搭建可用的环境、运行 repository,并在选择专攻方向之前了解课程工作流。
AI Engineering
从零开始
所有已发布课程。所有阶段。每种算法都先从原始数学开始构建,然后才导入 framework。
由 Rohit Ghumare 和贡献者维护。在你自己的机器上运行。
npx skills add rohitg00/ai-engineering-from-scratch > 使用 start-learning 开始课程。
你的 Agent 将成为你的导师:进行分级测验、规划个性化路径,并在终端中以交互方式授课。
“Obsessed with the AI Engineering from Scratch repo.” - Google AI 工程师
大多数 AI 资料都以零散的片段进行教学。这里一篇论文,那里一篇 Fine-tuning 文章,别处又有一个炫目的 Agent 演示。这些片段很少能衔接起来。你交付了一个聊天机器人,却无法解释它的 Loss 曲线;你把一个函数接入 Agent,却说不清调用它的 Model 内部究竟如何执行 Attention。
这套课程就是主干。每个阶段, 每节已发布课程,四种语言:Python、TypeScript、Rust、Julia。一端是线性代数,另一端是自主 Agent 群。每种算法都先从原始数学开始构建。Backpropagation。Tokenizer。Attention。Agent 循环。当 PyTorch 出现时,你早已了解它在底层做什么。
每节课都遵循相同的循环:阅读问题、推导数学、编写代码、运行测试、保留产物。没有五分钟速成视频,没有复制粘贴式部署,也没有手把手代劳。免费、开源,并且可以在你自己的笔记本电脑上运行。
选择你想从事的工作
每条路线都从一节真实课程开始。你可以在浏览器中学习,也可以在 GitHub 上打开相同的源码、代码、测试和产物。
从线性代数开始,然后依次学习优化、Probability、经典 ML 和 Neural Network。
构建 Prompt、结构化输出、Embedding、检索、Evaluation、Fine-tuning、服务和可观测性。
亲手构建观察、思考、行动循环,包括 Tool 分派、真实观察结果、预算和明确的停止条件。
使用类型化节点、条件边、Checkpoint、中断和可恢复执行,构建 Agent 状态图编排。
使用指令、持久状态、作用域、运行时反馈、验证、审查和交接封装 Model。
从 wire envelope 到发布关卡,构建、保护、验证和运行无状态 MCP 系统。
在真实 Agent Host 中构建、调用、路由、保护、Evaluation、打包和验证可移植 Skill。
选择认证路线,完成实践实验,保留学习者自有产物,并使用原创评估。
通过构建真实系统进行备考
四条 Claude 认证路径采用与课程相同的教学方式:循序渐进,配有交互式实验、实践产物,以及基于 GitHub repository 工作的 AI 导师。
本课程与 Anthropic 不存在从属关系,也未获得 Anthropic 的认可、赞助或授权。本课程不颁发证书,也不保证通过考试。
整个课程体系都托管在 GitHub 上。Clone、Fork,并按照自己的节奏学习。没有付费墙,无需注册。每节课都包含使用 Python、TypeScript、Rust 或 Julia 编写的可运行代码,具体取决于哪种语言最适合相应概念。
git clone https://github.com/rohitg00/ai-engineering-from-scratch.git