把 523 课的 AI 工程课程，做成一个能闯关的进度站

先说结论

我把一套 523 课的 AI 工程开源课程，做成了一个能”闯关”的进度站：

它不是课程的重做版，而是给课程补上进度感和作品感的那一层。全文讲清楚三件事：这套课程是什么、这一层补了什么、以及它为什么刻意不搬运任何课程正文。

课程是 AI Engineering from Scratch（作者 Rohit Ghumare，MIT 许可）：

项	值
体量	523 课 / 20 个阶段，约 342 小时的学习量
覆盖	数学基础 → 机器学习 → 深度学习 → NLP/语音/视觉 → Transformer → 从零实现 LLM → LLM 应用工程 → 工具与协议 → 智能体 → 多智能体 → 生产基础设施
语言	Python、TypeScript、Rust、Julia
结构	每课固定三件套：`code/`（可运行实现）+ `docs/en.md`（讲义）+ `outputs/`（本课产出的 prompt / skill / agent / MCP server）
许可	MIT

它最大的特点是**”先手写、再用库”**：每个算法都要求你从原始数学推一遍（反向传播、分词器、注意力、Agent 循环），等你用上 PyTorch 的时候，已经知道它在底下做什么了。

这套课程自带一套很硬的方法论，讲义里把它写成了四步循环：

读 → 写 → 跑 → 存证
（read / built / ran / evidence）

问题也恰恰在这里：523 课不是一次能学完的东西，而课程本身没有给你一个”我走到哪了”的全局视图。你学完一关，成就感只存在于当天的终端输出里。

先把一句话说清楚，因为它决定了整个架构：

上游已经有一个功能完整的学习网站了。 官方站有 523 课的在线渲染、每课课后小测、本地进度记录、交互式图表、术语表、学习路径、认证备考题库，还有 12 种语言的界面。

所以如果我再做一个”学习网站”，那只会是一个功能更少、且要永远追着上游更新的镜像。这不是产品，这是负债。

上游真正空着的是这两件事：

而作品这件事，恰恰是这套课程反复强调的：”Every lesson ships a reusable artifact.”——每课都交付一个可复用的产物。课程这么说，却没有帮你把这些产物收集起来。

于是这个站的定位就很清楚了：不做课程，做课程的记录层。

20 个阶段、523 关全部列出来，每关是一张卡片，四个小格显示四步的完成情况，颜色区分「没开始 / 进行中 / 已通关」。顶部是等级、XP、总进度和徽章数。

每一关有：

关卡页还会根据关卡语言自动给出建议运行命令（Python 给 python3 ...，TypeScript 给 npx tsx ...），直接复制就能跑。

每个阶段清完之后，解锁该阶段的 Boss 关：12 道综合题，覆盖这一阶段的不同关卡，答对 8 题（三分之二）算通过，通过得一枚阶段徽章。徽章不会因为之后刷低分被撤销。也可以提前挑战，只是会提醒你还有几关没通。

所有登记过的证据会汇成作品集，按阶段聚合，并且可以一键导出：

进度存在浏览器本地（localStorage），不上传任何数据；换设备就导出 JSON 再导入。

每 250 XP 升一级。有题库的关卡，必须至少答对一题才算通关——四步全勾但不能白嫖（这条规则背后有个真实 bug，我在开发记录里写了）。

这是这个项目最重要的一个决定。

站点用到的课程信息只有：关卡标题、序号、路径、类型（Learn / Build）、语言、学习目标、outputs/ 和 code/ 的文件清单。所有阅读和练习都指向官方原文——站内没有一个字的讲义正文，也没有复制上游的图表、图片和界面文案。

这么做有三层好处：

版权上干净：MIT 允许复用，但”引用元数据 + 深链原文”和”整站镜像正文”是两件性质完全不同的事。前者是工具，后者是转载。站点页脚、关于区和仓库的 ATTRIBUTION.md 三处都写明上游作者与许可，也不沿用上游的名称和 Logo 做自己的品牌。
不用追更新：上游仓库每天有多次提交。我只依赖元数据，所以上游改正文，这个站不会失效。
可一键切割：万一上游改许可或对引用方式有异议，删掉对应的元数据就行，站点不会塌。

站内题库是我自己出的（上游的随堂测验是运行时由 AI 现场生成的，并没有静态题库），出题依据是公开讲义，题目和解析都是转述。