一句话看懂：一个在 GitHub 上已获 59.8K Star 的开源课程「AI Engineering from Scratch」，主张在调用任何框架之前先用纯数学手写算法，覆盖从线性代数到多智能体集群的 20 个阶段，目前已提供中文在内的 12 种语言翻译。
事件核心：发生了什么
这套课程由作者 @ghumare64 维护（课程主页 aiengineeringfromscratch.com，代码托管在 GitHub 的 rohitg00/ai-engineering-from-scratch），共 20 个阶段、约 523 节课，主语言为 Python。它与常见的”装库—调 API—跑 demo”式教程不同：每节课遵循 Motto → Problem → Concept → Build It → Use It → Ship It 的六段结构，单节篇幅约 3000 词以上，配 Mermaid 图和可运行代码。内容分五个板块——基础层（环境、数学、经典机器学习）、深度学习与感知层（神经网络、计算机视觉、NLP、语音）、生成与决策层（Transformer、扩散模型、强化学习）、LLM 层（含 DeepSeek-V3 架构、NSA 稀疏注意力、投机解码等前沿主题）、智能体层（MCP、A2A、Agent Skills、多智能体协作），最后以生产基础设施与对齐收尾。课程还通过 CI 自动生成六卷 EPUB/PDF 书籍，并支持用 npx skills add 装进 Claude Code、Codex 等编码智能体，变成带分级测验的交互式导师。
为什么重要
当下多数 AI 学习资源围绕调用闭源 API 展开，学习者对 tokenizer、注意力机制、并行策略这类底层环节缺少手感。这套课程把”先手写、后导入”作为硬规则，等于在训练与推理之间补了一层工程理解。它把智能体工程放在与 LLM 训练同等的位置（54 节课的 agent 工程加上多智能体集群），也反映出开源社区对”重心从训模型转向构建可靠协作智能体”的判断。课程还附带 67 节课、505 道练习题的认证备考路径，覆盖 Anthropic 的 Claude 认证与 Agentic AI Foundation 的 MCPA，项目声明与考试机构无关联。每节课产出一个可复用 artifact（prompt、skill、agent 或 MCP server），强调保留命令、退出码与输出作为”证据留存”，这套思路明显来自工程实践。
对用户/开发者/创作者的影响
对开发者，这是一条可以按 Phase 0 到 19 逐级推进的路径，适合数学基础不牢但想补底层的人；把课程装进编码智能体后，学习进度写入 LEARNING.md，等于用正在学的工具来学。对创作者和产品侧，课程给出的四条学习路径（构建与部署 AI 应用、软件工程基础、Agent 辅助工程、产品判断与交付）提供了按目标选路的可能，但需要自行判断哪些阶段与自身工作相关。对企业培训而言，523 个可展示作品比跑完即弃的 notebook 更便于评估学习效果，不过目前公开信息显示，课程本身不提供官方学分或雇佣背书。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 20 个阶段的更新节奏能否跟上模型迭代，尤其是 DeepSeek-V3、Jamba 这类论文级内容的时效性；二是 12 种语言翻译（含中文）的质量是否稳定，中文学习者能否直接依赖；三是课程与 Anthropic、MCPA 等认证生态的关系是否变化，以及把课程装进编码智能体这条路径是否会扩展到更多工具。
来源：@shao__meng
