Mentor

Claude-скилл для генерации структурированных, упорядоченных по зависимостям учебных маршрутов по техническим темам с приоритетом официальных источников.

Чем это отличается от остального

Большинство учебных роадмапов в интернете — это одно из трёх:

• бессистемные наборы ссылок
• списки ресурсов от сообщества со слабой последовательностью
• широкие планы обучения, игнорирующие реальную цель учащегося

Mentor спроектирован строже:

• official-first — приоритет каноничной документации, если она существует
• dependency-ordered — маршрут строится в правильной последовательности
• практичность — чётко указывает, что читать сейчас, просматривать, практиковать или сохранить на потом
• адаптивность — учитывает охват темы, уровень учащегося и временной бюджет
• нативный скилл для Claude, а не блог-пост, притворяющийся инструментом

Доказательства в цифрах

• 4 примера вывода по широким и узким техническим темам
• 9 eval-кейсов с машинно-проверяемыми утверждениями
• готовый к установке ассет mentor.skill для прямой инсталляции

Что делает скилл

По теме вроде «Terraform», «Google Cloud Run» или «React hooks» Mentor генерирует:

• профиль учащегося (выведенный или по умолчанию)
• упорядоченный по зависимостям основной учебный маршрут
• опциональные ветки для углублённого изучения
• контрольные точки самооценки
• явный список «пропустить пока»
• предложения по следующим темам

Как это работает

flowchart TD
    A["User asks to learn a topic"] --> B{"Classify topic scope"}
    B -->|Broad| C["4-phase path\n(Mental Model → Core Mechanics → Applied Patterns → Go Deeper)"]
    B -->|Narrow| D["Compressed path\n(Orientation → Core → Applied → Reference)"]
    C --> E{"Infer learner profile"}
    D --> E
    E --> F{"Clarification needed?"}
    F -->|"Would change first 5 resources"| G["Ask 1 short question"]
    F -->|No| H["Build path with defaults"]
    G --> H
    H --> I["Research & verify sources\n(web search for freshness)"]
    I --> J["Apply source ranking\nTier 1 → 2 → 3 → 4"]
    J --> K["Assemble output"]

Ранжирование источников: сначала официальная документация, затем материалы вендора/мейнтейнера, затем официальные репозитории с примерами, и только потом контент сообщества — когда он закрывает реальный пробел.

Структура вывода

block-beta
    columns 1
    block:core["Core Path"]
        columns 4
        p1["Phase 1\nMental Model"]
        p2["Phase 2\nCore Mechanics"]
        p3["Phase 3\nApplied Patterns"]
        p4["Phase 4\nGo Deeper"]
    end
    block:branches["Exploration Branches (optional, non-sequential)"]
        columns 3
        b1["Hands-on\nPractice"]
        b2["Architecture\n& Team Usage"]
        b3["Deep\nInternals"]
    end
    block:supporting["Supporting Sections"]
        columns 4
        s1["Checkpoints"]
        s2["Avoid for Now"]
        s3["Next Topics"]
        s4["Navigator's Note"]
    end

Каждый основной ресурс включает: уровень источника, режим взаимодействия (Read now / Skim / Hands-on / Bookmark as reference), точный URL, обоснование последовательности и оценку трудозатрат.

Структура репозитория

flowchart LR
    root["mentor/"] --> skill["SKILL.md\nskill definition"]
    root --> refs["references/"]
    root --> examples["examples/"]
    root --> evals["evals/"]
    refs --> schema["schema.json\nJSON output contract"]
    examples --> ex1["example-output-rust.md"]
    examples --> ex2["example-output-cloud-run.md"]
    examples --> ex3["example-output-terraform-modules.md"]
    examples --> ex4["example-output-react-server-components.md"]
    evals --> evj["evals.json\n9 test cases with assertions"]

• SKILL.md — источник истины. Все правила поведения, формат вывода, ранжирование источников и антипаттерны находятся здесь.
• references/schema.json — машиночитаемый контракт вывода для JSON-режима.
• examples/ — эталонные примеры вывода по широким и узким темам, с триггерами уточнений и адаптацией под уровень пользователя.
• evals/evals.json — 9 тест-кейсов с машинно-проверяемыми утверждениями по структуре, качеству источников, дедупликации, разнообразию режимов и другим параметрам.

Принцип проектирования

Построить кратчайший достоверный путь к компетентности из надёжных источников, сохраняя пространство для исследования.

На практике скилл должен ощущаться как опытный staff-инженер или преподаватель, который даёт правильную последовательность, а не поисковик, сваливающий 20 вкладок разом.

Целевая среда выполнения

Скилл разработан для Claude.ai и Claude Code. Использует формат Claude-скилла (SKILL.md с YAML frontmatter) и опирается на возможность Claude выполнять веб-поиск для проверки актуальности и URL ресурсов.

Установка

Вариант 1: Скачать файл .skill (рекомендуется)

Скачайте mentor.skill из последнего релиза, затем:

Вариант 2: Клонировать репозиторий

Вариант 3: Ручное копирование

Скопируйте директорию mentor/ в папку Claude-скиллов (например, ~/.claude/skills/mentor/).

Подробнее об установке и управлении скиллами — в официальной документации:

• Claude Code Skills
• Claude.ai Agent Skills

Использование

Попросите Claude чему-нибудь научить:

• «Хочу изучить Terraform»
• «Научи меня Google Cloud Run — я знаю Docker, но не знаком с облаком»
• «Дай мне учебный маршрут по React Server Components»
• «Мне нужно освоить Rust за 3 недели для системного проекта»