study-coach

AI 学习教练技能：诊断式学习规划、前置知识补齐、费曼式回讲检验、间隔复习调度。

核心特性

• 诊断式学习规划：基于需求诊断生成阶段化学习路线与检查点
• 前置知识补齐：支持有材料（模式A）与无材料（模式B）双路径
• 费曼式回讲检验：五要素结构 + 审稿人标准反馈，定位理解漏洞
• 间隔复习调度：简化 SM-2 调度，间隔 1→2→4→...→60 天翻倍
• 语义知识树：BAAI/bge-small-zh-v1.5 向量检索 + HRS 分层剪枝
• 用户可读复习记录：_review.md 温故知新，支持进度追踪

设计参考

记忆系统参考 HCE（Holographic Context Engine） 的三大结构设计：语义树（Semantic Tree）、实体图（Entity Graph）与焦点缓冲（Focus Buffer）。

快速开始

Windows 使用 python，Linux/macOS/Termux 使用 python3（以下示例以 Linux 为准）。

# 安装依赖
pip install -r requirements.txt

# 初始化项目记忆
python scripts/memory_cli.py init ./my-project --name "我的学习项目" --summary "项目描述"

# 添加知识点（--learned 标记为已学习，进入复习调度）
python scripts/memory_cli.py node add ./my-project --name "知识点名称" --summary "个性化摘要" --learned

# 查看状态
python scripts/memory_cli.py status ./my-project

首次运行会自动下载嵌入模型（约 100MB），之后可离线使用。

文档导航

文件	内容
SKILL.md	核心技能流程、路由与命令速查
记忆系统.md	CLI 完整参数、批量写入、Focus Buffer、非文本材料等细节
记忆系统-设计文档.md	架构设计依据、部署指南、跨平台说明
异常与附录.md	异常处理边界与 _review.md 格式

版本历史

见 CHANGELOG.md。

许可证

MIT © 2026 MingMaple