在 AI Engineering from Scratch…

适用于用户询问 AI Engineering from Scratch 课程的课题、卡点、进度、Claude 认证、MCP 或 Agent Skills，并需要精确课时与下一条命令的场景。

适用场景

解决思路

1. 技能名称可移植，但调用语法属于宿主；每次推荐下一步动作时都按宿主渲染。
2. Codex 使用 `learn`、`start-learning`、`course-guide` 等 `skill-name` 形式，或让学习者从 `/skills` 中选择该技能。
3. Claude Code 使用 `/learn`、`/start-learning`、`/course-guide` 等 `/skill-name` 形式。
4. 其他兼容宿主使用自然语言，例如 `Use learn to teach this lesson.`。
5. 不要把 slash command 作为通用语法；宿主未知时使用自然语言。
6. 以仓库 README 的 Contents 部分作为课程唯一事实来源；每个 phase 的表列出每课的 number、title、type（Build/Learn）、language、directory path。
7. 如果仓库已克隆，优先读取本地 `README.md`；否则抓取 `https://raw.githubusercontent.com/rohitg00/ai-engineering-from-scratch/main/README.md`。
8. 查术语定义时，使用 `glossary/terms.md`，同样本地优先，失败再用 raw fallback。
9. Claude certification routes 是独立、AI-native 课程；对 CCAO-F、CCDV-F、CCAR-F、CCAR-P、Claude certification、exam preparation、diagnostics、mocks 请求，路由到 `claude-certification`；来源为 `certifications/claude/program.json`、`certifications/claude/tracks/*.json`、`certifications/claude/GETTING_STARTED.md`。
10. 对 MCP clients、servers、JSON-RPC、stateless requests、transports、MRTR、tasks、authorization、gateways、registries、reliability、conformance 请求，路由到 `learn-mcp`；事实来源为 `learning-paths/model-context-protocol.json`，顺序按 manifest order 而不是 numeric next navigation，状态存于 `MCP-LEARNING.md`。
11. 对 Agent Skills、`SKILL.md`、skill discovery、invocation、human or model invocability、permission boundaries、sandboxes、skill evals、packaging、portability 请求，路由到 `learn-agent-skills`；事实来源为 `learning-paths/agent-skills.json`；该路线固定包含五节有序课时，是通常 1-3 课限制的例外；Tool poisoning 是 Lesson 26 的知识 preflight；Lesson 15 是路线外的可选 refresher。
12. 解析请求为六种形态之一：Topic、Struggle、Meta、Certification、MCP、Agent Skills。
13. 对 Topic（如 「attention」、「how do diffusion models work」），查找讲授该主题的课时。
14. 对 Struggle（如 「my agent loops forever」、「loss goes to NaN」），查找能诊断该问题的课时；把 bug 路由到其背后的概念，而不只是工具：NaN loss 指向 loss-functions 和 numerical-stability 课时，而不只是 framework FAQ。
15. 对 Meta（如 「what should I do next」、「am I ready for phase 7」），如果当前目录存在 `LEARNING.md`，读取它并依据学习者实际进度回答；否则按宿主调用契约推荐 `start-learning`。
16. 对 Certification 请求，直接路由到 `claude-certification`；不要把认证状态混入 `LEARNING.md`，该 tutor 使用 `CLAUDE-CERTIFICATION.md`。
17. 对 MCP 请求，直接路由到 `learn-mcp`；不要把学习者放入通用 phase 序列；使用其 manifest 中的 17 个有序课时。
18. 对 Agent Skills 请求，直接路由到 `learn-agent-skills`；不要从 Lesson 22 送到数字上的 Lesson 23；manifest order 是 22、24、25、26、27，进度存于 `AGENT-SKILLS-LEARNING.md`。
19. 扫描 Contents 表，按 title 和 phase theme 匹配课时；优先精确，给 1-3 课，不要倾倒整个 phase。
20. 对 Struggle，标题不足以作为证据：抓取每个候选课时的 `docs/en.md`（本地优先，raw fallback），确认它确实覆盖失败概念后再推荐。
21. 对聚焦的 MCP 和 Agent Skills 路线，跳过 Contents 扫描，改用它们的 manifests。
22. 按固定形状回答，并保持约 12 行以内：列出 1-3 课，包含 phase、number、title、一句为什么是这一课，以及直接链接 `https://aiengineeringfromscratch.com/lesson?path=phases/<phase-dir>/<lesson-dir>`。
23. 仅在确实需要时给出 prerequisites（例如 `this assumes the backprop lesson; skip it if you can already derive a gradient by hand`）。
24. 给出 next action，并按宿主调用契约渲染：`learn` 表示现在教授该课，`check-understanding <phase>` 表示改成测验，`start-learning` 表示没有计划且似乎想要计划。
25. 对 MCP，给出 manifest link，并把 `learn-mcp` 作为 next skill。
26. 对 Agent Skills，给出五课顺序一次，并把 `learn-agent-skills` 作为 next skill。
27. 如果没有任何匹配，直接说明，并命名最接近的 phase；绝不编造不存在的课时。
28. 学习者可能在课程自身命令之间选择；完整命令集：`start-learning`（制定计划）、`learn`（下一课，交互式教授）、`check-understanding <phase>`（phase quiz）、`find-your-level`（仅 placement）、`course-guide`（本技能）；按宿主调用契约渲染所选技能。
29. 对聚焦 Agent Skills 路线，使用 `learn-agent-skills` 和 `AGENT-SKILLS-LEARNING.md` 状态。
30. 对聚焦 MCP 路线，使用 `learn-mcp` 和 `MCP-LEARNING.md` 状态；使用 manifest 中记录的宿主调用。
31. 对 certification route、lab、diagnostic、mock 或 remediation session，使用 `claude-certification`。

适用边界 · 注意事项

• 不适用于非 AI Engineering from Scratch 课程内容，例如其他课程、纯通用编程问答或与课程无关的调试。
• 不适用于无法访问课程仓库或 raw README/manifest 内容，因而无法核对课时、路径和状态的场景。
• 不适用于需要直接代替 `learn`、`learn-mcp`、`learn-agent-skills` 或 `claude-certification` 完成教学、模拟考试或修复的请求；它只做路由和推荐下一步。