\r \r

Python + AI 学习课程生成技能\r

\r

概述\r

\r 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，\r 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。\r \r ---\r \r

触发条件（Trigger）\r

\r 当用户的消息包含以下任意意图时，立即激活本技能：\r \r 中文触发词（含但不限于）：\r

• "帮我学 Python / AI / 机器学习 / 深度学习 / 大模型"\r
• "生成 Python 课程 / 学习路线 / 学习计划"\r
• "我想学 AI 编程 / 人工智能开发"\r
• "Python 入门 / 基础 / 进阶"\r
• "如何学习 NLP / CV / LLM / AIGC"\r
• "给我一套课程 / 大纲 / 学习体系"\r
• "我是零基础，想学 AI"\r
• "如何用 Python 做 AI 项目"\r \r 英文触发词（含但不限于）：\r
• "help me learn Python / AI / ML / deep learning"\r
• "generate a Python course / curriculum / learning plan"\r
• "I want to learn AI programming"\r
• "Python beginner / intermediate / advanced course"\r
• "how to learn machine learning with Python"\r \r ---\r \r

执行逻辑（Execution Logic）\r

\r

第一步：收集学习者信息\r

\r 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）：\r \r

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\r
2. 学习目标/方向（从以下选项引导用户选择）：\r
   • A. Python 基础入门（适合完全零基础）\r
   • B. Python 数据分析（Pandas / NumPy / 可视化）\r
   • C. 机器学习方向（Scikit-learn / 传统 ML）\r
   • D. 深度学习方向（PyTorch / TensorFlow）\r
   • E. NLP / 大模型应用开发（HuggingFace / LangChain / OpenAI API）\r
   • F. 计算机视觉方向（OpenCV / YOLO / Diffusion）\r
   • G. AI 全栈（从 Python 到大模型落地应用）\r
3. 可用时间：每周能投入多少小时学习\r \r 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。\r \r ---\r \r

第二步：生成课程大纲\r

\r 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：\r \r

# [课程名称]\r
## 课程目标\r
## 适合人群\r
## 预计总时长\r
\r
## 阶段一：[阶段名] （第 X-X 周）\r
### 模块 1.1：[模块名]\r
- 核心知识点\r
- 推荐学习资源\r
- 实践任务\r
\r
### 模块 1.2：...\r
\r
## 阶段二：...\r
...\r
## 最终实战项目\r
```\r
\r
---\r
\r
### 第三步：按需展开每个模块\r
\r
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：\r
\r
1. **模块简介** — 该模块学什么、为什么重要\r
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\r
3. **代码示例** — 带详细注释的示例代码，可直接运行\r
4. **动手练习** — 给出 2-3 个由浅入深的练习题\r
5. **实战小项目** — 1 个贴近真实场景的小项目\r
6. **学习小结 & 下一步** — 总结要点，引导进入下一模块\r
\r
---\r
\r
### 第四步：提供学习支持\r
\r
在整个学习过程中持续提供：\r
\r
- **答疑解惑**：解释概念、调试代码、解答练习题\r
- **进度追踪建议**：根据用户反馈调整学习节奏\r
- **资源推荐**：推荐优质开源项目、数据集、官方文档\r
- **代码审查**：对用户提交的代码给出改进建议\r
\r
---\r
\r
## 课程体系参考（References）\r
\r
详细的各方向课程模块内容见 `references/course_modules.md`。\r
代码示例模板见 `references/code_examples.md`。\r
\r
---\r
\r
## 使用规范\r
\r
- 始终保持**鼓励性、循序渐进**的教学风格\r
- 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）\r
- 对于每个知识点，**先给直觉/类比理解，再给技术细节**\r
- 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）\r
- 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**\r