学习路线规划器

它解决什么问题

「我想学 X」这类输入落到对话里，最常见的产出是一串视频和文章链接。问题在于，这些链接大概率来自模型的记忆：要么已经失效，要么是搜不到的杜撰地址。即使链接真的存在，它们也只是被随意堆在一起，并没有回答「应该先学什么、后学什么、学到哪一步才算过关」。资源堆砌不是学习路径，这个技能针对的就是这个失败模式。

它的工作方式

技能把路线拆成明确顺序的几个阶段，核心原则是路线是骨架，资源是血肉，顺序不能反。

1. 先判断信息够不够。 目标明确且给出背景（「会 Python，想学 PyTorch 做 CV」）就直接开工；只有目标模糊（「想学 AI」）或领域对基础极度敏感（C++、Rust、机器学习）时才反问，最多 3 个问题，按当前基础、目标用途、每周投入时间排序。
2. 先搭骨架再填血肉。 先推导出学会 X 需要按什么顺序攻克哪些概念，再针对每个概念检索对应的最佳素材，而不是反过来先搜一堆资源再拼顺序。
3. 资源必须来自 web_search / web_fetch 的真实返回结果。记忆只能用来设计路线骨架和生成搜索词，绝不能直接变成清单里的条目；每阶段精选 2-4 个资源，而不是塞 15 个。
4. 单文件 HTML 交付。 生成内容自包含的 roadmap.html（CSS、JS 全部内联，不引任何外部资源），浅色背景。阶段以能力描述而非话题命名，每个阶段配定位说明、关联链接、预估周数、卡点提醒和产出物标准。
5. 交付后讲设计思路。 用几句话解释为什么这样排序、哪个阶段最容易卡住、时间紧时优先做哪几件事，但不复述 HTML 里已有的内容。

适用边界

• 不编造链接。 即便「很确定」官方文档地址长什么样，也要搜索确认后再给。
• 不做日历级排期。 阶段 + 预估周数是合适的颗粒度，排到天维度只会在第 3 天崩掉。
• 付费课程不作为主线推荐，除非用户主动询问。
• 一次只交付一个文件。 不额外产出 Markdown 版本，也不在对话里复述路线正文；只有在完全没有文件写入能力的环境中，才退化为对话内的 Markdown 表格。