AI Engineering from Scratch：怎样选择适合自己的学习路线
AI Engineering from Scratch：怎样选择适合自己的学习路线
从一个明确目标和一次可运行的练习出发，找到这套庞大课程的入口。
AI Engineering from Scratch：怎样选择适合自己的学习路线知识学习CN编辑简报更新 2026-09-29
你将学会
- 先确定要解决什么问题
- 把练习结果留成证据
- 明确本文核查边界
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
- 该仓库是课程，不是可直接部署的 AI 服务。
- 入口应由目标和先修知识决定。
- 运行记录能让学习成果接受复查。
先确定要解决什么问题
这个仓库是一套课程，不是可以直接部署的 Agent 服务。README 为初学者、模型学习者、LLM 应用开发者和 Agent 开发者列出不同入口；课程标注的课时数不能直接当作教学质量证明。
已经熟悉 Python 的读者可以先看目标路线的先修知识，不必从终端基础逐页读起。定位学习起点的技能是可选工具，即使不用 AI 导师，也能直接阅读课程文件。
把练习结果留成证据
项目要求读者阅读课程说明、亲手输入关键代码、在仓库根目录运行，并保存命令、退出码和输出。这样的记录比仅仅勾选“学完”更能说明发生了什么。
第一次练习可以运行环境预检和不依赖额外包的线性代数示例。保存终端输出，再解释自己修改的一处输入；遇到意外结果时，先追代码路径。
明确本文核查边界
课程跨越模型、协议、Agent、基础设施和综合项目。本系列核查了固定提交及部分代表性课程，没有逐一执行所有练习，也不为课程宣传的学习效果背书。
后续文章会说明本地环境、课程结构和进度评估。网站与可选导师可以辅助导航，但无法代替读者亲自运行与解释练习。
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
从 README 路线表选一个学习目标。
- 2
在可丢弃的检出目录里运行环境预检。
- 3
保存一条命令、退出码和自己改动的练习文件。
可复制示例
bash
python3 phases/00-setup-and-tooling/01-dev-environment/code/verify.py --route beginner
python3 phases/01-math-foundations/01-linear-algebra-intuition/code/vectors.py常见问题
必须按顺序读完所有课程吗？
不必。README 提供按目标选择的路线，但后续课程可能依赖前面的概念。
必须安装 AI 导师吗？
不必。仓库里的课程文本和代码可以直接阅读、运行。