20个AI工程阶段逐一拆解ai-engineering-from-scratch学习路线地图【免费下载链接】ai-engineering-from-scratchLearn it. Build it. Ship it for others.项目地址: https://gitcode.com/GitHub_Trending/ai/ai-engineering-from-scratchai-engineering-from-scratch是一个完全免费、开源的 AI 工程学习路线项目20 个阶段、511 节课、约 329 小时覆盖 Python、TypeScript、Rust、Julia 四种语言。它把从零手搓反向传播到部署多智能体系统的完整路径拆成了可以一节一节走的课程每节课最后都会产出一个真正可用的交付物提示词、技能、Agent 或 MCP 服务器而不是停留在概念层面。这张学习路线地图是怎么设计的 ️大多数 AI 资料是碎片的今天一篇论文、明天一个微调教程拼不到一起。这个项目的核心思路是**20 个阶段层层堆叠**——数学是地板Agent 与生产是天花板低层没打牢上层迟早会塌。每节课都跑同一个六拍循环环节内容核心理念一句话说清核心思想问题一个具体的痛点场景概念图示 直觉讲解从零构建用原始数学手搓不碰框架框架实现同样的事用 PyTorch / sklearn 再跑一遍交付产出可复用的提示词、技能、Agent 或 MCP 服务器课程总览在 README.md每个阶段的目录都放在 phases/ 下课程进度规划可参考 ROADMAP.md。20 个 AI 工程阶段一览表 阶段主题课数你将掌握00环境搭建与工具链12开发环境、Git、GPU、Docker、调试01数学基础22线性代数、微积分、概率、优化、SVD02经典机器学习18回归、决策树、SVM、集成学习、流水线03深度学习核心13反向传播、损失函数、优化器、自建迷你框架04计算机视觉28CNN、YOLO、扩散模型、3D 视觉、视觉语言模型05自然语言处理29Word2Vec、注意力机制、机器翻译、RAG 分块06语音与音频17频谱图、ASR、语音合成、音频生成07Transformer 深入16自注意力、KV Cache、Flash Attention、MoE08生成式 AI15VAE、GAN、Stable Diffusion、Flow Matching09强化学习12Q-Learning、PPO、Reward Modeling 与 RLHF10从零构建大语言模型24分词器、预训练、RLHF、量化、推理优化11大模型工程化17提示工程、RAG、微调、Function Calling、MCP12多模态 AI25CLIP、LLaVA、视频理解、计算机操作 Agent13工具与协议31MCP 服务器/客户端、安全、认证、A2A 协议14智能体工程42Agent 循环、记忆、规划框架、评测、可观测性15自主系统22长时程 Agent、自我改进、成本治理、熔断器16多智能体与群体25监督者模式、协商、共识算法、群体评测17基础设施与生产28vLLM 内部原理、量化、可观测性、FinOps18伦理、安全与对齐30RLHF 陷阱、越狱防御、红队工具、法规框架19毕业项目8517 个端到端产品 9 条深度构建路线五大区块逐一拆解 第一区块打地基Phase 00–02环境搭建phases/00-setup-and-tooling/12 节课先把工地收拾干净——开发环境、GPU 与云、API 密钥管理、Docker、调试与性能分析。数学基础phases/01-math-foundations/22 节课从向量矩阵到傅里叶变换每个概念都配可运行代码数学不再是黑箱。经典机器学习phases/02-ml-fundamentals/线性回归、随机森林、偏差-方差、特征工程——至今仍是生产环境 AI 的主力军。 新手建议这一区块别跳。后面所有为什么损失不降为什么注意力有效答案都在这里。第二区块进深水区Phase 03–09深度学习核心phases/03-deep-learning-core/先手搓反向传播和迷你框架第 11 节才见 PyTorch——你比框架更懂框架。三大分支并行计算机视觉像素到世界模型、NLP词向量到 LLM 评测、语音音频听、懂、说。Transformer 深入phases/07-transformers-deep-dive/改变一切的架构从自注意力讲到 KV Cache 与 Flash Attention。生成式 AI 与强化学习phases/08-generative-ai/ 讲扩散模型家族phases/09-reinforcement-learning/ 是理解 RLHF 的钥匙。第三区块核心主战场Phase 10–13这是整张学习路线地图的腰杆从零构建 LLMphases/10-llms-from-scratch/自己写分词器、搭预训练管线、做 SFT/RLHF/DPO、量化与推理优化。大模型工程化phases/11-llm-engineering/RAG、提示缓存、Function Calling、LangGraph 状态机把模型真正用到生产里。多模态phases/12-multimodal-ai/从 ViT Patch 到计算机操作 Agent。工具与协议phases/13-tools-and-protocols/31 节课重点打磨 MCP——工具接口、传输层、OAuth 认证、安全防投毒AI 与真实世界之间的插头。第四区块智能体时代Phase 14–16Agent 工程phases/14-agent-engineering/全课程最大的区块42 节从 ~120 行纯 Python 手写 Agent 循环开始覆盖记忆、规划、Reflexion、各主流框架对比、SWE-bench 基准、生产运行时。自主系统phases/15-autonomous-systems/长时程任务、自我改进边界、成本治理、kill switch——让 Agent跑得住。多智能体与群体phases/16-multi-agent-and-swarms/监督者编排、群体辩论、共识算法BFT、群体失败模式。第五区块通往生产Phase 17–19基础设施与生产phases/17-infrastructure-and-production/vLLM 内部原理、投机解码、冷启动缓解、LLM 可观测性、影子流量与金丝雀发布。伦理、安全与对齐phases/18-ethics-safety-alignment/奖励黑客、sycophancy 放大、越狱分类学、差分隐私、水印——不是选修课。毕业项目phases/19-capstone-projects/17 个端到端产品终端编码 Agent、代码库 RAG、实时语音助手、多智能体软件团队……加 9 条深度构建路线从 BPE 分词器到分布式训练。新手如何开始3 种上手方式 直接读打开任意已完成课程即可阅读无需任何安装课程结构可对照 LESSON_TEMPLATE.md。克隆跑代码把仓库拉到本地所有课程代码可真实执行git clone https://gitcode.com/GitHub_Trending/ai/ai-engineering-from-scratch让 AI 当你的私人教练项目内置了一组学习技能位于 skills/比如 find-your-level 用 10 道定位题把你已有的知识映射到起始阶段生成个性化学习计划check-understanding 支持按阶段做 8 题小测验并指出该复习哪几课。不知道从哪里切入先做定位题再按 ROADMAP.md 的顺序推进即可。配套资源让学习路线更完整 证书备考certifications/claude/ 提供免费备考体系覆盖 4 条 Claude 认证路线33 节课程 练习题 模拟考。专项学习路径learning-paths/mcp-engineering.json17 节 MCP 专项和 learning-paths/agent-skills.json5 节 Agent Skills 专项只学感兴趣的方向也能走通。书籍版核心 20 阶段会编译成 6 卷书籍系列EPUB/PDF构建管线见 book/README.md。术语表glossary/terms.md 和 glossary/myths.mdAI 领域常见误解非常值得一读。常见问题 FAQ Q1零基础能直接学吗先完成 Phase 00–02约 52 节课。数学基础区块全部配了可运行代码不要求高等数学背景只要会一点编程任何语言Python 更佳。Q2大概需要多久全程约 329 小时如果只走主线数学 → 深度学习 → LLM → Agent → 生产毕业项目可挑 1–2 个做实际投入会大幅减少。Q3学完能达到什么水平每节课产出一个你亲手写的交付物学完你拥有 500 个可复用工具提示词、技能、Agent、MCP 服务器组成的作品集——面试时能讲清楚注意力机制为什么有效这是只会调 API 的人讲不出来的。 一句话总结这张地图数学是地板Agent 是天花板中间每一层都要亲手搭一遍——这就是 ai-engineering-from-scratch 的完整学习路线。【免费下载链接】ai-engineering-from-scratchLearn it. Build it. Ship it for others.项目地址: https://gitcode.com/GitHub_Trending/ai/ai-engineering-from-scratch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 20个AI工程阶段逐一拆解：ai-engineering-from-scratch学习路线地图
20个AI工程阶段逐一拆解ai-engineering-from-scratch学习路线地图【免费下载链接】ai-engineering-from-scratchLearn it. Build it. Ship it for others.项目地址: https://gitcode.com/GitHub_Trending/ai/ai-engineering-from-scratchai-engineering-from-scratch是一个完全免费、开源的 AI 工程学习路线项目20 个阶段、511 节课、约 329 小时覆盖 Python、TypeScript、Rust、Julia 四种语言。它把从零手搓反向传播到部署多智能体系统的完整路径拆成了可以一节一节走的课程每节课最后都会产出一个真正可用的交付物提示词、技能、Agent 或 MCP 服务器而不是停留在概念层面。这张学习路线地图是怎么设计的 ️大多数 AI 资料是碎片的今天一篇论文、明天一个微调教程拼不到一起。这个项目的核心思路是**20 个阶段层层堆叠**——数学是地板Agent 与生产是天花板低层没打牢上层迟早会塌。每节课都跑同一个六拍循环环节内容核心理念一句话说清核心思想问题一个具体的痛点场景概念图示 直觉讲解从零构建用原始数学手搓不碰框架框架实现同样的事用 PyTorch / sklearn 再跑一遍交付产出可复用的提示词、技能、Agent 或 MCP 服务器课程总览在 README.md每个阶段的目录都放在 phases/ 下课程进度规划可参考 ROADMAP.md。20 个 AI 工程阶段一览表 阶段主题课数你将掌握00环境搭建与工具链12开发环境、Git、GPU、Docker、调试01数学基础22线性代数、微积分、概率、优化、SVD02经典机器学习18回归、决策树、SVM、集成学习、流水线03深度学习核心13反向传播、损失函数、优化器、自建迷你框架04计算机视觉28CNN、YOLO、扩散模型、3D 视觉、视觉语言模型05自然语言处理29Word2Vec、注意力机制、机器翻译、RAG 分块06语音与音频17频谱图、ASR、语音合成、音频生成07Transformer 深入16自注意力、KV Cache、Flash Attention、MoE08生成式 AI15VAE、GAN、Stable Diffusion、Flow Matching09强化学习12Q-Learning、PPO、Reward Modeling 与 RLHF10从零构建大语言模型24分词器、预训练、RLHF、量化、推理优化11大模型工程化17提示工程、RAG、微调、Function Calling、MCP12多模态 AI25CLIP、LLaVA、视频理解、计算机操作 Agent13工具与协议31MCP 服务器/客户端、安全、认证、A2A 协议14智能体工程42Agent 循环、记忆、规划框架、评测、可观测性15自主系统22长时程 Agent、自我改进、成本治理、熔断器16多智能体与群体25监督者模式、协商、共识算法、群体评测17基础设施与生产28vLLM 内部原理、量化、可观测性、FinOps18伦理、安全与对齐30RLHF 陷阱、越狱防御、红队工具、法规框架19毕业项目8517 个端到端产品 9 条深度构建路线五大区块逐一拆解 第一区块打地基Phase 00–02环境搭建phases/00-setup-and-tooling/12 节课先把工地收拾干净——开发环境、GPU 与云、API 密钥管理、Docker、调试与性能分析。数学基础phases/01-math-foundations/22 节课从向量矩阵到傅里叶变换每个概念都配可运行代码数学不再是黑箱。经典机器学习phases/02-ml-fundamentals/线性回归、随机森林、偏差-方差、特征工程——至今仍是生产环境 AI 的主力军。 新手建议这一区块别跳。后面所有为什么损失不降为什么注意力有效答案都在这里。第二区块进深水区Phase 03–09深度学习核心phases/03-deep-learning-core/先手搓反向传播和迷你框架第 11 节才见 PyTorch——你比框架更懂框架。三大分支并行计算机视觉像素到世界模型、NLP词向量到 LLM 评测、语音音频听、懂、说。Transformer 深入phases/07-transformers-deep-dive/改变一切的架构从自注意力讲到 KV Cache 与 Flash Attention。生成式 AI 与强化学习phases/08-generative-ai/ 讲扩散模型家族phases/09-reinforcement-learning/ 是理解 RLHF 的钥匙。第三区块核心主战场Phase 10–13这是整张学习路线地图的腰杆从零构建 LLMphases/10-llms-from-scratch/自己写分词器、搭预训练管线、做 SFT/RLHF/DPO、量化与推理优化。大模型工程化phases/11-llm-engineering/RAG、提示缓存、Function Calling、LangGraph 状态机把模型真正用到生产里。多模态phases/12-multimodal-ai/从 ViT Patch 到计算机操作 Agent。工具与协议phases/13-tools-and-protocols/31 节课重点打磨 MCP——工具接口、传输层、OAuth 认证、安全防投毒AI 与真实世界之间的插头。第四区块智能体时代Phase 14–16Agent 工程phases/14-agent-engineering/全课程最大的区块42 节从 ~120 行纯 Python 手写 Agent 循环开始覆盖记忆、规划、Reflexion、各主流框架对比、SWE-bench 基准、生产运行时。自主系统phases/15-autonomous-systems/长时程任务、自我改进边界、成本治理、kill switch——让 Agent跑得住。多智能体与群体phases/16-multi-agent-and-swarms/监督者编排、群体辩论、共识算法BFT、群体失败模式。第五区块通往生产Phase 17–19基础设施与生产phases/17-infrastructure-and-production/vLLM 内部原理、投机解码、冷启动缓解、LLM 可观测性、影子流量与金丝雀发布。伦理、安全与对齐phases/18-ethics-safety-alignment/奖励黑客、sycophancy 放大、越狱分类学、差分隐私、水印——不是选修课。毕业项目phases/19-capstone-projects/17 个端到端产品终端编码 Agent、代码库 RAG、实时语音助手、多智能体软件团队……加 9 条深度构建路线从 BPE 分词器到分布式训练。新手如何开始3 种上手方式 直接读打开任意已完成课程即可阅读无需任何安装课程结构可对照 LESSON_TEMPLATE.md。克隆跑代码把仓库拉到本地所有课程代码可真实执行git clone https://gitcode.com/GitHub_Trending/ai/ai-engineering-from-scratch让 AI 当你的私人教练项目内置了一组学习技能位于 skills/比如 find-your-level 用 10 道定位题把你已有的知识映射到起始阶段生成个性化学习计划check-understanding 支持按阶段做 8 题小测验并指出该复习哪几课。不知道从哪里切入先做定位题再按 ROADMAP.md 的顺序推进即可。配套资源让学习路线更完整 证书备考certifications/claude/ 提供免费备考体系覆盖 4 条 Claude 认证路线33 节课程 练习题 模拟考。专项学习路径learning-paths/mcp-engineering.json17 节 MCP 专项和 learning-paths/agent-skills.json5 节 Agent Skills 专项只学感兴趣的方向也能走通。书籍版核心 20 阶段会编译成 6 卷书籍系列EPUB/PDF构建管线见 book/README.md。术语表glossary/terms.md 和 glossary/myths.mdAI 领域常见误解非常值得一读。常见问题 FAQ Q1零基础能直接学吗先完成 Phase 00–02约 52 节课。数学基础区块全部配了可运行代码不要求高等数学背景只要会一点编程任何语言Python 更佳。Q2大概需要多久全程约 329 小时如果只走主线数学 → 深度学习 → LLM → Agent → 生产毕业项目可挑 1–2 个做实际投入会大幅减少。Q3学完能达到什么水平每节课产出一个你亲手写的交付物学完你拥有 500 个可复用工具提示词、技能、Agent、MCP 服务器组成的作品集——面试时能讲清楚注意力机制为什么有效这是只会调 API 的人讲不出来的。 一句话总结这张地图数学是地板Agent 是天花板中间每一层都要亲手搭一遍——这就是 ai-engineering-from-scratch 的完整学习路线。【免费下载链接】ai-engineering-from-scratchLearn it. Build it. Ship it for others.项目地址: https://gitcode.com/GitHub_Trending/ai/ai-engineering-from-scratch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考