Add self-study-agent skill with feedback loop
- SKILL.md: Main skill definition with 20-iteration feedback loop - config.yaml: Pipeline parameters (loop, sources, questions, adaptation) - pipeline/: 5-step learning pipeline (topic selection → source discovery → extraction → synthesis → report) - feedback/: 4 feedback mechanisms (self-testing, spaced repetition, interleaving, adaptation) - Learning science principles: active recall, spaced repetition, desirable difficulty, interleaving, delayed feedback
This commit is contained in:
@@ -0,0 +1,131 @@
|
||||
---
|
||||
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
|
||||
```
|
||||
@@ -0,0 +1,88 @@
|
||||
# Self-Study Agent - 파이프라인 파라미터
|
||||
|
||||
# 루프 설정
|
||||
loop:
|
||||
max_iterations: 20
|
||||
early_exit_accuracy: 0.95
|
||||
|
||||
# 주제 선택
|
||||
topic_selection:
|
||||
strategy: "balanced"
|
||||
user_goals: []
|
||||
|
||||
# 소스 발견
|
||||
sources:
|
||||
channels:
|
||||
web_search: true
|
||||
academic: true
|
||||
github: true
|
||||
documentation: true
|
||||
local_files: false
|
||||
max_per_channel: 5
|
||||
max_total: 10
|
||||
|
||||
# 추출
|
||||
extraction:
|
||||
model: "small"
|
||||
max_sources: 5
|
||||
cross_reference: true
|
||||
min_sources_for_fact: 2
|
||||
|
||||
# 문제 생성
|
||||
question_generation:
|
||||
# 문제 유형 비중
|
||||
type_distribution:
|
||||
direct_recall: 0.4 # 직접 회상
|
||||
application: 0.3 # 적용 질문
|
||||
variation: 0.2 # 변형 질문
|
||||
connection: 0.1 # 연결 질문
|
||||
|
||||
# 난이도 분포
|
||||
difficulty_distribution:
|
||||
easy: 0.3
|
||||
medium: 0.4
|
||||
hard: 0.3
|
||||
|
||||
# 세션당 문제 수
|
||||
questions_per_session: 10
|
||||
|
||||
# 피드백
|
||||
feedback:
|
||||
# 피드백 생성 규칙
|
||||
include_explanation: true
|
||||
include_related_concepts: true
|
||||
include_source_reference: true
|
||||
include_suggested_review: true
|
||||
|
||||
# 간격 반복 (FSRS)
|
||||
spaced_repetition:
|
||||
algorithm: "FSRS"
|
||||
fsrs_params: [0.4, 0.6, 2.4, 5.8, 4.93, 0.94, 0.86, 0.01, 1.49, 0.14, 0.94, 2.18, 0.05, 0.34, 1.26, 0.29, 2.61]
|
||||
min_interval_days: 1
|
||||
max_interval_days: 365
|
||||
target_retention: 0.9
|
||||
|
||||
# 교차 학습
|
||||
interleaving:
|
||||
enabled: true
|
||||
mix_previous_sessions: 3 # 이전 세션 주제 포함 수
|
||||
mix_ratio: 0.3 # 이전 주제 비중
|
||||
|
||||
# 적응
|
||||
adaptation:
|
||||
# 정답률 기반 적응
|
||||
low_accuracy_threshold: 0.5
|
||||
high_accuracy_threshold: 0.9
|
||||
low_accuracy_consecutive: 3
|
||||
high_accuracy_consecutive: 5
|
||||
|
||||
# 난이도 조절
|
||||
difficulty_adjustment:
|
||||
enabled: true
|
||||
min_difficulty: 0.1
|
||||
max_difficulty: 0.9
|
||||
|
||||
# 문제 유형 조절
|
||||
type_adjustment:
|
||||
enabled: true
|
||||
weak_type_boost: 0.1 # 약한 유형 비중 증가
|
||||
@@ -0,0 +1,172 @@
|
||||
# F4: 적응 로직 (Adaptation)
|
||||
|
||||
## 개요
|
||||
|
||||
자기 평가 결과를 분석하여 다음 세션의 전략과 파라미터를 자동 조절합니다.
|
||||
|
||||
## 메트릭 정의
|
||||
|
||||
### 핵심 메트릭
|
||||
|
||||
| 메트릭 | 계산 방법 | 목표 |
|
||||
|--------|-----------|------|
|
||||
| **정답률** | 정답 수 / 전체 문제 수 | ≥ 0.85 |
|
||||
| **유형별 정답률** | 유형별 정답 수 / 유형별 문제 수 | ≥ 0.70 |
|
||||
| **주제별 정답률** | 주제별 정답 수 / 주제별 문제 수 | ≥ 0.70 |
|
||||
| **난이도별 정답률** | 난이도별 정답 수 / 난이도별 문제 수 | 0.6-0.8 |
|
||||
| **간격 유지율** | 예정된 복습 수행 비율 | ≥ 0.80 |
|
||||
| **개념 연결도** | 연결된 개념 비율 | ≥ 0.30 |
|
||||
|
||||
### 메트릭 수집
|
||||
|
||||
각 자기 평가 루프 후 메트릭 계산:
|
||||
|
||||
```json
|
||||
{
|
||||
"session_id": "session_001",
|
||||
"iteration": 5,
|
||||
"metrics": {
|
||||
"accuracy": 0.75,
|
||||
"type_accuracy": {
|
||||
"direct_recall": 0.85,
|
||||
"application": 0.70,
|
||||
"variation": 0.65,
|
||||
"connection": 0.80
|
||||
},
|
||||
"topic_accuracy": {
|
||||
"rust_async": 0.80,
|
||||
"ownership": 0.70
|
||||
},
|
||||
"difficulty_accuracy": {
|
||||
"easy": 0.95,
|
||||
"medium": 0.75,
|
||||
"hard": 0.55
|
||||
},
|
||||
"concepts_mastered": 8,
|
||||
"concepts_total": 12
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
## 적응 로직
|
||||
|
||||
### 1. 정답률 기반 적응
|
||||
|
||||
```
|
||||
if 정답률 < 0.5 and 연속 3회:
|
||||
→ 난이도 하향
|
||||
→ 학습 속도 감소
|
||||
→ 쉬운 문제 비중 증가
|
||||
|
||||
if 정답률 > 0.9 and 연속 5회:
|
||||
→ 난이도 상향
|
||||
→ 새로운 주제 탐색
|
||||
→ 어려운 문제 비중 증가
|
||||
```
|
||||
|
||||
### 2. 유형별 적응
|
||||
|
||||
```
|
||||
for each 유형 in [직접 회상, 적용, 변형, 연결]:
|
||||
if 유형별 정답률 < 0.5:
|
||||
→ 해당 유형 문제 비중 증가 (+0.1)
|
||||
elif 유형별 정답률 > 0.9:
|
||||
→ 해당 유형 문제 비중 감소 (-0.05)
|
||||
```
|
||||
|
||||
### 3. 난이도 적응
|
||||
|
||||
```
|
||||
if 쉬운 문제 정답률 > 0.95:
|
||||
→ 보통 문제 비중 증가
|
||||
|
||||
if 보통 문제 정답률 > 0.85:
|
||||
→ 어려운 문제 비중 증가
|
||||
|
||||
if 어려운 문제 정답률 < 0.4:
|
||||
→ 어려운 문제 비중 감소
|
||||
→ 보통 문제 비중 증가
|
||||
```
|
||||
|
||||
### 4. 주제별 적응
|
||||
|
||||
```
|
||||
for each 주제 in 메모리:
|
||||
if 주제별 정답률 < 0.6:
|
||||
→ 해당 주제 재학습 세션 추가
|
||||
elif 주제별 정답률 > 0.9:
|
||||
→ 해당 주제 심화 탐색
|
||||
```
|
||||
|
||||
## 파라미터 조절
|
||||
|
||||
### 문제 생성 파라미터
|
||||
|
||||
```json
|
||||
{
|
||||
"type_distribution": {
|
||||
"direct_recall": 0.4,
|
||||
"application": 0.3,
|
||||
"variation": 0.2,
|
||||
"connection": 0.1
|
||||
},
|
||||
"difficulty_distribution": {
|
||||
"easy": 0.3,
|
||||
"medium": 0.4,
|
||||
"hard": 0.3
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
### 적응 예시
|
||||
|
||||
```
|
||||
원래: direct_recall=0.4, application=0.3, variation=0.2, connection=0.1
|
||||
적용 질문 정답률 0.45 (낮음):
|
||||
→ direct_recall=0.35, application=0.35, variation=0.2, connection=0.1
|
||||
|
||||
어려운 문제 정답률 0.35 (낮음):
|
||||
→ easy=0.35, medium=0.45, hard=0.20
|
||||
```
|
||||
|
||||
## 적응 이력
|
||||
|
||||
적응 변경 시 메모리에 기록:
|
||||
|
||||
```json
|
||||
{
|
||||
"adaptation_log": [
|
||||
{
|
||||
"timestamp": "2024-01-10T10:00:00Z",
|
||||
"trigger": "low_accuracy_variation",
|
||||
"changes": {
|
||||
"type_distribution.variation": {"old": 0.2, "new": 0.25}
|
||||
},
|
||||
"reason": "변형 질문 정답률 0.45 (기준 미달)"
|
||||
}
|
||||
]
|
||||
}
|
||||
```
|
||||
|
||||
## 메모리 저장 형식
|
||||
|
||||
```json
|
||||
{
|
||||
"current_strategy": {
|
||||
"type_distribution": {...},
|
||||
"difficulty_distribution": {...},
|
||||
"interleaving_ratio": 0.3
|
||||
},
|
||||
"adaptation_history": [...],
|
||||
"metrics_history": [
|
||||
{
|
||||
"iteration": 1,
|
||||
"accuracy": 0.60
|
||||
},
|
||||
{
|
||||
"iteration": 5,
|
||||
"accuracy": 0.75
|
||||
}
|
||||
]
|
||||
}
|
||||
```
|
||||
@@ -0,0 +1,95 @@
|
||||
# F3: 교차 학습 (Interleaving)
|
||||
|
||||
## 개요
|
||||
|
||||
여러 주제를 섞어서 학습하면 단일 주제를 반복하는 것보다 장기 기억이 40% 향상됩니다.
|
||||
|
||||
## 적용 방법
|
||||
|
||||
### 세션 내 교차
|
||||
|
||||
한 자기 평가 세션에서 여러 주제의 문제를 혼합 출제:
|
||||
|
||||
```
|
||||
세션 문제 구성:
|
||||
- 현재 주제 문제: 70%
|
||||
- 이전 세션 주제 문제: 30%
|
||||
```
|
||||
|
||||
### 세션 간 교차
|
||||
|
||||
이전 세션에서 학습한 주제를 현재 세션에 포함:
|
||||
|
||||
```
|
||||
예시:
|
||||
- 세션 1: Rust Async 학습
|
||||
- 세션 2: Tokio Internals 학습
|
||||
- 세션 2 자기 평가:
|
||||
- Tokio 문제: 70%
|
||||
- Rust Async 문제: 30% (세션 1에서 학습)
|
||||
```
|
||||
|
||||
## 문제 구성 알고리즘
|
||||
|
||||
### 1단계: 현재 주제 문제 생성
|
||||
|
||||
현재 학습한 주제에서 문제 생성 (70%)
|
||||
|
||||
### 2단계: 이전 주제 문제 선택
|
||||
|
||||
메모리에서 이전 세션 주제를 검색하고, 복습 예정 카드에서 문제 선택 (30%)
|
||||
|
||||
### 3단계: 문제 셔플
|
||||
|
||||
모든 문제를 무작위 순서로 셔플
|
||||
|
||||
## 이전 주제 선택 기준
|
||||
|
||||
| 기준 | 가중치 |
|
||||
|------|--------|
|
||||
| 복습 예정일이 가까운 순 | 높음 |
|
||||
| 이전 정답률이 낮은 순 | 높음 |
|
||||
| 개념 연결이 많은 순 | 중간 |
|
||||
| 최근 학습한 순 | 낮음 |
|
||||
|
||||
## 교차 비중 조절
|
||||
|
||||
### 설정
|
||||
|
||||
```yaml
|
||||
interleaving:
|
||||
enabled: true
|
||||
mix_previous_sessions: 3 # 이전 세션 주제 포함 수
|
||||
mix_ratio: 0.3 # 이전 주제 비중
|
||||
```
|
||||
|
||||
### 적응적 조절
|
||||
|
||||
- 현재 주제 정답률 90%↑ → 이전 주제 비중 0.4로 증가
|
||||
- 현재 주제 정답률 50%↓ → 이전 주제 비중 0.2로 감소
|
||||
- 특정 이전 주제 오답률 높음 → 해당 주제 비중 증가
|
||||
|
||||
## 메모리 저장 형식
|
||||
|
||||
```json
|
||||
{
|
||||
"session_topics": [
|
||||
{
|
||||
"topic_id": "rust_async",
|
||||
"source_session": 1,
|
||||
"question_count": 7,
|
||||
"correct_count": 6
|
||||
},
|
||||
{
|
||||
"topic_id": "tokio_internals",
|
||||
"source_session": 2,
|
||||
"question_count": 3,
|
||||
"correct_count": 2
|
||||
}
|
||||
],
|
||||
"interleaving_stats": {
|
||||
"mix_ratio": 0.3,
|
||||
"cross_session_accuracy": 0.83
|
||||
}
|
||||
}
|
||||
```
|
||||
@@ -0,0 +1,155 @@
|
||||
# F1: 자기 평가 (Self-Testing)
|
||||
|
||||
## 개요
|
||||
|
||||
메모리에 있는 지식으로 문제를 생성하고, 메모리에서만 답변하여 테스트하는 루프입니다.
|
||||
|
||||
## 루프 구조
|
||||
|
||||
```
|
||||
최대 20회 반복:
|
||||
1. 문제 생성
|
||||
2. 답변 시도 (메모리만 사용)
|
||||
3. 피드백 생성 (에이전트 자체)
|
||||
4. 메모리 업데이트
|
||||
5. 적응 (난이도/유형 조절)
|
||||
|
||||
종료 조건:
|
||||
- 정답률 95% 이상
|
||||
- 또는 20회 완료
|
||||
```
|
||||
|
||||
## Step 1: 문제 생성
|
||||
|
||||
### 문제 유형과 비중
|
||||
|
||||
| 유형 | 비중 | 설명 | 예시 |
|
||||
|------|------|------|------|
|
||||
| **직접 회상** | 40% | 정의, 개념, 사실 묻기 | "Rust의 Ownership이란?" |
|
||||
| **적용 질문** | 30% | 실제 상황에서의 활용 | "이 상황에서 Ownership을 어떻게 사용?" |
|
||||
| **변형 질문** | 20% | 같은 내용 다른 표현 (암기 방지) | "Ownership의 장단점은?" |
|
||||
| **연결 질문** | 10% | 개념 간 관계 묻기 | "Ownership과 Borrowing의 관계는?" |
|
||||
|
||||
### 난이도 분포
|
||||
|
||||
| 난이도 | 비중 | 기준 |
|
||||
|--------|------|------|
|
||||
| **쉬움** | 30% | 단순 회상, 정의, 사실 |
|
||||
| **보통** | 40% | 적용, 분석 |
|
||||
| **어려움** | 30% | 종합, 평가, 창의적 사고 |
|
||||
|
||||
### 문제 생성 규칙
|
||||
|
||||
1. 메모리에서 주제 관련 지식 추출
|
||||
2. 각 개념/팩트에 대해 문제 생성
|
||||
3. 유형별 비중 준수
|
||||
4. 난이도별 비중 준수
|
||||
5. 이전 오답 유형 고려 (약한 유형 비중 증가)
|
||||
|
||||
### 문제 생성 프롬프트
|
||||
|
||||
```
|
||||
메모리에 있는 "{topic}" 관련 지식으로 문제를 생성하십시오.
|
||||
|
||||
문제 유형: {type} (직접 회상/적용/변형/연결)
|
||||
난이도: {difficulty} (쉬움/보통/어려움)
|
||||
|
||||
규칙:
|
||||
- 메모리에서만 답변할 수 있어야 함
|
||||
- 명확하고 구체적인 문제
|
||||
- 부분 정답 가능하도록 설계
|
||||
- 관련 개념과 연결된 문제 선호
|
||||
|
||||
문제:
|
||||
```
|
||||
|
||||
## Step 2: 답변 시도
|
||||
|
||||
### 규칙
|
||||
|
||||
1. **메모리에서만 정보 꺼냄** — 외부 소스 접근 금지
|
||||
2. **생각하는 과정 표시** — 어떤 지식을 기반으로 답변하는지
|
||||
3. **확신도 표시** — 0-100% 확신도
|
||||
|
||||
### 답변 형식
|
||||
|
||||
```json
|
||||
{
|
||||
"question_id": "q_001",
|
||||
"user_answer": "사용자의 답변",
|
||||
"confidence": 85,
|
||||
"thinking_process": "메모리에서 X 개념과 Y 팩트를 기반으로 답변"
|
||||
}
|
||||
```
|
||||
|
||||
## Step 3: 피드백 생성
|
||||
|
||||
### 피드백 생성 규칙
|
||||
|
||||
에이전트가 직접 피드백을 생성합니다:
|
||||
|
||||
1. **정답 여부 판단**
|
||||
- 핵심 키워드 포함 여부
|
||||
- 개념적 정확성
|
||||
- 부분 정답 처리
|
||||
|
||||
2. **피드백 내용**
|
||||
- 정답: "맞습니다. {설명}"
|
||||
- 오답: "틀렸습니다. 정답은 {정답}입니다. {왜 그런지 설명}"
|
||||
- 부분 정답: "부분적으로 맞습니다. {맞은 부분}은 정확하지만, {틀린 부분}은..."
|
||||
|
||||
3. **관련 개념 링크**
|
||||
- 틀린 문제의 관련 개념 자동 식별
|
||||
- "이 문제는 {개념A}, {개념B}와 연결되어 있습니다"
|
||||
|
||||
4. **추가 학습 제안**
|
||||
- "이 부분을 더 공부하려면 {추천 자료}를 확인하세요"
|
||||
|
||||
### 피드백 형식
|
||||
|
||||
```json
|
||||
{
|
||||
"question_id": "q_001",
|
||||
"is_correct": false,
|
||||
"partial_credit": 0.5,
|
||||
"feedback": "틀렸습니다. 정답은 'Rust의 Ownership은 메모리 안전성을 보장하는 시스템으로, 각 값에 대해 하나의 소유자가 존재합니다'입니다.",
|
||||
"explanation": "Ownership은 Rust의 핵심 개념으로...",
|
||||
"related_concepts": ["Borrowing", "Lifetimes", "Move Semantics"],
|
||||
"source_reference": "https://doc.rust-lang.org/book/ch04-01.html",
|
||||
"suggested_review": "Rust Book Chapter 4.1을 다시 읽어보세요"
|
||||
}
|
||||
```
|
||||
|
||||
## Step 4: 메모리 업데이트
|
||||
|
||||
### 정답 시
|
||||
|
||||
```json
|
||||
{
|
||||
"concept_id": "concept_001",
|
||||
"confidence": 0.85,
|
||||
"last_reviewed": "timestamp",
|
||||
"next_review": "FSRS 알고리즘으로 계산",
|
||||
"correct_count": 5,
|
||||
"total_count": 6
|
||||
}
|
||||
```
|
||||
|
||||
### 오답 시
|
||||
|
||||
```json
|
||||
{
|
||||
"concept_id": "concept_001",
|
||||
"confidence": 0.4,
|
||||
"last_reviewed": "timestamp",
|
||||
"next_review": "1일 후 (간격 초기화)",
|
||||
"correct_count": 2,
|
||||
"total_count": 6,
|
||||
"weak_points": ["관련 개념1", "관련 개념2"],
|
||||
"review_notes": "추가 학습 필요"
|
||||
}
|
||||
```
|
||||
|
||||
## Step 5: 적응
|
||||
|
||||
`feedback/adaptation.md` 참조
|
||||
@@ -0,0 +1,140 @@
|
||||
# F2: 간격 반복 (Spaced Repetition)
|
||||
|
||||
## FSRS 알고리즘
|
||||
|
||||
### 기본 원리
|
||||
|
||||
간격 반복은 정보를 점점 더 긴 간격으로 반복하여 장기 기억을 강화하는 기법입니다.
|
||||
|
||||
### FSRS 파라미터
|
||||
|
||||
```
|
||||
w = [0.4, 0.6, 2.4, 5.8, 4.93, 0.94, 0.86, 0.01, 1.49, 0.14, 0.94, 2.18, 0.05, 0.34, 1.26, 0.29, 2.61]
|
||||
```
|
||||
|
||||
### 간격 계산
|
||||
|
||||
**새 카드:**
|
||||
- 최초 학습 후: 1일
|
||||
- 첫 번째 복습 후: 3-7일 (난이도 기반)
|
||||
- 두 번째 복습 후: 7-30일
|
||||
- 이후: 지수적 증가 (최대 365일)
|
||||
|
||||
**Rating별 간격:**
|
||||
|
||||
| Rating | 의미 | 간격 조정 |
|
||||
|--------|------|-----------|
|
||||
| `again` | 잊어버림 | 간격 초기화 (1일) |
|
||||
| `hard` | 노력해서 회상 | 간격 × 1.2 |
|
||||
| `good` | 정확히 회상 | 간격 × FSRS 공식 |
|
||||
| `easy` | 쉽게 회상 | 간격 × 1.3 × FSRS 공식 |
|
||||
|
||||
### 안정성(Stability) 계산
|
||||
|
||||
```
|
||||
new_stability = stability * exp(
|
||||
(w6 - w7 * delta) * (w8 - w9 * (rating-1)) * w10 +
|
||||
(1 - w11) * exp(w12 - w13 * (rating-1))
|
||||
)
|
||||
```
|
||||
|
||||
단, again일 때:
|
||||
```
|
||||
new_stability = w14 * max(stability * w15, 1) * min(new_stability, w16 * stability)
|
||||
```
|
||||
|
||||
### 간격(Interval) 계산
|
||||
|
||||
```
|
||||
interval = stability * target_retention
|
||||
interval = max(min_interval, min(interval, max_interval))
|
||||
```
|
||||
|
||||
## 카드 관리
|
||||
|
||||
### 카드 생성
|
||||
|
||||
학습 세션에서 추출된 각 개념/팩트에 대해 자동 생성:
|
||||
|
||||
```json
|
||||
{
|
||||
"id": "card_001",
|
||||
"concept_id": "concept_001",
|
||||
"front": "Rust의 Ownership이란?",
|
||||
"back": "메모리 안전성을 보장하는 시스템으로, 각 값에 대해 하나의 소유자가 존재합니다",
|
||||
"difficulty": 0.6,
|
||||
"interval_days": 0,
|
||||
"due_date": "timestamp",
|
||||
"reps": 0,
|
||||
"lapses": 0
|
||||
}
|
||||
```
|
||||
|
||||
### 카드 업데이트
|
||||
|
||||
복습 후 FSRS 알고리즘에 따라 업데이트:
|
||||
|
||||
```json
|
||||
{
|
||||
"id": "card_001",
|
||||
"interval_days": 7,
|
||||
"due_date": "7일 후 timestamp",
|
||||
"reps": 3,
|
||||
"lapses": 0,
|
||||
"stability": 2.5,
|
||||
"retrievability": 0.85
|
||||
}
|
||||
```
|
||||
|
||||
## 복습 세션
|
||||
|
||||
### 복습할 카드 선택
|
||||
|
||||
1. 오늘 예정된 카드 우선
|
||||
2. 연체된 카드 다음
|
||||
3. 새로운 카드는 설정된 수만큼 (기본 20개/일)
|
||||
|
||||
### 복습 흐름
|
||||
|
||||
```
|
||||
복습할 카드 목록
|
||||
│
|
||||
▼
|
||||
각 카드에 대해:
|
||||
│
|
||||
├── 문제 표시
|
||||
│
|
||||
├── 답변 시도
|
||||
│
|
||||
├── 정답 확인
|
||||
│
|
||||
└── Rating 선택 (again/hard/good/easy)
|
||||
│
|
||||
└── 카드 간격 업데이트
|
||||
```
|
||||
|
||||
## 메모리 저장 형식
|
||||
|
||||
```json
|
||||
{
|
||||
"cards": [
|
||||
{
|
||||
"id": "card_001",
|
||||
"front": "...",
|
||||
"back": "...",
|
||||
"interval_days": 7,
|
||||
"due_date": "2024-01-15",
|
||||
"reps": 3,
|
||||
"lapses": 0,
|
||||
"stability": 2.5
|
||||
}
|
||||
],
|
||||
"stats": {
|
||||
"total_cards": 100,
|
||||
"due_today": 15,
|
||||
"due_this_week": 45,
|
||||
"overdue": 5,
|
||||
"retention_rate": 0.88
|
||||
}
|
||||
}
|
||||
```
|
||||
@@ -0,0 +1,31 @@
|
||||
# Step 1: 주제 선택
|
||||
|
||||
## 전략
|
||||
|
||||
| 전략 | 선택 방법 |
|
||||
|------|-----------|
|
||||
| **목표 기반** | 사용자가 설정한 목표 중 미완료된 첫 번째 주제 |
|
||||
| **호기심 기반** | 메모리에서 연결이 적은 개념을 찾아 탐색 |
|
||||
| **트렌드 기반** | GitHub 트렌딩, arXiv 최신, 기술 뉴스에서 주제 탐색 |
|
||||
| **복습 기반** | 복습 예정 카드가 많은 주제 우선 선택 |
|
||||
| **균형** | 모든 전략을 가중치로 종합하여 최고 점수 주제 선택 |
|
||||
|
||||
## 선택 규칙
|
||||
|
||||
1. 메모리에 이미 많은 지식이 있는 주제는 우선순위 낮춤
|
||||
2. 이전 세션에서 오답률이 높았던 주제는 우선순위 높임
|
||||
3. 새로 탐색한 주제와 기존 주제를 연결할 수 있는 주제 선호
|
||||
|
||||
## 출력
|
||||
|
||||
```
|
||||
{
|
||||
"id": "unique_topic_id",
|
||||
"title": "주제 제목",
|
||||
"domain": "프로그래밍| Machine Learning| 과학| 일반",
|
||||
"keywords": ["키워드1", "키워드2"],
|
||||
"depth": "shallow|medium|deep",
|
||||
"prerequisites": ["선행 주제 id"],
|
||||
"goals": ["학습 목표1"]
|
||||
}
|
||||
```
|
||||
@@ -0,0 +1,50 @@
|
||||
# Step 2: 소스 발견
|
||||
|
||||
## 소스 채널
|
||||
|
||||
| 채널 | 사용 시점 | 도구 |
|
||||
|------|-----------|------|
|
||||
| **웹 검색** | 모든 주제 | `websearch` |
|
||||
| **학술** | 연구 주제 (ML, 과학) | `websearch` (arXiv, Semantic Scholar) |
|
||||
| **GitHub** | 기술 주제 (프로그래밍, DevOps) | `websearch` (GitHub) |
|
||||
| **공식 문서** | 도구/프레임워크 | `webfetch` (공식 사이트) |
|
||||
| **로컬 파일** | 로컬 코드베이스 탐색 시 | 파일 시스템 검색 |
|
||||
|
||||
## 소스 선택 규칙
|
||||
|
||||
1. 채널별 상위 5-10개 결과 수집
|
||||
2. 각 소스의 신뢰도 평가:
|
||||
- 공식/권위 있는 소스인지
|
||||
- 최근 2년 이내 자료인지
|
||||
- 인용수/커뮤니티 검증이 있는지
|
||||
- 다른 소스에서 교차 참조되는지
|
||||
3. URL 기준 중복 제거
|
||||
4. 신뢰도 점수로 정렬
|
||||
5. 상위 N개 소스 반환 (기본: 5개)
|
||||
|
||||
## 신뢰도 점수 계산
|
||||
|
||||
```
|
||||
credibility = (
|
||||
domain_authority * 0.3 +
|
||||
recency_score * 0.2 +
|
||||
citation_score * 0.15 +
|
||||
peer_reviewed * 0.15 +
|
||||
official_source * 0.1 +
|
||||
cross_referenced * 0.1
|
||||
)
|
||||
```
|
||||
|
||||
## 출력
|
||||
|
||||
```
|
||||
[
|
||||
{
|
||||
"id": "source_id",
|
||||
"url": "https://...",
|
||||
"title": "소스 제목",
|
||||
"type": "web_page|documentation|academic_paper|github_repo|blog_post",
|
||||
"credibility": 0.85
|
||||
}
|
||||
]
|
||||
```
|
||||
@@ -0,0 +1,79 @@
|
||||
# Step 3: 지식 추출
|
||||
|
||||
## 추출 프로세스
|
||||
|
||||
각 소스에 대해:
|
||||
|
||||
1. **가져오기** — `webfetch` 도구로 콘텐츠 수집
|
||||
2. **파싱** — HTML → 텍스트, 보일러플레이트 제거
|
||||
3. **청킹** — 논리적 섹션별 분할 (제목, 단락, 코드 블록)
|
||||
4. **추출** — LLM으로 구조화된 지식 추출
|
||||
|
||||
## 추출 프롬프트
|
||||
|
||||
```
|
||||
다음 콘텐츠에서 "{topic.title}"에 대한 구조화된 지식을 추출하십시오.
|
||||
|
||||
JSON 형식으로 반환:
|
||||
{
|
||||
"concepts": [
|
||||
{
|
||||
"title": "개념 이름",
|
||||
"definition": "명확한 정의",
|
||||
"examples": ["예시1", "예시2"],
|
||||
"related": ["관련 개념1", "관련 개념2"]
|
||||
}
|
||||
],
|
||||
"facts": [
|
||||
{
|
||||
"statement": "팩트 진술",
|
||||
"evidence": "출처에서의 인용",
|
||||
"confidence": 0.9
|
||||
}
|
||||
],
|
||||
"procedures": [
|
||||
{
|
||||
"name": "절차 이름",
|
||||
"description": " 설명",
|
||||
"steps": ["단계1", "단계2", "단계3"]
|
||||
}
|
||||
],
|
||||
"code_patterns": [
|
||||
{
|
||||
"language": "python",
|
||||
"pattern_name": "패턴 이름",
|
||||
"code": "코드",
|
||||
"explanation": "설명"
|
||||
}
|
||||
]
|
||||
}
|
||||
|
||||
콘텐츠:
|
||||
{source.content}
|
||||
```
|
||||
|
||||
## 교차 검증
|
||||
|
||||
1. 여러 소스에서 추출된 팩트를 비교
|
||||
2. 일치하지 않는 내용 표시
|
||||
3. 2개 이상 소스에서 확인된 팩트만 신뢰도 높음으로 처리
|
||||
|
||||
## 신뢰도 점수
|
||||
|
||||
- 단일 소스 확인: confidence = 0.5
|
||||
- 2개 소스 확인: confidence = 0.7
|
||||
- 3개 이상 소스 확인: confidence = 0.9
|
||||
- 소스 간 불일치: confidence = 0.3
|
||||
|
||||
## 출력
|
||||
|
||||
```
|
||||
{
|
||||
"concepts": [...],
|
||||
"facts": [...],
|
||||
"procedures": [...],
|
||||
"code_patterns": [...],
|
||||
"source_id": "source_id",
|
||||
"extraction_confidence": 0.7
|
||||
}
|
||||
```
|
||||
@@ -0,0 +1,48 @@
|
||||
# Step 4: 지식 종합
|
||||
|
||||
## 종합 프로세스
|
||||
|
||||
여러 소스에서 추출된 지식을 통합:
|
||||
|
||||
1. **중복 제거** — 제목/진술 기준 동일 개념/팩트 통합
|
||||
2. **병합** — 높은 신뢰도 유지, 소스 결합
|
||||
3. **연결** — 개념 간 관계 찾기 (전제, 예시, 대비, 구현 등)
|
||||
4. **요약** — 핵심 학습 내용 요약 생성
|
||||
5. **학습 목표** — 학습자가 할 수 있어야 할 것 목록
|
||||
6. **복습 질문** — 각 개념을 테스트할 수 있는 질문
|
||||
|
||||
## 개념 연결 유형
|
||||
|
||||
| 관계 | 설명 | 예시 |
|
||||
|------|------|------|
|
||||
| `prerequisite` | A를 알아야 B를 이해 | "변수" → "함수" |
|
||||
| `example` | A는 B의 예시 | " 리스트 컴프리헨션" → "파이썬" |
|
||||
| `contrast` | A와 B는 대비 | "동기" vs "비동기" |
|
||||
| `implements` | A는 B를 구현 | "Tokio" → "비동기 런타임" |
|
||||
| `uses` | A가 B를 사용 | "FastAPI" → "Pydantic" |
|
||||
|
||||
## 학습 목표 생성
|
||||
|
||||
각 개념에 대해 Bloom's Taxonomy 기반 학습 목표 생성:
|
||||
- **기억**: ~를 설명할 수 있다
|
||||
- **이해**: ~와 ~의 차이를 설명할 수 있다
|
||||
- **적용**: ~를 사용하여 ~를 구현할 수 있다
|
||||
- **분석**: ~의 장단점을 분석할 수 있다
|
||||
- **평가**: ~와 ~를 비교하여 선택할 수 있다
|
||||
- **창작**: ~를 조합하여 ~를 만들 수 있다
|
||||
|
||||
## 출력
|
||||
|
||||
```
|
||||
{
|
||||
"summary": "종합 요약",
|
||||
"key_concepts": [...],
|
||||
"key_facts": [...],
|
||||
"key_procedures": [...],
|
||||
"connections": [
|
||||
{"from": "concept_id", "to": "concept_id", "relation": "prerequisite"}
|
||||
],
|
||||
"learning_objectives": [...],
|
||||
"review_questions": [...]
|
||||
}
|
||||
```
|
||||
@@ -0,0 +1,60 @@
|
||||
# Step 5: 세션 리포트
|
||||
|
||||
## 리포트 형식
|
||||
|
||||
```markdown
|
||||
## 학습 세션: {topic.title}
|
||||
|
||||
### 소스 정보
|
||||
| # | 소스 | 유형 | 신뢰도 |
|
||||
|---|------|------|--------|
|
||||
| 1 | {title} | {type} | {score} |
|
||||
|
||||
### 추출된 지식
|
||||
- **개념**: {count}개
|
||||
- **팩트**: {count}개
|
||||
- **절차**: {count}개
|
||||
- **코드 패턴**: {count}개
|
||||
|
||||
### 핵심 개념
|
||||
1. **{concept.title}**: {concept.definition}
|
||||
2. ...
|
||||
|
||||
### 개념 연결
|
||||
- {개념A} → (전제) → {개념B}
|
||||
- {개념C} → (예시) → {개념D}
|
||||
- ...
|
||||
|
||||
### 학습 목표
|
||||
- [ ] {학습 목표1}
|
||||
- [ ] {학습 목표2}
|
||||
- ...
|
||||
|
||||
### 복습 질문 (미리보기)
|
||||
1. {question1}
|
||||
2. {question3}
|
||||
3. ...
|
||||
|
||||
### 다음 단계
|
||||
- 자기 평가 루프 시작
|
||||
- 예상 문제 수: {count}개
|
||||
- 예상 소요 시간: {minutes}분
|
||||
```
|
||||
|
||||
## 메모리 저장 형식
|
||||
|
||||
리포트 생성 후, 다음 형식으로 메모리에 저장:
|
||||
|
||||
```json
|
||||
{
|
||||
"session_id": "session_id",
|
||||
"topic": "topic_title",
|
||||
"concepts": [...],
|
||||
"facts": [...],
|
||||
"procedures": [...],
|
||||
"code_patterns": [...],
|
||||
"connections": [...],
|
||||
"source_refs": [...],
|
||||
"timestamp": "ISO timestamp"
|
||||
}
|
||||
```
|
||||
Reference in New Issue
Block a user