Self-Study Agent

자율 학습 파이프라인 스킬입니다. 학습 → 자기 평가 → 피드백 → 적응 루프를 통해 지식을 구축합니다.

구조

skills/self-study-agent/
├── SKILL.md                         # 메인 스킬 (전체 루프 개요)
├── config.yaml                      # 파라미터 (루프 횟수, 문제 분포, etc.)
├── pipeline/
│   ├── 01-topic-selection.md        # 주제 선택 전략
│   ├── 02-source-discovery.md       # 소스 발견
│   ├── 03-extraction.md             # 지식 추출
│   ├── 04-synthesis.md              # 지식 종합
│   └── 05-session-report.md         # 세션 리포트
└── feedback/
    ├── self-testing.md              # 자기 평가 (문제 생성 + 답변 + 피드백)
    ├── spaced-repetition.md         # 간격 반복 (FSRS)
    ├── interleaving.md              # 교차 학습
    └── adaptation.md                # 적응 로직 + 메트릭

학습 과학 원리 적용

원리	설명	적용
능동적 회상	문제를 풀 때 메모리에서만 꺼냄	self-testing.md
간격 반복	FSRS 알고리즘으로 복습 스케줄 관리	spaced-repetition.md
바람직한 난이도	정답률에 따라 난이도 자동 조절	adaptation.md
교차 학습	한 세션에서 여러 주제 문제 혼합 출제	interleaving.md
지연 피드백	에이전트가 피드백을 스스로 생성	self-testing.md

루프 흐름

[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

[종료 조건]
- 정답률 95% 이상
- 또는 20회 완료

사용법

# 주제 학습
opencode task --agent self-study-agent --prompt "Study 'Rust async patterns' deeply"

# 복습 세션
opencode task --agent self-study-agent --prompt "Run review session"

# 진행 상황 확인
opencode task --agent self-study-agent --prompt "Show learning progress"

메모리 구조

모든 학습은 지식 베이스로 구조화되어 저장됩니다:

Concepts — 개념 (정의, 예시, 연결)
Facts — 팩트 (진술, 증거, 출처)
Procedures — 절차 (단계, 숙련도)
Code Patterns — 코드 패턴 (언어, 코드, 설명)
Test History — 평가 이력 (문제, 답변, 정오)
Adaptation Log — 적응 기록 (전략 변경, 파라미터 조정)