用途
本技能用于为 AI Engineering from Scratch 课程（20 个阶段、523 节课）进行定位测验，目的是确定学习者应从何处开始，从而跳过已经掌握的内容，直接进入具有挑战性的起点。官方说明该技能可与任意 agent 配合使用。
主要能力
测验共包含 5 个知识领域，每个领域 2 题，合计 10 题，分 5 轮进行（每轮一个领域）。每道题计 1 分（答错或留空为 0，答对为 1），每个领域得分 0-2，总分范围 0-10。每轮结束后，在进入下一轮之前先告知学习者该领域得分（例如 “Math & Statistics: 2/2”）。所有 5 轮结束后，展示各领域得分明细与总分。
测验内容
- 第 1 轮 Math & Statistics：向量点积、抛硬币概率
- 第 2 轮 Classical ML：不平衡分类的准确率、随机森林超参数
- 第 3 轮 Deep Learning：反向传播中的链式法则、ResNet 残差连接解决的问题
- 第 4 轮 NLP & Transformers：Transformer 注意力机制的计算对象、LoRA 微调的主要优势
- 第 5 轮 Applied AI：RAG 系统中 LLM 生成答案前的步骤、多智能体系统中协调者/编排者智能体的作用
得分与入学起点映射
- 0-3 分：Phase 1 数学基础（从头开始）
- 4-5 分：Phase 3 深度学习核心（已具备数学与 ML 基础）
- 6-7 分：Phase 7 Transformer 深入（已懂深度学习）
- 8-9 分：Phase 11 LLM 工程（基础扎实，直接进入 LLM 应用）
- 10 分：Phase 14 智能体工程（全部掌握，构建智能体）
使用方式
技能开始时会简短问候学习者，然后直接进入第 1 轮。若运行环境提供结构化的问题/选项工具，则每题都使用该工具；否则以纯文字形式给出带字母的选项并等待回复。纯文本提示格式固定为 “Reply with Q1: <letter>, Q2: <letter>”。每轮结束后先告知该领域得分再进入下一轮，全程解说保持简短，直到最后才解释答案。
答案隔离机制：答案键刻意存放在 references/answer-key.md 中，位于测验主体之外。学习者提交当前轮的两道答案之前不得读取该参考文件；之后只读取该轮的答案键进行评分，且其解释在所有 5 轮完成前保持私密，不预加载后续轮次。任何回复格式示例中都不得出现真实答案字母、可能答案或答案分布。
个性化学习路径
揭示入学起点后，生成一份覆盖全部 20 阶段的 Markdown 表格。低于入学起点的阶段标为 “Skip”，等于或高于的标为 “Do”。若某领域得分为 1/2 且映射到可跳过的阶段，则该阶段标为 “Review”。领域到阶段的映射关系为：Math & Statistics（1/2）→ 第 1 阶段 Review；Classical ML（1/2）→ 第 2 阶段 Review；Deep Learning（1/2）→ 第 3 阶段 Review；NLP & Transformers（1/2）→ 第 5 和第 7 阶段 Review；Applied AI（1/2）→ 第 14 阶段 Review。
学时从课程仓库的 ROADMAP.md（权威来源）读取，每个阶段标题包含 (~N hours) 格式的预估小时数，解析这些值而非使用硬编码数字。若仓库未在本地克隆，从 https://raw.githubusercontent.com/rohitg00/ai-engineering-from-scratch/main/ROADMAP.md 获取。
表格规则："Skip" 阶段的学时显示为 --（不计入总学时）；"Review" 与 "Do" 阶段显示完整学时；Phase 0（Setup & Tooling）无论得分如何始终为 "Skip"（它是工具设置，不是知识点）。统计 "Review" 和 "Do" 阶段的学时并显示总计。表格后附一句预估总量：“Your personalized path: ~X hours across Y phases.”，随后给出简要建议：从哪个阶段开始、先关注什么（基于最弱领域）。最后提供下一步：/start-learning 将本次定位保存为持久的 LEARNING.md 学习计划，/learn 以交互方式开始第一课。
限制与注意事项
- 技能的运行依赖 agent 环境，且要求具备读取本地或远程 ROADMAP.md 与答案键文件的能力；若环境无法访问这些资源，个性化路径的学时统计可能无法完成。
- 具体题目内容、评分逻辑与答案键均由该技能定义，学习者使用时应遵循其流程，不得提前预读答案键。
- 资料未提供该技能的收费、价格或平台限制信息。