nagisanzenin/engram

What it solves

Engram은 AI 어시스턴트를 단순한 설명 엔진에서 인간을 위한 종합적인 학습 시스템으로 변환합니다. 이는 사용자가 AI의 설명을 읽은 후 개념을 이해했다고 느끼지만, 능동적인 테스트나 예정된 복습이 없어서 곧 잊어버리게 되는 "fluency illusion" 문제를 해결합니다.

How it works

Engram은 다양한 에이전트 플랫폼(Claude Code, OpenCode 등)의 플러그인으로 통합됩니다. 장기 기억 유지를 보장하기 위해 멀티 에이전트 루프를 사용합니다:

1. Curriculum Architect: 주제를 장의 순서가 아닌 필요성에 따라 제1원리 개념 지도로 분해합니다.
2. The Tutor: "generation-first" 접근 방식을 사용하여 사용자를 개념으로 안내합니다. 사용자가 전체 답변을 받기 전에 개념을 예측하고 다시 설명하도록 요구합니다.
3. The Assessor: 레슨 대화를 보지 않고 사용자의 서술형 답변을 채점하는 별도의 "blind" 에이전트입니다. 숙달도를 객득적으로 입증하는 증거를 제공합니다.
4. The Scheduler: 사용자가 개념을 잊어버릴 가능성이 높은 직전에 복습을 예약하는 결정론적 엔진(FSRS-4.5 사용)입니다.

Who it’s for

AI 코딩 어시스턴트나 에이전트 플랫폼을 사용하는 학습자 중, 복잡한 기술적 주제에 대한 실제 지식과 장기 기억 유지를 측정 가능한 방식으로 개선하고 싶은 사람들을 위한 것입니다.

Highlights

• Cross-Platform State: 학습 진행 상황과 일정은 로컬 JSON 파일에 저장되어, 사용자가 동일한 학습 이력을 유지하면서 서로 다른 AI 플랫폼 간을 이동할 수 있게 합니다.
• Blind Grading: 독립적인 평가자를 사용하여 숙달도를 검증함으로써 튜터 에이전트의 "enthusiasm bias"를 방지합니다.
• Evidence-Based Pedagogy: 기억의 지속성을 극대화하기 위해 인출 연습(retrieval practice), 간격 반복(spaced repetition), 그리고 사전 테스트 효과(pretesting effect)를 구현합니다.
• Local-First: 이 엔진은 네트워크 코드가 없으며 모든 데이터를 사용자의 기계에 로컬로 저장합니다.
• Interactive Visuals: "threshold concepts"에 대한 대화형 HTML explorables를 생성하여 조작을 통한 이해를 촉진합니다.