有个开源项目叫 ai-engineering-from-scratch，5万多star。
它不教你怎么调API，而是让你从线性代数开始，手写反向传播、手写注意力机制、手写Agent循环，一直到搭建多Agent集群。
523节课，20个阶段，约342小时。Python、TypeScript、Rust、Julia四种语言。每节课产出一个可复用的产物：一个prompt、一个skill、一个agent或一个MCP server。完全免费，MIT开源。
这是什么
项目地址在 github.com/rohitg00/ai-engineering-from-scratch，作者是 rohitg00，他还有一个项目叫 Agent Memory。
README里有一句话：
84%的学生已经在用AI工具，但只有18%觉得自己准备好了在专业场景中使用它们。
这个课程就是来填这个缺口的。
它的定位很明确：不是教你「怎么用ChatGPT」，而是教你「AI到底怎么运作的」。从数学基础到多Agent集群，每个算法都先从原始数学推导开始手写实现，再用PyTorch等框架做一遍同样的东西。等你用框架的时候，你已经知道框架底下在干什么了。
20个阶段的完整路线图
课程的结构是金字塔式的，下层是基础，上层是应用。不能跳着来，除非你已经会了底层。
20个阶段的大致脉络：
阶段0-3，打地基。 开发环境搭建、数学基础（线性代数、概率统计、微积分）、机器学习基础、深度学习核心。这一段从向量的定义开始，一路推到神经网络的反向传播。
阶段4-6，多模态入口。 计算机视觉、自然语言处理、语音与音频处理。三个方向分别对应不同的感知能力。
阶段7-10，大模型主线。 Transformers（手写注意力机制）、生成式AI、从零构建LLM、LLM工程化。这里是从「理解模型」到「使用模型」的转折点。
阶段11-13，工具与协议。 LLM应用工程、多模态进阶、工具与协议（含MCP，即Model Context Protocol）。这个阶段教你让AI能调用外部工具。
阶段14-16，Agent核心。 Agent工程、自主系统、多Agent与集群。从单Agent循环到多Agent协作，一直到自主集群。
阶段17-19，落地收尾。 基础设施与生产部署、伦理与对齐、毕业项目。
整个路线图的设计逻辑是：数学是地板，Agent和生产部署是屋顶。 中间每一层都踩在下一层上面。
每节课怎么上
每节课都有固定的文件夹结构：
phases/阶段编号-阶段名/课程编号-课程名/
├── code/ 可运行的实现（Python, TypeScript, Rust, Julia）
├── docs/
│ └── en.md 课程讲义
└── outputs/ 本节课产出的prompt、skill、agent或MCP server
每节课走六个步骤，叫「MOTTO → PROBLEM → CONCEPT → BUILD IT → USE IT → SHIP IT」。
MOTTO：一句话核心思想。
PROBLEM：这节课解决什么具体问题。
CONCEPT：用图和直觉讲清楚原理。
BUILD IT：从原始数学手写实现，不用任何框架。这一步是灵魂。
USE IT：用PyTorch或sklearn做同样的事。因为你刚手写过一遍，所以你知道框架在干什么。
SHIP IT：产出一个可复用的东西。可能是一个prompt模板，可能是一个skill定义，可能是一个完整的agent，也可能是一个MCP server。
这个「先手写再用框架」的设计是整个课程的精髓。每节课逼你先从数学推导开始写，理解了底层机制，再用框架的时候就是降维打击。
技术栈和语言选择
四种语言：Python、TypeScript、Rust、Julia。
Python是主力语言，也是推荐入门语言。大部分课程的核心实现都在Python。
TypeScript覆盖Web相关的AI应用，比如在浏览器里跑模型推理。
Rust用于高性能场景，适合对推理速度有要求的场景。
Julia是科学计算语言，在数值计算方面有天然优势。
你不需要四种语言全学。选一种跟到底就行，Python最推荐。
本地部署和使用
三种入门方式，选一个就行。
方式一：网站直接看（零门槛）
打开 aiengineeringfromscratch.com，浏览任何已完成的课程。不需要配置环境，不需要克隆仓库。
方式二：终端AI导师（推荐）
如果你有Node.js和一个支持skill的编程助手（Claude Code、Codex等），30秒就能把课程装进你的AI工具里。
# 检查环境
node --version
npx --version
python3 --version
# 安装课程技能
npx skills add rohitg00/ai-engineering-from-scratch
安装后，在编程助手里调用 start-learning 技能。它会给你做一次10题的定位测试，根据你已有的知识推荐一个起始阶段，然后生成一份个性化的学习计划保存到 LEARNING.md。
之后每次学习，调用 learn 技能，它会一次教一节课：概念、数学、代码、测验。还会记录你的进度和需要复习的内容。
如果你卡在某个概念上，调用 course-guide 技能，比如问「attention在哪里学」，它会直接跳到对应的课程。
方式三：克隆仓库自己跑
# 克隆仓库
git clone https://github.com/rohitg00/ai-engineering-from-scratch.git
cd ai-engineering-from-scratch
# 运行第一节课的验证脚本
python3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route beginner
# 运行数学基础第一课：向量
python3 phases/01-math-foundations/01-linear-algebra-intuition/code/vectors.py
第二个命令不需要任何依赖。它跑完会展示一个矩阵乘以向量的过程，告诉你这就是神经网络层内部的运算。作者建议把这个终端输出保存下来，作为你的第一个「证据」。
Claude认证准备
项目还内置了Claude认证备考路线，覆盖Anthropic官方的四条认证路径：Associate Foundations、Developer Foundations、Architect Foundations、Architect Professional。每条路线包含蓝图映射课程、可运行实验、诊断测试、毕业项目和完整模拟考试。
这是独立学习材料，不隶属于Anthropic，也不保证通过。
使用场景和适合人群
适合谁？ 想真正理解AI底层原理的开发者。不管你是学生、转行工程师，还是已经在用AI工具但觉得不够扎实的人，这个课程都能帮你补上底层。
特别适合的场景： 面试准备。系统设计面试和AI工程面试经常问到attention机制、反向传播、tokenizer原理。这个课程每一步都从数学推导开始，面试时你能从底层原理讲到工程实现。
MCP和Agent Skills专项路线。 如果你只对Model Context Protocol感兴趣，有专门的17节课路线，从无状态请求、传输协议、双向通信到安全、可靠性、注册治理。Agent Skills也有5节课的专项路线。不需要学完523节，挑你需要的。
不太适合谁？ 只想快速调API做应用的人。这个课程的哲学是「先理解再使用」，如果你只想跑通一个demo不在乎原理，会觉得太慢。
社区活跃度
53,570 star，9,366 fork。1,769次提交，87个Pull Request，18个开放Issue。PR远多于Issue，说明社区贡献非常活跃。
18种语言的国际化翻译正在进行中，中文翻译在 translations 分支上。
过去30天11万读者、18万页面浏览量。
项目有Sponsor支持，包括SerpApi等。赞助商的支持让所有课程保持免费开源。
总结
这个课程的价值在于，它不让你停在「会用」的层面。523节课，从线性代数到多Agent集群，每个算法都从数学推导开始手写。等你走完这条路，你看到的不再是一个黑箱，而是一层一层透明的结构。
342小时不少。但如果你想真正搞懂AI底层原理，这可能是目前最完整的开源路径。
项目完全免费，MIT协议。不用注册，不用付费，克隆下来就能学。
项目地址：github.com/rohitg00/ai-engineering-from-scratch
在线学习：aiengineeringfromscratch.com
许可证：MIT
