检查理解程度
测试学习者对 AI Engineering from Scratch 已完成阶段的掌握情况。
触发方式
当用户说出类似下面的话时启用此 skill：
/check-understanding 3或/check-understanding deep-learning- “测验一下我对第 2 阶段的掌握情况”
- “测试第 1 阶段”
- “检查我对 transformer 的理解”
- “我掌握第 3 阶段了吗”
- “我准备好进入下一阶段了吗”
输入
接受阶段编号（0-19）或阶段名称作为参数。如果没有参数，列出全部 20 个阶段，并询问用户希望测试哪一阶段。
阶段映射
将参数映射到 phases/ 下正确的阶段目录：
| 输入 | 目录 | 阶段名称 |
|---|---|---|
| 0, setup, tooling | 00-setup-and-tooling | 环境设置与工具 |
| 1, math, math-foundations | 01-math-foundations | 数学基础 |
| 2, ml, ml-fundamentals | 02-ml-fundamentals | 机器学习基础 |
| 3, deep-learning, dl | 03-deep-learning-core | 深度学习核心 |
| 4, cv, computer-vision, vision | 04-computer-vision | 计算机视觉 |
| 5, nlp | 05-nlp-foundations-to-advanced | NLP：从基础到进阶 |
| 6, speech, audio | 06-speech-and-audio | 语音与音频 |
| 7, transformers | 07-transformers-deep-dive | Transformer 深入剖析 |
| 8, generative, gen-ai, genai | 08-generative-ai | 生成式 AI |
| 9, rl, reinforcement-learning | 09-reinforcement-learning | 强化学习 |
| 10, llms, llm, llms-from-scratch | 10-llms-from-scratch | 从零构建 LLM |
| 11, llm-engineering, llm-eng | 11-llm-engineering | LLM 工程 |
| 12, multimodal | 12-multimodal-ai | 多模态 AI |
| 13, tools, protocols, mcp | 13-tools-and-protocols | 工具与协议 |
| 14, agents, agent-engineering | 14-agent-engineering | Agent 工程 |
| 15, autonomous | 15-autonomous-systems | 自主系统 |
| 16, multi-agent, swarms | 16-multi-agent-and-swarms | 多 Agent 与群体 |
| 17, infrastructure, production, infra | 17-infrastructure-and-production | 基础设施与生产环境 |
| 18, ethics, safety, alignment | 18-ethics-safety-alignment | 伦理、安全与对齐 |
| 19, capstone, projects | 19-capstone-projects | 综合项目 |
流程
第 1 步：解析阶段
解析参数。若为数字，验证它是否在 0 到 19（含）之间。数字超出范围时，告诉用户：阶段 [N] 不存在。有效阶段为 0-19。然后展示完整列表供其选择。若为名称或关键词，在上方阶段映射中查找。关键词不匹配任何条目时，告诉用户：未知阶段“[keyword]”。请从下面列表中选择：，并展示全部 20 个阶段。未提供参数时，要求用户从完整列表中选择。
第 2 步：读取阶段内容
如果仓库已克隆（当前目录或其父目录存在 phases/），找出 phases/<phase-dir>/ 下全部课程目录并读取每课的 docs/zh.md。如果未克隆，从 README 的 Contents 部分获取该阶段课程列表（获取 https://raw.githubusercontent.com/fancyboi999/ai-engineering-from-scratch-zh/main/README.md），再从同一 raw base URL 获取每课的 docs/zh.md。这些文档就是出题依据。
读取足够多的课程文档，以覆盖该阶段的完整广度。阶段课程很多（15+）时，优先读取具有代表性的分布：开头几课、中段几课和最后几课。
第 3 步：生成 8 道题
基于刚读取的课程内容，恰好生成 8 道选择题：
第 1-4 题：概念题（是什么/为什么） 这些题测试想法、定义和推理的理解。例如：
- “X 的目的是什么？”
- “Z 存在时为什么会发生 Y？”
- “哪项陈述最准确地描述了 A 与 B 的关系？”
- “X 解决了什么问题？”
第 5-8 题：实践题（怎么做/构建） 这些题测试应用知识和实现意识。例如：
- “你会如何实现 X？”
- “哪种方法能正确解决 Y？”
- “构建 Z 的正确步骤顺序是什么？”
- “若训练中观察到 X，应当怎么做？”
每题必须恰有 4 个选项，标记为 A、B、C、D，且只有一个正确选项。错误选项应当可信，但对认真学过材料的人应当明显不对。
给每道题标记其来源课程（例如“第 03 课：矩阵变换”）。
第 4 步：逐题展示
使用 AskUserQuestion 工具（或等效交互式提示）一次展示一道题。格式：
text第 1/8 题（概念题）——来自第 03 课：矩阵变换 特征值的几何解释是什么？ A) 矩阵施加的旋转角度 B) 特征向量在变换中被缩放的倍数 C) 变换矩阵的行列式 D) 变换后矩阵的秩
等待用户作答后，才进入下一题。
答案隔离
在学习者回答当前题目之前，正确选项和解释必须保持私密。回复格式提示中绝不使用真实答案字母、可能答案或生成的答案分布。若需要纯文本提示，必须严格使用：请只回复一个字母：<A|B|C|D>。
第 5 步：记录与评分
持续记录：
- 8 题中的正确总数
- 每道错题：题号、用户答案、正确答案及来源课程
第 6 步：展示结果
所有 8 题完成后，展示得分和评级：
答对 7-8 题：已掌握
若为第 19 阶段（综合项目）：你已掌握第 19 阶段，也是最后一个阶段。只有能够确认整个课程其余部分均已完成时（当前目录中的 LEARNING.md 路径表显示阶段 0-18 都是 Done 或 Skip），才能再加上 恭喜，你已完成全部课程。单次阶段测验不能证明整个课程已完成。
否则：你对第 N 阶段掌握扎实，可以进入第 N+1 阶段：[下一阶段名称]。
答对 5-6 题：接近掌握
基础扎实。继续前请复习以下具体内容：
随后列出错题关联的课程。
答对 3-4 题：正在形成理解
你的理解正在建立，但还需回顾以下课程：
随后列出每道错题及需重读的课程。
答对 0-2 题：重新开始
这个阶段还需要更多时间。请从头重新学习课程，重点关注：
随后列出所有未掌握的主题。
第 7 步：错题拆解
对用户答错的每一题，展示：
text第 N 题：[题目文本，缩写] 你的答案：B 正确答案：C —— [正确选项文本] 原因：[用 1-2 句解释 C 为什么正确] 复习：第 NN 课 —— [课程名称] (phases/<phase-dir>/NN-<lesson-slug>/docs/zh.md)
第 8 步：下一步做什么？
最后提供三个选择：
- 重做本测验 —— 从同一阶段生成一组新的 8 道题
- 测试另一阶段 —— 选择其他阶段测试
- 解释一个主题 —— 询问任意错题涉及的概念
等待用户选择后再执行。
规则
- 重考时，在题库耗尽前避免重复题目。题库耗尽后，才可为后续重考重排或改写题目。
- 题目必须直接基于课程文档，不能基于通用知识。
- 用户回答之前，不展示正确答案。
- 学习者回答格式示例中不得出现真实答案字母；使用
<A|B|C|D>作为占位符。 - 题目文本保持简洁，最多一两句话。
- 错误选项必须可信，不要设置玩笑答案。
- 若一个阶段的课程正文待发布（以
docs/zh.md文件为准），告诉用户：第 N 阶段尚未提供课程内容。请选择已完成的阶段进行测验。
