市面上的 AI 教程大多是「使用向」的：教你打开工具、写提示词。GitHub 上的开源项目 ai-engineering-from-scratch（从零开始学 AI 工程）走的是另一条路：它让学习者把 AI 亲手造出来——从数学基础起步，逐步实现神经网络、Transformer、大语言模型和智能体，而不是只调用现成接口。项目采用宽松的 MIT 许可证免费开源，截至 2026 年 8 月已获 5.17 万星标、9 千次 fork，官网在过去 30 天（截至 8 月 29 日）记录了 11.4 万读者与 18.2 万次页面浏览。
课程结构与规模
ai-engineering-from-scratch 由开发者 rohitg00 发起，仓库创建于 2026 年 3 月，累计 1764 次提交。课程共 523 节课、20 个阶段、约 342 小时学习量，示例代码覆盖 Python、TypeScript、Rust、Julia 四种语言。
20 个阶段按依赖关系层层堆叠：Phase 0 先搭好开发环境与工具，接着是数学基础（线性代数、微积分、概率统计），再到经典机器学习、深度学习核心，然后进入计算机视觉、自然语言处理、Transformer 深入、生成式 AI，之后是从零实现大语言模型（LLM）、LLM 工程、多模态与语音，再到工具与协议、智能体工程、自主系统、多智能体协同，最后是基础设施与生产部署、伦理对齐和顶点项目。项目文档的比喻是：数学是地基，智能体和生产是屋顶，中间每一层都不能跳过。
它要解决的痛点
项目 README 引用的一项调查显示：84% 的学生已经在使用 AI 工具，但只有 18% 觉得自己做好了专业使用的准备。作者认为问题出在现有学习材料太零散——这里一篇论文、那里一篇微调教程、再一个智能体演示，各讲各的，凑不成体系；学习者能调出一个聊天机器人，却解释不清模型内部发生了什么。
这门课把这条链路串成一根主干：每个算法都从原始数学与代码讲起，等 PyTorch 等生产框架登场时，学习者已经知道它在做什么。
先造一遍，再用一遍
每节课遵循固定的六拍循环：MOTTO（一句话核心）→ PROBLEM（具体痛点）→ CONCEPT（图解与直觉）→ BUILD IT（不用框架、从原始数学实现）→ USE IT（用 PyTorch 或 scikit-learn 跑同样功能）→ SHIP IT（交付可复用工件：提示词、技能包、智能体或 MCP 服务器）。
课程的口号是「先造一遍，再用一遍」：先在无框架环境下亲手实现算法，再用生产库运行同一件事，从而理解框架在底层做了什么。每节课都会产出一件能装进工作流的真实工具，学完 523 节课等于积累 523 件亲手构建的作品。
正文涉及的术语，第一次出现时都有必要的大白话解释：Transformer 是现代大模型普遍采用的一种神经网络结构，靠注意力机制处理文字序列；大语言模型（LLM）是用海量文本训练出来、能理解和生成文字的 AI 程序；智能体（agent）是能自主决定调用什么工具、循环执行任务直到得出结果的 AI 程序；MCP（模型上下文协议）是一套让 AI 程序连接外部工具与数据的标准接口协议，相当于给 AI 加装通用插头。
上手方式
项目提供三个入口。推荐的做法是把课程装进编程助手：在终端执行一条安装命令（npx skills add），即可让 Claude Code、Codex 等工具担任导师，按学习计划一节课一节课地带你走，每课包含概念、数学、代码与测验。不装任何东西也可以直接在官网 aiengineeringfromscratch.com 阅读全部课程，或把仓库克隆到本地边读边跑代码。
只对特定方向感兴趣的学习者可以走聚焦路径：MCP 学习路径（17 课）专注智能体的工具接入，Agent Skills 学习路径（5 课）专注技能包的标准写法。课程还提供十题定位测评，根据现有水平生成个性化学习计划。
配套的延伸资源
同一份课程源还会编译成六卷本电子书（EPUB 与 PDF），由 CI 自动构建、随 GitHub Release 发布，覆盖从数学基础到生产部署的完整内容。另有免费开源的 Claude 认证学院，为四类官方认证提供备考路径；项目声明这是基于公开考试目标的独立学习材料，与 Anthropic 没有隶属关系，也不复现真实考题。
适合谁
这门课给的是理解而不是速成：它适合能写一点代码、愿意花几十小时从底层弄懂 AI 的学习者。如果你只想今天就用上现成工具，它可能过于深入；如果你想在调用接口之外知道 AI 在做什么，它是目前少见的免费完整路径。
ai-engineering-from-scratch 用 523 节课、约 342 小时，把「从零手写 AI」变成了一条可执行、可验证、完全免费的路线——它教的不只是快速调通接口，而是让你清楚每一层在做什么。