AI Engineering from Scratch：怎样选择适合自己的学习路线
把课程练习整理成作品集
让命令、改动与失败案例证明你真正能做什么。
把课程练习整理成作品集知识学习CN编辑简报更新 2026-09-29
你将学会
- 选一个范围明确的成果
- 整理可重现证据
- 以未解决问题收尾
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
- 作品集条目应有明确边界。
- 原始源码和个人改动应能区分。
- 未解决失败也属于记录的一部分。
选一个范围明确的成果
课程末尾有综合项目，但作品集可以从更早的练习开始。选一个行为，例如 Agent 的工具调用重试，写明输入、预期结果和失败边界。
把原课程路径与许可证信息放在自己的改动旁边。读者应能分清哪些代码来自课程，哪些设计或修改由你完成。
整理可重现证据
附固定提交、配置命令、依赖版本、测试输入、输出和一个调查过的失败。若用到模型供应商，记录模型与配置，但不要公开密钥。
电子书和网站方便导航；作品集仍需要别人能检查的文件或轨迹。单张截图无法重现 Agent 的决策过程。
以未解决问题收尾
请同伴重跑最小示例，并指出说明中哪里会卡住。先修正那条路径，再声称它能在其他平台工作；依赖付费服务也要写清。
本文提出的是整理作品集的方法，不声称仓库会自动生成作品集。最终成果应说明观察到了什么能力，以及观察所需条件。
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
选一个小行为作为展示目标。
- 2
保存源码出处、配置和一个失败案例。
- 3
请另一位读者尝试重现。
可复制示例
yaml
作品条目：
原课程：phases/14-agent-engineering/01-the-agent-loop
版本：bf7791e140768d8223d24e616bb60cbf07fea014
自己的改动：待填写
重现运行：待验证
已知失败：待记录常见问题
仓库会帮我发布作品集吗？
不会。这里讨论的是读者利用课程成果自行整理的方法。
第一个条目怎样才有说服力？
给出小型可运行示例、明确输入输出和一处能够解释的改动。
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