🤖 Agentic 全难度 📦

engram

Claude Code 的证据驱动学习引擎——第一性原理课程、自由回忆验证、FSRS 间隔记忆调度

📊 评分明细

📦 打包完整度
2 2 / 2.5
🎯 实用性
2 2 / 2.5
📖 文档清晰度
1.6 1.6 / 2
👥 社区影响力
1.2 1.2 / 1.5
🔗 集成度
1.2 1.2 / 1.5

🎯 适用场景

开源免费Skill系统教育编程

engram 快速入门

Claude Code 的证据驱动学习引擎——第一性原理课程生成,自由回忆验证,FSRS 间隔记忆调度。

这是什么?解决什么问题?

engram 是 Claude Code 的一个学习 Skill,它将认知科学中的「证据驱动学习」方法论带入 AI Agent。核心理念是:真正的学习不是被动阅读,而是主动回忆和验证。engram 会从第一性原理出发生成课程,然后通过自由回忆(Free Recall)验证你的掌握程度,再使用 FSRS(Free Spaced Repetition Scheduler)算法调度复习时间。

对学习者来说,engram 解决的是「学完就忘」的问题——传统的线性学习路径效果差,间隔重复和主动回忆是科学验证最高效的学习方法。

适合:Claude Code 用户的系统化学习、需要深入理解复杂概念的场景、AI 辅助知识内化、间隔重复驱动的技能掌握。

准备工作

  • Claude Code 已安装并配置
  • Python 3.10+
  • 对学习目标有基本了解

3 步快速上手

第 1 步:安装

git clone https://github.com/nagisanzenin/engram.git
cp -r engram ~/.claude/skills/

第 2 步:启动学习会话

在 Claude Code 中:

使用 engram Skill,帮我系统学习「Transformer 注意力机制」,从第一性原理出发

第 3 步:自由回忆验证

engram 会在学习后启动自由回忆验证:

请在不看笔记的情况下,写出 Transformer 注意力机制的核心计算步骤

你的回答会被评估,engram 会根据你的掌握程度安排下一次复习时间。

进阶用法

FSRS 间隔调度

engram 使用最新的 FSRS 算法,比传统的 SM-2(Anki 使用的算法)更精准。FSRS 会根据你的每次回忆表现动态调整复习间隔,而不是固定的「1 天、3 天、7 天」。

探索性学习路径

除了结构化课程,engram 支持探索性学习:

使用 engram 的探索模式,让我自由探索「大语言模型的对齐技术」

engram 会生成一个知识图谱,你可以点击感兴趣的概念深入。

学习统计

engram stats
# 显示: 学习时长、回忆准确率、知识保留率、下次复习时间

常见问题 FAQ

Q1:engram 和 Claude Mem 有什么区别?

A:Claude Mem 是会话记忆(记住你之前说过什么),engram 是学习引擎(帮你系统化学习知识)。Claude Mem 是被动记录,engram 是主动训练。

Q2:和 Anki 有什么区别?

A:Anki 是面向人类的间隔重复工具,需要手动制作卡片。engram 面向 AI Agent,自动生成课程和验证。engram 使用更先进的 FSRS 算法(Anki 默认 SM-2)。

Q3:支持哪些学习内容?

A:任何文本知识都可以。编程、数学、科学、语言、历史等。engram 会根据内容类型调整课程生成策略。

参考链接

📊 评分与标签

评分说明

总分 8.0/10 · S_入选

📊 可观测社区指标(数据核验日期:2026-07-08)

📦 可安装性 2.0/2.5

  • GitHub 直接安装,Claude Code Skill 即插即用
  • Python 实现,依赖少
  • 来源:engram GitHub
  • 对比 Claude Mem:engram 安装类似,均为 Claude Code Skill
  • 对比 Anki:engram 是 Agent Skill vs Anki 是独立应用

🎯 实用性 2.0/2.5

  • 证据驱动学习理念创新,FSRS 算法先进
  • 第一性原理课程生成 + 自由回忆验证
  • 来源:engram GitHub
  • 对比 Claude Mem(会话记忆):engram 是主动学习引擎 vs Claude Mem 是被动记录
  • 对比 Anki(间隔重复):engram 面向 AI Agent vs Anki 面向人类,FSRS 更先进

📖 文档质量 1.5/2.0

  • README 清晰,核心概念解释到位
  • 缺少深入的使用教程和案例
  • 来源:engram GitHub
  • 对比 trailofbits-skills(详细文档):engram 文档较简
  • 对比 Anki(成熟文档):engram 文档和社区资源有差距

👥 社区活跃 0.8/1.5

  • 366 Stars,48 forks,社区初期
  • 2026-07-05 创建,3 天项目
  • 来源:engram GitHub
  • 对比 Anki(10 年+社区):engram 社区规模极小
  • 对比 Claude Mem:engram 社区规模相当

🔗 兼容性 1.0/1.5

  • Claude Code 专用,兼容性受限
  • Python 实现,可扩展但需适配
  • 来源:engram GitHub
  • 对比 Anki(全平台):engram 仅 Claude Code
  • 对比 Claude Mem(Claude Code 内置):engram 需额外安装

🏷️ 标签说明

  • 开源免费: MIT。来源: GitHub
  • Skill系统: Claude Code 学习 Skill。来源: GitHub
  • 教育: 证据驱动学习。来源: GitHub
  • 编程: Claude Code 集成。来源: GitHub

📋 来源与核验记录

  • ✅ 已核验: engram GitHub — Stars 366,Forks 48,MIT
  • ⚠️ 未验证(需安装): 证据驱动学习实际效果 — 需 Claude Code 测试
  • ⚠️ 未验证: FSRS 调度准确性 — 需长期学习验证