ai-engineering-from-scratch: un curso de ingeniería de IA de 20 fases y 500+ lecciones

«Learn it. Build it. Ship it for others.» — eslogan del repositorio. Un manual de ingeniería de IA que enseña cada concepto construyéndolo desde cero, lo usa luego con frameworks reales y termina entregando un artefacto reutilizable (prompt, skill, agente o servidor MCP).

Qué es ai-engineering-from-scratch

rohitg00/ai-engineering-from-scratch es un curso completo de ingeniería de IA en formato repositorio: cada lección vive en phases/<fase>/<número>-<nombre>/ con cuatro piezas —code/ (implementación ejecutable desde cero), notebook/ (experimentación opcional), docs/en.md (documentación de la lección) y outputs/ (el artefacto final: prompt, skill, agente o servidor MCP). El curso cubre todo el espectro de la ingeniería de IA, de las matemáticas a la producción:

Fases 00-03: setup y herramientas, fundamentos matemáticos, fundamentos de ML, deep learning central.
Fases 04-06: visión por computadora, NLP de lo básico a lo avanzado, voz y audio.
Fases 07-09: deep dive en transformers, IA generativa, aprendizaje por refuerzo.
Fases 10-12: LLMs desde cero, ingeniería LLM, IA multimodal.
Fases 13-16: herramientas y protocolos (MCP), ingeniería de agentes, sistemas autónomos, multiagente y enjambres.
Fases 17-19: infraestructura y producción, ética/seguridad/alignamiento, y capstone projects.

El repositorio se acompaña de un sitio web (aiengineeringfromscratch.com) con roadmap interactivo en forma de grafo de dependencias, glosario de 243 términos, lecciones traducidas a varios idiomas, lectura en voz alta con narración consciente de diagramas, y ediciones en libro (seis volúmenes en EPUB y PDF) adjuntas a cada release.

A 30 de agosto de 2026 la insignia del README anuncia 511 lecciones en 20 fases (la nota de la edición de agosto cita 503), escrito principalmente en Python con volumen notable de JavaScript, TypeScript, HTML, Julia, CSS, Rust y Shell, y licenciado bajo MIT.

El origen

El repositorio fue creado el 18 de marzo de 2026 por Rohit Ghumare (rohitg00, también conocido en X como @ghumare64 y en Hacker News como rohitghumare), ingeniero, DevRel y GDE con pasado en Solo.io, Cerbos, Oracle y Reliance Jio. No nació como un blog ni como un libro: es una «edición viva» —la propia nota de la edición de agosto lo resume: «el libro es la instantánea; el repositorio es la edición viva».

El lanzamiento público se dio a finales de mayo de 2026: el propio autor subió un Show HN («AI Engineering AI-native Self-learning course repo», ítem 47591661 de HN, publicado el 2026-05-20), y al día siguiente (2026-05-21) la comunidad lo reenvió como historia independiente («AI Engineering from Scratch», ítem 48219853, 58 puntos y 15 comentarios), que fue la que concentró toda la discusión.

El proyecto se financia con patrocinios vía GitHub Sponsors con una rate card pública (Backer $25/mes hasta Platinum $5.000/mes). En SPONSORS.md el autor publica cifras de alcance verificadas el 2026-05-14 en su analítica: 33.569 visitas y 53.917 páginas vistas en 7 días; 55.593 visitas y 90.709 vistas en 30 días; el canal de adquisición nº 1 es X/Twitter (18.000 referidos en 30 días), seguido de Google (7.100) y GitHub (5.300). El archivo incluye también una cláusula expresa de que el proyecto no tiene relación con ningún proyecto cripto («no token, no coin, no NFT»).

Filosofía y principios

La filosofía del curso está codificada en su CONTRIBUTING.md y se repite en cada lección (que sigue siempre el mismo esqueleto: The Problem → The Concept → Build It → Use It → Ship It → Exercises):

Construir desde cero primero. «Build from scratch first, framework second»: se implementa el concepto desde los principios antes de mostrar la versión con framework.
El código tiene que ejecutarse. Cada archivo de código debe correr sin errores con las dependencias declaradas en la lección.
Sin comentarios en el código. El código debe ser autoexplicativo; las explicaciones van en la documentación.
El mejor lenguaje para el trabajo. No forzar Python donde TypeScript o Rust son la mejor opción (de ahí el volumen de TypeScript, Rust y Julia en el repositorio).
La teoría sirve a la práctica, no al revés.
Sin «slop» de IA. «Write like a human. Be direct. Cut filler.» — regla editorial explícita que resulta especialmente relevante dado el origen del curso (ver Cómo lo recibió la comunidad).

Filosofía «build from scratch first, framework second»: implementación desde cero a la izquierda, la misma capacidad madurando en un framework pulido a la derecha

El eje del eslogan —learn it, build it, ship it for others— convierte cada lección en un producto: lo que se aprende se empaqueta como prompt, skill portable (SKILL.md), agente o servidor MCP en la carpeta outputs/ de cada lección, con un índice top-level que los agrupa.

Cómo funciona

Formato de lección. Cada lección es un mini-proyecto con documentación obligatoria en docs/en.md, al menos una implementación ejecutable en code/, un notebook opcional y, cuando aplica, el artefacto final en outputs/. Los prompts y skills usan frontmatter YAML (name, description, phase, lesson, version, tags).

Una lección como mini-proyecto autocontenido: cuatro paneles conectados en flujo circular — código ejecutable, notebook, documentación estructurada y artefacto de salida

El curso es «AI-native». En la edición de 2026-08 se integraron cinco skills de aprendizaje que se instalan en cualquier agente compatible con el formato SKILL.md:

/start-learning: plan de estudio personalizado según un test de nivelación.
/learn: enseña la siguiente lección de forma interactiva y lleva el progreso.
/course-guide: enrutamiento de cualquier tema o bug a la lección exacta.
Test de nivelación y comprobaciones por fase (/check-understanding <fase>).
/claude-certification: preparación de las cuatro credenciales Claude.

Cinco skills de aprendizaje AI-native flotando alrededor de un cerebro-agente central: plan personalizado, motor de lecciones interactivo, enrutador de guía, comprobador de fase y módulo de certificación

Certificación (preparación gratuita). La edición de agosto añadió un programa de preparación de certificaciones «build-first»: 33 lecciones, labs ejecutables, diagnósticos, capstones y 295 preguntas de evaluación originales para las cuatro credenciales Claude de las guías de examen de julio 2026 (CCAO-F: 9 lecciones; CCDV-F: 15; CCAR-F: 21; CCAR-P: 25).

Cuatro rutas de credenciales de certificación como pistas de neón separadas, cada una desde labs prácticos hasta evaluación final, sobre un pipeline build-first

Idiomas. Las lecciones se traducen automáticamente (pipeline NLLB-200 corriendo gratis en CI, protegiendo byte a byte el código, las fórmulas, las tablas y los diagramas) a chino simplificado, hindi, español, árabe (con render RTL) y turco, con fallback automático a inglés mientras el despliegue sigue fase a fase. Se selecciona idioma en la cabecera del sitio o con ?lang=zh|hi|es|ar|tr en la URL de la lección. Separado de ello, el texto de portada del README está traducido a mano a 12 idiomas.

Pipeline de traducción multilingüe: un documento fuente protegido por escudos de neón que preservan código, fórmulas, tablas y diagramas, ramificándose en cinco flujos de idioma

Sitio. site/build.js parsea README.md, ROADMAP.md y glossary/terms.md para generar site/data.js; el roadmap es un grafo de dependencias interactivo («qué desbloquea qué») y el glosario tiene 243 términos en 12 áreas de aprendizaje.

Un roadmap interactivo como grafo de dependencias masivo: cientos de nodos de lección conectados por aristas de neón direccionales, con un panel de glosario de 243 términos organizados en 12 áreas

El ecosistema

Repositorios hermanos del mismo autor (datos de la API de GitHub, 2026-08-30):

Repositorio	Estrellas	Descripción
`rohitg00/agentmemory`	27.745	«#1 Persistent memory for AI coding agents based on real-world benchmarks» — memoria persistente para agentes de código
`rohitg00/pro-workflow`	2.792	«Claude Code learns from your corrections: self-correcting memory that compounds»
`rohitg00/skillkit`	1.476	«Supercharge AI coding agents with portable skills. Install, translate & share skills»
`rohitg00/awesome-openclaw`	561	Lista awesome de la comunidad OpenClaw

skillkit y agentmemory comparten con el curso la misma tesis (skills portables en formato SKILL.md y memoria que mejora con el uso), de modo que el curso puede leerse como el «manual» de un ecosistema de herramientas que el autor construye en paralelo.

Mapa de ecosistema: el manual central conectado a herramientas hermanas — memoria persistente, memoria de flujo autocorrectiva, kit de skills portables y lista curada de la comunidad — junto a canales de distribución vía CLI de skills, npm, MCP y agentes de código

Forks y traducciones de la comunidad (búsqueda de la API de GitHub por el nombre; 436 repos coinciden):

Repositorio	Estrellas	Descripción
`fancyboi999/ai-engineering-from-scratch-zh`	1.004	Traducción china completa: 20 fases, 503 lecciones, sitio propio, vídeos animados de acompañamiento
`cluster1900/ai-engineering-from-scratch-zh`	13	Curso de IA desde cero en chino (Python/TS/Rust/Julia)
`yymhai/ai-engineering-from-scratch-zh`	6	Versión china del curso
`Rubonal4649/ai-engineering-from-scratch`	16	Fork con 260+ lecciones y 20 fases
`tingfeng007/ai-engineering-from-scratch`	15	Fork directo

El fork chino fancyboi999/ai-engineering-from-scratch-zh es el nodo comunitario más relevante: una traducción completa al chino con sitio y material audiovisual, coherente con el canal de adquisición nº 2 del original (X/Twitter, seguido de Google) y con el despliegue multilenguaje oficial de la edición de agosto.

Distribución a través del ecosistema oficial de skills de Vercel. El curso se instala con npx skills add rohitg00/ai-engineering-from-scratch, el CLI del paquete npm skills mantenido por vercel-labs/skills (29.977 estrellas). El paquete skills registra 38.716.982 descargas el mes anterior y 9.226.716 la semana del 22-28 de agosto de 2026 (API de descargas de npm, consultada el 2026-08-30). Es decir, el curso se distribuye a través de la herramienta de skills portables de Vercel Labs, que es el estándar de facto del formato SKILL.md.

Listas awesome. En esta ejecución se consultaron aipengineer/awesome-opensource-ai-engineering, boxabirds/awesome-ai-engineering, dontriskit/awesome-ai-software-engineering y dave-nachman/awesome-ai-engineering: ninguna incluye al repositorio. No se pudo verificar su inclusión en ninguna otra lista en esta ejecución.

Estado oficial y semioficial

Sin endoso corporativo, y dicho explícitamente. La preparación de certificaciones del curso cubre credenciales de Anthropic, pero la propia documentación (anuncio #402) declara: «This program is not affiliated with, endorsed by, sponsored by, or authorized by Anthropic. It contains no live exam questions and makes no pass guarantees.» Es material comunitario independiente.
Distribución semioficial vía Vercel Labs. No hay aceptación en un «marketplace» de Anthropic, OpenAI o Microsoft, pero el curso vive dentro del ecosistema npx skills de Vercel Labs (el formato SKILL.md de facto de la industria), lo que le da alcance sobre cualquier agente compatible (Claude Code, Codex, Cursor y similares).
De-facto reference en su nicho. Con ~51.000 estrellas en menos de 5 meses de vida y un fork chino completo de 1.000 estrellas, es el curso «from scratch» de ingeniería de IA más estrellado de GitHub en esta ejecución, por delante de competidores de trayectoria muy superior (ver comparación).
Estado de la documentación de traducciones: las traducciones al chino/hindi/español/árabe/turco son máquina-traducciones continuas; el README anuncia 12 idiomas en la portada (traducción manual) y 5 en las lecciones.

Guía rápida de uso

Instalación y primer arranque

Prerrequisitos: un agente compatible con el formato SKILL.md (Claude Code, Codex, Cursor o similar) y Node.js para el CLI de skills.

# Opción A: clonar el manual (lectura y código local)
git clone https://github.com/rohitg00/ai-engineering-from-scratch
cd ai-engineering-from-scratch

# Opción B: instalar el curso como skills en tu agente
npx skills add rohitg00/ai-engineering-from-scratch

Primer arranque: dentro del agente, invocar la skill de nivelación. En Claude Code: /start-learning. En otros hosts compatibles: pedirle al agente «Use start-learning to begin the course.» (la sintaxis de invocación depende del host, no del formato SKILL.md). La skill aplica un test de nivelación y construye un plan de estudio adaptado; el sitio tiene además https://aiengineeringfromscratch.com/prereqs.html como guía de prerrequisitos.

Flujos de trabajo habituales

Aprender la siguiente lección: en Claude Code, /learn; en otros hosts, pedir por nombre de la skill. El agente enseña la lección de forma interactiva y guarda el progreso.
Encontrar la lección de un tema concreto (o de un bug): /course-guide + el tema; la skill enruta a la lección exacta del catálogo.
Comprobar el entendimiento de una fase: /check-understanding 13 (en Claude Code); el resultado es un diagnóstico por fase.
Preparar una certificación Claude: npx skills add rohitg00/ai-engineering-from-scratch y luego /claude-certification; el agente enseña la ruta, ejecuta los labs, hace quizzes y retoma el progreso.
Leer una lección en el sitio: cualquier URL de lección acepta ?lang=es (o zh, hi, ar, tr); lo no traducido cae automáticamente a inglés.

Configuración esencial

SKILL.md de cada skill instalada (en skills/start-learning/, skills/learn/, etc.): define lo que el agente puede hacer; editable si se clona el repo.
Selector de idioma del sitio (cabecera) o parámetro ?lang=: chino, hindi, español, árabe (RTL), turco, inglés.
README.md y ROADMAP.md: son la fuente del sitio; su formato (tablas | # | Lesson | Type | Lang |, glifos ✅ 🚧 ⬚) es la «configuración» que un colaborador debe respetar.
site/build.js → site/data.js: regenerar tras tocar README/ROADMAP/glosario.
glossary/terms.md: 243 términos en 12 áreas; alimentan la página de glosario.

Trampas frecuentes y soluciones

Las traducciones son parciales por diseño. Si una lección aún no está en tu idioma, el sitio cae a inglés automáticamente; el despliegue es fase a fase y continuo (anuncio #403). No hay que «arreglar» nada.
El README/ROADMAP alimenta el sitio con un parser rígido. Cambiar el formato de las tablas de lecciones o sustituir los glifos de estado rompe site/build.js; la solución documentada es ejecutar node site/build.js y verificar que el diff de site/data.js es solo el timestamp (CONTRIBUTING.md).
Sesgo de posición en los quizzes (ya corregido). En la edición de agosto se corrigió un sesgo donde las respuestas correctas de 2.026 preguntas se concentraban en la misma posición; ahora la distribución es uniforme con un guard en CI. Si trabajas con ediciones anteriores (v2026.07 o antes), las estadísticas de los quizzes no son fiables.
Errores estadísticos corregidos en Phase 1. Los p-values del t-test con muchos grados de libertad y un p-value chi-cuadrado que salía 7,5× mayor se corrigieron en la edición de agosto; las ediciones previas contienen valores incorrectos.
Cuidado con el alcance del «certified». La preparación de certificaciones es material comunitario independiente: sin afiliación, endoso ni autorización de Anthropic; sin preguntas de examen reales y sin garantías de aprobado (anuncio #402).
El curso es extenso por diseño. 500+ lecciones; el propio flujo recomendado es empezar por /start-learning (o prereqs.html) para no estudiar lo que ya sabes.

Integraciones y migración

Con cualquier agente SKILL.md: npx skills add rohitg00/ai-engineering-from-scratch instala las skills de aprendizaje en Claude Code, Codex, Cursor u otro host compatible; cada skill conserva su frontmatter (phase, lesson, tags), lo que permite inspeccionarla y modificarla.
Con el MCP: las lecciones de la fase 13 (Tools and Protocols) construyen servidores MCP desde cero; el curso documenta invocations de MCP por host.
Con el ecosistema del autor: las skills del curso comparten formato con rohitg00/skillkit (gestión de skills portables) y los outputs de las fases de agentes son compatibles con el formato que usa rohitg00/agentmemory (memoria persistente para agentes).
Con el sitio: el catálogo (catalog.html), el roadmap en grafo (roadmap.html) y el glosario (glossary.html) son la interfaz de lectura paralela al agente.
Migración desde cursos de lectura (mlabonne/llm-course, microsoft/generative-ai-for-beginners): la equivalencia práctica es usar /course-guide para mapear cada tema ya conocido a su lección y saltar con el plan de /start-learning; no hay migración de estado, porque el progreso lo lleva la skill, no el curso.

Números del repo

Datos de la API de GitHub, consultados el 30 de agosto de 2026 (la fecha importa: el crecimiento es de +450%/semana según la analítica que publica el propio autor):

Métrica	Valor
Estrellas	51.007
Forks	8.826
Watchers (suscriptores)	326
Commits en `main`	1.762 (contados vía cabecera `Link` de la API, que los devuelve paginados)
Issues + PR abiertos	100 (la API de GitHub agrega issues y PRs en el mismo contador; no se descompuso en esta ejecución)
Última release	v2026.08 (2026-08-10); solo 2 releases formales (v2026.07 del 2026-07-25 y v2026.08)
Creado	18 de marzo de 2026
Último push	30 de agosto de 2026 (el día de la consulta)

Contribuidores (top de la API, 2026-08-30): rohitg00 1.641 contribuciones, github-actions[bot] 80 (pipeline de traducciones y CI), abhinav-m22 13, thereisnotime 6, thejesh23 5, ismet 4, divya0795 2, sivanaikk 2, CooperSheroy 1, Philippe-Laval 1. El proyecto es, con diferencia, obra de un solo autor.

Trayectoria de crecimiento (anclada en fuentes propias del repo): 7.500+ estrellas verificadas el 2026-05-14 (tabla de alcance de SPONSORS.md) → 51.007 estrellas el 2026-08-30.

Volumen de código por lenguaje (API de lenguajes de GitHub, bytes): Python 5,69 M; JavaScript 3,23 M (sitio); TypeScript 496 K; HTML 470 K; Julia 167 K; CSS 91 K; Rust 89 K; Shell 13 K; TeX 3 K; Dockerfile 2 K.

Cómo contribuir

Proceso documentado en CONTRIBUTING.md (texto consultado directamente):

Una contribución por PR — «keeps reviews fast and lets contributor counts and credit work correctly».
Añadir una lección en phases/XX-phase-name/NN-lesson-name/ con la estructura exacta (code/, notebook/ opcional, docs/en.md obligatorio, outputs/ opcional) y el esqueleto de documentación (motto, The Problem, The Concept, Build It, Use It, Ship It, Exercises).
Añadir una traducción creando docs/<idioma>.md junto al en.md (ejemplos en el archivo: zh.md, ja.md, es.md, hi.md), manteniendo la estructura y traduciendo contenido, no código.
Añadir un output (prompt o skill con frontmatter YAML) en outputs/ de la lección y referenciarlo en el índice top-level.
Corregir bugs o mejorar lecciones existentes; se aceptan más ejercicios, sobre todo los que conectan varias fases.
Flujo de PR: fork → rama característica (git checkout -b add-lesson-phase3-gradient-descent) → cambios → verificar que todo el código corre → PR con descripción clara.
Reglas de estilo: el código corre sin errores; sin comentarios en código; el mejor lenguaje para el trabajo; build-from-scratch primero; prosa directa; sin emojis decorativos en títulos (excepción: las banderas emoji de la columna Lang, porque el parser las mapea).
Cuidado con el sitio: site/build.js parsea README.md, ROADMAP.md y glossary/terms.md; los headers de fase y las tablas de lecciones deben conservar su forma exacta y los glifos de estado (✅, 🚧, ⬚) no pueden sustituirse por texto. Tras editar, ejecutar node site/build.js y el diff de site/data.js debería mostrar solo el cambio de timestamp.
Código de conducta en CODE_OF_CONDUCT.md: «Be kind, be helpful, be constructive».

Cómo lo recibió la comunidad

Hacker News. El hilo principal es «AI Engineering from Scratch» (ítem 48219853, enviado por rippeltippel el 2026-05-21, 58 puntos, 15 comentarios). La discusión es notablemente polarizada, y la polarización gira en torno a la procedencia (o no) de su contenido:

Crítica concreta:

michimagdesign: «These AI-generated websites often lack margins on the left and right of the text, which looks bad on smaller screens. It seems creators don’t care about testing on smaller devices.» — retomado por rightbyte («fancy responsive design. But with no margins») y eikenberry («Looks bad on bigger screens as well»).
ulcer: «Love how all the docs around ai tooling are also written by ai. Making it all hyper verbose, repetitive, and unclear.»
jatins: lo marcó como contenido generado por IA («Flagged for being AI generated garbage»), citando las normas de HN sobre comentarios generados.
bomewish: «I really think people should learn first and primarily from books written by people… the LLMs are trained on that data. So they cannot actually be better than the best original texts.»
HlessClaudesman: «Couldn’t find the about section. If you want users to invest their time just be honest about yourself, your goals for making the site and your tech stack.»
pinkmuffinere (como ingeniero de control, opinión técnica): «it seems crazy neither ‘Autonomous Systems’ nor ‘Multi-Agent and Swarms’ appear to mention any control theory content! :’(»

Defensa y entusiasmo concreto:

fredcallagan: «Actually the ultimate combo would be to learn this with the learning mode tools provided by AI providers. I must say that it really is a super interesting and efficient way to learn.»
meeton: «I don’t trust a vibe-generated course to be great yet, but some day I will and learning will be never the same again.»
pinkmuffinere (en réplica a jatins): no cree que se deban marcar como spam los submissions por incorporar IA: «Many engineering projects incorporate AI (sometimes very heavily), and many of them are still interesting and useful.»

El Show HN original del propio autor (ítem 47591661, rohitghumare, 2026-05-20, URL aiengineeringfromscratch.com) no trajo tracción propia; toda la conversación está en el hilo reenviado.

YouTube. En una búsqueda del nombre del repositorio (consultada el 2026-08-30) aparece un vídeo de 4:59 titulado «GitHub - rohitg00/ai-engineering-from-scratch: Learn it. Build it. Ship it for others.», subido por el canal «GitHub Daily Trend AI Podcast» (@githubtrendfeed) hace ~3 meses, con 104 vistas. También aparecen resúmenes y roadmaps derivados en español e inglés («The $300K AI Engineer Roadmap», «Ingeniería de IA en 76 minutos»), sin autoría oficial confirmada. No se encontraron talks en conferencias verificables en esta ejecución.

Reddit, Product Hunt, dev.to, podcasts. Sin resultados verificables en esta ejecución: la API de búsqueda de Reddit devolvió redirecciones (302) y no se pudo confirmar ningún hilo; la búsqueda de Product Hunt no devolvió página de lanzamiento del proyecto; no se localizaron artículos de dev.to/Hashnode ni menciones en Changelog/TLDR con fuente recuperable. Todo lo anterior se declara explícitamente «no verificado en esta ejecución» en lugar de afirmarse.

ai-engineering-from-scratch frente a otras propuestas

Todos los datos de estrellas verificados en la API de GitHub el 2026-08-30:

Proyecto	Estrellas	Enfoque	Diferencia clave
`rasbt/LLMs-from-scratch`	104.022	Implementar un LLM tipo ChatGPT en PyTorch desde cero, paso a paso	Un solo concepto (LLM) con profundidad matemática; no es un curso general
`microsoft/generative-ai-for-beginners`	118.764	21 lecciones para empezar con IA generativa	Corto, orientado a principiantes, vinculado a Azure; sin build-from-scratch
`datawhalechina/hello-agents`	75.503	«从零开始构建智能体» — agentes desde cero, en chino	Enfoque exclusivo en agentes; el curso de Ghumare cubre 20 fases transversales
`mlabonne/llm-course`	82.096	Curso de LLMs con roadmaps y notebooks Colab	LLMs únicamente; material de lectura, no repositorio de código ejecutable por lección
`karpathy/nanochat`	57.645	«The best ChatGPT that $100 can buy»	Un solo sistema completo (nano-ChatGPT) como ejercicio; no un currículum
`rohitg00/ai-engineering-from-scratch`	51.007	20 fases, 500+ lecciones, de matemáticas a producción	El más amplio en alcance; el único que empaqueta cada lección como skill/prompt/MCP instalable

Ninguno de estos proyectos compite en el mismo formato: es el único que combina (a) amplitud de currículum, (b) implementación desde cero por lección y (c) artefactos portables (SKILL.md) instalables con npx skills.

Casos de uso

Ingenieros de software en transición a ingeniería de IA. El recorrido completo (matemáticas → LLMs → agentes → producción) con build-from-scratch les da la base conceptual que falta tras los cursos de 21 lecciones; el flujo /start-learning + /course-guide permite saltar las fases que ya dominan.
Equipos que construyen agentes y necesitan skills portables. Cada lección termina en un artefacto SKILL.md/prompt/servidor MCP en outputs/: los equipos pueden extraer y reutilizar directamente los outputs de las fases 13-16 (MCP, agentes, multiagente) sin «reinventar» los patrones.
Personas que preparan las certificaciones Claude. La ruta de certificación gratuita (33 lecciones, 295 preguntas originales, labs ejecutables) es en esta ejecución el único programa build-first público para las cuatro credenciales Claude de julio 2026 que se encontró en esta investigación, con la advertencia explícita de que es material independiente de Anthropic.
Aprendices hispanohablantes, chinos, hindi, árabes y turcos. Las lecciones traducidas (es, zh, hi, ar, tr) con fallback a inglés, y el README en 12 idiomas, hacen del curso el manual de ingeniería de IA multilingüe de referencia; el fork chino fancyboi999/ai-engineering-from-scratch-zh (1.004 estrellas) añade material audiovisual propio para el mercado chino.
Equipos de formación (DevRel, academia, bootcamps). Con licencia MIT y estructura de lección estandarizada (docs/en.md + code/ + outputs/), el currículum puede adaptarse como base de formación interna; el proceso de contribución (una contribución por PR, código que debe ejecutarse, sin comentarios) es lo suficientemente estricto para mantener la calidad al escalar.
Ingenieros que quieren entender el stack de agentes por dentro. Las fases 10-16 (LLMs desde cero, ingeniería LLM, MCP, agentes, sistemas autónomos, enjambres) con implementación desde cero antes que framework son el contrapunto al uso «black box» de Claude Code/Codex; la crítica de HN sobre la ausencia de control theory (pinkmuffinere) marca también el límite honesto del alcance.

Recursos

Repositorio: https://github.com/rohitg00/ai-engineering-from-scratch
Documentación / sitio oficial: https://aiengineeringfromscratch.com (roadmap: /roadmap, glosario: /glossary, prerrequisitos: /prereqs.html, catálogo: /catalog.html, certificaciones: /certifications.html)
Skills oficiales: npx skills add rohitg00/ai-engineering-from-scratch (CLI de skills de vercel-labs/skills; skills: start-learning, learn, course-guide, check-understanding, claude-certification)
Anuncios oficiales (GitHub Discussions):
- Preparación de certificaciones: https://github.com/rohitg00/ai-engineering-from-scratch/discussions/402
- Curso multilingüe: https://github.com/rohitg00/ai-engineering-from-scratch/discussions/403
Releases (notas de edición): https://github.com/rohitg00/ai-engineering-from-scratch/releases (v2026.08, v2026.07)
Hacker News: hilo principal «AI Engineering from Scratch» (ítem 48219853, 58 puntos, 15 comentarios): https://news.ycombinator.com/item?id=48219853 · Show HN del autor (ítem 47591661): https://news.ycombinator.com/item?id=47591661
YouTube: «GitHub - rohitg00/ai-engineering-from-scratch: Learn it. Build it. Ship it for others.» — canal GitHub Daily Trend AI Podcast (@githubtrendfeed, 4:59, 104 vistas): https://www.youtube.com/watch?v=FIkAfMj1eeo
Patrocinio: https://github.com/sponsors/rohitg00 (rate card y cifras de alcance en SPONSORS.md)
Comunidad / X del autor: @ghumare64 (Rohit Ghumare)
Reddit / Product Hunt / podcasts: no se localizaron fuentes verificables en esta ejecución (ver Cómo lo recibió la comunidad).

Nota: este artículo combina el README, CONTRIBUTING.md, SPONSORS.md y las notas de release del repositorio, la API de GitHub y npm, la API de Algolia de Hacker News, el sitio oficial y resultados de YouTube consultados el 30 de agosto de 2026. Las cifras cambian con el tiempo; las afirmaciones del propio proyecto (por ejemplo, el crecimiento de +450%/semana o las cifras de alcance de SPONSORS.md) se señalan como tales y no como verificaciones independientes.