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/04-synthesis.md

@@ -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": [...]
+}
+```