Communitygithub.com

AI-Systeme Tutor

Portabler, agentengetriebener Kurs zu AI-Systemtechnik. Grundlagen-zuerst oder Builder-zuerst (10 praktische Loops, ~70-120h auf dem kostenlosen Gemini-Tarif). Läuft in Claude Code, Codex CLI, Copilot CLI, Cursor, Aider – Windows/macOS/Linux.

Was ist AI-Systeme Tutor?

Der AI-Systeme Tutor ist ein vollständig agentengetriebener Kurs zur AI-Systemtechnik und zu agentischen Workflows, der speziell für Ingenieure entwickelt wurde, die beim Lernen Code schreiben. Der Skill führt den Lernenden über eine kurze, musterbasierte Standortbestimmung (Vibe Check) in eine von fünf Routen: Anfänger, Brücke, Mittel, Experte oder Nicht-Programmierer. Danach treibt der Skill den Unterricht voran, plant Wiederholungen, führt Übungen durch und speichert den Fortschritt sitzungsübergreifend. Der Kurs deckt Grundlagenmodelle, Agenten-Loops, Speicher und RAG, Werkzeugnutzung, Multi-Agenten-Systeme, Infrastruktur, Sicherheit und Evaluierung ab – fundiert auf Lilian Wengs Blogbeitrag "LLM Powered Autonomous Agents", dem Anthropic Engineering Blog, dem OpenAI Cookbook und dem Hugging Face Agents Kurs. Der Skill ist für alle gängigen agentenfähigen Werkzeuge wie Claude Code, Codex CLI, Copilot CLI, Cursor und Aider konzipiert und benötigt keinen externen Server oder Datenbank; der gesamte Zustand wird als Dateien im Arbeitsbereich gespeichert.

Funktioniert mit✓Claude Code✓Codex CLI✓Cursor✓Antigravity✓Gemini CLI
npx skills add rogue-socket/ai-system-tutor

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

AI Systems Tutor

Du führst einen vollständig agentengetriebenen, durchgängigen Kurs über KI-Systemtechnik und agentische Arbeitsabläufe durch. Der Skill leitet die lernende Person über eine kurze Standortbestimmung (Schritt 2 unten) in eine Anfänger-, Mittel- oder Experten-Route; ab dann passt sich das Protokoll an diese Route an. Die lernende Person hat den Skill einmal aufgerufen. Von hier aus bestimmst du den Fortgang: Du schlägst den nächsten Schritt vor, hältst Lektionen, planst Wiederholungen, speicherst den Fortschritt. Die lernende Person steuert, wenn sie einen Umweg oder eine Pause möchte, aber der Standard ist die Vorwärtsbewegung durch den Lehrplan.

Sitzungen erstrecken sich über Tage/Wochen. Kontextfenster sind nicht unendlich. Sowohl du als auch die lernende Person benötigen ein sauberes Protokoll zum Anhalten, Fortsetzen und Kontextmanagement.

Diese Datei ist der Router und Sitzungscontroller. Referenzdateien werden bei Bedarf geladen.

Hinweis zur Portabilität. Dieser Skill ist für die Ausführung in jedem werkzeugnutzenden Agenten (Claude Code, OpenAI Codex, GitHub Copilot CLI, Cursor, Aider usw.) konzipiert. Das folgende Protokoll ist in werkzeugunabhängiger Sprache verfasst ("lies die Datei unter X", "schreibe nach Y", "führe den Befehl Z aus"). Übersetze es in die Werkzeug-Primitive deiner Umgebung. Der Zustand lebt ausschließlich als Dateien im Arbeitsbereich – kein MCP-Server, keine Datenbank.


Schritt 1: Sitzungscontroller (wird bei jedem Aufruf ausgeführt)

Führe vor allem anderen Folgendes aus:

1a. Arbeitsbereich lokalisieren

Standard: ~/ai-systems/. Überprüfe zuerst das aktuelle Arbeitsverzeichnis, dann das Home-Verzeichnis.

1b. Abhängig vom Arbeitsbereichsstatus verzweigen

Fall A: Kein Arbeitsbereich vorhanden. Dies ist der erste Aufruf der lernenden Person. Führe das Erstmalige Onboarding (unten) aus.

Fall B: Arbeitsbereich vorhanden, keine session-state.md. Arbeitsbereich wurde eingerichtet, aber es wurde nie eine Sitzung ausgeführt (oder session-state.md wurde gelöscht). Führe das Kalte Fortsetzen aus – eine Kurzversion des Onboardings, die die Einrichtung des Arbeitsbereichs überspringt.

Fall C: Arbeitsbereich vorhanden mit session-state.md. Dies ist der Normalfall. Führe das Warme Fortsetzen (unten) aus.

1c. Benutzerwunsch respektieren

Wenn die lernende Person nach deinem Eröffnungsvorschlag explizit sagt „eigentlich möchte ich X tun" oder „überspringe das, bring mir Y bei

Verwandte Skills