Engram
配套媒体
本页对应的 PPT 与演示视频
下载没反应？点这里复制直链
侧边栏预览窗口（Electron webview）会拦截下载，把下面的链接复制到 Chrome / Edge 地址栏打开即可保存。
../../engram-recommend.pptx../../engram-recommend.mp4本文目录
📌 核心价值：Claude 解释过的知识 10 天就忘——这个学习引擎让"考过就记住"，因为它把"解释→测试→排程"做成自动化闭环。
基于 FSRS-4.5 间隔重复算法 + 独立考官盲评盲测 + 第一性原理课程架构，给 Claude Code 装上一个真正懂"学习科学"的学习教练。
🚀 什么是 Engram？
Engram 是一个 Claude Code 插件（plugin），它不是教你一次，是让你一个月后还记得。
Claude 可以解释任何东西——Transformer、相对论、贝多芬奏鸣曲、统计推断——但这些解释往往是"一次性的"。聊完、点头、关掉终端，十天之后你发现什么都没真正记住。
根因：对话没有"你是否真懂"的检测，没有跨会话记忆，没有针对遗忘曲线的复习计划。
Engram 解决这三件事：
- 导师（Tutor）：把主题拆成"必须先理解什么才能理解什么"的概念图，提问→预测→解释
- 考官（Assessor）：独立 sub-agent 盲评盲测，从未看过课程只看评分标准
- 调度器（Scheduler）：用 FSRS-4.5 算法把你每次评价拟合成你的个人遗忘曲线，在你忘之前召你复习
# 安装（Claude Code CLI）
claude plugin marketplace add nagisanzenin/engram
claude plugin install engram@engram
三个 slash 命令立刻可用了：/learn <topic>、/review、/coach。
适合谁用？
- ✅ 科研 / 工程 / 学生：长期积累一个知识体系，需要"学了不忘"
- ✅ AI 教授 / 教师 / 培训师：要做可衡量的"留存统计"
- ✅ Codex / Claude Code 重度用户：想把对话变成可持续的训练日志
✨ 四大模块分工
权力分离设计：导师教学但不评分、考官从不看课程只按 rubric 打分、教练只从回执（receipt）调优、engram.py 永远由确定性代码算所有日期和稳定性值。
核心创新：
- 生成式学习：先预测、再听解释。错的起点比"白板"更有教学价值
- 评估独立性：考官是新 sub-agent，从未见过课程——避免"既要教又要打分"的 LLM 自利偏差
- 可审计：每条评分都写入磁盘 receipt，review 看板可追溯每张回执
🛠️ 快速上手：8 阶段学习闭环
安装完之后，第一次跑 /learn transformers 时会走完整 8 阶段：
为什么是 8 阶段？
传统"看教程"流程：❌ 读 → ✅ 点头 → ❌ 忘。 Engram 流程：✅ 提问 → ✅ 预测 → ✅ 解释 → ✅ 评分 → ✅ 排程 → ✅ 提醒 → ✅ 复习 → ✅ 调优。
安装 / 配置
# 安装 market + plugin
claude plugin marketplace add nagisanzenin/engram
claude plugin install engram@engram
# 验证
python3 ~/.claude/plugins/engram/scripts/engram.py selftest
# 期望：33/33 checks passed
# 第一个主题
/learn transformers
# 收到到期提醒时
/review
# 每周留存统计
/coach
真实对话示例：为什么 σ 不可省略
这是 README 里摘出来的真实一段对话——展示"生成式学习"的力量：
关键设计：「×2 then ×3」——Engram 故意把抽象矩阵降到标量乘法，让学生先在低维上手，再回看高维。"理解"是从挣扎里挤出来的，不是灌输出来的。
📊 Engram vs Anki vs 直接问 Claude
| 对比维度 | Engram (Claude Code Skill) | Anki 卡片 | 直接问 Claude |
|---|---|---|---|
| 教学能力 | 自动生成课程 | 无 | 临时 |
| 独立评分 | 考官盲评 + 磁盘 receipt | 自评无据 | 无 |
| 跨会话记忆 | 本地学习者模型文件 | 卡片数据库 | 无 |
| 间隔排程 | FSRS-4.5 自动拟合 | 内置 SRS 算法 | 无 |
| 非代码主题 | 任意主题通用 | 任意 | 任意 |
| 本地数据 | 100% 本地文件 | 可导出 | 可导出 |
一句话区别
Anki 是"工具"，Engram 是"教练"。
Anki 让你写卡片、自己打分、自己排程。它不教你内容，也不管你对错。 Engram 是 Claude 里长出来的老师：它出题、它讲解、它评分、它排程——而且只关心你是否真的记住了，不管你记的是什么。
💡 适用场景
场景 1：长期 AI 研究学习
功能说明：把"散落在论文、博客、对话里的知识点"沉淀成一个能复习、能查进度、能验证掌握度的体系。例如 /learn llm-attention-mechanism、/learn mamba-ssm、/learn diffusion-model。
输入要求：主题关键词（任何技术 / 概念都接受） 输出效果：概念图 + 自动课程 + 评分回执 + 复习计划 适用场景：科研 PhD、ML 工程师、保持技术常青
场景 2：教师 / 培训师想做"留存数据"
功能说明：/coach 命令给出留存统计仪表板、稳定性曲线、遗忘率分布。每周调优一次，让你"哪个概念学生最难掌握"有据可查。
输入要求：学生使用 /learn 跑过的所有概念
输出效果：HTML 仪表板（engram.py report 生成，自包含无网络）
适用场景：高校教师、企业内训、知识付费博主
重要：仪表板是本地 HTML，不需要服务端——数据隐私天然合规。
场景 3：跨学科"通识学习"
功能说明：Engram 不只教代码。它教历史、统计、解剖学、音乐理论——任何能拆成概念图的主题都行。
输入要求：/learn jazz-harmony、/learn macro-economics
输出效果：和代码主题一样的"概念图→盲评→FSRS 排程"流程
适用场景：通识课、第二专业、退休后兴趣学习
用户群体总结
- ✅ AI 研究 / ML 工程师：长期保持对前沿论文的"记得住"
- ✅ 高校教师 / 学生：让自己的知识体系可审计可衡量
- ✅ Codex / Claude Code 重度用户：把对话变成可持续的训练日志
- ❌ 不适合：只想"快速问一次答案"的人——Engram 是为"想长期记住"设计的
💰 定价与开源协议
完全免费、开源、本地运行：
- ✅ MIT 协议——商用、修改、私有 fork 都允许
- ✅ 零成本运行——除了 Claude API 调用费，没有别的
- ✅ 100% 本地数据——所有学习者模型、回执、误解日志存在
~/.claude/learning/，可读 JSON - ✅ std-lib only——
engram.py只用 Python 标准库，不引入第三方依赖
开源协议： MIT
💡 新用户福利：v0.2.0 起自带 33 项 selftest，一键验证你的 FSRS 算法与状态机都健康。强烈建议安装后立刻跑一次 python3 ~/.claude/plugins/engram/scripts/engram.py selftest
🎯 总结
Engram 是 Claude Code 生态里最值得装的一个 plugin，如果你想让 AI 解释过的东西真正变成你自己的知识。
它做了 3 件普通对话做不到的事：
- 测试你是否真懂（独立考官 + 盲评盲测 + 磁盘 receipt）
- 跨会话记住你的进度（本地学习者模型 + 主题状态 + 概念图）
- 在你忘记前召你复习（FSRS-4.5 算法 + 静默 hook +
/review）
推荐指数：⭐⭐⭐⭐⭐（满分 5 星）
适合人群：长期学习者（不只是"想要答案"的人）
立即安装：
claude plugin marketplace add nagisanzenin/engram
claude plugin install engram@engram
GitHub 仓库：nagisanzenin/engram
数据截至 2026-07-06，最新信息请以官网为准。