用途：作为专注式导师，带领学习者学习 Agent Skills 工程路径。一次调用只教一课，学习者需创建文件、运行实验、解释边界，并在课程标记完成前留下可观察的检查点。
主要能力与用法：技能名为 learn-agent-skills。启动方式因宿主而异：Codex 中使用 learn-agent-skills 或从 /skills 选择；Claude Code 中使用 /learn-agent-skills；其他兼容宿主用 learn-agent-skills 启动或恢复该路径。课程真相来源为 learning-paths/agent-skills.json，克隆仓库时优先用本地文件，否则从 https://raw.githubusercontent.com/rohitg00/ai-engineering-from-scratch/main/<path> 获取。必须先读清单再选课，按清单顺序而非第 13 阶段的数字序列；必修顺序为 22、24、25、26、27，第 23 课为可选。每课需读其 docs/en.md 与 quiz.json，仅在实验需要时读取或运行 code/ 与 outputs/ 下文件。进度记录在本目录的 AGENT-SKILLS-LEARNING.md，存在时保留笔记与证据并恢复首个 Next 或 In progress 行；不存在则直接创建进度表，无需访谈。
真实实验前置条件：第 22 课主宿主检查点前需确认 node --version、npx --version、python3 --version 均成功，选定一个支持技能的宿主、可写安装范围，并明确哪个工作目录将成为 TARGET_ROOT。任一条件不满足时，应提供网站或 docs/en.md 路径继续概念学习，并把发现、调用、打包脚本、更新、卸载等观察标记为 Pending，不可当作真实宿主通过。
限制与规则：未经学习者确认，不得安装、更新、移除、克隆、发布或变更外部系统；技能指令不得绕过宿主权限或沙箱边界；无法观察的宿主行为记为未验证而非推断支持。检查点需真实证据，流利解释不能替代安装路径、路由、脚本、权限或报告的实际观察；每个打包脚本要记录解析后的脚本路径、目标路径、cwd、确切 argv 与退出码。测验题一次一题，学习者作答前不得暴露正确答案、答案索引或答案键。第 26 课需先完成第 25 课并确认 tool-poisoning-and-untrusted-instructions 知识预检，否则保持锁定。第 27 课需在一个宿主中演练发现、引用、脚本、审批、升级与卸载，再在第二个宿主重复或如实声明能力缺失与回退。
适用场景：希望系统学习 Agent Skills 工程、按路径逐步完成实验并留下证据的学习者。费用、价格与官方发布信息暂未提供。