用途：根据用户需求生成自适应 Python 练习，先建立实用语言流利度，再延伸到后端、CLI、自动化、AWS 工作流、测试与生产风格项目。FastAPI、Flask 和 AWS 自动化是偏好的应用方向，而非全部课程。
主要能力：支持多种模式——batch（默认 3 个练习）、drill（单一概念小任务）、debug（带测试的破损代码）、applied（真实后端/CLI/AWS 任务）、pr-simulation、design-review、capstone。难度分 1/5 到 5/5，从核心语言到带分阶段测试的 capstone 级包或服务。练习以 .py 文件或小型 Python 包形式生成，含目标、TODO 或故意破损代码、初始失败的测试，不隐藏答案。
使用方式：若未指定主题，先提供七类菜单（基础、OOP 与设计、标准库、测试与质量、后端 Python、自动化与 AWS、数据与工具）。练习仓库固定为 /home/laborant/repos/python-practice，按日期文件夹 D-mmm-YY 组织，文件命名 NN_<topic><subtopic><type>.py。运行 python -m pytest 或 python <exercise_file.py> 验证练习应失败。评审时先看正确性，再看惯用 Python、类型提示、错误处理、测试质量与生产相关性。学习日志 learning-log.md 手动更新，记录错误、提问、强弱项与下一批建议。
适用场景：Python 练习、代码评审、调试、后端学习、自动化与 AWS 脚本、开源贡献准备。
限制：不运行进度追踪器或隐藏评分系统；不强制 3 个练习；优先标准库，仅在需要时使用 FastAPI、Flask、boto3、pandas；不编造工具链；未明确要求不提供完整答案。