Skills/Study
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

self-study-agent: self-driving loop, no memory format details, auto_repeat config

Browse Source 
- Replace static pipeline diagram with self-driving loop (check memory → decide → execute → repeat)
- Remove detailed memory structure JSON schemas from all files
- Remove honcho-specific storage strategy from skill (storage is caller's responsibility)
- Add auto_repeat section to config.yaml (enabled, max_sessions_per_chat, stop_conditions)
- Add rule 8 (auto-repeat) and rule 9 (termination conditions) to execution rules
- Add session transition logic to adaptation.md (due cards → review, incomplete → study)
This commit is contained in:
Hana
2026-06-19 11:43:34 +09:00
parent 9afc5f4491
commit ab79a2a72b
7 changed files with 65 additions and 211 deletions
Download Patch File Download Diff File Expand all files Collapse all files
skills/self-study-agent/SKILL.md
+39 -77
View File
@@ -13,34 +13,30 @@ dependencies: [websearch, webfetch]
**이 스킬은 학습과 평가만 담당합니다.** 메모리 저장은 에이전트가 처리합니다.
## 전체 루프
## 실행 구조
한 번의 실행으로 에이전트가 메모리 상태에 따라 자동으로 다음을 반복합니다:
```
┌─────────────────────────────────────────────────────────────────────────┐
│ 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 │
│ │
└─────────────────────────────────────────────────────────────────────────┘
[시작]
│
├─ 1. 메모리 확인
│ ├─ due 카드 존재 → 복습 세션 실행
│ ├─ 미완료 주제 존재 → 새 학습 세션 실행
│ └─ 모두 완료 → 새 주제 탐색
│
├─ 2. 학습/복습 세션
│ ├─ Phase 1: 주제 선택 → 소스 발견 → 추출 → 종합
│ └─ Phase 2: 자기 평가 루프 (최대 20회)
│
├─ 3. 결과를 메모리에 저장
│
└─ 4. 다시 1번으로 → 반복
(종료 조건 충족 시까지)
```
**종료 조건**: due 카드 0, 미완료 주제 0, 최대 세션 도달
## 파이프라인 단계
| 단계 | 파일 | 설명 |
@@ -64,68 +60,34 @@ dependencies: [websearch, webfetch]
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
3. **모든 학습 결과는 메모리에 저장**
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]
```
8. **자동 반복** — 세션 종료 후 메모리를 확인하여 due 카드/미완료 주제가 있으면 즉시 다음 세션을 자동으로 실행
9. **종료 조건** — due 카드 0, 미완료 주제 0, 최대 세션 도달 시 종료
## 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
[실행 시작]
→ 메모리 확인: due 카드 없음, 미완료 주제 "Rust Async"
→ 새 학습 세션 시작
[학습 세션]
주제: Rust Async
소스: rust-lang.org, tokio.rs
추출 → 종합 → 메모리에 저장
[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
1회: "Rust의 Future란?" → 정답
2회: "Tokio에서 spawn은?" → 정답
3회: "Async/Await의 차이점은?" → 오답 → 피드백 → 재학습
...
20회: 정답률 92% → 종료 → 메모리에 저장
[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
[자동 반복]
→ 메모리 확인: due 카드 3개 (복습 필요)
→ 복습 세션 자동 실행
```
skills/self-study-agent/config.yaml
+9
View File
@@ -68,6 +68,15 @@ interleaving:
mix_previous_sessions: 3 # 이전 세션 주제 포함 수
mix_ratio: 0.3 # 이전 주제 비중
# 자동 반복 설정
auto_repeat:
enabled: true
max_sessions_per_chat: 5
stop_conditions:
- no_due_cards
- no_incomplete_topics
- max_sessions_reached
# 적응
adaptation:
# 정답률 기반 적응
skills/self-study-agent/feedback/adaptation.md
+9 -37
View File
@@ -129,44 +129,16 @@ for each 주제 in 메모리:
→ easy=0.35, medium=0.45, hard=0.20
```
## 적응 이력
## 세션 간 전이
적응 변경 시 메모리에 기록:
세션 종료 시 메모리 상태에 따라 다음 행동을 자동으로 결정합니다:
```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)"
}
]
}
```
[세션 종료 → 다음 행동 결정]
├── due 카드 > 0 → 복습 세션 실행
├── 미완료 주제 존재 → 새 학습 세션 실행
├── 모든 주제 마스터 완료 → 새 주제 탐색
└── 모두 완료 → 종료
```
## 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
}
]
}
```
적응 변경 내역과 메트릭 이력을 메모리에 저장합니다.
skills/self-study-agent/feedback/interleaving.md
+1 -24
View File
@@ -69,27 +69,4 @@ interleaving:
- 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
}
}
```
교차 학습 세션 구성을 메모리에 저장합니다.
skills/self-study-agent/feedback/self-testing.md
+1 -27
View File
@@ -122,33 +122,7 @@
## 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"
}
```
정답 시에는 해당 개념의 신뢰도를 높이고 간격을 늘립니다. 오답 시에는 신뢰도를 낮추고 간격을 초기화하며 약점을 기록합니다. 결과를 메모리에 저장합니다.
## Step 5: 적응
skills/self-study-agent/feedback/spaced-repetition.md
+1 -25
View File
@@ -113,28 +113,4 @@ interval = max(min_interval, min(interval, max_interval))
└── 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
}
}
```
카드 데이터와 통계를 메모리에 저장합니다.
skills/self-study-agent/pipeline/05-session-report.md
+5 -21
View File
@@ -35,26 +35,10 @@
2. {question3}
3. ...
### 다음 단계
- 자기 평가 루프 시작
- 예상 문제 수: {count}개
- 예상 소요 시간: {minutes}분
### 다음 단계 (자동)
- 복습 예정 카드: {count}개 → 복습 세션 자동 시작
- 또는 미완료 주제: {topic} → 새 학습 세션 자동 시작
- 또는 모든 완료 → 새 주제 탐색
```
## 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"
}
```
리포트와 세션 결과를 메모리에 저장합니다.