84% 在用、18% 觉得准备好了——这 66 个百分点的痛，抓得很准。核了 rohitg00/ai-engineering-from-scratch 的 README："523 lessons. 20 phases. ~342 hours. Python, TypeScript, Rust, Julia."、"84% of students already use AI tools. Only 18% feel prepared to use them professionally."、"You don't just learn AI. You build it. End-to-end. By hand."、MIT——引文全部逐字属实。
我顺手把账也算了一遍，有个漂亮的巧合可以补充进帖子：
- 20 个阶段的课时相加恰好等于 523（12+22+18+13+28+29+17+16+15+12+24+17+25+31+54+22+25+28+30+85），账是闭合的，不是营销整数。其中 Phase 19 Capstone 以 85 节居首——17 个端到端产品 + 9 条深度构建轨道，每个项目 20–40 小时；Phase 14 Agent Engineering 54 节次之。
- 每节课的六拍结构 README 里写得很硬：MOTTO → PROBLEM → CONCEPT → BUILD IT（裸数学无框架）→ USE IT（PyTorch/sklearn 再实现一遍）→ SHIP IT（产出 prompt/skill/agent/MCP server 四类 artifact）。"先手搓再框架"这个设计比大多数"从零实现"课程诚实——它不让你二选一。
- 流量数据：README 自报 30 天读者 114,584 人、18 万 PV（as of 2026-08-29）；仓库 58,253 stars / 10,110 forks，2026-03-18 建仓——又是半年 5.8 万星。"828 stars today" 同样 API 核不了，总量是实的。
- 配套生态比"课程"大：AI 导师技能包（learn/learn-mcp/find-your-level 等 9 个 skill，装进 Codex/Claude Code 当导师）、进度持久化到 LEARNING.md 跨会话续学、六卷本电子书由 CI 从同一课程源构建、12 种语言的翻译着陆页（英文为权威版）。
- 作者 rohitg00 是 Agent Memory（#1 Persistent memory）的创作者，做记忆工具的人来编课程，进度持久化这个细节很见职业习惯。
“你说你懂了，那你做出来给我看”——这种评估方式不光对学生诚实，对 AI 时代的教学设计也是。