Kitaru 引导式导览是一个面向首次使用者的教学技能，目标是在讲解完整方法之前，先让用户获得一次“顿悟”（AHA）体验。它使用 Kitaru 仓库中的 PydanticAI returns agent 示例，带领用户从已记录的运行轨迹出发，经过一次简短的前端审查和可复用评估器，最终得到一个有边界的实验结果。
用途 该技能假设用户尚未阅读示例智能体，也不了解 Kitaru 的工作方式。它要求以友好向导而非隐形自动化执行器的身份，在每一个有意义的过渡点解释导览正在做什么、为什么这一步重要、展示了哪个 Kitaru 概念，以及用户接下来能看到或做什么。它只教授当前操作所需的概念，更深的 Kitaru 对象留到用户亲身体验其价值之后再解释。
主要能力 导览围绕三个环节展开：一个有后果的问题、一个微妙的证据阅读教训，以及一个可接受的对照反例。它使用 Kitaru 前端三次：用于调查审查、队列与评估器结果，以及完成的实验运行。它要求在不重新生成轨迹、不进行付费模型调用的情况下得到有用的评估器结果，然后继续进入一次有边界的重放，但在创建实验或启动付费/实时执行前会先简要说明拟议运行并征求同意。
使用方式 技能要求先以只读方式开始，在候选的 Kitaru 检出中查找示例；若不存在，则通过可信来源检查当前快速入门示例的 README。它要求检查本地前置条件，在当前工作区选择一个新的 kitaru 目标，并预览克隆 Kitaru、进入 examples/python/pydantic_ai_ticket_resolver、同步其冻结环境。这些写入操作需要先征求一次同意。批准后，克隆 Kitaru，对照可信来源验证示例目录，然后才安装并验证冻结环境，且绝不覆盖已存在的目标。
技能要求通过 starter-template.md 和 kitaru-operations.md 建立示例环境、CLI、worker 和 MCP 包的就绪状态，安装整个冻结的示例环境而非零散添加包。在更改环境或宿主 MCP 配置前需解释并征求同意。MCP 被视为首选但可选，当 CLI 能完成导览时即可。若添加或更改了宿主 MCP 配置，需告知用户重启或重新加载编码智能体宿主进程或 IDE，保留恢复检查点，且不得声称当前任务能发现新工具。
技能要求检查 Kitaru 连接性并继续使用健康的已选服务器。仅当没有可用服务器被选中时，才提供示例的隔离本地服务器，并在启动或选择前征求同意。然后检查确切注册的 returns-resolver 智能体版本、相关导入作业，以及携带 returns-baseline 标签的完整导入群体。
在准备引导审查时，技能要求遵循 tour-method.md 检查每个候选轨迹并组装三会话导览。在写入前，展示每个会话中发生的情况、为何重要以及将高亮的证据的紧凑预览。然后征求一次同意，以将三个会话的智能体观察添加为普通 Kitaru 注释、创建一个带有准备问题和高亮的固定调查，并打开生成的前端审查。批准后，通过已验证的操作创建或恢复注释和调查。智能体观察保持简短，并以“Agent observation:”开头，以便在此聊天之外仍可理解。绝不替用户写下其裁决。
在创建和运行评估器时，技能要求重新阅读调查、其有序会话、手动注释、问答覆盖和裁决覆盖。先说明用户决定了什么，解释每个裁决如何与促使审查的确切记录证据并列。如果用户已判断每个拟议队列成员，包括至少一个有问题的目标和一个可接受的对照反例，则提出一个最能解释差异的可观察行为，并在将其转化为可复用检查前征求一次简短确认。如果用户接受该行为，则从确认的目标和对照会话创建确切的队列版本。在编写代码前检查已安装的评估器目录。选择已验证的全局或同智能体评估器，或创建一个范围限定在导览注册智能体的窄确定性评估器。测试它，注册不可变版本，验证其返回的智能体范围，并在完整的同智能体准备基线群体上运行它。先报告有用的结果：有多少会话匹配、哪些已审查示例解释了结果，以及一个重要限制。
在完成一个实验时，技能要求解释记录的会话展示的是过去发生的情况；实验从相同的存储顶层输入开始新任务，以测试一个改变的条件。提出一个基于已接受行为的小候选变更。不要启动自动提示搜索或引入无关的模型变更。继续使用 kitaru-replay-experiment，携带确切接受的行为、队列版本、评估器版本、父智能体范围和参数、候选智能体版本、拟议覆盖以及明确的工具策略。对于已验证的快速入门示例，对所有六个工具使用 passthrough。让该技能验证适配器支持并简要解释拟议运行。解释提供者和 worker 就绪状态、模型工作、成本不确定性、缺失的恢复状态以及可能的工具影响。在实验创建或运行开始前获得其所需的批准。运行结束后，先展示实验页面，解释哪些记录案例被重放、改变了什么、候选如何比较，以及结果不能确立什么。
适用场景 该技能适用于首次接触 Kitaru、没有自己的智能体或证据的用户，且用户明确提到 PydanticAI returns agent 示例、其 URL 或 returns agent 导览。当示例被实质性定制、用户提供自己的智能体或证据，或所需结论需要可辩护的开放式调查时，应停止并转向 kitaru-investigation。
限制 技能要求不得编造步骤、摘要或集合的标签，不得将内部实现细节呈现为 Kitaru 概念。不得要求缺失的代码或产品上下文来理解问题。不得在快速入门路线上要求首次用户选择框架、轨迹提供者、审查方法或采样策略。不得在模型支持的运行前暴露机密。若无法验证提供者凭据可用性，应要求用户配置并重启 worker，然后在创建实验或启动运行前停止。若示例设置不完整、导入会话或完整节点负载不可用、审查 URL 无法解析、有用会话少于三个、用户仅完成部分审查、用户不同意智能体观察，或适配器支持、模型凭据、worker 或安全工具策略阻碍实验，技能要求保留拟议条件和链接，如实报告缺失条件，不强行推进，也不将导览称为已完成。