20 个阶段、523 节课、342 小时，从线性代数到自主智能体，为读者提供一条连贯的学习主干，作者
@ghumare64
https://github.com/rohitg00/ai-engineering-from-scratch
# 课程结构：20 个阶段、523 节课、约 342 小时
依赖关系是分层的，数学是基础，Agent 和生产是上层。
1. 基础 P0–P3
环境工具、数学基础（22 课）、经典 ML（18 课）、深度学习核心（13 课，含手写 autograd 与 mini 框架）
2. 感知与语言 P4–P9
计算机视觉（28 课，到 3DGS、SAM3、世界模型）、NLP（29 课）、语音（17 课）、Transformer 精讲（16 课）、生成式 AI（15 课）、强化学习（12 课，直到 RLHF）
3. LLM P10–P12
从零训练 LLM（24 课，含 DeepSeek-V3、NSA、MTP、投机解码等 2025–26 前沿架构）、LLM 工程（RAG、微调、评估、护栏）、多模态（25 课，ViT → VLM → 计算机操控）
4. 智能体 P13–P16
工具与协议（31 课，MCP 占 17 课、Agent Skills 5 课、A2A、OTel）、Agent 工程（54 课）、自主系统与安全栈（22 课）、多智能体与群体智能（25 课）
5. 生产与责任 P17–P19
基础设施（vLLM/SGLang 内核、量化、路由、FinOps、合规）、伦理安全对齐（30 课，覆盖 sleeper agents、alignment faking、红队工具）、Capstone（17 个端到端产品 + 9 条深度构建轨道，共 85 课）
P13 + P14 合计 85 课，MCP 单独占 17 课并有专属学习路径，P14 后半段（31–54 课）实际上是一套"如何可靠地使用 coding agent"和"实现前如何界定需求"的方法论课程，与传统 AI 课程差异明显。
# 教学方法论：每课固定六拍
每节课目录结构统一：code/（可运行实现）、docs/en.md（叙述）、outputs/（产出物）、quiz.json。
内容按 Motto → Problem → Concept → Build It → Use It → Ship It 展开。
核心是 Build It / Use It 分离：先用原始数学手写算法，再用 PyTorch / sklearn 复现同一件事。
# 每课交付一个可复用产物
这是该项目区别于普通教程的设计：每课在 outputs/ 产出 prompt、SKILL.md、agent 定义或 MCP server，全库累计 396 个 skill、99 个 prompt，可用 scripts/install_skills.py 按阶段、标签安装到 Claude / Cursor / Codex 等任意读取 SKILL.md 的 agent。
P14 的 capstone 还提供 scaffold_workbench.py，把 AGENTS.md、任务板、init/verify/handoff 脚本一键脚手架到任意仓库。
# AI 原生的学习方式
课程本身可以被 coding agent "教授"：
npx skills add rohitg00/ai-engineering-from-scratch
安装 8 个学习 skill（start-learning 定位测验、learn 单课辅导循环、course-guide 主题路由、learn-mcp、learn-agent-skills、claude-certification 等），进度持久化在 LEARNING.md。
此外提供 12 条 JSON 定义的学习路径、6 卷 EPUB/PDF 电子书（CI 自动编译）、Claude 认证备考学院，以及 12 种语言的落地页。