nagisanzenin/engram

它解決的問題

Engram 將 AI 助手從單純的說明引擎轉變為人類的全面學習系統。它解決了「流暢性錯覺」的問題——使用者在閱讀 AI 的解釋後，會覺得自己理解了某個概念，但很快便遺忘，因為過程中缺乏主動測試或定時複習。

如何運作

Engram 作為多種代理平台（如 Claude Code、OpenCode 等）的插件整合。它使用多代理循環來確保長期記憶：

1. 課程設計師：根據必要性而非章節順序，將主題分解為基於第一原理的概念圖。
2. 導師：使用「先生成」的方法引導使用者理解概念，要求使用者在獲得完整答案前先預測並解釋概念。
3. 評估者：一個獨立的「盲評」代理，不見課堂對話內容，僅根據使用者書寫的答案進行評分，提供掌握程度的客觀證據。
4. 排程器：使用 FSRS-4.5 的確定性引擎，於使用者可能遺忘的前一刻安排概念複習。

適用對象

使用 AI 程式碼助手或代理平台，並希望顯著提升實際知識與複雜技術主題長期記憶的學習者。

特色亮點

• 跨平台狀態：學習進度與排程儲存在本地 JSON 檔案中，讓使用者在不同 AI 平台間切換時仍能維持相同的學習歷程。
• 盲評機制：透過獨立的評估者驗證掌握程度，避免導師代理的「熱情偏見」。
• 基於證據的教學法：實作提取練習、間隔重複與預測測試效應，以最大化記憶持久性。
• 本地優先：引擎無任何網路程式碼，所有資料皆儲存在使用者的機器上。
• 互動式視覺化：為「門檻概念」生成互動式 HTML 探索內容，透過操作促進理解。

「這不僅是解釋，而是確保你真正學會。」— @engram_ai