84% 的学生已经在用 AI 工具，但只有 18% 觉得自己准备好了。AI Engineering from Scratch 是一个 MIT 开源课程，从线性代数讲到自主 Agent 集群，每节课都让你从零手写核心算法，而不是调框架 API。435 节课，覆盖 Python/TypeScript/Rust/Julia 四种语言，每节课产出一个可复用的工具——Prompt、Skill、Agent 或 MCP Server。
这个项目解决什么问题？
大部分 AI 学习资源是碎片化的：一篇 Transformer 论文解读、一个微调教程、一个 Agent Demo。这些碎片很少串成一条完整的线——你会调 API 做聊天机器人，但说不清 loss curve 为什么长那样；你会给 Agent 挂工具，但不知道 attention 在模型内部到底干了什么。
AI Engineering from Scratch 的定位是"脊柱课程"：20 个阶段，435 节课，线性代数在一头，自主 Agent 集群在另一头。每个算法先用原始数学推导，再用代码实现，最后才引入框架。等 PyTorch 出场的时候，你已经知道它底层在干什么了。
核心亮点
Build It / Use It 双轨制。每节课分两半：先用纯数学+原生代码实现算法（Build It），再用 PyTorch/sklearn 等框架跑同样的事情（Use It）。你理解框架在做什么，是因为你自己写过更小的版本。这不是"看完理论再做练习"，而是"先动手造轮子，再看别人怎么造的"。
每节课产出一个工具。其他课程结束是"恭喜你学会了 X"，这里结束是一个可安装的 Prompt、Skill、Agent 或 MCP Server。435 节课下来，你有一个完整的工具组合，每个都是你亲手写的。内置/find-your-level和/check-understanding两个 Agent Skill，支持 Claude Code、Cursor、Codex 等平台。
四语言覆盖。Python 为主，TypeScript 做 Web/Agent 层，Rust 做高性能计算层，Julia 做数学/科学计算层。不是每节课都四种语言，而是不同阶段用最适合的语言。
快速上手
最简单的方式是直接访问 aiengineeringfromscratch.com 看在线内容，不需要 clone。
想跑代码：
gitclone https://github.com/rohitg00/ai-engineering-from-scratch.gitcdai-engineering-from-scratch python phases/01-math-foundations/01-linear-algebra-intuition/code/vectors.py不确定从哪开始？用内置的定位测试：
/find-your-level10 道题，定位你的知识水平，推荐起始阶段，估算学习时长。学完一个阶段后：
/check-understanding38 道题的小测验，带反馈和需要复习的具体课程指引。
我的评价
AI Engineering from Scratch 的野心很大——435 节课覆盖从线性代数到自主 Agent 的完整链路，每节课都让你从零实现。这种"手写一切"的方法论在 AI 教育领域是稀缺的：大部分课程要么太浅（只教 API 调用），要么太窄（只讲某个子领域）。
但 320 小时的学习量是个双刃剑。对有毅力的人来说，这是一个完整的知识体系；对时间有限的人来说，20 个阶段的线性结构可能让人望而却步。好在/find-your-level能帮你跳过已经会的部分，从合适的阶段开始。
跟 fast.ai、Andrej Karpathy 的系列课程相比，这个项目的优势是广度——它不只是深度学习或 LLM，而是从数学基础到生产部署的全链路。劣势是社区规模——fast.ai 有成熟的论坛和课程体系，这个项目还在早期阶段，社区支持有限。
如果你是那种"不自己写一遍就不放心"的工程师型学习者，这个项目值得 bookmark。如果你更偏好"先用起来再理解原理"的路径，fast.ai 可能更适合你。
