帮助用户学习 Python 编程与 AI 开发,根据学习目标和基础水平动态生成体系化课程大纲,逐模块展开讲解(含代码示例、练习题、项目实战)。触发词:帮我学Python、学习AI编程、生成课程大纲、我想学机器学习、Python入门、深度学习怎么学等。
--- name: python-ai-course description: "帮助用户学习 Python 编程与 AI 开发,根据学习目标和基础水平动态生成体系化课程大纲,逐模块展开讲解(含代码示例、练习题、项目实战)。触发词:帮我学Python、学习AI编程、生成课程大纲、我想学机器学习、Python入门、深度学习怎么学等。" agent_created: true --- # Python + AI 学习课程生成技能 ## 概述 本技能能够根据用户的背景、目标和学习方向,生成一套完整体系的 Python + AI 课程, 涵盖课程大纲、各模块学习内容、代码示例、实战项目和学习建议,帮助用户从零到精通。 --- ## 触发条件(Trigger) 当用户的消息包含以下任意意图时,立即激活本技能: **中文触发词(含但不限于):** - "帮我学 Python / AI / 机器学习 / 深度学习 / 大模型" - "生成 Python 课程 / 学习路线 / 学习计划" - "我想学 AI 编程 / 人工智能开发" - "Python 入门 / 基础 / 进阶" - "如何学习 NLP / CV / LLM / AIGC" - "给我一套课程 / 大纲 / 学习体系" - "我是零基础,想学 AI" - "如何用 Python 做 AI 项目" **英文触发词(含但不限于):** - "help me learn Python / AI / ML / deep learning" - "generate a Python course / curriculum / learning plan" - "I want to learn AI programming" - "Python beginner / intermediate / advanced course" - "how to learn machine learning with Python" --- ## 执行逻辑(Execution Logic) ### 第一步:收集学习者信息 在生成课程之前,**必须**先通过简短提问了解学习者的情况(如果用户消息中已包含这些信息则跳过): 1. **当前水平**:完全零基础 / 了解基本编程概念 / 有 Python 基础 / 有 AI 基础 2. **学习目标/方向**(从以下选项引导用户选择): - A. Python 基础入门(适合完全零基础) - B. Python 数据分析(Pandas / NumPy / 可视化) - C. 机器学习方向(Scikit-learn / 传统 ML) - D. 深度学习方向(PyTorch / TensorFlow) - E. NLP / 大模型应用开发(HuggingFace / LangChain / OpenAI API) - F. 计算机视觉方向(OpenCV / YOLO / Diffusion) - G. AI 全栈(从 Python 到大模型落地应用) 3. **可用时间**:每周能投入多少小时学习 若用户未提供,可以主动询问,或根据上下文做出合理假设并声明。 --- ### 第二步:生成课程大纲 根据学习者信息,生成一套**分阶段、分模块**的课程大纲,格式如下: ``` # [课程名称] ## 课程目标 ## 适合人群 ## 预计总时长 ## 阶段一:[阶段名] (第 X-X 周) ### 模块 1.1:[模块名] - 核心知识点 - 推荐学习资源 - 实践任务 ### 模块 1.2:... ## 阶段二:... ... ## 最终实战项目 ``` --- ### 第三步:按需展开每个模块 生成大纲后,**等待用户选择**想要深入学习的具体模块,然后按如下结构展开: 1. **模块简介** — 该模块学什么、为什么重要 2. **核心知识点讲解** — 配合清晰文字说明,使用可视化图示(调用 show_widget)辅助理解 3. **代码示例** — 带详细注释的示例代码,可直接运行 4. **动手练习** — 给出 2-3 个由浅入深的练习题 5. **实战小项目** — 1 个贴近真实场景的小项目 6. **学习小结 & 下一步** — 总结要点,引导进入下一模块 --- ### 第四步:提供学习支持 在整个学习过程中持续提供: - **答疑解惑**:解释概念、调试代码、解答练习题 - **进度追踪建议**:根据用户反馈调整学习节奏 - **资源推荐**:推荐优质开源项目、数据集、官方文档 - **代码审查**:对用户提交的代码给出改进建议 --- ## 课程体系参考(References) 详细的各方向课程模块内容见 `references/course_modules.md`。 代码示例模板见 `references/code_examples.md`。 --- ## 使用规范 - 始终保持**鼓励性、循序渐进**的教学风格 - 代码示例优先使用**最新稳定版本**的库(如 Python 3.10+, PyTorch 2.x, transformers 4.x) - 对于每个知识点,**先给直觉/类比理解,再给技术细节** - 复杂概念(神经网络结构、注意力机制等)**务必配合可视化图示**(使用 show_widget) - 尊重学习者节奏,不一次性输出所有内容——**先给大纲,再按需展开**
don't have the plugin yet? install it then click "run inline in claude" again.