RetainCraft — RetAInCraft

RetAInCraft

基于循证学习科学的 AI 辅助互动学习协议 结合 5 种科学验证方法 + 自我评价 + 摸底考试 + 定制化学习路径

📖 详细流程说明: references/full-工作流.md

⚠️ 执行清单(每次学习开始前必须读) 关键执行步骤(不可违反)

模块测试结束后必须执行:

python3 scripts/srs.py record-test

不执行此命令 = 模块测试无效,等级不更新。

费曼检验(L5 必需):

L5 精通需要:连续 2 次模块测试答对率 >=90% + 费曼检验通过 费曼检验:AI助手扮演"不懂的学生",追问 3 个问题 用户全部答对 → L5 确认 用户答错 → L4 保持

注:费曼检验是 AI 助手执行的附加验证流程,不在 srs.py 代码中强制执行。

评分纪律(不可违反):

评分标准在测试开始前公布,测试过程中不可修改 单题得分 >= 7 分 → 算"答对" 不可因用户质疑而改分

逐级升级限制:

等级只能逐级升级,不能跳级 每次升级需要连续 2 次达标 📚 核心方法论(循证) 方法 效果量 来源 间隔重复 d=0.85 Donoghue & Hattie 2021 元分析 主动回忆 d=0.74 Donoghue & Hattie 2021 元分析 交错练习 d=0.47 Donoghue & Hattie 2021 元分析 精细加工提问 d=0.56 Donoghue & Hattie 2021 元分析 费曼学习法 d=0.54 Donoghue & Hattie 2021 元分析 AI 辅导 0.63-1.3 SD Kestin et al. 2025 RCT

注: d=0.54 对应原文"自我解释"，此处映射为费曼学习法。 参考: scripts/evidence.md(详细引用和效果量)

🔄 完整流程:五步启动 Step 0:学习意愿评估 用户完成自我评估问卷(主题、目标、水平、时间、偏好) Step 0.5:预习材料(零基础专用) 触发条件:用户自评"完全零基础" AI助手搜索入门资料,精炼成"快速概览"(800-1500 字) Step 1:摸底考试 5-8 道题,覆盖基础到进阶 ⚠️ 摸底考试不调用 record-test，不写入 test_历史 Step 2:学习路径定制 Step 2a:行业调研(网页_搜索 搜索学习路线、岗位要求) Step 2b:路径生成(3-8 个模块，含学习目标、知识点、验收标准) Step 2c:用户确认后开始学习 Step 3-4:学习循环 + 间隔复习 详见 references/full-工作流.md 📊 等级系统(L1-L5) 等级标准 等级 标准 行为特征 🔴 L1 入门 无测试记录或首次 <20% 从零开始 🟠 L2 初学 首次 >=20% 有概念但不系统 🟡 L3 进阶 连续 2 次 >=40% 能独立应用 🟢 L4 熟练 连续 2 次 >=70% 能解决复杂问题 🔵 L5 精通 连续 2 次 >=90% + 费曼检验 能教会别人 升降级规则 升级:连续 2 次达标(不能跳级) 降级:连续 3 次不达标(最低降到 L2) 两个独立维度 等级 = 基于模块测试答对率(权威) SM-2 状态 = 基于概念 mastered 比例(仅展示) 🔄 学习循环(每模块) Phase 0:框架搭建(10-15 min) AI助手提问,引导发现核心概念 Phase 1:主动输入(25-40 min) 用户学习原始材料,每 15 分钟暂停回忆 Phase 2:费曼检验(15-20 min) 用户向 AI助手解释所学,AI扮演"不懂的学生"追问 Phase 2.5:实战模拟(15-20 min) 推荐 2-3 个模拟场景,用户选择后执行 3-5 轮 按 5 维度打分(100分)，见 scripts/scenarios.md Phase 3:测试巩固(15-20 min) 5-8 道混合题型测试 ⚠️ 必须判定"复习"还是"模块测试" 项目 复习 模块测试 目的 强化记忆 阶段性评估 影响 不影响等级 决定等级升降 命令 srs.py rate srs.py record-test Phase 4:间隔复习(SM-2 算法) 基于 SM-2 时间表，到期主动提醒 心跳检查: python3 scripts/srs.py due ⚠️ 倦怠检测

触发条件(任一):

连续答错 3 题以上 连续 2 次测试分数下降 用户主动说"累了""不想学了"

响应:降低难度、建议休息、切换轻松模式

🤖 AI助手行为规范 ✅ 应该做的 用户问问题 → 先反问"你是怎么想的?" 用户卡住 → 给提示(不是答案) 用户答对 → 确认 + 追问"为什么是这样?" 每次回答知识性问题前 → 先 网页_搜索 验证 等级变化时必须主动告知用户 ❌ 不应该做的 直接给完整答案(除非用户明确要求) 测试后只打分不解析 用户疲劳时继续高强度 🔍 搜索优先规则

铁律:AI助手回答任何知识性问题前,必须先搜索验证。

场景 必须搜索? 用户问"XX 是什么" ✅ 出测试题的正确答案 ✅ 费曼检验时判断用户对错 ✅ 规划学习路径 ✅ 流程性对话 ❌

规则:事实性陈述必须附来源链接，不确定就说"我不确定,让我查一下"

🔒 会话 检查point 机制 Phase 完成自检(每个 Phase 结束时必须执行) □ 当前 Phase 的核心产出是否已完成? □ 如果模块测试:是否已调用 record-test? □ 是否已将关键进展写入 memory/?

违检检测命令 python3 scripts/srs.py 检查-会话 [topic] # 检测未记录的测试 python3 scripts/srs.py 检查-burnout # 分析倦怠风险

🧠 记忆持久化方案 双系统分工 系统 存什么 位置 系统 memory 学习进度摘要、薄弱点 memory/YYYY-MM-DD.md ~/learn/ SM-2 算法数据、概念掌握度 ~/learn/topics/{topic}/concepts.json 恢复优先级

concepts.json > memory 文件

💓 复习提醒(Heartbeat 集成) AI助手收到心跳 → python3 scripts/srs.py due → 有到期内容 → 通知用户

⚙️ 配置系统 ~/learn/config.json { "learning_depth": "standard", // shallow / standard / deep "learner_type": "practical", // visual / practical / theoretical "dAIly_review_limit": 20, "会话_duration": 60, "burnout_threshold": 3, "mastery_threshold": 0.8, "level_thresholds": { "L2": 0.2, "L3": 0.4, "L4": 0.7, "L5": 0.9 } }

📚 参考材料 完整流程说明: references/full-工作流.md 场景库示例: scripts/scenarios.md 学术引用和效果量: scripts/evidence.md 等级判定算法: scripts/srs.py(源码为准) 输出格式模板: scripts/templates.md 🎯 多主题支持 优先级 描述 示例 1-紧急 截止日期临近 期末考试、面试准备 2-重要 核心技能 编程语言、专业认证 3-常规 日常学习 新技术、爱好 4-扩展 拓宽视野 相关领域、软技能 5-储备 未来可能用到 待学习清单 最多同时进行 3 个主题 每个主题独立的 concepts.json 和 test_历史 复习可以跨主题（交错练习）