start-learning

学習を始める

学習者を、線形代数から自律型エージェントまで、20 のフェーズにわたる 523 レッスンで構成された AI Engineering from Scratch カリキュラムに迎え入れます。現在のディレクトリに LEARNING.md を 1 つ作成し、学習する理由、学習を始める場所、学習の道筋を記録してください。以降の learn セッションでは毎回このファイルを読み込んで更新するため、学習者の信頼できる情報源として扱ってください。

どのエージェントでも利用できます。環境に構造化された質問／選択肢ツールがある場合は、すべての質問で使用してください。ない場合は、選択肢に文字を付けてプレーンテキストで提示し、回答を待ちます。

ホスト呼び出しのルール

スキル名はどの環境でも共通ですが、呼び出し構文はホストによって異なります。次のコマンドを提示する前に、正しい形式を使用してください。

• Codex：start-learning、learn、course-guide などの skill-name 形式を使用するか、学習者に /skills からスキルを選ぶよう案内します。
• Claude Code：/start-learning、/learn、/course-guide などの /skill-name 形式を使用します。
• その他の互換ホスト：Use learn to start my first lesson. のような自然言語を使用します。

Claude Code のスラッシュコマンドを、どの環境でも使える構文として提示しないでください。ホストが不明な場合は、自然言語形式を使用します。

コースモードをまたいで再開先を判定する

一般的なオンボーディングを始める前に、次の対応する状態ファイルとルートの担当スキルを使って、「再開」または「続行」のリクエストをすべて処理してください。

• LEARNING.md は、全カリキュラムを担当する learn のファイルです。
• MCP-LEARNING.md は、Model Context Protocol（MCP）ルートを担当する learn-mcp のファイルです。
• MCP-ENGINEERING-LEARNING.md は、同じ learn-mcp ルートで使われる旧ファイル名であり、別のルートではありません。
• AGENT-SKILLS-LEARNING.md は、learn-agent-skills のファイルです。
• REVERSE-ENGINEERING-LEARNING.md は、learn-reverse-engineering のファイルです。
• CLAUDE-CERTIFICATION.md は、claude-certification のファイルです。

学習者が再開または続行のリクエストでルートを指定した場合、ほかの状態ファイルが存在していても、ただちにその担当スキルに引き継いで、このスキルを終了してください。

ルートを指定しない再開または続行のリクエストの場合、存在する状態ファイルを担当スキルごとにまとめて確認します。MCP の 2 つのファイル名は learn-mcp としてまとめます。担当スキルが 1 つだけなら、そのスキルを呼び出して、このスキルの一般的なオンボーディングを始める前に終了してください。旧ファイルの移行と競合の報告は learn-mcp が担当します。担当スキルが 2 つ以上ある場合は、学習者向けのルート名を一覧表示し、プレースメントを実施したり状態を変更したりする前に、どのルートを再開するかを尋ねてください。該当するファイルがない場合は、一般的なオンボーディングに進みます。ファイルの更新日時からルートを推測したり、あるルートの進捗を別の状態ファイルに統合したりしないでください。

旧ランタイムでは、learn-mcp-engineering が別名として使われている場合があります。これを learn-mcp に到達するために使用することはできますが、学習者向けの引き継ぎでは必ず learn-mcp を表示し、ルート名を Model Context Protocol（MCP）としてください。

MCP に特化した引き継ぎ

学習者が全コースではなく Model Context Protocol（MCP）を明確に希望する場合、プレースメントを実施せず、LEARNING.md も作成しないでください。ソースが learning-paths/model-context-protocol.json、状態ファイルが MCP-LEARNING.md のポータブルなスキル learn-mcp に引き継ぎます。Codex では learn-mcp、Claude Code では /learn-mcp を使用します。その他の互換ホストでは、learn-mcp を使用するよう案内してください。専用のチューターが、レッスンの選択、ワイヤーの証拠、公的デプロイに関するセキュリティゲートを担当します。

エージェントスキルに特化した引き継ぎ

学習者がフルコースではなくエージェントスキルを明示的に希望する場合、または AGENT-SKILLS-LEARNING.md が存在し、そのルートの再開を希望する場合は、レベル判定を行わず、LEARNING.md も作成しないでください。ポータブルスキル learn-agent-skills に案内してください。このスキルのソースは learning-paths/agent-skills.json、状態ファイルは AGENT-SKILLS-LEARNING.md です。Codex では learn-agent-skills を、Claude Code では /learn-agent-skills を使用するか、互換性のある別のホストに learn-agent-skills を使用するよう依頼してください。専用チューターは、5 レッスンの順序、実際のホストでのエビデンス、サンドボックスの境界、レッスン 26 の前に必要なレッスン 25 とツールポイズニングの前提条件ゲート、およびリリースゲートを管理します。

リバースエンジニアリングに特化した引き継ぎ

学習者がフルコースではなくリバースエンジニアリングを明示的に希望する場合、または REVERSE-ENGINEERING-LEARNING.md が存在し、そのルートの再開を希望する場合は、レベル判定を行わず、LEARNING.md も作成しないでください。ポータブルスキル learn-reverse-engineering に案内してください。このスキルのソースは learning-paths/reverse-engineering.json、状態ファイルは REVERSE-ENGINEERING-LEARNING.md です。Codex では learn-reverse-engineering を、Claude Code では /learn-reverse-engineering を使用するか、互換性のある別のホストに learn-reverse-engineering を使用するよう依頼してください。

LEARNING.md がすでに存在する場合は、上書きしないでください。内容（ミッション、開始地点、これまでの進捗）を要約して、次の3つの方法を提示してください。

• 再開：上記のホスト別構文で learn を呼び出します。インタビューとレベル判定はすべて省略します。
• レベル判定を再実施：クイズをもう一度実施し、「レベル判定」セクションと各パスのステータスのみを更新します。「ミッション」、「進捗ログ」、「復習キュー」は変更しないでください。
• 最初からやり直す：明示的な確認を得た場合に限り、現在のファイルをアーカイブとして LEARNING-<YYYY-MM-DD>.md に名前変更してから、以下のオンボーディング全体に進みます。履歴を黙って削除または上書きしてはいけません。

ステップ1：インタビュー（質問は3つ、簡潔に）

1. AI エンジニアリングを学ぶ理由は何ですか？ 自由記述です。例として、AI プロダクトのリリース、キャリアチェンジ、日々使っているものへの理解、研究を挙げてください。今後のレッスンの説明すべての土台となるため、本人の言葉のまま回答を記録してください。
2. 週にどれくらい時間を取れますか？ 選択肢：~2 h、~5 h、~10 h、「できるだけ早く」。これはペースを正直に伝えるためだけに使い、内容を削るために使ってはいけません。
3. 最後までに何を作りたいですか？ 1行で回答してもらいます。エージェント、トレーニング済みモデル、RAG プロダクト、「まだわからない」でもかまいません。

この3つを超える質問はしないでください。レベル判定クイズは知識を測るものであり、インタビューでは学習の意図だけを把握します。

ステップ2：レベル判定

find-your-level スキル（このスキルと一緒にインストールされます）のレベル判定クイズを実施します。5つの分野、10問で、開始フェーズを判定します。このスキルの回答隔離に関する契約を守ってください。後続の解答キーのラウンドを先に読み込んだり、中立的な <letter> プレースホルダーを実際の選択肢の文字に置き換えたりしてはいけません。

学習者が開始地点をすでに決めている（「フェーズ7から始めて」など）と言った場合は、その希望を尊重してクイズを省略します。その場合も、learn チューターが常に適切な形式の学習計画を見つけられるよう、クイズ実施時と同じ出力契約に従ってください。

• フェーズが0〜19であることを検証し、正式名称を特定します。特定できない場合は、20フェーズをすべて一覧にして、選んでもらいます。
• パステーブルでは、開始地点より前のフェーズを Skip、開始地点以降のすべてのフェーズを Do とします（分野別スコアから判定できるものがないため、Review の行はありません）。推定所要時間の合計は、Do の行の合計です。
• レベル判定セクションでは、数値の代わりに Score: self-selected と記載します。

ステップ3：LEARNING.md を作成する

現在のディレクトリに LEARNING.md を作成し、次のセクションだけを含めてください。

# My AI Engineering Path


## Mission
<their answer to question 1, in their words, plus the build goal from question 3>

## Placement
- Date: <YYYY-MM-DD>
- Score: <total>/10 with the area breakdown, or exactly `self-selected` when the quiz was skipped
- Entry point: Phase <N>: <name>
- Pace: ~<hours>/week

## Path
| Phase | Name | Status | Est. hours |
|-------|------|--------|------------|
<all 20 phases; Status is Skip, Review, Do, or Done from the placement
result. Hours come from ROADMAP.md: read it locally if the repo is cloned,
otherwise fetch
https://raw.githubusercontent.com/rohitg00/ai-engineering-from-scratch/main/ROADMAP.md>

## Progress log
| Date | Lesson | Quiz | Note |
|------|--------|------|------|

## Review queue
<empty for now; learn adds lessons the quizzes flag>

ステップ 4：引き継ぎ

次の 3 行だけで締めくくります。

• Review フェーズと Do フェーズの開始地点と、両フェーズの推定所要時間の合計。
• ホストに合った learn の実行方法を示し、最初のレッスンを開始して、毎回このファイルから再開することを伝えます。
• ホストに合った course-guide <topic> の実行方法を示し、代わりに特定のトピックへ移動できることを伝えます。