星标数：78667★ Fork数：14008 《ai-engineering-from-scratch：零基础学 AI 工程》

AI Engineering from Scratch 是一个免费、开源（MIT 许可）的 AI 工程学习项目，带你从零动手实现模型内部机制（model internals）、检索管线（retrieval pipelines）与智能体运行时（agent runtimes）。学习过程中你要为这些实现编写测试、排查失败原因，并保留代码与评估结果。

整个课程共 542 节、20 个阶段，覆盖 Python、TypeScript、Rust、Julia、Go 五种语言。你可以在官方网站上学习，借助编码智能体（coding agent）学习，也可以直接在本地运行代码。

项目提供三条学习路径：模型基础（Model foundations）、LLM 系统（LLM systems）、智能体与交付（Agents and delivery）。此外还有可交互的实验环节，例如梯度下降可视化：二十个起始点沿二次损失的梯度下降移动，图表展示每次更新后它们的位置与平均损失，你可以在课程中调整学习率，并在代码中对比 GD、momentum 与 Adam 三种优化器。实战项目部分包含三个项目，均配有分阶段起步代码、参考实现和本地评分器，起步代码在你完成各阶段实现之前会处于失败状态。

主要特点

• 542 节课程、20 个阶段，覆盖 Python、TypeScript、Rust、Julia、Go
• 三条学习路径：模型基础、LLM 系统、智能体与交付，可按职业方向选择起点
• 可交互实验：梯度下降损失曲面可视化，可调学习率并对比多种优化器
• 三个实战项目，含分阶段起步代码、参考实现与本地评分器，例如检索评估实验（Retrieval Evaluation Lab）
• 提供数十种语言的 README 翻译，包括简体中文与繁體中文
• 免费开源、MIT 许可，支持官网学习、编码智能体与本地运行三种方式

快速开始

完成环境配置后，在仓库根目录运行项目测试命令（以检索评估实验为例）：

python3 scripts/project_test.py retrieval-evaluation-lab 
  --init learning-artifacts/retrieval-evaluation-lab
python3 scripts/project_test.py retrieval-evaluation-lab 
  --stage 1 --path learning-artifacts/retrieval-evaluation-lab --strict
python3 scripts/project_test.py retrieval-evaluation-lab 
  --all --path learning-artifacts/retrieval-evaluation-lab --strict

📊 本项目 GitHub 星标数：78667。最后更新：2026-11-13，发布：2026-11-13。项目地址：https://github.com/rohitg00/ai-engineering-from-scratch