基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
  • 知识卡片碎片时间过考点
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
    • AI 热点每日 AI 资讯与动向
AI 工作台
旧版
AIHT
内容
精选全部 AI 动态热点榜AI 日报收藏
分类
模型行业编程产品技术观点开源
更多
Agent 接入
返回首页开发者导航
AIHT
精选 / 资讯详情
8.0
热点
AI SCORE
开源项目2026-11-22 17:49

开源 AI 工程课程带你手写模型与智能体

dev.to · AI#开源课程#AI工程#智能体
Editor brief · 编辑速览

这套 MIT 许可课程包含 542 节课,涵盖手写分词器、反向传播、Transformer,以及搭建 RAG、智能体运行时和评测流程。配套项目包括小型编程智能体、带引用的文档问答和支持回退的模型网关。

文章思维导图
Knowledge map
拖拽缩放
AI deep read

AI 深度解读

AI Engineering From Scratch 是一套免费的开源课程。作者推荐它,是因为它把平时藏在 AI API 和框架背后的组件拆成了动手练习,从手写分词器、注意力机制,一路做到检索、智能体和生产部署。

对前端和全栈开发者,最实用的读法是把它当作一份可以按问题选课的工程地图。想弄清文档问答为什么引错出处,就从检索练起。想弄清编码智能体怎么调用工具,就去看运行时。

542 节课串起了哪些工程问题?

课程采用 MIT 许可证,分 20 个阶段,共 542 节,涉及 Python、TypeScript、Rust、Julia 和 Go。按作者发文时给出的数字,仓库在 GitHub 上约有 8 万颗星。短文列出了这 5 种语言,各语言分别覆盖多少课程则没有交代。

课程从手写反向传播和分词器开始。反向传播用来算出模型参数该往哪个方向调整,分词器则把文本切分并转成模型能处理的编号。再往下是手写注意力机制和 Transformer。注意力可以理解为模型处理某个位置时,给其他位置的信息分配不同的权重。亲手实现一遍,有助于搞清各个组件处理的输入是什么、输出又交给谁。

从模型原理到应用上线,中间还要补什么?

模型能生成文本之后,应用还要处理资料从哪来、工具怎么调用、结果怎么检查。课程把这些工作拆到检索管线、检索增强生成(RAG)、智能体运行时、评估和 MCP 工具里,最后延伸到生产部署。

带引用的文档问答能说明为什么要分开学这些环节。RAG 先找出相关资料,再把资料交给模型生成回答。引用错了,可以先看检索有没有捞到对的段落,再看回答有没有把结论对应到正确的来源。智能体运行时关注的是另一类问题,例如如何发起工具调用、接收结果,再把结果带回下一步。

104 个项目里,哪些更适合先动手?

原文列出 104 个项目,其中 79 个已可动手构建。举出的例子有小型编码智能体、浏览器智能体、多智能体代码审查小组、带引用的文档问答,以及带故障回退的 LLM 网关。原文没有逐项说明这些例子属于哪一批,也没给出各项目的耗时。

选题可以跟手头的工作走。做知识库,文档问答能练到资料检索和引用。做 AI 编程工具,小型编码智能体可以用来理解一次工具调用的来回。需要接入多个模型服务时,LLM 网关对应的是主服务失败后如何切换的问题。

我的判断

我认同按组件拆开学。出了问题,知道该去查检索结果、模型回答还是工具执行,比反复改提示词更容易定位故障。直接用 SDK 或框架通常能更快做出第一个可用版本,手写一小段则给了你看清接口背后行为的机会。两种做法可以放在同一个项目里。

原文是一篇项目推荐。作者没有报告自己完成了哪些课程,也没有给出学习耗时、前后效果或与框架教程的对照。约 8 万颗星能说明项目受到关注,至于这条路线能否学得更快、生产部署覆盖到什么程度,原文没有给出验证。

能拿来做什么

  • 做文档问答时,挑几道答案和出处都已知的问题,先检查检索返回的段落,再核对最终答案的引用。
  • 用 TypeScript 练小型编码智能体时,先跑通一次读取本地文件的工具调用,记录输入参数和返回结果,再试一次文件不存在时的处理。
  • 用 Node 接入 LLM 网关时,模拟主模型请求失败,检查备用模型是否接手,以及调用方能否从日志里查到实际走了哪条路径。
Original source

本文由 AI 通读原文后重新编写,观点部分为站内判断,细节以原文为准,来源 dev.to · AI,原文版权归原作者所有。

阅读原文
上一篇
为智能体工具调用设计分层权限判定
下一篇
用只读脚本排查 AGENTS.md 里的失效命令

资讯速览

dev.to · AI · 2026-11-22 17:49

AI 评分 8.0 / 10

相关标签

#开源课程#AI工程#智能体

继续阅读

  • Claude Code 常驻指令与按需技能怎么分
  • 为智能体工具调用设计分层权限判定
  • 用只读脚本排查 AGENTS.md 里的失效命令
  • Agent 上线后,四步任务为何调用了31次
  • 用写入钩子执行 AI 容易漏掉的规则