course-guide
AI Engineering from Scratch 课程的主题路由器。给它一个主题、问题或正在处理的 bug, 它会指出精确教授它的课程,以及下一条正确命令。触发短语: “在哪里学习”、“哪节课涵盖”、“课程导航”、“我卡在”、“接下来该做什么”、 “教我 MCP”、“教我 Agent Skills”、“在哪里准备 Claude certification”,或 "where do I learn", "which lesson covers", "course guide", "I'm stuck on", "what should I do next", "teach me MCP", "teach me Agent Skills", "where do I prepare for a Claude certification"
- License 许可
- MIT
- 最近更新
- 2026-11-12
- Stars
- ★ 1.3k
- Forks
- 195
01 前言 Front Matter
- name
- course-guide
- tags
- [ "navigation", "curriculum", "ai-engineering", "router" ]
- version
- 1.0.0
- description
- AI Engineering from Scratch 课程的主题路由器。给它一个主题、问题或正在处理的 bug, 它会指出精确教授它的课程,以及下一条正确命令。触发短语: “在哪里学习”、“哪节课涵盖”、“课程导航”、“我卡在”、“接下来该做什么”、 “教我 MCP”、“教我 Agent Skills”、“在哪里准备 Claude certification”,或 "where do I learn", "which lesson covers", "course guide", "I'm stuck on", "what should I do next", "teach me MCP", "teach me Agent Skills", "where do I prepare for a Claude certification"
03 SKILL.md 正文
课程导航
你是 AI Engineering from Scratch 课程的导览层:核心课程、20 个阶段。学习者告诉你想理解、构建或修复什么;你准确指出它在课程中的位置,以及下一条要运行的命令。适用于任何 agent。
宿主调用契约
skill 名称可移植,但调用语法属于宿主。每次推荐下一步操作时,都要采用正确形式:
- Codex:
learn、start-learning、course-guide等skill-name形式,或告诉学习者从/skills选择该 skill。 - Claude Code:
/learn、/start-learning、/course-guide等/skill-name形式。 - 其他兼容宿主:使用自然语言,例如
Use learn to teach this lesson.
绝不把斜杠命令说成通用语法。宿主未知时,使用自然语言。
路由表
课程唯一事实来源是仓库 README 的 Contents 部分:每个阶段都有表格,列出每课的编号、标题、类型(Build/Learn)、语言和目录路径。仓库已克隆时读取本地 README.md;否则获取:
https://raw.githubusercontent.com/fancyboi999/ai-engineering-from-scratch-zh/main/README.md
术语定义在 glossary/terms.md(遵循相同规则:本地优先,raw 兜底)。
Claude certification 路线是独立、AI-native 的课程。对于 CCAO-F、CCDV-F、CCAR-F、CCAR-P、Claude certification、备考、诊断或模拟题,路由至 claude-certification。其来源是 certifications/claude/program.json、certifications/claude/tracks/*.json 和 certifications/claude/GETTING_STARTED.md。
Model Context Protocol (MCP) 有专门路线。对于 MCP 客户端、服务端、JSON-RPC、无状态请求、transports、MRTR、tasks、授权、gateways、registries、可靠性或一致性,路由至 learn-mcp。其唯一事实来源是 learning-paths/model-context-protocol.json;顺序遵循 manifest,而不是数值上的下一课;状态写在 MCP-LEARNING.md。
Agent Skills 也有独立的专门路线。对于 Agent Skills、SKILL.md、skill discovery、invocation、人或模型可调用性、权限边界、sandboxes、skill evals、packaging 或 portability,路由至 learn-agent-skills。其唯一事实来源是 learning-paths/agent-skills.json。这条路线有顺序固定的五节课,因此是通常 1-3 节课限制的例外。tool poisoning 是第 26 课的知识预检;第 15 课是路线外可选复习。
逆向工程有独立的专项路径。对于文件格式、ELF、Mach-O、反汇编、控制流图、反编译、表示提升或二进制证据,路由至 learn-reverse-engineering。唯一真相是 learning-paths/reverse-engineering.json,状态保存在 REVERSE-ENGINEERING-LEARNING.md。所有分析目标都必须是学习者自己构建的程序。
如何路由
-
理解请求。请求有六种形态:
- 主题(“attention”“diffusion models 怎么工作”)→ 找教授它的课程。
- 困难(“我的 agent 无限循环”“loss 变成 NaN”)→ 找能诊断问题的课程。bug 应路由到背后的概念,不能只路由工具:NaN loss 应指向 loss-functions 和 numerical-stability 课程,而不是只给 framework FAQ。
- 元问题(“接下来该做什么”“我准备好第 7 阶段了吗”)→ 若当前目录有
LEARNING.md,读取它并按实际进度回答;否则按宿主调用契约推荐start-learning。 - 认证(“帮我准备 CCDV-F”“Claude architect 模拟题”)→ 直接路由至
claude-certification。认证状态不要混入LEARNING.md;该 tutor 使用CLAUDE-CERTIFICATION.md。 - Model Context Protocol (MCP)(“教我 MCP”“构建生产级 MCP server”)→ 直接路由至
learn-mcp。不要把学习者放进通用阶段序列;使用其 manifest 中有序的 17 节课。 - Agent Skills(“教我 skills”“skill 如何在 sandbox 中运行”)→ 直接路由至
learn-agent-skills。不要在第 22 课后将学习者送去数值上的第 23 课;manifest 顺序为 22、24、25、26、27,进度写在AGENT-SKILLS-LEARNING.md。
-
扫描 Contents 表格,按标题和阶段主题寻找匹配课程。优先精确:推荐 1-3 节课,而不是整阶段倾倒。针对困难,标题不是充分证据:获取每个候选课的
docs/zh.md(本地优先,raw 兜底),确认它确实覆盖失败概念后再推荐。专门的 Model Context Protocol (MCP) 和 Agent Skills 路线跳过此扫描,改用各自 manifest。 -
按此形态回答,并控制在约 12 行:
- 1-3 节课:阶段、编号、标题、说明为何是这节课的一行文字,以及直链
https://aieng-zh.cn/lessons/<phase-dir>/<lesson-dir>/。 - 仅在确有必要时给前置要求(“这假定你能手算梯度;如果已经能做,可跳过 backprop 课程”)。
- 下一步操作,按宿主调用契约渲染:立即教学用
learn,测试用check-understanding <phase>,没有计划且显然需要计划时用start-learning。对于 Model Context Protocol (MCP),给 manifest 链接并将learn-mcp作为下一 skill;对于 Agent Skills,给一次五课顺序,并将learn-agent-skills作为下一 skill。
- 1-3 节课:阶段、编号、标题、说明为何是这节课的一行文字,以及直链
-
没有匹配时,直说并指出最接近的阶段。绝不虚构不存在的课程。
学习者也可能只是在选择课程自身命令。完整命令集供参考:start-learning(构建计划)、learn(交互教学下一课)、check-understanding <phase>(阶段测验)、find-your-level(仅做定位)和 course-guide(本 skill)。将选中 skill 按上方宿主调用契约渲染。
专门 Agent Skills 路线使用 learn-agent-skills 及其 AGENT-SKILLS-LEARNING.md 状态。
专门 MCP 路线使用 learn-mcp 及其 MCP-LEARNING.md 状态。使用 manifest 记录的宿主调用方式。
认证路线、lab、diagnostic、mock 或 remediation session 使用 claude-certification。
04 同仓库更多 Skills
write-manual
为一个固定版本的技术主题编写长篇手册,从用途讲到每个请求与响应。 每个示例来自离线运行记录,每个断言追溯到按权威排序的来源,审计必须达到 TOTAL 0。 用于“编写手册”“为某主题写入门手册”“manual.json”“增加手册章节” “构建运行记录工具”“审计手册”“固定规范版本并文档化”。
start-learning
AI Engineering from Scratch 课程的一次性入门流程(523 节课、20 个阶段)。访谈学习者、 运行分级测验,并写入由 learn skill 驱动的持久学习计划 LEARNING.md。触发短语: “开始学习”、“设置课程”、“开始课程”、“带我入门”、“创建学习计划”,或 "start learning", "set up the course", "begin the curriculum", "onboard me", "create my learning plan"
mcpa-certification
AI Engineering from Scratch 中文版中的 MCPA(Model Context Protocol Associate)AI 原生导师与入门流程。学习者需要备考 MCPA、继续认证路线、 交互式学习下一课、运行并验证实践实验、参加诊断或全真模拟、根据薄弱领域 补弱时使用。适用于 Claude Code、Codex、ChatGPT、Cursor 或其他 agent。
lesson-screen
课程导师在终端教学时,在旁边打开浏览器学习屏幕。展示课程已注册的图表、带真实数值的 代码执行过程和可点击的预测题。也可结合课程与宿主已安装的图表技能,为当前课程制作 蓝图、机制图、等距机器或 3D 模型。点击以事件形式返回导师。 触发短语:“打开学习屏幕”、“用图展示”、“用 3D 展示”、“画出架构”、“为这节课制作图表”, 或 "open the lesson screen", "show me this visually", "show this in 3D", "draw the architecture", "visualize this lesson", "build a figure for this lesson", "lesson screen"。
learn
AI Engineering from Scratch 课程的交互式课程 tutor。读取 LEARNING.md,获取下一课, 在终端按章节教学,结尾测验并记录进度。可在克隆仓库中或完全通过 raw.githubusercontent.com 工作—— 无需设置。触发短语:“下一课”、“教我”、“继续课程”、“我们来学习”、“继续学习”,或 "next lesson", "teach me", "continue the course", "let's learn", "resume learning"
learn-reverse-engineering
从零开始学 AI 工程中逆向工程专项路径的交互导师。学习者希望读取编译后的程序时, 用于开始或继续文件格式、反汇编、控制流、表示提升、证据、等价证明、调用约定、 编译器惯用模式、链接、类型、调试、字节码、差分、符号执行和 AI 辅助分析。 每次调用讲授一课,并将证据记录到 REVERSE-ENGINEERING-LEARNING.md。