AI Engineering from Scratch：523 节课从零构建 AI 核心算法 今日发布

AI Engineering from Scratch 是一个免费、开源的系统性 AI 工程学习课程，通过 523 节课程和 20 个阶段，带领学习者从零构建每一个核心 AI 算法，在使用任何框架之前先理解其底层原理。

项目简介

该项目由 rohitg00 开发维护（同时也是知名开源项目 Agent Memory 的作者），定位为 AI 工程领域的系统性教材。课程覆盖从环境搭建、线性代数、机器学习基础，到大语言模型工程、Agent 开发、Model Context Protocol（MCP）等完整知识链路。不同于其他 AI 课程，该项目强调"先用手写实现，再引入框架"的学习路径，每一课都会产出可复用的工程产物：提示词模板、技能配置、Agent 脚本或 MCP 服务器。

截至 2026 年 8 月，项目页面在过去 30 天内获得 181,995 次浏览，GitHub 获星超过 53,500 颗，是当前最具影响力的 AI 工程开源课程之一。

核心功能

系统性知识体系：课程分为 20 个阶段，从 Phase 0（开发环境与工具链）到 Phase 19，覆盖机器学习基础、大模型训练推理、Agent 开发、MCP 协议、编码 Agent 实践、产品判断与交付等完整链路。523 节课程形成递进式学习路径，每一阶段都有明确的学习目标和工程产物。

多语言支持：项目提供简体中文、西班牙语、法语、德语、日语、韩语、印地语、阿拉伯语、俄语、土耳其语等 11 种语言的本地化课程页面，降低非英语学习者的入门门槛。

实战产物导向：每一课都要求学习者实际编写代码并产出可复用的工程产物，而非仅仅阅读概念说明。产物类型包括：提示词模板、Agent 技能脚本、MCP 服务器实现、端到端 Agent 系统等。

免费开源 MIT 许可：整个课程网站和所有课程内容采用 MIT 开源许可证，学习者可以自由阅读、复制、修改和商用，无需支付任何费用。

技术实现

AI Engineering from Scratch 的课程内容托管于 GitHub 仓库（rohitg00/ai-engineering-from-scratch），每一课为一个独立文件夹，包含学习目标、代码示例、练习题和参考资源。课程网站（aiengineeringfromscratch.com）基于 Next.js 构建，从 GitHub 动态读取课程数据并渲染为可交互的学习页面。

课程代码覆盖四种编程语言：Python（主要，用于机器学习和深度学习部分）、TypeScript（用于 Agent 和 MCP 相关实现）、Rust（用于性能敏感场景）、Julia（用于科学计算场景）。每种语言的选用都经过考虑，例如 Agent Memory 部分用 TypeScript 编写以便于与现代 Agent 框架集成。

课程的教学设计遵循"先理解原理，再使用工具"原则：大语言模型章节会先手动实现 tokenization 和 attention mechanism 的简化版本，再引入 Hugging Face Transformers 库；Agent 章节会先实现基础的 agent loop，再引入 LangChain 或类似框架；MCP 协议部分会先从零实现一个简单的 MCP server，再引入官方 SDK。

快速上手

开始学习 AI Engineering from Scratch，建议按以下路径进行：

第一步，明确学习目标。项目不要求按顺序学习全部课程，而是鼓励学习者根据自身目标选择入口。如果你是初学者，从 Phase 0（开发环境和工具链）开始；如果你是 Python 开发者想补数学基础，从 Phase 1（数学基础）开始；如果你的目标是构建生产级 LLM 应用，从 Phase 11（LLM 工程）开始。

第二步，配置开发环境。进入 Phase 0 课程，按照指引安装 Python、Node.js、Git 等基础工具，以及 VS Code + Copilot 等推荐开发环境。课程要求本地运行代码而非仅观看，确保每一步都有实际产出。

第三步，完成第一个阶段性项目。以 Phase 1 线性代数为例，你需要手动实现矩阵乘法、反向传播等基础算法，并用 NumPy 验证正确性，而非直接调用高级 API。每个阶段的练习题都设计为可提交的工程产物。

第四步，进入专项路径学习。根据你的具体目标（构建 Agent、使用 MCP 协议、产品化交付等），选择对应的专项学习路径（Learning Path），如 Agent-Assisted Engineering 路径或 Model Context Protocol 路径。

适用人群

AI 开发入门者：想系统学习 AI 和机器学习工程实践，而不满足于调用 API 的开发者，该课程提供了比大多数教程更扎实的基础。

想深入理解 AI 原理的从业者：已有一定 AI 应用经验的工程师，想深入理解底层原理（如 attention mechanism、tokenization 算法）的学习者。

希望在工作中引入 AI 编程助手的开发者：课程包含专门的编码 Agent 实践路径，指导如何在真实代码仓库中使用 Claude Code 等工具提升开发效率。

希望构建 Agent 或 MCP 服务的开发者：Phase 14（Agent 工程）和 Phase 13（工具与协议）提供了从零构建 Agent 系统的完整指南。

官方链接

课程官网：https://aiengineeringfromscratch.com

GitHub 仓库：https://github.com/rohitg00/ai-engineering-from-scratch