AI Engineering from Scratch：怎样选择适合自己的学习路线
课程结构：数学、模型与 Agent 怎样衔接
把阶段图当作先修关系图，并检查自己能从哪里进入。
课程结构：数学、模型与 Agent 怎样衔接知识学习CN编辑简报更新 2026-09-29
你将学会
- 沿着先修关系阅读
- 看懂单节课的内部结构
- 让路线对应可观察成果
开始前需要
- 基本命令行操作
- 明确的学习目标和可丢弃检出目录
让命令、改动与失败案例证明你真正能做什么。
先看结论
- 阶段图包含分支与先修关系。
- 课程文件是核查学习内容的基本单位。
- 进度记录应连接概念与成果。
沿着先修关系阅读
README 画出从环境、数学基础、模型构建与 LLM 工程，到工具、Agent 和生产的路线。视觉、语音与强化学习等主题形成分支，并非所有阶段都要排成一条直线。
这张图帮助规划学习，不会在软件层面强制解锁课程。读者可以先进入 Agent 阶段，遇到注意力机制或优化问题时，再返回基础课程补缺口。
看懂单节课的内部结构
典型课程包含 docs/en.md 讲解、可运行代码、输出文件与测验。README 要求从仓库根目录执行并保留结果；当某个概念含糊时，这些文件是最直接的核查对象。
网站和电子书提供另一种阅读方式。README 将多语言落地页与课程翻译区分开来；有些课程译文位于单独分支，应检查实际打开的文件及版本。
让路线对应可观察成果
为自己定一个可以解释的概念，再选一个能生成的文件或运行轨迹，例如一次 Agent 工具调用。把成果关联到具体阶段和课程路径，而非只计算完成页面数。
每到分支时，记下已经掌握的先修概念与仍有疑问的地方。这样最终项目才不会沦为一堆无法解释的复制命令。
如何选择
| 比较维度 | 方案 A | 方案 B |
|---|---|---|
| Best when | You need predictable behavior and easy auditing | You need adaptive optimization and have reliable telemetry |
| Main risk | May leave performance on the table | Can become difficult to explain or debug |
实施步骤
- 1
画出目标阶段及其先修路径。
- 2
打开一节课的讲解、代码与测验。
- 3
把可运行成果关联到它证明的概念。
可复制示例
text
目标：解释一次 Agent 循环失败
先修：LLM 应用基础
课程：phases/14-agent-engineering/01-the-agent-loop
证据：命令、输出、一处能解释的代码改动常见问题
网站是另一套课程吗？
README 将 GitHub 和网站指向同一套课程的不同阅读入口。
各语言译文一样新吗？
查看 docs/i18n.md 与具体课程文件；落地页翻译和课程译文不是一回事。
资料来源
- AI Engineering from Scratch / README.md来源核查 2026-09-29
- AI Engineering from Scratch / book/README.md来源核查 2026-09-29
- AI Engineering from Scratch / docs/i18n.md来源核查 2026-09-29