84%的人在用AI工具，只有18%覺得自己真會用，這個18.7k Star項目要補上這個差距
整理版優先睇
呢個18.7k Star項目教你由零開始學AI工程，每課產出可重用工具
呢篇文章介紹咗一個GitHub項目叫做「AI Engineering from Scratch」，由作者羅希特·G開設。項目嘅目標係解決一個尷尬現象：84%嘅學生已經用緊AI工具，但得18%覺得自己真係有能力將AI應用到專業領域。整體結論係呢個項目提供咗一條系統化自學路徑，由線性代數教到多Agent系統，每節課都會產出一個可複用嘅產物，例如prompt、skill文件或者agent。
課程總共有435節課，分為20個階段，預計要320小時完成。同市面上大多數「AI學習路線」唔同，呢個項目唔係齋列連結，而係每節課都用固定六步結構：MOTTO（核心理念）、PROBLEM（具體痛點）、CONCEPT（圖解直覺）、BUILD IT（手寫實現）、USE IT（生產級框架實現）、SHIP IT（輸出可複用產物）。課程涵蓋基礎層（環境搭建、數學、經典ML）、感知層（CV、NLP、語音）、模型層（Transformer、生成式AI、強化學習、從零構建LLM）、應用層（LLM工程化、多模態、工具協議）、Agent層（Agent工程、自主系統、多Agent協作）同生產層（基礎設施、倫理、畢業項目）。其中Agent相關內容佔咗最大篇幅，有89節課，反映咗當前市場對Agent工程師嘅需求。
項目適合「會寫代碼」嘅人，無論係剛入行嘅AI工程師定係有經驗嘅開發者想轉AI方向，都可以用/find-your-level指令做定位測試。課程技術棧覆蓋…
- 課程包含435節課、20個階段，預計320小時，由線性代數覆蓋到多Agent系統。
- 每節課採用六步結構（MOTTO→PROBLEM→CONCEPT→BUILD IT→USE IT→SHIP IT），產出可複用產物。
- Agent相關內容（Phase 14-16）佔89節課，超過五分之一，直接對應市場需求。
- 課程支援Python、TypeScript、Rust、Julia四種語言，貼近工業界實際語言分佈。
- 學完可獲得378個skill文件同99個prompt模板，安裝簡單（npx skills add），真正帶走可重用工具。
AI Engineering from Scratch
GitHub 項目，包含 435 節課、20 個階段，每課產出可複用產物（prompt、skill、agent 等）。前置條件：識寫代碼。適合想系統學 AI 工程嘅人。
點解呢個項目可以兩週攞18.7k Star？
根據文章引用嘅數據，而家有 84% 嘅學生用緊 AI 工具，但只有 18% 覺得自己真係識得將 AI 應用到專業領域。呢個差距正正係呢個項目想填補嘅。佢喺 GitHub 上兩週就攞到 18.7k Star，證明好多人都有呢個痛點。
作者羅希特·G 設計咗 435 節課，分 20 個階段，預計總時長 320 小時，由最基礎嘅線性代數一路教到多 Agent 系統。
435節課點樣編排？
課程分為六大層，每個層包含幾個 Phase：
- 基礎層（Phase 0-3，65課）：環境搭建、Git、GPU、Docker，補齊數學同經典 ML。
- 感知層（Phase 4-6，74課）：電腦視覺、NLP、語音同音頻，從卷積到擴散模型。
- 模型層（Phase 7-10，62課）：Transformer、生成式 AI、強化學習、從零構建 LLM。
- 應用層（Phase 11-13，65課）：LLM 工程化、多模態、MCP 等工具協議。
- Agent層（Phase 14-16，89課）：Agent 工程、自主系統、多 Agent 協作，呢部分最大。
- 生產層（Phase 17-19，75課）：基礎設施、倫理對齊、畢業項目。
特別值得留意係 Agent 層 佔咗成個課程超過五分之一，Phase 14 單獨就有 42 節課，反映咗而家市場上最缺嘅係 Agent 工程師。課程仲覆蓋咗最新嘅 Claude Agent SDK、OpenAI Agents SDK 同 A2A 協議，直接對標行業需求。
學完有嘢帶走
呢個項目最值錢嘅設計係「學完就有嘢帶走」。每節課嘅目錄結構固定：code 放可運行實現、docs 放課程敍述、outputs 放產出物。目前已經累積咗 378 個 skill 文件 同 99 個 prompt 模板。
npx skills add <phase-or-lesson>呢句指令就可以將某個階段或者某課嘅 skill 裝到本地，意味着你唔止「學過 AI」，仲有一套可以直接用喺工作嘅工具庫。
用咩技術？邊個啱用？
技術棧覆蓋面好廣，可以分成幾類：
- 訓練推理：PyTorch、JAX、scikit-learn、vLLM、Ollama
- Agent框架：LangGraph、AutoGen、CrewAI、Claude Agent SDK
- 協議平台：MCP、A2A、Bedrock、Azure OpenAI
- 可觀測性：Langfuse、Phoenix、Opik
- 安全工具：Garak、Llama Guard、PyRIT
而且課程唔只用 Python，仲覆蓋 TypeScript、Rust 同 Julia，貼近實際工業界嘅語言分佈。
前置條件得一個：識寫代碼（推薦 Python）。如果你係剛入行嘅 AI 工程師，呢 320 小時就係一條系統化自學路徑；如果你係有經驗嘅開發者想轉 AI 方向，可以用 /find-your-level 指令跳去適合嘅階段開始。
84% 嘅人用緊 AI 工具，但得 18% 覺得自己真係識用，呢個 18.7k Star 嘅項目就想填補呢個差距
84% 嘅學生已經用緊 AI 工具，但得 18% 覺得自己有本事將 AI 應用喺專業領域。GitHub 上有個叫 AI Engineering from Scratch 嘅項目就係針對呢個差距嚟嘅，兩星期升到 18.7k Star。435 堂課，20 個階段，預計 320 小時，由線性代數一路教到多 Agent 系統。每堂課會產出一個可以重用嘅成果：prompt、skill 文件、agent 或者 MCP server
同市面上大部分「AI 學習路線」唔同，呢個項目唔止係列出連結。每堂課有固定嘅六步結構：MOTTO（核心概念）、PROBLEM（具體問題）、CONCEPT（圖解直覺）、BUILD IT（親手寫實現，唔用框架）、USE IT（生產級框架實現）、SHIP IT（輸出可重用成果）
成個課程分咗 20 個 Phase，由第 0 階段嘅環境配置去到第 19 階段嘅畢業項目
基礎層（Phase 0-3，65 堂課）
Phase 0 搞掂開發環境、Git、GPU、Docker。Phase 1 補數學，線性代數、微積分、概率論、優化理論。Phase 2 進入經典 ML，迴歸、決策樹、SVM、聚類。Phase 3 由零開始建立神經網絡，親手寫反向傳播
感知層（Phase 4-6，74 堂課）
Phase 4 電腦視覺，由卷積到擴散模型到 ViT。Phase 5 自然語言處理，由分詞到注意力機制。Phase 6 語音同音頻，ASR、TTS、音樂生成
模型層（Phase 7-10，62 堂課）
Phase 7 深入 Transformer 架構。Phase 8 生成式 AI，VAE、GAN、擴散模型。Phase 9 強化學習，由 Q-learning 到 PPO 再到 RLHF。Phase 10 由零開始建立大語言模型，分詞、預訓練、指令微調、量化
應用層（Phase 11-13，65 堂課）
Phase 11 LLM 工程化，Prompt Engineering、RAG、微調、Function Calling、MCP。Phase 12 多模態 AI，CLIP、VLM、影片理解。Phase 13 工具同協議，MCP 服務端/客戶端建立、OAuth
Agent 層（Phase 14-16，89 堂課）
Phase 14 係最大嘅一個階段，42 堂課專講 Agent 工程。由基礎循環到記憶系統到規劃能力，覆蓋 LangGraph、AutoGen、CrewAI、Claude Agent SDK 等主流框架。Phase 15 自主系統，長期任務、自我改進、安全機制。Phase 16 多 Agent 協作，通訊協議、編排模式、共識機制
生產層（Phase 17-19，75 堂課）
Phase 17 基礎設施，推理優化、量化、可觀測性、安全合規、成本管理。Phase 18 倫理同對齊，紅隊測試、越獄防禦、差分私隱、水印。Phase 19 畢業項目，17 個端到端項目
點解 Agent 佔咗最大篇幅
成個課程 435 堂課入面，Agent 相關嘅內容（Phase 14-16）佔咗 89 堂，超過五分之一。Phase 14 自己就有 42 堂課
呢個比重分配反映咗目前行業嘅實際需求。模型層嘅知識（Transformer、LLM）係基礎，但 2025-2026 年市場上最缺嘅係可以將模型變成可用系統嘅 Agent 工程師
課程入面專門覆蓋咗 Claude Agent SDK、OpenAI Agents SDK 呢啲最新嘅框架，仲有 A2A（Agent-to-Agent）通訊協議。畢業項目入面亦有編程 Agent、自主研究 Agent、多 Agent 團隊呢啲直接對應而家熱門產品嘅項目
四種語言，唔止 Python
大部分 AI 課程淨係用 Python。呢個項目覆蓋 Python、TypeScript、Rust 同 Julia 四種語言
Python 做原型同訓練，TypeScript 做 Web 端 AI 應用，Rust 做高效能推理，Julia 做科學計算同數值優化。呢個配搭同實際工業界嘅語言分佈好接近
每堂課嘅輸出都係可重用成果
呢個項目最有價值嘅設計係「學完就有嘢可以帶走」。435 堂課累積落嚟，項目入面已經有 378 個 skill 文件同 99 個 prompt 模板
每堂課嘅目錄結構固定：code 目錄放可以運行嘅實現，docs 放課程敍述，outputs 放產出物。安裝都好簡單，npx skills add 就可以將某個 phase 或者某堂課嘅 skill 裝到本地
呢個意味住你唔止係「學咗 AI」，你仲有一套可以直接用喺工作嘅工具庫
技術棧一覽
課程涉及嘅工具同框架覆蓋面好廣：
訓練同推理：PyTorch、JAX、scikit-learn、vLLM、SGLang、TensorRT-LLM、llama.cpp、Ollama
Agent 框架：LangGraph、AutoGen v0.4、CrewAI、Claude Agent SDK、OpenAI Agents SDK
協議同平台：MCP、A2A、Bedrock、Azure OpenAI、Vertex AI
可觀測性：Langfuse、Phoenix、Opik、OpenTelemetry
安全工具：Garak、Llama Guard、PyRIT、Constitutional AI
幾乎將 2026 年 AI 工程師日常會用到嘅工具全部覆蓋曬
適合邊個用
項目要求嘅前置條件得一個：識寫 code（推薦 Python）。目標對象係想理解 AI 到底點運作嘅人，唔滿足於淨係 call API
如果你係啱啱入行嘅 AI 工程師，呢 320 小時嘅內容相當於一個系統化嘅自學路徑。如果你係有經驗嘅開發者想轉 AI 方向，可以用 /find-your-level 指令做個定位測試，直接跳去適合嘅階段開始
項目地址：https://github.com/rohitg00/ai-engineering-from-scratch
84% 的人在用 AI 工具，只有 18% 覺得自己真會用，這個 18.7k Star 項目要補上這個差距
84% 的學生已經在使用 AI 工具，但只有 18% 覺得自己有能力把 AI 應用到專業領域。GitHub 上一個叫 AI Engineering from Scratch 的項目就是衝着這個差距來的，兩週漲到 18.7k Star。435 節課，20 個階段，預計 320 小時，從線性代數一路教到多 Agent 系統。每節課產出一個可複用的產物：prompt、skill 文件、agent 或 MCP server
跟市面上大多數"AI 學習路線"不同的是，這個項目不只是列連結。每節課有固定的六步結構：MOTTO（核心理念）、PROBLEM（具體痛點）、CONCEPT（圖解直覺）、BUILD IT（手寫實現，不用框架）、USE IT（生產級框架實現）、SHIP IT（輸出可複用產物）
整個課程分 20 個 Phase，從第 0 階段的環境搭建到第 19 階段的畢業項目
基礎層（Phase 0-3，65 節課）
Phase 0 搞定開發環境、Git、GPU、Docker。Phase 1 補數學，線性代數、微積分、概率論、優化理論。Phase 2 進入經典 ML，迴歸、決策樹、SVM、聚類。Phase 3 從零構建神經網絡，手寫反向傳播
感知層（Phase 4-6，74 節課）
Phase 4 計算機視覺，從卷積到擴散模型到 ViT。Phase 5 自然語言處理，從分詞到注意力機制。Phase 6 語音和音頻，ASR、TTS、音樂生成
模型層（Phase 7-10，62 節課）
Phase 7 深入 Transformer 架構。Phase 8 生成式 AI，VAE、GAN、擴散模型。Phase 9 強化學習，從 Q-learning 到 PPO 到 RLHF。Phase 10 從零構建大語言模型，分詞、預訓練、指令微調、量化
應用層（Phase 11-13，65 節課）
Phase 11 LLM 工程化，Prompt Engineering、RAG、微調、Function Calling、MCP。Phase 12 多模態 AI，CLIP、VLM、視頻理解。Phase 13 工具和協議，MCP 服務端/客戶端構建、OAuth
Agent 層（Phase 14-16，89 節課）
Phase 14 是最大的一個階段，42 節課專講 Agent 工程。從基礎循環到記憶系統到規劃能力，覆蓋 LangGraph、AutoGen、CrewAI、Claude Agent SDK 等主流框架。Phase 15 自主系統，長期任務、自我改進、安全機制。Phase 16 多 Agent 協作，通信協議、編排模式、共識機制
生產層（Phase 17-19，75 節課）
Phase 17 基礎設施，推理優化、量化、可觀測性、安全合規、成本管理。Phase 18 倫理和對齊，紅隊測試、越獄防禦、差分隱私、水印。Phase 19 畢業項目，17 個端到端項目
為什麼 Agent 佔了最大篇幅
整個課程 435 節課裏，Agent 相關的內容（Phase 14-16）佔了 89 節，超過五分之一。Phase 14 單獨就有 42 節課
這個比重分配反映了當前行業的實際需求。模型層的知識（Transformer、LLM）是基礎，但 2025-2026 年市場上最缺的是能把模型變成可用系統的 Agent 工程師
課程裏專門覆蓋了 Claude Agent SDK、OpenAI Agents SDK 這些最新的框架，還有 A2A（Agent-to-Agent）通信協議。畢業項目裏也有編程 Agent、自主研究 Agent、多 Agent 團隊這些直接對標當前熱門產品的項目
四種語言，不只是 Python
大多數 AI 課程只用 Python。這個項目覆蓋 Python、TypeScript、Rust 和 Julia 四種語言
Python 做原型和訓練，TypeScript 做 Web 端 AI 應用，Rust 做高性能推理，Julia 做科學計算和數值優化。這個搭配跟實際工業界的語言分佈很接近
每節課的輸出都是可複用產物
這個項目最有價值的設計是"學完就有東西帶走"。435 節課積累下來，項目裏已經有 378 個 skill 文件和 99 個 prompt 模板
每節課的目錄結構固定：code 目錄放可運行的實現，docs 放課程敍述，outputs 放產出物。安裝也很簡單，npx skills add 就能把某個 phase 或某節課的 skill 裝到本地
這意味着你不只是"學了 AI"，你還有一整套可以直接用到工作中的工具庫
技術棧一覽
課程涉及的工具和框架覆蓋面很廣：
訓練和推理：PyTorch、JAX、scikit-learn、vLLM、SGLang、TensorRT-LLM、llama.cpp、Ollama
Agent 框架：LangGraph、AutoGen v0.4、CrewAI、Claude Agent SDK、OpenAI Agents SDK
協議和平台：MCP、A2A、Bedrock、Azure OpenAI、Vertex AI
可觀測性：Langfuse、Phoenix、Opik、OpenTelemetry
安全工具：Garak、Llama Guard、PyRIT、Constitutional AI
幾乎把 2026 年 AI 工程師日常會用到的工具全覆蓋了
適合誰用
項目要求的前置條件只有一個：會寫代碼（推薦 Python）。目標受眾是想理解 AI 到底怎麼運作的人，不滿足於只調 API
如果你是剛入行的 AI 工程師，這 320 小時的內容相當於一個系統化的自學路徑。如果你是有經驗的開發者想轉 AI 方向，可以用 /find-your-level 命令做個定位測試，直接跳到適合的階段開始
項目地址：https://github.com/rohitg00/ai-engineering-from-scratch