开始学习
你正在引导学习者进入 AI Engineering from Scratch 课程：20 个阶段、523 节课，从线性代数到自主 agent。你的任务是在当前目录产出 LEARNING.md，这份单一文件记录他们为何学习、应从哪里开始以及学习路径。之后每次 learn session 都会读取并更新它，因此把它当作学习者的唯一事实来源。
适用于任何 agent。环境有结构化问题/选项工具时，每个问题都使用它；否则用纯文本展示带字母选项并等待回复。
宿主调用契约
skill 名称可移植，但调用语法属于宿主。展示下一条命令前，使用正确形式：
- Codex：
start-learning、learn、course-guide等skill-name形式，或告诉学习者从/skills选择 skill。 - Claude Code：
/start-learning、/learn、/course-guide等/skill-name形式。 - 其他兼容宿主：使用自然语言，例如
Use learn to start my first lesson.
绝不把 Claude Code 的斜杠命令说成通用语法。宿主未知时，使用自然语言。
跨课程模式的续学路由
通用入门前，将每个“继续”或“续学”请求按以下支持的状态文件和路线所有者解析：
LEARNING.md属于完整课程的learn。MCP-LEARNING.md属于 Model Context Protocol (MCP) 路线的learn-mcp。MCP-ENGINEERING-LEARNING.md是同一learn-mcp路线的旧文件名，不是独立路线。AGENT-SKILLS-LEARNING.md属于learn-agent-skills。CLAUDE-CERTIFICATION.md属于claude-certification。
学习者在续学请求中点名路线时，即使其他状态文件存在，也立即分派给该所有者，然后停止此 skill。
未点名的续学请求，收集存在状态文件的所有者，并将两个 MCP 文件名归为 learn-mcp。若仅剩一个路线所有者，在通用入门前调用它并停止此 skill。learn-mcp 负责旧文件迁移及冲突报告。若有两个或更多所有者，列出面向学习者的路线名，在进行定位或改动任何状态前询问要恢复哪一条。没有文件时继续通用入门。绝不依据文件修改时间推断路线，也绝不将一个路线的进度并入其他状态文件。
旧 runtime 可能将 learn-mcp-engineering 暴露为别名。只接受它以到达 learn-mcp；面向学习者的交接一律渲染为 learn-mcp，路线名称为 Model Context Protocol (MCP)。
专门 MCP 交接
学习者明确想学习 Model Context Protocol (MCP) 而非完整课程时，不运行定位，也不创建 LEARNING.md。路由至可移植 skill learn-mcp，其来源为 learning-paths/model-context-protocol.json，状态文件为 MCP-LEARNING.md。在 Codex 使用 learn-mcp、Claude Code 使用 /learn-mcp，或要求其他兼容宿主使用 learn-mcp。专用 tutor 拥有课程选择、wire evidence 及 public-deployment security gate。
专门 Agent Skills 交接
学习者明确想学习 Agent Skills 而非完整课程，或存在 AGENT-SKILLS-LEARNING.md 且其要求恢复该路线时，不运行定位，也不创建 LEARNING.md。路由至可移植 skill learn-agent-skills，来源是 learning-paths/agent-skills.json，状态文件是 AGENT-SKILLS-LEARNING.md。在 Codex 使用 learn-agent-skills、Claude Code 使用 /learn-agent-skills，或要求其他兼容宿主使用 learn-agent-skills。专用 tutor 拥有五课顺序、真实宿主证据、sandbox boundaries、第 26 课前的第 25 课和 tool-poisoning prerequisite gate，以及 release gate。
若 LEARNING.md 已存在，绝不覆盖。概述它的内容（mission、entry point、目前进度），并只提供恰好三条路径：
- 恢复： 使用上方宿主语法调用
learn；完全跳过访谈与定位。 - 重新定位： 再次进行测验，然后只更新 Placement 部分和 Path 状态；保留 Mission、Progress log 与 Review queue。
- 重新开始： 仅在明确确认后，将当前文件改名为
LEARNING-<YYYY-MM-DD>.md作为归档，随后进行下方完整入门。绝不静默删除或覆盖历史。
第 1 步：访谈（3 个问题，保持简短）
- 你为什么学习 AI engineering？ 自由文本。可给出的示例：ship an AI product、职业转型、理解自己每天使用的东西、研究。用其自己的话记录回答，因为它会为之后所有课程解释提供锚点。
- 每周能投入多少时间？ 选项：约 2 h、约 5 h、约 10 h、“尽可能快”。只用于如实表述节奏，绝不用来删减内容。
- 结束时最想构建什么？ 一行即可。一个 agent、一个训练后的模型、一个 RAG product，“暂时不确定”也可以。
不要多问。分级测验衡量知识；访谈只记录意图。
第 2 步：定位
运行随此 skill 安装的 find-your-level skill 分级测验：5 个领域、10 道题，映射到一个起始阶段。保持该 skill 的答案隔离契约：不要预加载之后轮次的答案键，也不要用真实选项字母替换中性 <letter> 占位符。
学习者已说清想从哪开始（“直接从第 7 阶段开始”）时，尊重选择并跳过测验，但仍遵守与测验相同的输出契约，确保 learn tutor 始终能找到格式正确的计划：
- 验证阶段在 0-19 之间并解析其规范名称；无法解析时，列出 20 个阶段要求选择。
- Path 表中，入口前阶段为
Skip，入口及其后为Do（没有可从领域分数推断的Review行）；Est. hours 总数为所有Do行的和。 - Placement 部分写入
Score: self-selected，不能写数值。
第 3 步：写入 LEARNING.md
在当前目录创建 LEARNING.md，严格使用以下 sections：
markdown# My AI Engineering Path <!-- Managed by the ai-engineering-from-scratch learning skills. Repo: https://github.com/fancyboi999/ai-engineering-from-scratch-zh --> ## 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/fancyboi999/ai-engineering-from-scratch-zh/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
收尾仅三行，不能更多：
- 学习者的入口和
Review+Do阶段的预计总时数。 - 给出宿主正确的
learn调用方式，并说明它会开始第一课且每次都从此文件继续。 - 给出宿主正确的
course-guide <topic>调用方式，并说明它可跳转到特定主题。
