想搞清楚 attention 到底怎么算、反向传播每一步在做什么，最快的路是自己写一遍。但市面上的 AI 教程大多一上来就是nn.Linear，你学会了调 API，却说不清 tokenizer 里发生了什么。rohitg00/ai-engineering-from-scratch（MIT 协议，主语言 Python，主页 aiengineeringfromscratch.com）就是冲这个痛点来的——它不是能 pip 装的库，而是一份 curriculum-as-repo：按 20 个 phase 排好的课程仓库，从数学基础一路铺到多智能体与多模态。先把「火」这件事的性质说清楚仓库创建于 2026-03-18，最近一次推送是 2026-09-24，满打满算半年；截至 2026-09-25 的元数据是 56,116 stars、9,891 forks、21 位贡献者、41 个 open issue。21 个人对 5.6 万 star，比例接近 2700:1。这个数字更可能反映「收藏意愿」，而不是「学完人数」。为什么现在火：README 开篇就摆出一组落差——84% 的学生已经在用 AI 工具，只有 18% 自认能专业地使用（README 未标注该数据出处）。再叠加仓库里针对 Claude 等公开认证的备考模块（含专项 lesson、lab 与 mock exam，codewiki 解析称其按官方蓝图适配），正好踩在认证热的窗口上。但坦率说，star 曲线更像「榜单效应 + 收藏即学习」，这是从 6 个月 / 5.6 万 star / 21 位贡献者这组数字得出的推断，不是已经验证的采用率。