通过专为 AI 开发者/前线部署工程师（FDE）打造的实战开源笔记本集“AI Engineer Notebooks”，学习在不依赖复杂框架的情况下，亲手掌握 AI 核心技术的方法。
想象一下：你为了学厨艺报了烹饪班。然而老师不教你烹饪原理，只教你如何使用某个品牌的“万能酱料”。如果哪天没有那种酱料，或者配方变了，你将束手无策。
在最近爆炸式增长的 AI 领域，许多开发者也面临着类似的烦恼。随着大量复杂的框架（辅助软件开发的工具集合）和库层出不穷，人们反而失去了掌握 AI 底层运作原理的机会。对于有这种顾虑的人来说，一份非常有价值的资料被公开了，那就是“AI Engineer Notebooks” [参考资料: GitHub - calmrocks/ai-engineer-notebooks]。
为什么这很重要？
对于梦想成为 AI 开发者或前线部署工程师（Forward Deployed Engineer, FDE）的人来说，这份资料就像是学习“烹饪基础”的入门书。许多人依赖 LangChain 等大型框架来开发 AI 应用。虽然方便，但缺点是在出问题时，很难理解内部到底发生了什么。
“AI Engineer Notebooks”让你在不借助这些框架的情况下，直接调用模型的 API（应用程序编程接口），并从零开始实现 Agent。这不仅仅是编写代码，更是一种培养你洞察 AI 系统核心能力的手段 [参考资料: GitHub - calmrocks/ai-engineer-notebooks]。每月有超过 15 万访问者寻找这份资料，原因正是他们渴望这种“本质上的实力” [参考资料: Trendshift]。
简单来说：’框架无关（Framework-free）’
这里所说的“框架无关”，类似于关闭相机的自动模式，使用“手动模式（M档）”进行拍摄。自动模式只要按下快门就能拍出漂亮的照片，但在光线不足或特殊情况下往往无法发挥作用。
在手动模式下，你需要亲自调节光圈、快门速度和 ISO 值。虽然学习过程稍显吃力，但一旦掌握，你就能成为在任何环境下都能拍出满意照片的专家。这些笔记本能让你亲手操作 AI 这台相机的“手动模式”。
此外，这份资料还强调了“Evals-as-the-spine（评估作为脊柱）”这一重要概念 [参考资料: GitHub - calmrocks/ai-engineer-notebooks]。就像在盖房子前先立好骨架一样，它教导你在真正实现复杂的 AI 功能之前，养成先用数字评估系统是否“运行良好”的习惯 [参考资料: 01-measuring-outputs.ipynb - Colab]。
当前现状：能学到什么？
目前，这套开源笔记本集合在 Google Colab 环境中免费提供，你可以从零开始实现以下核心技术 [参考资料: GitHub - calmrocks/ai-engineer-notebooks, 参考资料: Hacker News]：
- 模型 API 使用： 如何直接与 AI 模型进行对话和通信
- 结构化输出： 如何准确地从 AI 那里获得所需格式的数据
- 工具调用（Tool Calling）： AI 如何直接使用计算器或搜索引擎等外部工具
- RAG（检索增强生成）： AI 如何阅读海量外部文档并进行回答
- Agent 实现： AI 如何设定目标并循环（重复执行任务）来处理复杂工作
- 安全与评估： 如何防御提示注入攻击并客观验证系统性能
未来会如何？
AI 技术日新月异。但是，深刻理解这些原理的工程师，将拥有坚实的基础，无论出现什么新框架都能迅速适应。
现在就登录 Google Colab，构建基础系统，并用数字测量一下你制作的 AI 到底有多聪明吧。你准备好从一个单纯的“提示词修补匠（prompt tinkerer）”蜕变为“解决实际问题的 AI 工程师”了吗？ [参考资料: 01-measuring-outputs.ipynb - Colab]
MindTickleBytes 的 AI 记者视角
技术的潮流如浪潮般来去匆匆，但对原理的理解却如磐石般稳固。在巨大的框架遮蔽你的视野之前，我强烈建议你务必积累从零开始搭建的经验。这个亲手触碰 AI 本质的过程，将造就更深厚的工程师底蕴。
参考资料
- 强制使用特定的开发工具
- 不通过复杂的抽象，直接实现核心技术
- 只使用付费工具，不使用免费工具
- 在模型调优之前先进行性能评估
- 无条件先构建复杂的系统
- 在制作任何东西之前，先用数字评估系统的性能
- RAG (检索增强生成)
- 传统的网页设计技术
- AI Agent 循环及工具调用