从零开始学AI工程

FIG_000 · 课程 v1.0 · 2026 开源 · MIT 许可证

从零开始学AI工程

416节课。20个阶段。每个算法在导入任何框架之前，都从原始数学开始构建。

由 Rohit Ghumare 和贡献者维护。可在你自己的机器上运行。

工作原理

大多数AI教学材料以零散的方式呈现。这里一篇论文，那里一篇微调帖子，别处再有个花哨的Agent演示。这些碎片很少能拼在一起。你能部署一个聊天机器人，但无法解释它的损失曲线。你能将函数连接到Agent，但说不清调用它的模型内部注意力机制是如何工作的。

本课程是一个脊柱。20个阶段，416节课，四种语言：Python、TypeScript、Rust、Julia。一端是线性代数，另一端是自主集群。每个算法首先从原始数学构建。反向传播、分词器、注意力机制、Agent循环。当PyTorch出现时，你已经知道它在底层做了什么。

每节课遵循相同的循环：阅读问题、推导数学、编写代码、运行测试、保留工件。没有五分钟视频，没有复制粘贴部署，没有手把手指导。免费、开源，并且设计在你的笔记本电脑上运行。

当前进度

已完成课程 条形图 0 / 0

阶段 条形图 0 / 0

语言 条形图 4

术语表条目 条形图 ···

课程 · 20个阶段 · 416节课

点击阶段展开其课程。每个课程在其数学、代码和测试全部编写完成后发布。

• 已完成
• 进行中
• 计划中

来自同一作者

记忆 + 推理 + 知识协议

三个开源仓库，组合成一个完整的Agent栈。本课程教授原语；这些工具则在生产中部署它们。

FIG_006 · Agent栈 记忆 · 推理 · 知识

三个仓库，一个栈：agentmemory 写入持久状态，agentbrain 基于证据引导循环，akbp 在会话之间和Agent之间回答知识查询。

• agentmemory：AI编码Agent的持久记忆。来自第14阶段的状态表面，投入生产。

查看 GitHub →

• agentbrain：Agent的以证据为先的操作系统。推理+验证表面，端到端连接。

查看 GitHub →

• akbp：Agent知识库协议。会话之间和Agent之间的交接+知识层。

查看 GitHub →

版权页

整个课程在GitHub上。克隆它，分叉它，按照自己的节奏学习。无付费墙，无需注册。每节课都有可运行的代码，使用Python、TypeScript、Rust或Julia，具体取决于哪个语言最适合该概念。

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