mcpField
S
start-learning

start-learning

github.com/rohitg00生产力75.3k4.8k 次安装5 天前更新
代码仓库

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

  1. 01记录学习目标与每周时间
  2. 02进行水平测验或接受指定阶段
  3. 03创建 LEARNING.md 学习计划
  4. 04转交专项学习路径
  5. 05支持恢复已有学习进度

适用场景

  1. 01开始 AI 工程课程
  2. 02根据已有知识选择起始阶段
  3. 03记录个人学习路径
  4. 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)

  1. 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。
  2. 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。
  3. 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。

评论

支持 Markdown