AI Engineering from Scratch：怎样选择适合自己的学习路线
学习环境怎么搭：别把课程当成在线服务部署
把本地练习、可选导师和 Docker 课程各自放在正确的位置。
学习环境怎么搭：别把课程当成在线服务部署知识学习CN编辑简报更新 2026-09-29
你将学会
- 按课程安装运行时
- 给 Agent 技能安装划定范围
- 把凭据与真实数据留在练习之外
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
- Docker 课程不是整套课程的部署方案。
- 导师技能可选，安装后会改变 Agent 宿主。
- 本地练习不宜使用真实客户数据。
按课程安装运行时
仓库含 Python、TypeScript、Rust 和 Julia 示例，但第一天不必装齐四套环境。先安装所选路线第一节真正需要的工具，后面遇到新语言再补。
基础阶段的 Docker 课程有独立的 Dockerfile 与 Compose 示例。它们用来教学容器概念，并不是整套课程的生产部署清单；运行时应放在隔离的练习环境。
给 Agent 技能安装划定范围
README 提供 `npx skills add rohitg00/ai-engineering-from-scratch`，用于安装定位路线和学习的技能。安装器会询问宿主及项目级或全局范围；先查看目标目录、文件和信任提示。
没有 Node 或兼容宿主时，仍可通过网站或仓库的课程文件学习。缺少的只是宿主发现、调用及脚本运行的实测记录，不会使课程文本失效。
把凭据与真实数据留在练习之外
后续阶段涉及 API、笔记本和数据集。练习优先使用公开或合成数据，并将供应商凭据交给运行平台的秘密管理机制。
一套学习环境的验收标准是某节课程能运行，且你能解释其输出。仓库本身没有承诺生产接口、自动扩缩容或服务级别指标。
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
只安装第一条路线需要的运行时。
- 2
查看可选技能安装器的目标范围。
- 3
若学习路线包含 Docker 课程，在隔离环境运行它。
可复制示例
bash
git clone https://github.com/rohitg00/ai-engineering-from-scratch.git
cd ai-engineering-from-scratch
python3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route beginner常见问题
能把这个仓库直接部署成 AI 产品吗？
它是课程和练习集合。你依据课程制作的具体项目，需要单独设计和验证部署。
第一节课程需要 GPU 吗？
README 的初学者预检与线性代数示例可以从无 GPU 环境开始。