的免费课程，反而成了最稀缺的供给——而且它有 30 种语言的 i18n 野心，分发意图很清楚。

局限：542 节课的体量意味着高弃课率，缺乏强制节奏的人容易卡在第 3 个阶段；”实现优先”会牺牲一部分工程实践（部署、可观测性、成本控制）的深度；四语言并行是好设计，但每条路径的完整度需要自己核对。

适合人群：想进 AI 工程岗、简历需要”造过”而非”调过”的开发者；能自驱的自学者；想把课程改造成内部培训材料的团队（MIT 协议允许）。