AI Engineering from Scratch：从基础原理走到可交付 AI 系统的开放课程
一分钟看懂
AI Engineering from Scratch 是一套免费开源的 AI 工程课程，主张“学习、亲手构建、再把成果交付给别人”。它不是只介绍怎样调用模型 API，而是从开发环境、数学和机器学习基础开始，一直覆盖 LLM 应用、Agent、MCP、Agent Skills 和产品交付。
仓库把课程分成多个阶段和数百节课，并为不同目标提供学习路径。每一节强调产出可复用工件，例如提示词、技能、Agent 或 MCP Server；学习者需要真正运行代码、记录命令与输出，并能解释结果，而不是仅仅浏览教程。
你可以用它做什么
- 从零建立 AI 工程基础：按顺序学习工具、数学、机器学习和深度学习。
- 专攻 LLM 应用：直接进入提示工程、RAG、评测与生产系统相关阶段。
- 学习 Agent 开发：实现 Agent 循环、工具调用、记忆和多步骤工作流。
- 掌握 MCP 与 Skills：构建能被编程助手复用的服务器和能力包。
- 训练真实工程习惯：保留命令、工作目录、退出码和产物作为验证证据。
- 准备职业或认证方向：根据目标选择课程提供的路线，而非强制从头读完。
主要能力
项目包含课程正文、示例代码、练习项目、学习路径、术语表、认证内容、Agent Skills 和网站源码。课程使用 Python、TypeScript、Rust、Julia 等语言，但学习者可以按照目标选择对应实现。官方入口会先让用户根据“完整入门、已有 Python 基础、生产级 LLM、Agent、MCP、Skills”等目标选路。
仓库还提供环境检查和无需额外依赖的入门示例。课程要求每次学习都形成可运行证据，并在继续前确认自己能解释结果、做出小改动，这比复制粘贴代码更接近实际工程训练。
适合哪些人
- 想系统进入 AI 工程领域的开发者与学生。
- 已会普通软件开发，需要补足模型与 Agent 实践的人。
- 希望从教程式学习转向项目式、可验证学习的自学者。
- 要为团队设计 AI 工程培养路线的技术负责人。
课程规模很大，不适合抱着“短时间全部刷完”的心态。已有经验的用户应直接走专题路径，避免重复学习熟悉内容。
怎么开始使用
先根据官方表格选择一个目标，不必浏览全部课程。新手可以运行仓库提供的环境验证命令，再完成不依赖第三方库的数学示例；有经验的开发者可以直接进入 LLM Engineering、Agent Engineering、MCP 或 Agent Skills 路线。
每节课建议遵循同一方法：先用自己的话解释概念，再手写和运行关键代码，保存有意义的输出，最后修改一个小地方确认真正理解。将每周目标控制在一个可展示的工件，比只追求阅读章节数更有效。
使用前需要知道
仓库规模、课程数量和技术更新速度都很高，部分内容可能处于持续调整中。项目说明英语版本是标准来源，其他语言页面可能由机器翻译生成；遇到术语或代码差异时应回看英语原文和实际代码。
这套课程不能自动替代数学基础、生产经验或官方平台文档。模型 API、价格和 SDK 会变化，运行示例时要关注当前版本与费用。包含外部服务的练习应使用受限密钥，避免提交凭据；对课程中的性能或最佳实践结论，也应在自己的场景中验证。