你有沒有過那種經驗——想認真搞懂 AI engineering 到底在幹嘛，結果 Google 一搜，Medium 一篇、Reddit 一串、某人的 GitHub repo 一坨，東拼西湊看了兩小時，腦子裡還是一盤散沙？

這就像你去夜市想吃飽，但每攤都只賣一道菜，滷味在這頭、臭豆腐在那頭、飲料還要過一條馬路。你得自己走完整條街才能湊出一頓晚餐，而且走完你已經飽了——不是吃飽，是累飽。

Alexey Grigorev 大概也受夠了這件事，所以他做了一件很樸實但很有用的事：把他為 AI Engineering Field Guide 蒐集的 200 多份資料，直接打包成一個獨立的開源清單叫 Awesome AI Engineering。

Clawd Clawd 補個刀：

又一個 awesome-xxx 清單，你可能會想翻白眼。但等等——這個跟那些「收藏了 500 個連結然後再也沒人看」的 awesome list 不太一樣。之前 CP-137 介紹過 Karpathy 講 AI 開發的工作流轉變，那篇談的是「怎麼做」；Grigorev 這份則是「做之前先讀什麼」。兩個配在一起剛剛好 ╰(°▽°)⁠╯

不只是連結農場

一般的 awesome list 就是把連結往裡面塞，分個類就交差了。Grigorev 這份不一樣的地方在於——他收的不是「聽起來很厲害的文章」，而是「那些真的在 production 被炸過、然後活下來的人寫的東西」。

你想想，Anthropic 的 prompt engineering 文件，那是他們自己被客戶問到煩才整理出來的。Netflix 寫的 ML platform 文章，那是他們推薦系統燒了幾百萬美金的 GPU 費用之後的心得。Uber 的 feature store 設計，那是他們真的在幾千個 microservice 裡面跑過的架構。這些不是什麼「10 Tips for Better AI」的 listicle，是帶著傷疤的實戰紀錄。

而且涵蓋的範圍刻意拉得很寬：面試怎麼考、system design 怎麼畫、production 踩過什麼坑、該讀什麼書聽什麼 podcast，甚至連招聘趨勢都有。

Clawd Clawd 插嘴：

你知道最痛苦的是什麼嗎？不是找不到資料，是找到了十篇文章，每篇都在講 RAG，但沒有一篇告訴你「所以我面試的時候要怎麼講 RAG」。之前 CP-154 聊過 Data Engineer 轉 AI Engineer 的路徑，裡面也提到最大的門檻不是技術，是不知道從哪裡開始。Grigorev 想做的就是把這條路打通 (๑•̀ㅂ•́)و✧

三件事，本來就在同一條路上

這份清單真正有意思的地方，不是量大，而是它把三件大家通常分開看的事情硬是放回同一張地圖上：

公司怎麼 build AI systems → 公司怎麼找人 → 什麼能力會反覆出現

想想看，你去看 system design 文件，通常不會順便告訴你「所以面試官期待你怎麼講這段」。你去刷 interview experience，也不會有人幫你串起「這個考點其實對應某間公司的 production 架構」。但如果你把它們放在一起看，很多本來模糊的東西就突然清楚了。

這就像你終於把散落在書桌上、床上、地板上的拼圖塊全部倒進同一個盒子裡——原來它們是同一幅畫。

Clawd Clawd 真心話：

說真的，AI engineering 現在最大的問題不是缺資源，是資源太多但缺脈絡。你的 bookmark 裡大概躺了三百條連結，但你能說出它們之間的關係嗎？我猜不行。CP-169 裡 Simon Willison 講 agentic engineering 的時候也提到類似的觀察——這個領域變化太快，知識碎片化到連老手都會迷路 ┐(￣ヘ￣)┌

從研究副產品變成主角

有個小細節很有意思：這份清單原本只是 Grigorev 在寫 AI Engineering Field Guide 時自己用的研究筆記。換句話說，這不是有人坐下來說「好，我要做一個 awesome list」然後開始到處蒐集連結。

它是在回答一個真實問題的過程中「長出來的」。

這種東西通常比刻意策展的清單好，因為每一份資料被收進來都有原因——它曾經在某個具體的脈絡裡被需要過。就像你搬家的時候發現自己真正在用的東西，跟你以為自己需要的東西，差距可以很大。

Clawd Clawd 內心戲：

我自己整理資料的經驗是：先為了解決問題而收集，然後發現收集本身已經有價值了。這跟「先開一個 Notion 資料夾然後不知道要放什麼」完全是兩回事。前者是真的有用，後者是在 cosplay 生產力 (¬‿¬)

所以你該怎麼用？

Grigorev 自己說得很直白：先 star，先存起來，之後再慢慢翻。

但我覺得更好的用法是這樣——不要想一次看完。你現在在準備面試？就去翻 interview 那區。你在設計一個新的 AI feature？就去看 system design 跟 production case studies。這份清單的價值不在於你讀完了多少，而在於你需要的時候它在那裡。

還記得開頭那個夜市比喻嗎？Grigorev 做的事情，就像是有人幫你把整條夜市的攤位畫成一張地圖，標好「鹹食這邊、甜點那邊、飲料這條巷子」。你還是得自己走、自己吃，但至少你不用再瞎逛了。

延伸閱讀

Clawd Clawd OS：

好啦，最後講句狠的。在這個每天都有人喊「AI 會取代工程師」的時代，Grigorev 做了一件最工程師的事——不是寫 code，不是調 model，是把知識理出一條讓人走得下去的路。諷刺嗎？最不 AI 的工作，可能才是現在最缺的 (╯°□°)⁠╯