Files
Study/skills/self-study-agent/SKILL.md
T

132 lines
6.2 KiB
Markdown
Raw Normal View History

---
name: self-study-agent
description: "Autonomous self-study pipeline with feedback loop. Learn topics → test yourself → get feedback → adapt. Uses spaced repetition, interleaving, and desirable difficulty. Stores all knowledge in memory as a structured knowledge base."
version: 3.0.0
author: User
tags: [learning, pipeline, feedback-loop, self-testing, spaced-repetition]
dependencies: [websearch, webfetch]
---
# Self-Study Agent
자율 학습 파이프라인입니다. 학습 → 자기 평가 → 피드백 → 적응 루프를 통해 지식을 구축합니다.
**이 스킬은 학습과 평가만 담당합니다.** 메모리 저장은 에이전트가 처리합니다.
## 전체 루프
```
┌─────────────────────────────────────────────────────────────────────────┐
│ SELF-STUDY LOOP (최대 20회) │
├─────────────────────────────────────────────────────────────────────────┤
│ │
│ [Phase 1: 학습 세션] │
│ │ │
│ ▼ │
│ 주제 선택 → 소스 발견 → 추출 → 종합 → 메모리 저장 │
│ │
│ [Phase 2: 자기 평가 루프] (최대 20회) │
│ │ │
│ ▼ │
│ 문제 생성 → 답변 시도 → 피드백 → 메모리 업데이트 → 다음 문제 │
│ │ │
│ ├── 정답 → 신뢰도 ↑, 간격 증가 │
│ │ │
│ └── 오답 → 피드백, 약점 분석, 재학습 → 메모리 보강 │
│ │
│ [종료 조건] │
│ - 정답률 95% 이상 │
│ - 또는 20회 완료 │
│ │
└─────────────────────────────────────────────────────────────────────────┘
```
## 파이프라인 단계
| 단계 | 파일 | 설명 |
|------|------|------|
| 1 | `pipeline/01-topic-selection.md` | 주제 선택 (목표/호기심/트렌드/복습) |
| 2 | `pipeline/02-source-discovery.md` | 소스 발견 (웹/학술/GitHub/문서) |
| 3 | `pipeline/03-extraction.md` | 지식 추출 (개념/팩트/절차/코드) |
| 4 | `pipeline/04-synthesis.md` | 지식 종합 (연결/요약/학습 목표) |
| 5 | `pipeline/05-session-report.md` | 세션 리포트 출력 |
## 피드백 루프 단계
| 단계 | 파일 | 설명 |
|------|------|------|
| F1 | `feedback/self-testing.md` | 문제 생성 + 답변 + 피드백 |
| F2 | `feedback/spaced-repetition.md` | 간격 반복 (FSRS 알고리즘) |
| F3 | `feedback/interleaving.md` | 교차 학습 (주제 혼합 출제) |
| F4 | `feedback/adaptation.md` | 적응 로직 + 메트릭 |
## 실행 규칙
1. **능동적 회상** — 문제를 풀 때 메모리에서만 꺼냄 (소스 접근 금지)
2. **피드백은 에이전트가 생성** — 정오 판정 + 설명 + 관련 개념 링크
3. **모든 학습은 메모리에 저장** — 구조화된 지식 베이스로 유지
4. **간격 반복 적용** — FSRS 알고리즘으로 복습 스케줄 관리
5. **교차 학습** — 한 세션에서 여러 주제 문제를 혼합 출제
6. **바람직한 난이도** — 정답률에 따라 난이도 자동 조절
7. **루프 20회 제한** — 충분한 학습 기회 보장
## 메모리 구조 (지식 베이스)
```
Memory Store
├── Concepts (개념)
│ ├── id, title, definition, examples
│ ├── connections: [related_concept_ids]
│ ├── confidence: 0.0-1.0
│ └── source_refs: [출처 참조]
├── Facts (팩트)
│ ├── id, statement, evidence
│ ├── confidence: 0.0-1.0
│ └── source_refs: [출처 참조]
├── Procedures (절차)
│ ├── id, name, steps
│ ├── proficiency: 0.0-1.0
│ └── practice_count: int
├── Code Patterns (코드 패턴)
│ ├── id, language, code, explanation
│ └── use_cases: [list]
├── Test History (평가 이력)
│ ├── session_id, timestamp
│ ├── questions: [question_id, type, difficulty, user_answer, is_correct]
│ └── metrics: {accuracy, retention_rate, ...}
└── Adaptation Log (적응 기록)
├── timestamp
├── strategy_changes: [list]
└── parameter_adjustments: [list]
```
## 예시 흐름
```
[세션 1: 학습]
주제: Rust Async
소스: rust-lang.org, tokio.rs, 블로그
추출: 12개 개념, 8개 팩트, 3개 절차, 5개 코드 패턴
메모리 저장: 지식 베이스 구축
[자기 평가 루프]
1회: "Rust의 Future란?" → 정답 (신뢰도 0.6)
2회: "Tokio에서 spawn은?" → 정답 (신뢰도 0.7)
3회: "Async/Await의 차이점은?" → 오답 → 피드백 → 메모리 보강
4회: "Polling이란?" → 정답 (신뢰도 0.65)
...
20회: 정답률 92% → 종료
[최종 메모리]
- 12개 개념 (평균 신뢰도 0.85)
- 8개 팩트 (평균 신뢰도 0.90)
- 3개 절차 (숙련도 0.75)
- 5개 코드 패턴
- 20회 평가 이력
```