AI 工程从零到精通
免费开源课程，503 课、20 阶段，从数学到自主智能体，手把手教你构建并部署 AI 系统。
证据显示仓库是教育课程，不包含可执行代理代码，因此没有权限管理、用户确认、数据流透明性、敏感数据处理、依赖安全、外部影响、回滚或来源归属的机制。所有信任标准得分为0，因为没有实现任何信任控制。
自一致性：课程结构一致，README和测试文件显示一致的命名和结构，但未验证所有503课的一致性，得2分。依赖可用性：requirements.txt列出了常用依赖，但未提供锁定版本或完整性校验，得1分。失败消息：测试文件中有断言，但未提供用户友好的错误消息，得1分。
受众和场景：README明确面向学习者，提供多种使用方式，得2分。能力边界：未明确说明课程覆盖范围或限制，得1分。触发精度：技能命令如/learn有描述，但未详细说明触发条件，得1分。环境适配：支持多种代理和语言，但未提供详细环境配置，得2分。
信息架构：目录结构清晰，有阶段和课程列表，得2分。安装说明：README提供了安装命令，得2分。命名稳定性：课程命名一致，但未提供版本稳定性说明，得1分。示例和FAQ：有示例代码，但无FAQ，得2分。已知限制：未提及，得0分。许可证：MIT许可证明确，得2分。版本和变更日志：有ROADMAP.md，但无CHANGELOG，得1分。维护责任：未明确维护者，得1分。
输出可用性：课程产出可复用的工件，得2分。边际价值：提供独特的学习路径，得2分。成本效益：免费开源，但未提供成本分析，得1分。
声明可追溯性：README中的声明未提供证据，得1分。跨来源佐证：未提供外部验证，得1分。事实与推断分离：未明确区分，得1分。
- 该仓库是教育课程，不是可执行的代理产品，因此信任相关标准不适用。
- 依赖未锁定版本，存在供应链风险。
- 未提供已知限制或FAQ，用户可能遇到未说明的问题。
这个 Agent 能做什么，适合哪些场景？
这是一个免费、开源的 AI 工程课程仓库，包含 503 课、20 个阶段、约 320 小时的学习内容，覆盖 Python、TypeScript、Rust 和 Julia 四种语言。课程从线性代数、机器学习基础、深度学习核心，到计算机视觉、NLP、Transformer、生成式 AI、强化学习、LLM 工程、多模态、智能体工程、自主系统、多智能体与群体智能，直至生产部署与安全对齐。每一课都从数学原理出发，实现算法，然后使用生产级框架（如 PyTorch）进行同等实现，并产出一个可复用的工件（prompt、技能、智能体或 MCP 服务器）。课程通过 GitHub 仓库发布，并配有可选的智能体学习技能（/learn、/start-learning 等），可将你的编程智能体变成导师。此外，还提供由 CI 构建的六卷 EPUB/PDF 书籍。
该仓库提供了一套结构化的课程内容，包括课程叙述（位于 phases/<num>-<name>/<num>-<lesson>/docs/en.md）、可运行的代码（code/ 目录）、以及每课产出到 outputs/ 目录的工件（prompts、skills、agents、MCP servers）。它通过仓库内置的 skills/ 目录（SKILL.md）与任意支持该格式的智能体集成，提供 /start-learning、/learn、/course-guide、/find-your-level 和 /check-understanding 命令，用于定位测试、个性化学习计划、逐课交互式教学和阶段测验。还通过 npx skills add 和 python scripts/install_skills.py 支持一键安装技能。学习者可以从命令行、网站（aiengineeringfromscratch.com）或克隆仓库并直接运行 Python 脚本（如 phases/01-math-foundations/01-linear-algebra-intuition/code/vectors.py）使用课程。书籍构建脚本（scripts/build_book.py）生成 EPUB/PDF。
- 想了解 AI 算法底层原理，从零开始构建模型，而不仅仅调用 API 的开发者。
- 需要在工作中实际使用 AI 工具，但缺乏系统训练、希望获得完整且实操导向的学习路径的专业人士。
- 希望训练自己的编码智能体作为 AI 导师，通过交互式课程和个性化学习计划学习 AI 的软件工程师。
- 需要构建可复用的智能体、prompt 或 MCP 服务器作为学习产出，并积累实际作品集的学习者。
- 希望以书籍形式（EPUB/PDF）持续阅读课程内容的读者。
这个 Agent 有哪些优点和局限？
- 从数学原理逐步构建每个算法，确保深入理解
- 每课产出可复用工件（prompt、技能、智能体、MCP 服务器），形成作品集
- 覆盖范围极广：从基础到多智能体、生产部署，共 20 个阶段 503 课
- 免费、开源（MIT 协议），并支持多种编程语言
- 提供智能体集成，可通过聊天界面获得个性化学习体验
- 课程规模大，需要投入约 320 小时，对初学者可能感到庞大
- 依赖 Node.js、Python、Docker 等环境，安装配置有一定门槛
- 部分较新课程可能仍在完善中，英语为唯一完整语言，其他语言仅翻译了落地页
- 学习材料为课程形式，而非开箱即用的生产代码，需要自行整合
如何安装或部署这个 Agent？
无需克隆即可通过智能体开始学习：在支持 SKILL.md 的智能体（如 Claude Code, Cursor, Codex, OpenClaw, Hermes）中运行 npx skills add rohitg00/ai-engineering-from-scratch，然后输入 /start-learning 开始。若要克隆仓库并在本地运行：git clone https://github.com/rohitg00/ai-engineering-from-scratch.git 并按需安装 Python 依赖（要求 Python 3、Node.js 以运行 npx）。更多安装细节请参考仓库 README。
如何使用这个 Agent？
在智能体中运行 /start-learning，完成十道题的定位测验，系统会生成个性化的学习计划并保存到 LEARNING.md。之后使用 /learn 逐一学习课程（概念、数学、代码、测验），使用 /course-guide <topic> 跳转到具体课程。也可以直接在网站上阅读课程，或克隆仓库后运行课程代码，例如 python phases/01-math-foundations/01-linear-algebra-intuition/code/vectors.py。通过 python3 scripts/install_skills.py <target> 可以安装所有技能。
这个 Agent 与同类方案有什么区别？
该课程可视为其他 AI 学习资源（如快速入门的教程、论文解读、开源模型仓库）的替代，但专注于构建基础和理解原理，而非直接使用现成框架。