84%的人在用AI工具,只有18%觉得自己真会用,这个18.7k Star项目要补上这个差距

84% 的人在用 AI 工具，只有 18% 觉得自己真会用，这个 18.7k Star 项目要补上这个差距

84% 的学生已经在使用 AI 工具，但只有 18% 觉得自己有能力把 AI 应用到专业领域。GitHub 上一个叫 AI Engineering from Scratch 的项目就是冲着这个差距来的，两周涨到 18.7k Star。435 节课，20 个阶段，预计 320 小时，从线性代数一路教到多 Agent 系统。每节课产出一个可复用的产物：prompt、skill 文件、agent 或 MCP server

跟市面上大多数"AI 学习路线"不同的是，这个项目不只是列链接。每节课有固定的六步结构：MOTTO（核心理念）、PROBLEM（具体痛点）、CONCEPT（图解直觉）、BUILD IT（手写实现，不用框架）、USE IT（生产级框架实现）、SHIP IT（输出可复用产物）

整个课程分 20 个 Phase，从第 0 阶段的环境搭建到第 19 阶段的毕业项目

基础层（Phase 0-3，65 节课）

Phase 0 搞定开发环境、Git、GPU、Docker。Phase 1 补数学，线性代数、微积分、概率论、优化理论。Phase 2 进入经典 ML，回归、决策树、SVM、聚类。Phase 3 从零构建神经网络，手写反向传播

感知层（Phase 4-6，74 节课）

Phase 4 计算机视觉，从卷积到扩散模型到 ViT。Phase 5 自然语言处理，从分词到注意力机制。Phase 6 语音和音频，ASR、TTS、音乐生成

模型层（Phase 7-10，62 节课）

Phase 7 深入 Transformer 架构。Phase 8 生成式 AI，VAE、GAN、扩散模型。Phase 9 强化学习，从 Q-learning 到 PPO 到 RLHF。Phase 10 从零构建大语言模型，分词、预训练、指令微调、量化

应用层（Phase 11-13，65 节课）

Phase 11 LLM 工程化，Prompt Engineering、RAG、微调、Function Calling、MCP。Phase 12 多模态 AI，CLIP、VLM、视频理解。Phase 13 工具和协议，MCP 服务端/客户端构建、OAuth

Agent 层（Phase 14-16，89 节课）

Phase 14 是最大的一个阶段，42 节课专讲 Agent 工程。从基础循环到记忆系统到规划能力，覆盖 LangGraph、AutoGen、CrewAI、Claude Agent SDK 等主流框架。Phase 15 自主系统，长期任务、自我改进、安全机制。Phase 16 多 Agent 协作，通信协议、编排模式、共识机制

生产层（Phase 17-19，75 节课）

Phase 17 基础设施，推理优化、量化、可观测性、安全合规、成本管理。Phase 18 伦理和对齐，红队测试、越狱防御、差分隐私、水印。Phase 19 毕业项目，17 个端到端项目

为什么 Agent 占了最大篇幅

整个课程 435 节课里，Agent 相关的内容（Phase 14-16）占了 89 节，超过五分之一。Phase 14 单独就有 42 节课

这个比重分配反映了当前行业的实际需求。模型层的知识（Transformer、LLM）是基础，但 2025-2026 年市场上最缺的是能把模型变成可用系统的 Agent 工程师

课程里专门覆盖了 Claude Agent SDK、OpenAI Agents SDK 这些最新的框架，还有 A2A（Agent-to-Agent）通信协议。毕业项目里也有编程 Agent、自主研究 Agent、多 Agent 团队这些直接对标当前热门产品的项目

四种语言，不只是 Python

大多数 AI 课程只用 Python。这个项目覆盖 Python、TypeScript、Rust 和 Julia 四种语言

Python 做原型和训练，TypeScript 做 Web 端 AI 应用，Rust 做高性能推理，Julia 做科学计算和数值优化。这个搭配跟实际工业界的语言分布很接近

每节课的输出都是可复用产物

这个项目最有价值的设计是"学完就有东西带走"。435 节课积累下来，项目里已经有 378 个 skill 文件和 99 个 prompt 模板

每节课的目录结构固定：code 目录放可运行的实现，docs 放课程叙述，outputs 放产出物。安装也很简单，npx skills add 就能把某个 phase 或某节课的 skill 装到本地

这意味着你不只是"学了 AI"，你还有一整套可以直接用到工作中的工具库

技术栈一览

课程涉及的工具和框架覆盖面很广：

训练和推理：PyTorch、JAX、scikit-learn、vLLM、SGLang、TensorRT-LLM、llama.cpp、Ollama

Agent 框架：LangGraph、AutoGen v0.4、CrewAI、Claude Agent SDK、OpenAI Agents SDK

协议和平台：MCP、A2A、Bedrock、Azure OpenAI、Vertex AI

可观测性：Langfuse、Phoenix、Opik、OpenTelemetry

安全工具：Garak、Llama Guard、PyRIT、Constitutional AI

几乎把 2026 年 AI 工程师日常会用到的工具全覆盖了

适合谁用

项目要求的前置条件只有一个：会写代码（推荐 Python）。目标受众是想理解 AI 到底怎么运作的人，不满足于只调 API

如果你是刚入行的 AI 工程师，这 320 小时的内容相当于一个系统化的自学路径。如果你是有经验的开发者想转 AI 方向，可以用 /find-your-level 命令做个定位测试，直接跳到适合的阶段开始

项目地址：https://github.com/rohitg00/ai-engineering-from-scratch