rohitg00/ai-engineering-from-scratch

解决什么问题

多数 AI 工程教程到“调通 API”就结束了。真正决定 RAG 流水线或 Agent 循环能不能用的那些内部机制——分词、检索排序、评估回路——始终是黑箱，一旦线上指标回退，你手里没有诊断的依据。这个项目的方式是让你自己把这些组件实现出来，并保留代码和评估结果，让正确性由测试和 grader 来验证，而不是靠肉眼判断。

有什么不同

常见的教程给你一个能跑的 notebook 和一个顺利的结果。这个项目按 20 个阶段、542 节课组织，配套的 project starter 在你实现对应阶段之前会一直失败，并提供参考实现和本地 grader。它的检索评估项目明确要求按 query 逐条对比、报告回退，而不只是看平均指标——这更接近生产里发布检查的真实需求。课程覆盖 Python、TypeScript、Rust、Julia，并给出三条入口路线（模型基础、LLM 系统、Agent 与交付），不是一个线性大纲。代价是：它是一套学习材料，不是库，不会作为依赖进入你的应用。

适合谁

适合已经会写代码、但只用 SDK 调用过模型，想通过自己动手理解 transformer、检索和 Agent 运行时的开发者。接手了别人的评估套件、需要补排序指标基础的工程师也会受益。不适合想找一个开箱即用的 RAG 框架或 Agent 运行时的人——那是另一类项目。没有编程基础的新手面对 542 节课的广度，更可能被淹没而不是被帮助。

上手成本

README 信息不少但偏宣传：它写明 542 节课、20 个阶段、四种语言，并指向外部网站和各项目的运行命令，但没有逐一列出每节课的依赖。Python 主线需要 Python 3.10+，跟随 Rust、TypeScript 或 Julia 的课程还要额外安装工具链。MIT 协议，复用材料没有约束。真正的风险是范围而非授权：20 个阶段意味着很大的时间投入；项目的成熟度也尚未验证——它创建于 2026 年 3 月，到现在约七个月，且没有检索到 Hacker News 上的相关讨论。

点评

这是一个典型的年轻项目，正处在陡峭的人气曲线上：本月新增约 17,479 star，在月度全语言榜排到第 17，却从未上过日榜。这种“课程仓库 star 暴涨、同时没有 HN 讨论”的形态，更像是传播广，而不是经过独立技术审阅。它的结构，以及“不实现就失败”的项目 starter，确实比常见教程更严谨；但“课程数、阶段数”式的呈现同样是一种营销信号。建议把它当作自学大纲：先抽样看前几个阶段再决定投入，别把 star 数当作后段课程同样有深度的证据。想亲手做内部实现值得花时间，但它替代不了读论文，也替代不了真实框架的源码。