正在打开工具详情…
正在打开工具详情…
528 节课 20 个阶段的 AI 工程课程，自己实现模型内部、检索管线与代理运行时，附三个带本地批改器的项目。适合想补工程内功的人；代价是要真写代码，Python/TS/Rust 都会碰。
想把 AI 工程内功补上的人：能自己写出优化器、检索评估、trace 分析与工具调用边界，而不只会拼 API 与框架。
想快速做出产品的人——528 节的实现路线太慢；也不适合没有 Node.js / Python 环境、或不愿写代码的学习者。
这个仓库的路线是「实现模型内部、检索管线与代理运行时」——不是教你调 API，而是让你自己写出来。规模是 528 节课、20 个阶段，涉及 Python、TypeScript、Rust、Julia，MIT 协议，网站 / 编码代理 / 本地跑代码三种学法都行。
它和普通课程最大的差别在「项目挑战」：三个带阶段性 starter、参考实现和本地 grader 的项目，starter 在你实现之前是故意失败的。01 检索评估实验（Python 3.10+，做逐查询的 NDCG 对比，并能在发布检查里失败）；02 Agent Trace Debugger（TypeScript，Node.js 22.18+，解析 JSONL trace、做区间运算、产出可检视的时间线）；03 Tool Call Firewall（Rust，校验调用信封、角色与路径、消耗与请求绑定的一次性审批）。每个项目都写明了「你要留下什么产物」，比如 02 要求保住独占的 per-span token 计数，避免父子 span 重复计算。
最方便的入口是把课程装成编码代理的 tutor：npx skills add rohitg00/ai-engineering-from-scratch，之后 Codex 用 start-learning、Claude Code 用 /start-learning。一次十题的摸底测验会把你映射到合适的起始阶段并生成 LEARNING.md；之后 learn 每次教一节（概念、数学、代码、测验），course-guide 直接跳到你卡住的那节。只想学 MCP 或只想学 Agent Skills 也各有 17 节 / 5 节的专项路线。
代价：这是「从零实现」路线，不动手等于没学；环境也有硬要求（Node.js、npx、python3，以及一个支持 skill 的宿主和可写目录）。
上手步骤之外的具体做法：常见场景怎么配、命令怎么写、报错怎么处理。
按第一次用会卡在哪讲：三种学法怎么选、把课程装进编码代理的命令、三个项目的运行方式，以及为什么 starter 一上来就是失败的。
| 学法 | 需要什么 |
|---|---|
| 网站 | 浏览器，什么都不装 |
| 编码代理当 tutor | Node.js、npx、一个支持 skill 的宿主 |
| 本地跑项目 | python3（部分项目要 Node.js 22.18+ / Rust） |
推荐第二种——它就是为这个设计的：
bashnpx skills add rohitg00/ai-engineering-from-scratch装的时候选宿主和 scope（.claude/skills/、.cursor/skills/、.codex/skills/ 等）。调用语法属于宿主，不属于 SKILL.md：
| 宿主 | 开始课程 | 阶段测验 |
|---|---|---|
| Codex | start-learning | check-understanding 13 |
| Claude Code | /start-learning | /check-understanding 13 |
| 其他兼容宿主 | Use start-learning to begin the course. | Use check-understanding to quiz me on Phase 13. |
摸底测验会生成一份 LEARNING.md 学习计划；之后 learn 每次只教一节（概念、数学、代码、测验），course-guide 用来跳到卡住的那节。
learn-mcp（Claude Code 是 /learn-mcp），一条 17 节课的路线，生成 MCP-LEARNING.mdlearn-agent-skills，5 节课：契约、发现、调用、沙箱边界、发布评估与宿主可移植性别以为装坏了：starter 在你实现之前就是会失败的。
bashpython3 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三个项目分别是：
| 项目 | 语言 | 关键点 |
|---|---|---|
| 01 检索评估实验 | Python 3.10+ | 逐查询 NDCG 对比，能作为发布检查失败掉 |
| 02 Agent Trace Debugger | TypeScript | JSONL 解析、区间运算、HTML 时间线 |
| 03 Tool Call Firewall | Rust | 调用信封校验、角色与路径检查、一次性审批 |
命令都从仓库根目录跑。每个项目都写明要保留什么产物——例如 02 要保住 per-span 的独占 token 计数，父子不能重复计。
没有 Node.js / npx / python3 / 支持的宿主 / 可写目录，就走网站读 docs/en.md。那条路线能学概念，但真实宿主的发现、调用、脚本与卸载验证得等环境齐了才能做。