AI Engineering from Scratch：1.5 万星的零基础 AI 工程课程，真能学会吗？

“学 AI”这件事，现在的困境跟十年前学编程差不多：网上的教程一大堆，但大部分都是零散的知识点，看完还是不知道怎么动手做一个完整的东西。你想要的是”从0到1跑通一个 AI 项目”，结果搜到的都是”Transformer 的原理详解”——不是不重要，但看完还是不会写代码。

rohitg00 的 AI Engineering from Scratch 可能就是你想找的那种课程。今天 GitHub Trending 上新增近 2000 星，总星数 15,983。口号很直接：Learn it. Build it. Ship it for others.

项目背景

这个项目是一个开源的 AI 工程学习路线图，由 rohitg00 维护。它不是一本书，也不是一个视频系列，而是一个按模块组织的代码仓库，每个模块都有理论讲解 + 可运行的代码 + 实战项目。

覆盖的方向很广：LLM 基础、AI Agent、MCP（Model Context Protocol）、计算机视觉、强化学习、NLP、生成式 AI。语言方面主要是 Python，部分高级章节用了 Rust。

课程内容

我翻了一遍目录结构，大概分这几个大块：

模块一：LLM 基础

从 tokenization 开始，到 attention 机制，再到自己用 PyTorch 写一个迷你 GPT。不是调包，是从矩阵乘法开始写。说实话这部分对数学基础有一定要求，如果线性代数都忘了，可能需要先补一补。

模块二：AI Agent

这是现在最热的方向。课程从简单的 ReAct 模式开始，到多 Agent 协作（swarm intelligence），再到工具调用（function calling）。有一个实战项目是做一个能查天气、算数学、记笔记的个人助手。

模块三：MCP

Model Context Protocol 是 Anthropic 今年推出来的标准，让 AI 能标准化地调用外部工具。课程里有一个完整的 MCP server 实现，教你怎么给自己的应用接入 Claude。

模块四：计算机视觉

从 CNN 到 Diffusion Model，再到最新的视觉语言模型（VLM）。有一个图像分类的实战项目，数据集用的是 CIFAR-10，不算大，本地就能跑。

模块五：强化学习

Q-Learning、Policy Gradient、PPO，然后做一个能玩 CartPole 的 agent。这部分我个人觉得是最难的，但也是最有趣的。

学习体验

优点：

• 每个模块都有”理论 → 代码 → 项目”三步走，不是纯理论灌水
• 代码都是可运行的，clone 下来直接能跑
• 从0开始，不需要你先会调 OpenAI API
• 覆盖方向全，学完能做一个完整的 AI 产品
• 开源免费，MIT 协议

缺点：

• 内容量大，全部学完可能需要 3-6 个月（每天 2 小时的话）
• 有些章节的代码注释不够详细，遇到 bug 需要自己 debug
• 部分高级章节（比如 Rust 实现）对新手不太友好
• 没有视频讲解，纯文字 + 代码，不喜欢读文档的人可能会觉得枯燥
• 更新频率不稳定，有些模块还是 WIP（work in progress）

快速上手

# 克隆仓库
git clone https://github.com/rohitg00/ai-engineering-from-scratch.git
cd ai-engineering-from-scratch

# 安装依赖
pip install -r requirements.txt

# 按模块学习，从第一个开始
cd module-01-llm-basics
python 01-tokenization.py

建议的学习顺序就是按模块编号来，不要跳。前面 LLM 基础没搞懂，后面的 Agent 和 MCP 会很吃力。

跟谁比

资源	形式	深度	动手性	免费
AI Engineering from Scratch	代码仓库	中深	强	是
Fast.ai	视频+ notebook	中	强	是
CS224N (斯坦福)	视频+讲义	很深	中	是
DeepLearning.AI	视频课程	中	中	否
Andrej Karpathy 的神经网络视频	视频	很深	强	是

如果你 prefer 看视频，Karpathy 的系列是最好的。如果你喜欢边读边写代码，这个仓库和 Fast.ai 都不错。这个项目的优势是方向全——不只讲 LLM，Agent、MCP、CV、RL 都有。

适合谁

• 有一定编程基础（Python），想系统学 AI 的开发者
• 做产品的工程师，想了解 AI 背后的原理
• 计算机专业学生，想补充实战经验
• 已经在用 AI API，但想理解底层怎么工作的人

总结

AI Engineering from Scratch 不是那种”看完就精通 AI”的速成课，它是一个扎实的、需要花时间啃的路线图。1.5 万星说明不少人认可它的价值。

我的建议：如果你是零基础，先从 module-01 开始，每天 1-2 小时，预计 2-3 周能跑完 LLM 基础。不要贪多，一个模块吃透了再进下一个。AI 领域变化快，但基础原理（attention、梯度下降、反向传播）是稳的，学会了再看新东西会快很多。

说实话，这个仓库最打动我的不是它覆盖了多少方向，而是它的 slogan：Learn it. Build it. Ship it for others. 学、做、交付——这三步缺一不可。

---

关于作者

柳钉鱼，全栈开发者，GitHub 重度用户。过去 3 年 Star 了 900+ 仓库，这里只写我真正用过或深度调研过的工具。

📧 发现好工具想推荐？发邮件到 [email protected]