[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"$f3eq1m7vs6lc5a":3},{"code":4,"message":5,"data":6,"timestamp":46},10000,"success",{"full_name":7,"position":8,"description":9,"language":10,"stars":11,"forks":12,"stars_gained":13,"age_days":14,"hn_threads":15,"one_liner":16,"summary_md":17,"topic":18,"github_topics":21,"license":42,"homepage":43,"updated_at":44,"history":45},"rohitg00\u002Fai-engineering-from-scratch",6,"Learn AI Engineering! Learn it. Build it. Ship it for others.","Python",73180,12847,17479,220,[],"用 542 节课带你亲手实现、测试并评估模型内部、检索流水线与 Agent 运行时，而不是只会调 API。","## 解决什么问题\n\n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。\n\n## 有什么不同\n\n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。\n\n## 适合谁\n\n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。\n\n## 上手成本\n\nREADME 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。\n\n## 点评\n\n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。",{"slug":19,"name":20},"learning","学习资源",[22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41],"agents","ai","ai-agents","ai-engineering","computer-vision","course","deep-learning","dsh","from-scratch","generative-ai","llm","machine-learning","mcp","python","rea","reinforcement-learning","rust","transformers","tutorial","typescript","MIT","https:\u002F\u002Faiengineeringfromscratch.com","2026-10-24T14:35:22Z",[],1792870936]