# start

Проводит новичка по шагам: выбор языка, трек обучения, профиль ученика и минимальный рабочий пайплайн RAG в первой же сессии.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · ★ 24
- Автор: TakaGoto
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/TakaGoto/rag-learning-academy/tree/HEAD/.claude/skills/start/SKILL.md
- Обновлён: 2026-04-03
- HTML: https://affpapa.org/nevibecode/skills/takagoto-start

## Что делает

Скилл `start` открывает курс по RAG внутри вашего ИИ-агента. Он спрашивает, на каком языке вы хотите писать код — Python, TypeScript, Go или Rust, — и предлагает три трека: Beginner, Intermediate, Advanced. Если не можете выбрать, скилл задаёт пять вопросов про опыт в программировании, ML, LLM, эмбеддингах и поиске, считает баллы от 0 до 10 и сам называет подходящий трек.

Дальше он создаёт файлы `progress/learner-profile.md` и `progress/module-tracker.md`, чтобы прогресс сохранялся между сессиями. В конце — быстрый старт: `sandbox/data.txt` с примерами текста, `sandbox/pipeline.[ext]` на выбранном языке и `sandbox/README.md` с инструкцией по запуску. Пайплайн режет данные на чанки по 200 токенов, считает эмбеддинги моделью all-MiniLM-L6-v2, кладёт их в ChromaDB в памяти и достаёт топ-3 чанка по тестовому запросу с оценками похожести.

Для локального пути через Ollama нужно 8-16 ГБ свободной оперативной памяти. На машине с 8 ГБ всего придётся закрывать браузер, Docker и IDE перед запуском моделей — иначе получите тормоза или падение. Локальные модели эмбеддингов лёгкие, а вот локальные LLM требовательные, поэтому скилл советует смешивать: эмбеддинги локально, генерация в облаке.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add TakaGoto/rag-learning-academy --skill start -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/start/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/start/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add TakaGoto/rag-learning-academy --skill start -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/start/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add TakaGoto/rag-learning-academy --skill start -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/start/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install TakaGoto/rag-learning-academy start
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/start/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add TakaGoto/rag-learning-academy --skill start -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/TakaGoto/rag-learning-academy --path .claude/skills/start
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/start/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add TakaGoto/rag-learning-academy --skill start -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/TakaGoto/rag-learning-academy/tree/HEAD/.claude/skills/start/SKILL.md

## Когда брать
- выбрать язык и трек обучения RAG без долгих метаний
- оценить свой уровень пятью вопросами и получить стартовый модуль
- сохранить профиль ученика и прогресс по модулям в файлах
- получить рабочий пример пайплайна RAG в первой сессии
- понять, хватит ли железа для локальных моделей

## Примеры запросов агенту
- Запусти скилл start и помоги выбрать трек обучения RAG
- Хочу учиться на TypeScript, начни с начала
- Не знаю, с чего начать — оцени мой уровень

## Похожие
- [options-analytics-agent-langgraph](https://affpapa.org/nevibecode/skills/options-analytics-agent-langgraph.md) — скилл · 2000 установок
- [loci](https://affpapa.org/nevibecode/mcp/loci.md) — MCP-сервер · ★ 101
- [evals-start](https://affpapa.org/nevibecode/skills/evals-start.md) — скилл · 776 установок
- [langchain-rag](https://affpapa.org/nevibecode/skills/langchain-rag.md) — скилл · 17500 установок
- [indexion-segment](https://affpapa.org/nevibecode/skills/indexion-segment.md) — скилл · 4900 установок
- [rag](https://affpapa.org/nevibecode/skills/rag.md) — скилл · 3700 установок

## Другие версии с тем же именем
- [start · anthropics](https://affpapa.org/nevibecode/skills/anthropics-start.md) — 4900 установок
- [start · donchitos](https://affpapa.org/nevibecode/skills/donchitos-start.md) — 461 установка

Из того же набора: [takagoto/rag-learning-academy](https://affpapa.org/nevibecode/by/takagoto/rag-learning-academy.md) — 4 карточки

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md