python-ai-course

SKILL.md

---
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**