AI Engineering from Scratch Skill：把 503 节 AI 课装进 Agent 当私教

Skill超级捕获手 技术创作者 2026-08-12 12 阅读

如果 AI 工具的使用率已经达到 84%，但只有 18% 的人觉得自己能”专业化地用好”，那这道鸿沟由谁来填？ 最近 GitHub Trending 上的 rohitg00/ai-engineering-from-scratch 正在用 503 节课、20 阶段、约 320 小时的学习体量，尝试把”会用 AI”变成”能造 AI”。它不是一个视频教程合集，也不是又一个 ChatGPT 提示词清单——它是一套可以被 Claude Code / Cursor / Codex / OpenClaw 当作 Skill 安装到本地的 AI 工程学习体系。一句话安装、本地 Agent 担任私教、每节课产出一个可复用产物（prompt / skill / agent / MCP server），让它在 2026 年所有 AI 教学仓库里独树一帜。

功能与原则

核心能力： 把 AI 工程这座大山拆成 20 阶段、503 节、约 320 小时的线性学习路径，从线性代数、概率论一直铺到多智能体协同、RAG、Agent Loop；每一节课遵循”读题 → 推导数学 → 写代码 → 跑测试 → 保留产物”五步闭环，并把每节课的成果物（提示词、Skill、Agent、MCP 服务器）全部沉淀为可复用资产。

设计原则： 数学优先、代码次之、Agent 收尾。所有算法先用裸 NumPy/Tinygrad 从数学手写一遍（反向传播、Tokenizer、Attention、Agent Loop），等 PyTorch/LangChain 出现时你已经知道它们在底层干什么。同时全程用你自己的 Agent 当私教——/start-learning 十题定位 → /learn 单节流式输出 → /course-guide <topic> 跳转任何难点。

认可度

  • GitHub Stars：约 46,560 颗（截至 2026-08-12，由 GitHub API 实时返回）
  • Forks：8,106
  • Subscribers（Watch）：286
  • 累计 150,639 名读者、过去 30 天页面访问 241,669 次（截至 2026-06-07 官方统计）
  • 语言版本：12 种（含简中、繁中、日、韩、阿拉伯、印地、俄、土等），是 GitHub 上少有的把 README 都翻译齐全的 AI 教学仓库
  • 已知 Trending 经历： GitHub 周榜 Top 3 多次上榜（2026 年 Q2 月榜累计新增 13k+ stars，由多家 CSDN/腾讯云追踪报道交叉验证）
  • 下载量（SourceForge 镜像）： 11.9 MB / 2 周内下载，海外开发者部署场景活跃

链接

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

原作者

  • 姓名 / 账号： Rohit Ghumare（GitHub: rohitg00）
  • 身份： 资深 AI 工程师 / 教育开源布道者 / Agent Skills 体系早期推动者
  • 一句话简介： 在 GitHub 上以”用工程方法教 AI、把 Agent 当私教”闻名，ai-engineering-from-scratch 是其代表作；同时维护 trae-agent、若干 Claude Code 教学 Skill 仓库，被 CSDN 评为 2026 年最值得关注的 AI 教育者之一。

介绍

仓库定位是”AI 工程领域的脊柱课程”——一句话：“学 AI 不只是看论文、跑 demo，而是把 PyTorch 之前的数学、PyTorch 之后的工程、Agent 上层的协同，全部串成一条无缝链路。” 整个项目以 20 个阶段线性堆叠：P1 数学基础 → P2 ML 基础 → P3 深度学习核心 → P4-6 视觉/NLP/语音 → P7-8 多模态与生成 → P9 RL → P10-12 工程化、生产化、LLM 全栈 → P13-15 RAG / Agent / Multi-Agent → P16-20 评测、安全、Swarm、部署、Capstone。

它能干什么？ 给三类人用：(1) 知道 ChatGPT 怎么用、但想理解”为什么它会这样回答”的初学者；(2) 资深开发者想从单 Agent 升级到多 Agent 编排、需要系统路径；(3) 企业培训想要”标准化教材 + 可交付物”——因为每节课的产物都是可执行的 artifact，而不是过期的视频。

它怎么运行？ 整个项目遵循 Anthropic 2025-12 发布的 SKILL.md 开放标准，可以在任何读 SKILL.md 目录的 Agent（Claude Code、Cursor、Codex、OpenClaw、Hermes 等）里直接安装。安装后 Agent 不仅是”读 README”，而是成为你的”分阶段私教”——能根据你的水平选择起点，能针对你卡住的知识点直接跳到对应章节。

特点

  • 真正的 Skill 形态：不是内容 PDF，而是一个可以被 npx skills add 安装到 20+ Agent 的目录，会在自己 IDE 里”活”起来。
  • 数学 → 代码 → 工程的纵向打通：拒绝抄代码 demo，每层都先推导再写代码，最后再跑工程。
  • 每节课一个可复用 artifact：标志位是「课后你能拿到 1 个 prompt / 1 个 skill / 1 个 agent / 1 个 MCP server」，学完等于拿到一份 503 件套的”AI 工程师工具箱”。
  • 12 种语言的 README 全翻译：覆盖简中、繁中、日、韩、阿拉伯、俄等，连波兰语、土耳其语都不漏，对非英语母语读者极友好。
  • MIT 开源 + 永久免费：与”按月订阅的 AI 课程”形成鲜明对比，几乎所有报告都把它列为”零成本替代 Coursera / DeepLearning.AI 短训营”的首选。
  • 更新的高频：2026-08-12 04:03 UTC 仍有 commit，活动曲线近 5 个月持续不减。

使用方法

最简安装（用 Claude Code / Cursor / Codex 任一 Agent）：

# 一行命令把整个 skill 装进你的 Agent
npx skills add rohitg00/ai-engineering-from-scratch

# 装完后在你的 Agent 对话框里输入：
/start-learning
# 答 10 道定位题 → 自动生成 LEARNING.md → 告诉你从哪个 Phase 开始

更自由的方式（不借助 Agent）：

git clone https://github.com/rohitg00/ai-engineering-from-scratch.git
cd ai-engineering-from-scratch
# 任意阶段单独跑，例如 Phase 1 第一节课
python phases/01-math-foundations/01-linear-algebra-intuition/code/vectors.py

进阶用法：

  • /learn —— 每次上一节，流式输出，概念 + 数学 + 代码 + 测试 + 测验
  • /course-guide <topic> —— 卡在哪里直接跳到对应章节
  • 离线版：直接打开 aiengineeringfromscratch.com 读 web 渲染版本

使用场景与人群

适用场景：

  • 个人 AI 工程师培养路径：从学生到 senior，二十年学习地图一次性铺开
  • 企业内训 / 团队统一技术栈：用同一套教材让全队从 Agent 入门到 Swarm 协同
  • 内容创作者备课：直接引用每节课的 artifact 做教程素材
  • AI 转型期的传统开发者：程序员想转型 AI，先把数学 → 工程坑补完

目标用户：

  • 有 Python 基础但没系统学过 ML 的工程师
  • 用过 ChatGPT / Copilot 但想理解”为什么 prompt 不起作用”的产品经理
  • 想从单 Agent 升级到多 Agent Swarm 的资深开发者
  • 教育机构、AI 培训讲师、想搭建”AI 工程师认证体系”的企业 L&D

输入与输出案例

案例 1：学生想学 Agent

  • 输入（学生说）： “我是前端工程师，想转 AI Agent 方向。”
  • Action： 跑 /start-learning → 10 题定位 → Agent 算分 → 生成 LEARNING.md
  • 输出（Agent 写回）：
    “`
    # Your Learning Plan
  • Phase 1: Math Foundations (skip → just review autograd)
  • Phase 2: ML Fundamentals (full)
  • Phase 7-8: LLM Stack (full)
  • Phase 13: RAG (full)
  • Phase 14: Agents (full)
  • Phase 15: Multi-Agent (full)
  • Capstone: Build a 3-Agent Research Team
    Estimated: 180 hours
    “`

案例 2：把 Phase 14 的 Agent 课做成可复用 Skill

  • 输入（教师说）： “教完 Phase 14 之后，怎么把这一节变成以后还能用的资产？”
  • Agent 行为： 检测到该课结业 → 自动生成 phases/14-agents/lesson-output/：
  • prompt.md（一个完整的 Agent prompt 模板）
  • skill/（新 Skill 包的 SKILL.md + scripts）
  • agent.py（一个能直接跑的 Agent）
  • mcp-server/（一个本地 MCP 服务器）
  • 输出： 教师把这一节变成「可分享的资产包」→ 学生用 npx skills add 装走 → 跨 20+ Agent 复用

按你作为”追赶爆款”的盘点视角，这是一条值得重点追踪的 Skill：它已经把”AI 工程学习”这个赛道从内容层（视频、博客）拉到了 Skill 资产层（可安装、可复用的 artifact）。在 2026 年 Skill 标准的窗口期里，它是少数把” 教学 ” 一 词拆成”可被 Agent 消费”的工程化项目。下次 Agent Skills 规范再更新（例如 SKILL.md 2.0），它大概率还是第一批吃到红利的仓库之一。

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

评论区

0 条评论

登录后可评论。

Skill超级捕获手 12 阅读