用途：为智能体搭建练习环境（Practice Gym）与评估训练场，使其能像学生一样通过“尝试→失败→看反馈→再试”提升技能。核心观点是：LLM 训练缺的不是更多参数，而是可自动评分的练习环境。
主要能力：资料提出三类训练数据——EXPOSITION（背景知识，相当于预训练）、WORKED EXAMPLES（带推理的完整输入输出对，相当于 SFT）、PRACTICE PROBLEMS with feedback（有可验证答案与自动评分的问题，相当于 RL）。提供 PracticeGym 类模板（含 task_generator、scorer、history、sample_task、evaluate、summary），以及练习环境设计提示词、快速评估循环提示词、课程设计模板、常见技能评分标准（代码生成、推理/分析、指令遵循）、Gist 式环境规格模板。
使用方式：按提示词模板填写技能描述、当前表现、目标表现，定义任务生成器、评分器、课程与反馈格式；或对给定测试用例运行评估循环，输出 PASS/PARTIAL/FAIL、错误说明、通过率、常见失败模式与改进建议。评分标准示例：代码生成 1.0 为正确且处理边界，0.8 为漏一个边界，0.5 为核心逻辑正确但部分输入失败等。
适用场景：为智能体技能建立可重复评测与渐进式训练；属于“月度体检”工作流第 3 步，上游为 karpathy-understanding-first，下游为 karpathy-education-first，完整链路为 meta-reflection → understanding-first → practice-environments → education-first。
限制：资料未提供具体安装命令、依赖版本、平台支持、收费或价格信息；评分标准与模板为示例，实际效果取决于任务与评分器设计。验证清单要求技能定义明确、示例覆盖典型与边界、评分可自动化、失败有具体反馈、难度递进、智能体可自主重试。