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

skills/self-study-agent/pipeline/03-extraction.md

@@ -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
+}
+```