---
name: python-ai-course
description: >
  AI 学习教程定制化生成技能。当用户希望学习 AI 相关知识（如 AI 编程、AI 工具应用、大模型选型、RAG 技术、第三方智能体使用、自定义智能体开发等）时，此技能会先调研学习者的基础水平和目标，然后生成从入门到精通的完整定制化学习路径。
  适用于：用户说"帮我学 AI"、"我想学习大模型"、"帮我制定 AI 学习计划"、"怎么学 RAG"、"我想从零开始学 AI 开发"等场景。
agent_created: true
---

# AI 学习教程定制化生成技能

## 技能目的

本技能为学习者生成一份完整的、个性化的 AI 学习教程。通过先调研学习者的基础水平和学习目标，再依据评估结果输出一份覆盖「AI 编程 → AI 工具应用 → 大模型选型 → RAG 技术 → 第三方智能体 → 自定义智能体开发」完整链路的定制化学习路径。

## 执行流程

### 第一阶段：学习者调研与水平摸底

在生成任何课程内容前，**先通过对话收集以下信息**（使用 AskUserQuestion 工具展示选项）：

#### 1.1 编程基础调研
询问以下维度（可合并为 2-3 次提问，避免信息轰炸）：

**第一问（背景）：**
- 编程经验：完全零基础 / 了解基本概念但未实际编码 / 能写简单脚本（Python/JS 等） / 有项目开发经验 / 资深工程师
- 是否了解 Python（AI 开发的主要语言）

**第二问（AI 认知）：**
- 对 AI/大模型的了解程度：完全陌生 / 只会用 ChatGPT 等聊天工具 / 了解 Prompt 工程 / 了解 API 调用 / 熟悉模型微调/部署
- 是否用过 AI 编程工具（如 GitHub Copilot、Cursor、WorkBuddy 等）

**第三问（学习目标）：**
询问学习者最感兴趣的方向（多选）：
- [ ] AI 编程实战（用 AI 辅助写代码，提升开发效率）
- [ ] AI 工具应用（Midjourney、Sora、各类 AI SaaS 工具的使用）
- [ ] 大模型选型（了解 GPT/Claude/Gemini/开源模型，知道如何选型）
- [ ] RAG 技术（搭建知识库问答系统，检索增强生成）
- [ ] 第三方智能体（使用 Coze、Dify、n8n 等平台搭建 Agent）
- [ ] 自定义智能体开发（从零开发 AI Agent，深入 LangChain/LlamaIndex 等框架）
- [ ] 完整全栈路径（从入门到精通，全部都要）

#### 1.2 水平评估标准（内部判断，不需展示给用户）

根据用户回答，内部判定学习者所属级别：

| 级别 | 标识 | 判定标准 |
|------|------|---------|
| 零基础入门 | L0 | 无编程经验，AI 知识几乎空白 |
| 初级 | L1 | 有基础 Python 或能使用 AI 工具，但未做过 AI 项目 |
| 中级 | L2 | 能调用 API，了解 Prompt 工程，做过简单 AI 应用 |
| 高级 | L3 | 熟悉主流框架，有 RAG/Agent 实战经验，需要深化技能 |

---

### 第二阶段：定制化学习路径生成

根据收集到的信息，生成个性化教程。教程结构参考 `references/curriculum-template.md`，但**必须根据用户水平和目标动态调整**。

#### 2.1 路径生成原则

- **按需裁剪**：如果用户只关注某个方向（如只学 RAG），优先深化该方向，其他模块给简短概览
- **难度适配**：L0/L1 用户强调实践操作和工具使用；L2/L3 用户强调原理深入和架构设计
- **循序渐进**：每个模块包含「学什么 → 怎么学 → 做什么练习 → 达到什么目标」
- **资源具体**：给出具体的学习资源（官方文档、推荐课程、实操项目）
- **时间估算**：给每个模块估算学习时长（供参考，不作硬性要求）

#### 2.2 六大学习模块（根据用户选择决定是否展开）

##### 模块一：AI 编程实战
目标：掌握用 AI 工具大幅提升编程效率

**L0-L1 入门路径：**
- Python 基础速成（重点：函数、列表、字典、文件操作、HTTP 请求）
- 学会使用 AI 编程助手（Cursor/WorkBuddy/GitHub Copilot）
- Prompt 编写技巧：如何给 AI 下达精准编程指令
- 实战项目：用 AI 辅助完成一个「天气查询小工具」

**L2-L3 进阶路径：**
- AI 辅助代码重构与代码审查
- 多文件项目的 AI 协同开发策略
- 自定义代码规范让 AI 遵守
- 实战项目：用 AI 开发一个完整 REST API 服务

##### 模块二：AI 工具应用
目标：熟练使用主流 AI 生产力工具，提升工作效率

**核心工具矩阵（参考 `references/ai-tools-map.md`）：**
- 文本类：ChatGPT、Claude、Gemini 的使用技巧与对比
- 图像类：Midjourney、DALL-E、Stable Diffusion 工作流
- 视频类：Sora、即梦、可灵的使用场景
- 音频类：ElevenLabs、Suno 等
- 效率类：Notion AI、飞书 AI、WPS AI 的工作流集成
- 编程类：Cursor、Copilot、WorkBuddy

**学习重点：**
- 如何构建高质量 Prompt
- 工具组合使用（Workflow 设计）
- 不同场景下的工具选型

##### 模块三：大模型选型
目标：能根据业务需求选择合适的大模型

**知识体系：**
- 主流模型横评：GPT-4o / Claude 3.5+ / Gemini 1.5+ / 文心一言 / 通义千问 / DeepSeek
- 模型能力维度：推理能力、代码能力、长文本处理、多模态、价格
- 开源模型：Llama 3 / Qwen / ChatGLM 系列 —— 什么时候选开源
- 本地部署方案：Ollama、LM Studio 使用教程
- 选型决策框架：按场景（问答/代码/RAG/Agent）推荐模型

**参考资料**：见 `references/model-selection-guide.md`

##### 模块四：RAG 技术学习
目标：能独立搭建知识库问答系统

**L1-L2 基础路径：**
- RAG 原理：为什么需要 RAG，它解决了什么问题
- 核心组件：Embedding 模型 → 向量数据库 → 检索器 → LLM 生成
- 快速上手：用 Dify/Coze 搭建一个 RAG 知识库（无代码方式）
- 实战项目：公司产品手册 Q&A 机器人

**L2-L3 进阶路径：**
- 向量数据库选型：Chroma / Weaviate / Pinecone / Milvus
- Embedding 模型选择：OpenAI ada-002 vs 开源方案
- 检索策略优化：混合检索、重排序（Rerank）、多路召回
- LangChain / LlamaIndex 实现 RAG 全流程
- RAG 评估框架（RAGAS）
- 实战项目：多文档智能检索系统

**参考资料**：见 `references/rag-learning-path.md`

##### 模块五：第三方智能体平台
目标：掌握低代码/无代码智能体搭建

**主流平台：**
- **Coze（扣子）**：字节出品，国内最易上手，支持插件/工作流/Bot 发布
- **Dify**：开源，支持私有化，RAG + Agent 全功能
- **n8n**：自动化工作流，连接各种 API
- **Fastgpt**：专注 RAG，文档管理强大
- **AutoGen / CrewAI**：多智能体协作框架（需要一定编程基础）

**学习路径：**
1. 从 Coze 入手，搭建第一个智能客服 Bot（1-2天）
2. 用 Dify 搭建知识库 + RAG 问答系统（2-3天）
3. 用 n8n 搭建自动化工作流（如：新邮件 → AI 总结 → 发送报告）
4. 实战项目：一个完整的「AI 助理」，集成日历、邮件、知识库

##### 模块六：自定义智能体开发
目标：能从零开发 Production 级 AI Agent

**L2 基础路径：**
- Agent 核心概念：ReAct 框架、工具调用（Function Calling）、记忆管理
- LangChain 基础：Chain、Agent、Tool、Memory 四大组件
- 实战：用 LangChain 开发一个能搜索 + 计算 + 总结的 Agent

**L3 深度路径：**
- LlamaIndex 深度：文档处理、索引策略、查询引擎
- 多 Agent 系统：AutoGen、CrewAI 多智能体编排
- Agent 记忆架构：短期记忆 vs 长期记忆（向量存储）
- Agent 评估与调试：LangSmith、Phoenix 追踪工具
- 生产部署：LangServe / FastAPI 部署 Agent 服务
- 实战项目：一个完整的企业级知识管理 Agent 系统

**参考资料**：见 `references/agent-dev-guide.md`

---

### 第三阶段：输出格式规范

生成的教程必须包含以下结构：

```
# 🎯 你的 AI 学习路径（定制版）

## 📊 水平评估结果
[简述用户当前水平，不超过 3 句话]

## 🗺️ 学习路径总览
[用 Mermaid 图或表格展示整体路径]

## 📚 详细学习计划

### 阶段 X：[模块名称]（预计 X 天/周）
**你将学到：** ...
**学习资源：** ...
**实战练习：** ...
**通关标志：** 能独立完成 XXX

## 💡 学习建议
[针对该用户的个性化建议，3-5 条]

## 🔧 工具推荐清单
[按模块列出推荐工具]

## 📅 时间规划参考
[按周/月给出学习进度参考]
```

---

### 第四阶段：交互式深化

在输出主教程后，主动询问：

1. "有没有哪个模块你希望我进一步展开详细讲解？"
2. "需要我帮你生成某个具体项目的实战练习指南吗？"
3. "需要我推荐特定水平的学习资源清单吗？"

根据用户反馈，继续深化相应模块的内容。

---

## 注意事项

- **不要假设水平**：必须先完成调研再生成教程，哪怕用户说"直接给我看教程"，也要先完成至少一轮快速调研（可以通过 AskUserQuestion 展示选项快速收集）
- **保持实用性**：每个模块都要有可操作的练习项目，不能只讲理论
- **及时更新**：AI 领域更新极快，学习路径中的工具和资源要注明"截至当前"，鼓励用户关注官方最新动态
- **中文为主**：默认使用中文输出，除非用户要求英文