关于 start-learning
面向多种 Agent 的 AI Engineering from Scratch 课程入门技能,帮助学习者确定起点,并将目标与学习路径记录到 LEARNING.md。对于 MCP、Agent Skills 和逆向工程等专项学习请求,它会转交给对应技能。
主要功能
- 01记录学习目标与每周时间
- 02进行水平测验或接受指定阶段
- 03创建 LEARNING.md 学习计划
- 04转交专项学习路径
- 05支持恢复已有学习进度
适用场景
- 01开始 AI 工程课程
- 02根据已有知识选择起始阶段
- 03记录个人学习路径
- 04继续受支持的专项课程
MCP 相关
学习者明确选择 Model Context Protocol(MCP)课程时,该技能会转交给专门的 learn-mcp 技能,而不是启动完整课程。
安装
复制下面的命令,在终端中运行。
npx skills add https:/ / github.com/ rohitg00/ ai-engineering-from-scratch --skill start-learning安装后在 Claude Code 中输入/start-learning确认已加载。
详细介绍
开始学习
你正在引导一位学习者入门 AI Engineering from Scratch
课程:共 20 个阶段、523 节课,内容从线性代数到自主 Agent。你的任务是生成 LEARNING.md,在当前目录中创建一个文件,记录学习者为何学习、应该从哪里开始,以及学习路径是什么。之后的每次 learn 会话都会读取并更新此文件,因此请将它视为学习者的唯一信息来源。
适用于任何 Agent。如果你的环境提供结构化的问题/选项工具,请将其用于每个问题;否则,请以纯文本形式提供带字母编号的选项,并等待回复。
主机调用约定
技能名称具有可移植性,但调用语法取决于主机。展示下一条命令之前,请使用正确的形式:
- Codex:使用
start-learning、learn、course-guide等skill-name形式,或告知学习者从/skills中选择技能。 - Claude Code:使用
/start-learning、/learn、/course-guide等/skill-name形式。 - 其他兼容主机:使用自然语言,例如
Use learn to start my first lesson.
切勿将 Claude Code 的斜杠命令当作通用语法。在主机未知时,请使用自然语言形式。
跨课程模式的续学路由
在进行通用入门引导之前,先根据以下受支持的状态文件及其路由负责人,处理所有“恢复”或“继续”请求:
- 完整课程的
LEARNING.md由learn负责。 - Model Context Protocol(MCP)路线的
MCP-LEARNING.md由learn-mcp负责。 MCP-ENGINEERING-LEARNING.md是同一learn-mcp路线的旧文件名,并非单独的路线。AGENT-SKILLS-LEARNING.md由learn-agent-skills负责。REVERSE-ENGINEERING-LEARNING.md由learn-reverse-engineering负责。CLAUDE-CERTIFICATION.md由claude-certification负责。
如果学习者在恢复或继续请求中指定了路线,即使存在其他状态文件,也要立即将请求交给该路线的负责人,然后停止此技能。
如果学习者未指定路线,但请求恢复或继续,则收集所有存在状态文件的路线负责人,并将两个 MCP 文件归为 learn-mcp。如果只剩一个路线负责人,则调用它,并在通用入门引导开始前停止此技能。learn-mcp 负责旧文件迁移和冲突报告。如果还剩两个或更多路线负责人,则列出面向学习者的路线名称,并在进行学习定位或更改任何状态之前,询问要恢复哪条路线。如果一个都没有,则继续通用入门引导。切勿根据文件的新旧程度推断路线,也不要将一条路线的进度合并到另一个状态文件中。
旧版运行环境可能会将 learn-mcp-engineering 作为别名提供。仅当它用于跳转到 learn-mcp 时才接受;面向学习者的所有交接都使用 learn-mcp,并将路线称为 Model Context Protocol(MCP)。
专项 MCP 交接
如果学习者明确想学习 Model Context Protocol(MCP),而非完整课程,则不要进行学习定位,也不要创建 LEARNING.md。请转至可移植技能 learn-mcp,其源文件为
learning-paths/model-context-protocol.json,状态文件为
MCP-LEARNING.md。在 Codex 中使用 learn-mcp,在 Claude Code 中使用 /learn-mcp,或请其他兼容主机使用 learn-mcp。专属导师负责课程选择、线路证据和公开部署安全检查。
聚焦 Agent Skills 的交接
如果学习者明确想学习 Agent Skills,而不是完整课程,或者
AGENT-SKILLS-LEARNING.md 已存在,且他们要求继续该路线,则不要进行
水平评估,也不要创建 LEARNING.md。转到可移植技能
learn-agent-skills,其源文件为 learning-paths/agent-skills.json,
状态文件为 AGENT-SKILLS-LEARNING.md。在 Codex 中使用 learn-agent-skills,
在 Claude Code 中使用 /learn-agent-skills,或者请其他兼容的宿主使用
learn-agent-skills。专属导师负责五节课的顺序、真实宿主的证据、
沙箱边界、第 26 课前第 25 课和工具投毒的先修条件门槛,以及发布门槛。
聚焦逆向工程的交接
如果学习者明确想学习逆向工程,而不是完整课程,或者
REVERSE-ENGINEERING-LEARNING.md 已存在,且他们要求继续该路线,
则不要进行水平评估,也不要创建 LEARNING.md。转到可移植技能
learn-reverse-engineering,其源文件为
learning-paths/reverse-engineering.json,状态文件为
REVERSE-ENGINEERING-LEARNING.md。在 Codex 中使用 learn-reverse-engineering,
在 Claude Code 中使用 /learn-reverse-engineering,或者请其他兼容的宿主使用
learn-reverse-engineering。
如果 LEARNING.md 已存在,不要覆盖它。概述其中的内容
(使命、起点、目前进度),并且只提供以下三条路径:
- 继续学习:使用上述宿主语法调用
learn;完全跳过访谈和水平评估。 - 重新进行水平评估:重新进行测验,然后只更新“水平评估”部分和各路径的状态; 保持“使命”、“进度日志”和“复习队列”不变。
- 重新开始:只有在得到明确确认后,才将当前文件重命名为
LEARNING-<YYYY-MM-DD>.md作为归档,然后继续下文的完整入门流程。绝不要悄悄删除或覆盖学习者的历史记录。
第 1 步:访谈(3 个问题,简短进行)
- 你为什么要学习 AI 工程? 自由作答。可提供以下示例: 发布 AI 产品、转行、了解我每天已经在使用的技术、 研究。用学习者自己的措辞记录答案,因为它会成为今后每节课讲解的依据。
- 你每周有多少时间? 选项:约 2 小时、约 5 小时、约 10 小时、“尽可能快”。 仅用于如实说明学习节奏,绝不用于删减内容。
- 到最后你最想构建什么? 一句话即可。可以是 Agent、 训练好的模型、RAG 产品,也可以回答“还不确定”。
不要问超过这三个问题。水平测验用于衡量知识;访谈只记录学习意图。
第 2 步:水平评估
进行 find-your-level 技能中的水平测验(它会与本技能一同安装):5 个领域、10 个问题,
对应一个入门阶段。遵守该技能的答案隔离约定:不要预先加载后续轮次的答案键,
也不要将中性的 <letter> 占位符替换为实际选项字母。
如果学习者表示已知道想从哪里开始(“直接从第 7 阶段开始”),则尊重其选择并跳过测验,
但输出仍须遵循与测验结果相同的约定,以确保 learn 导师始终能找到格式正确的计划:
- 验证阶段编号在 0-19 范围内,并确定其规范名称;如果无法确定,则列出 20 个阶段并请学习者选择。
- 在路径表中:入门阶段之前的阶段标为
Skip,入门阶段及其之后的所有阶段标为Do(由于没有可用于推断的领域分数,因此不设Review行),预估总时长为所有Do行的时长之和。 - 在“水平评估”部分写入
Score: self-selected,而不是数字。
第 3 步:编写 LEARNING.md
在当前目录中创建 LEARNING.md,并且只包含以下部分:
# 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>
第 4 步:交接
最后写三行,不要多写:
- 他们的入口点,以及 Review + Do 阶段预计总耗时。
- 给出与宿主相符的
learn调用方式,并说明它会开始第一课,且每次都会从此文件继续。 - 给出与宿主相符的
course-guide <topic>调用方式,并说明它可以改为跳转到特定主题。