░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒

84% 的学生已经在用 AI 工具，可只有 18% 觉得自己能在专业场景里用好它们。 这套课程要填的就是这道沟。

503 节课，20 个阶段，约 320 小时。Python、TypeScript、Rust、Julia。每节课都交付一件能复用的东西：一个提示词、一个技能、一个 agent、一个 MCP server。免费，开源，MIT。

你不只是学 AI，你亲手把它造出来。从头到尾，全手写。

本项目是 AI Engineering from Scratch（作者 Rohit Ghumare，MIT 协议）的简体中文衍生版。衷心感谢原作者创作并开源了这套课程。

这个中文版做了什么

不是机器翻译堆出来的镜像。在忠实翻译之上，我们做了一套面向中文读者的本地化：


🇨🇳 全站简体中文	503 节课正文、83 条术语表、测验题、`mermaid` 流程图、交互图表标签全部中文化（`agent`、`token`、`transformer` 等技术术语按惯例保留英文）
🌐 独立中文网站 aieng-zh.cn	可搜索的课程目录、学习进度追踪、可拖动的交互式图表、命令面板（`Cmd / Ctrl + K`）、深色模式
🎬 配套动画讲解视频	3Blue1Brown 风格的无真人动画讲解，把每节课的数学推导与核心直觉做成可视化短片，中文配音、在课程页内嵌播放。Phase 1（数学基础 22 节）已上线，其余阶段陆续制作中——它是对动手推导的补充，不是替你跳过思考的速成视频
🔍 为 AI 检索优化	构建时自动生成 `sitemap.xml` / `llms.txt` / 结构化数据，方便被搜索引擎和 AI 助手引用
✅ 课数一致性护栏	CI 自动校验课程数（`node site/build.js --check`），防止课程列表与磁盘上的实际内容漂移

翻译怎么翻见 TRANSLATION.md。课程结构、代码与上游保持一致，译文持续跟进上游更新。

目录 · 怎么运作 · 课程结构 · 一节课的样子 · 快速开始 · 每节课都有产出 · 课程目录 · 工具箱 · 参与贡献

怎么运作

大多数 AI 教材都是碎片化教学。这儿一篇论文，那儿一篇微调心得，别处再来个炫酷的 agent demo。这些碎片很少能拼到一起。你做出了一个聊天机器人，却讲不清它的 loss 曲线；你给 agent 挂了个函数，却说不出调用它的那个模型内部，attention 到底在干什么。

这套课程就是那根脊椎。20 个阶段，503 节课，四种语言：Python、TypeScript、Rust、Julia。一头是线性代数，另一头是自主 agent 集群。每个算法都先从最原始的数学手写出来。反向传播、分词器、注意力、agent 循环——等 PyTorch 登场时，你已经知道它底层在做什么了。

每节课都跑同一个循环：读懂问题、推导数学、写代码、跑测试、留下产物。没有五分钟速成视频，没有复制粘贴式部署，没有手把手喂饭。免费，开源，在你自己的笔记本上就能跑。

░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒

课程的结构

二十个阶段层层叠起来。数学是地基，agent 和生产部署是屋顶。下层的东西你已经会了，就尽管往前跳；但别跳过去之后，又回头纳闷上层为什么塌了。

%%{init: {'theme':'base','themeVariables':{'primaryColor':'#fafaf5','primaryTextColor':'#1a1a1a','primaryBorderColor':'#3553ff','lineColor':'#3553ff'}}}%%
flowchart TB
  P0["阶段 0 · 配置与工具链"] --> P1["阶段 1 · 数学基础"]
  P1 --> P2["阶段 2 · 机器学习基础"]
  P2 --> P3["阶段 3 · 深度学习核心"]
  P3 --> P4["阶段 4 · 计算机视觉"]
  P3 --> P5["阶段 5 · NLP"]
  P3 --> P6["阶段 6 · 语音与音频"]
  P3 --> P9["阶段 9 · 强化学习"]
  P5 --> P7["阶段 7 · Transformer"]
  P7 --> P8["阶段 8 · 生成式 AI"]
  P7 --> P10["阶段 10 · 从零实现 LLM"]
  P10 --> P11["阶段 11 · LLM 工程"]
  P10 --> P12["阶段 12 · 多模态 AI"]
  P11 --> P13["阶段 13 · 工具与协议"]
  P13 --> P14["阶段 14 · Agent 工程"]
  P14 --> P15["阶段 15 · 自主系统"]
  P15 --> P16["阶段 16 · 多 agent 与集群"]
  P14 --> P17["阶段 17 · 基础设施与生产"]
  P15 --> P18["阶段 18 · 伦理、安全与对齐"]
  P16 --> P19["阶段 19 · 综合项目"]
  P17 --> P19
  P18 --> P19

░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒

一节课的样子

每节课都待在自己的文件夹里，整套课程结构统一：

phases/<NN>-<phase-name>/<NN>-<lesson-name>/
├── code/      可运行的实现（Python、TypeScript、Rust、Julia）
├── docs/
│   └── zh.md  课程正文
└── outputs/   本节课产出的提示词、技能、agent 或 MCP server

每节课都走六个节拍。其中 Build It / Use It（动手构建 / 上手使用）的拆分是整节课的脊椎—— 你先从零实现算法，再用生产级的库把同样的事跑一遍。你之所以懂框架在做什么，是因为那个更小的版本你自己写过。

%%{init: {'theme':'base','themeVariables':{'primaryColor':'#fafaf5','primaryTextColor':'#1a1a1a','primaryBorderColor':'#3553ff','lineColor':'#3553ff'}}}%%
flowchart LR
  M["主旨<br/>一句话核心理念"] --> Pr["问题背景<br/>具体的痛点"]
  Pr --> C["核心概念<br/>图解与直觉"]
  C --> B["动手构建<br/>纯数学，不用框架"]
  B --> U["实际使用<br/>同样的事用 PyTorch / sklearn 跑一遍"]
  U --> S["拿去用<br/>提示词 · 技能 · agent · MCP"]

快速开始

三种入门方式。挑一个。

方式 A —— 阅读。 在 aieng-zh.cn 上打开任意一节已完成的课程，或展开目录里的某个阶段。无需配置，无需 clone。

方式 B —— clone 下来跑。

git clone https://github.com/fancyboi999/ai-engineering-from-scratch-zh.git
cd ai-engineering-from-scratch-zh
python phases/01-math-foundations/01-linear-algebra-intuition/code/vectors.py

方式 C —— 测一测你的水平 (推荐)。 聪明地跳级。在 Claude、Cursor、Codex、OpenClaw、Hermes，或任何装了本课程技能的 agent 里：

/find-your-level

十道题。把你的知识映射到一个起始阶段，生成一条带课时估算的个性化路径。每学完一个阶段：

/check-understanding 3        # 测验你对阶段 3 的掌握
ls phases/03-deep-learning-core/05-loss-functions/outputs/
# ├── prompt-loss-function-selector.md
# └── prompt-loss-debugger.md

前置要求

你会写代码（任何语言都行，会 Python 更好）。
你想搞懂 AI 到底是怎么运作的，而不只是调调 API。

内置 agent 技能（Claude、Cursor、Codex、OpenClaw、Hermes）

技能	作用
`/find-your-level`	十道题的定级测验。把你的知识映射到一个起始阶段，生成带课时估算的个性化路径。
`/check-understanding <phase>`	按阶段测验，八道题，附反馈和需要复习的具体课程。

░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒

每节课都有产出

别的课程结尾是一句 "恭喜，你学会了 X。" 这里每节课的结尾，是一件你能直接装上、或粘进日常工作流的 可复用工具。

用 python3 scripts/install_skills.py 一次性全部安装。是真家伙，不是课后作业。学完整套课程，你会攒下近 500 件产物——你是真懂它们，因为它们都是你亲手造的。

FIG_002 · 一个实例

阶段 14，第 1 课：agent 循环。约 120 行纯 Python，零依赖。

code/agent_loop.py 动手构建

def run(query, tools):
    history = [user(query)]
    for step in range(MAX_STEPS):
        msg = llm(history)
        if msg.tool_calls:
            for call in msg.tool_calls:
                result = tools[call.name](https://github.com/fancyboi999/ai-engineering-from-scratch-zh/blob/main/**call.args)
                history.append(tool_result(call.id, result))
            continue
        return msg.content
    raise StepLimitExceeded

outputs/skill-agent-loop.md 交付

---
name: agent-loop
description: ReAct-style loop for any tool list
phase: 14
lesson: 01
---

Implement a minimal agent loop that...

outputs/prompt-debug-agent.md

You are an agent debugger. Given the trace
of an agent run, identify the step where
the agent went wrong and explain why...

░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒░░░▒▒▒

课程目录

二十个阶段。点开任意阶段即可展开它的课程列表。

Phase 0: 配置与工具链 `12 lessons`

把环境准备好，迎接后面所有的内容。

#	Lesson	Type	Lang
01	开发环境	Build	Python
02	Git 与协作	Learn	—
03	GPU 配置与云端	Build	Python
04	API 与密钥	Build	Python
05	Jupyter Notebook	Build	Python
06	Python 环境管理	Build	Shell
07	面向 AI 的 Docker	Build	Docker
08	编辑器配置	Build	—
09	数据管理	Build	Python
10	终端与 Shell	Learn	—
11	面向 AI 的 Linux	Learn	—
12	调试与性能分析	Build	Python

#	Lesson	Type	Lang
01	线性代数直觉	Learn	Python, Julia
02	向量、矩阵与运算	Build	Python, Julia
03	矩阵变换与特征值	Build	Python, Julia
04	机器学习里的微积分：导数与梯度	Learn	Python
05	链式法则与自动微分	Build	Python
06	概率与分布	Learn	Python
07	贝叶斯定理与统计思维	Build	Python
08	优化：梯度下降家族	Build	Python
09	信息论：熵与 KL 散度	Learn	Python
10	降维：PCA、t-SNE、UMAP	Build	Python
11	奇异值分解	Build	Python, Julia
12	张量运算	Build	Python
13	数值稳定性	Build	Python
14	范数与距离	Build	Python
15	机器学习里的统计学	Build	Python
16	采样方法	Build	Python
17	线性方程组	Build	Python
18	凸优化	Build	Python
19	面向 AI 的复数	Learn	Python
20	傅里叶变换	Build	Python
21	机器学习里的图论	Build	Python
22	随机过程	Learn	Python

#	Lesson	Type	Lang
01	什么是机器学习	Learn	Python
02	从零实现线性回归	Build	Python
03	逻辑回归与分类	Build	Python
04	决策树与随机森林	Build	Python
05	支持向量机	Build	Python
06	KNN 与距离度量	Build	Python
07	无监督学习：K-Means、DBSCAN	Build	Python
08	特征工程与特征选择	Build	Python
09	模型评估：指标与交叉验证	Build	Python
10	偏差、方差与学习曲线	Learn	Python
11	集成方法：Boosting、Bagging、Stacking	Build	Python
12	超参数调优	Build	Python
13	机器学习流水线与实验追踪	Build	Python
14	朴素贝叶斯	Build	Python
15	时间序列基础	Build	Python
16	异常检测	Build	Python
17	处理不平衡数据	Build	Python
18	特征选择	Build	Python

#	Lesson	Type	Lang
01	感知机：一切的起点	Build	Python
02	多层网络与前向传播	Build	Python
03	从零实现反向传播	Build	Python
04	激活函数：ReLU、Sigmoid、GELU 及其原因	Build	Python
05	损失函数：MSE、交叉熵、对比损失	Build	Python
06	优化器：SGD、Momentum、Adam、AdamW	Build	Python
07	正则化：Dropout、权重衰减、BatchNorm	Build	Python
08	权重初始化与训练稳定性	Build	Python
09	学习率调度与 Warmup	Build	Python
10	造一个你自己的迷你框架	Build	Python
11	PyTorch 入门	Build	Python
12	JAX 入门	Build	Python
13	调试神经网络	Build	Python

#	Lesson	Type	Lang
01	图像基础：像素、通道、色彩空间	Learn	Python
02	从零实现卷积	Build	Python
03	CNN：从 LeNet 到 ResNet	Build	Python
04	图像分类	Build	Python
05	迁移学习与微调	Build	Python
06	目标检测——从零实现 YOLO	Build	Python
07	语义分割——U-Net	Build	Python
08	实例分割——Mask R-CNN	Build	Python
09	图像生成——GAN	Build	Python
10	图像生成——扩散模型	Build	Python
11	Stable Diffusion——架构与微调	Build	Python
12	视频理解——时序建模	Build	Python
13	3D 视觉：点云、NeRF	Build	Python
14	Vision Transformer（ViT）	Build	Python
15	实时视觉：边缘部署	Build	Python
16	构建一条完整的视觉流水线	Build	Python
17	自监督视觉——SimCLR、DINO、MAE	Build	Python
18	开放词表视觉——CLIP	Build	Python
19	OCR 与文档理解	Build	Python
20	图像检索与度量学习	Build	Python
21	关键点检测与姿态估计	Build	Python
22	从零实现 3D 高斯泼溅	Build	Python
23	Diffusion Transformer 与 Rectified Flow	Build	Python
24	SAM 3 与开放词表分割	Build	Python
25	视觉语言模型（ViT-MLP-LLM）	Build	Python
26	单目深度与几何估计	Build	Python
27	多目标跟踪与视频记忆	Build	Python
28	世界模型与视频扩散	Build	Python

#	Lesson	Type	Lang
01	文本处理：分词、词干提取、词形还原	Build	Python
02	词袋、TF-IDF 与文本表示	Build	Python
03	词嵌入：从零实现 Word2Vec	Build	Python
04	GloVe、FastText 与子词嵌入	Build	Python
05	情感分析	Build	Python
06	命名实体识别（NER）	Build	Python
07	词性标注与句法分析	Build	Python
08	文本分类——用于文本的 CNN 与 RNN	Build	Python
09	序列到序列模型	Build	Python
10	注意力机制——那次突破	Build	Python
11	机器翻译	Build	Python
12	文本摘要	Build	Python
13	问答系统	Build	Python
14	信息检索与搜索	Build	Python
15	主题建模：LDA、BERTopic	Build	Python
16	文本生成	Build	Python
17	聊天机器人：从规则到神经网络	Build	Python
18	多语言 NLP	Build	Python
19	子词分词：BPE、WordPiece、Unigram、SentencePiece	Learn	Python
20	结构化输出与约束解码	Build	Python
21	自然语言推理与文本蕴含	Learn	Python
22	嵌入模型深入剖析	Learn	Python
23	RAG 的分块策略	Build	Python
24	指代消解	Learn	Python
25	实体链接与消歧	Build	Python
26	关系抽取与知识图谱构建	Build	Python
27	LLM 评估：RAGAS、DeepEval、G-Eval	Build	Python
28	长上下文评估：NIAH、RULER、LongBench、MRCR	Learn	Python
29	对话状态跟踪	Build	Python

#	Lesson	Type	Lang
01	音频基础：波形、采样、FFT	Learn	Python
02	频谱图、梅尔刻度与音频特征	Build	Python
03	音频分类	Build	Python
04	语音识别（ASR）	Build	Python
05	Whisper：架构与微调	Build	Python
06	说话人识别与验证	Build	Python
07	文本转语音（TTS）	Build	Python
08	声音克隆与音色转换	Build	Python
09	音乐生成	Build	Python
10	音频语言模型	Build	Python
11	实时音频处理	Build	Python
12	搭一条语音助手流水线	Build	Python
13	神经音频编解码器——EnCodec、SNAC、Mimi、DAC	Learn	Python
14	语音活动检测与轮次切换	Build	Python
15	流式语音到语音——Moshi、Hibiki	Learn	Python
16	语音防伪与音频水印	Build	Python
17	音频评估——WER、MOS、MMAU、排行榜	Learn	Python

#	Lesson	Type	Lang
01	为什么用 Transformer：RNN 的问题	Learn	Python
02	从零实现自注意力	Build	Python
03	多头注意力	Build	Python
04	位置编码：正弦、RoPE、ALiBi	Build	Python
05	完整的 Transformer：编码器 + 解码器	Build	Python
06	BERT——掩码语言建模	Build	Python
07	GPT——因果语言建模	Build	Python
08	T5、BART——编码器-解码器模型	Learn	Python
09	Vision Transformer（ViT）	Build	Python
10	音频 Transformer——Whisper 架构	Learn	Python
11	专家混合（MoE）	Build	Python
12	KV Cache、Flash Attention 与推理优化	Build	Python
13	缩放定律	Learn	Python
14	从零构建一个 Transformer	Build	Python
15	Attention 变体——滑动窗口、稀疏、差分	Build	Python
16	投机解码——草稿、验证、重复	Build	Python

#	Lesson	Type	Lang
01	生成模型：分类与历史	Learn	Python
02	自编码器与 VAE	Build	Python
03	[GAN：生成器 vs 判别器](https://github.com/fancyboi999/ai-engineering-from-scratch-zh/blob/main/phases/08-generative-ai/03-gans-generator-discr

AI Engineering From Scratch Zh

At a glance

README

这个中文版做了什么

怎么运作

课程的结构

一节课的样子

快速开始

前置要求

内置 agent 技能（Claude、Cursor、Codex、OpenClaw、Hermes）

每节课都有产出

FIG_002 · 一个实例

课程目录

Phase 0: 配置与工具链 `12 lessons`

Comments (0)

AI Engineering From Scratch Zh

At a glance

README

这个中文版做了什么

怎么运作

课程的结构

一节课的样子

快速开始

前置要求

内置 agent 技能（Claude、Cursor、Codex、OpenClaw、Hermes）

每节课都有产出

FIG_002 · 一个实例

课程目录

Phase 0: 配置与工具链 12 lessons

Comments (0)

Phase 0: 配置与工具链 `12 lessons`