夜雨聆风84% 的人都在用AI工具，但只有18%真的懂AI
你用 AI 工具吗？
估计大部分程序员都会举手。
ChatGPT、Claude、Cursor、Claude Code、Codex——日常用得飞起。
但如果有人问你：
attention 机制到底在矩阵里干了什么？
RLHF 的 reward model 怎么训的？
Agent loop 每一轮在决策什么？
你答得上来吗？
这不是你的问题，是行业的问题。
项目作者做了一个调研：
84% 的学生已经在用 AI 工具。只有 18% 觉得准备好专业地用它们。
中间差的 66 个百分点，不是用得多就能补上的。
是底层能力没补齐。
今天介绍一个开源项目，把这件事一次性打包了。
叫 ai-engineering-from-scratch。
GitHub：https://github.com/rohitg00/ai-engineering-from-scratch官网：https://aiengineeringfromscratch.comStars：26.8k+协议：MIT作者：Rohit（rohitg00）
它能干什么？
一句话：从数学到 Agent，AI 工程的完整学习地图。
规模：
• 485 节课 • 20 个阶段（Phase） • ~320 小时 • 4 种语言：Python / TypeScript / Rust / Julia
从线性代数开始，到 Transformer、LLM、Agent、多智能体、生产部署，一条线走完。
最狠的是「Build It / Use It」模式
每节课分两步：
• Build It：从原始数学开始，手写算法 • Use It：同样的东西，再用 PyTorch / sklearn 跑一遍
说白了，先把原理做出来，再用框架验证。
等你看 PyTorch 的时候，你已经知道它在干嘛。
不是学一个 API，是学这门手艺。
最实用的是：每节课产出一个工具
这是这个项目最不一样的地方。
别的教程学到最后，"恭喜你学会了 X"。
这个教程学完一节课，你能装一个能用的工具：
• Prompt：粘到任何 AI 助手就能用的专家级 prompt • Skill：drop 进 Claude / Cursor / Codex / OpenClaw / Hermes 的 Skill • Agent：你自己写的 loop，能当独立 worker 跑 • MCP server：插到任何 MCP 兼容客户端
485 节课 = 485 个 artifact。
全套一次性 python3 scripts/install_skills.py 就能装完。
学完你手里不是一份作业，是一个工具箱。
内置两个学习辅助 skill
不想从第一课开始？项目自带两个 agent skill：
• /find-your-level：10 道题定位你的起点，输出个性化学习路径 + 课时估算• /check-understanding <phase>：每阶段 8 道题自测，带反馈和推荐复习的课
直接装在 Claude、Cursor、Codex、OpenClaw、Hermes 里就能用。
20 个阶段长什么样？
Phase 0 到 Phase 19，4 种语言穿插。
Python 是主语言，TypeScript 做应用层，Rust 做高性能，Julia 做数值计算。
怎么用？
三种方式：
• A. 只读：直接去官网看 lesson 文档，不用装 • B. 跑代码： git clone下来，每节课python phases/XX/XX/code/xxx.py• C. 智能体辅助：在 Claude/Cursor/Codex 里装上 skill，让 AI 陪你学
按 /find-your-level 测一下，从你该开始的 phase 入手。
适合谁用？
• 能写代码，但 AI 底层空白：想系统补一下 • 会用 API，但解释不清原理：想从数学到代码走一遍 • 想做 AI Agent / LLM 应用：Phase 14-15 直接对症 • 想转 AI 方向：完整路径，不用东找西找
我的判断
这个项目不是要替代 fast.ai / DeepLearning.AI / Hugging Face。
它要做的是一件事：让你能 explain 你用的每一个 AI 工具。
84% 的人用 AI 工具，18% 觉得能专业用。
中间差的，是这种从手写 attention 到生产 MCP server的扎实路径。
这 66 个百分点，才是你能涨薪 / 跳槽 / 做产品的杠杆。
GitHub：https://github.com/rohitg00/ai-engineering-from-scratch官网：https://aiengineeringfromscratch.com
