self-learn-agent（知识消化 + 抗遗忘间隔重复）
把读过的书、上过的课、踩过的坑，真正"长"进自己的知识库，而不是读完就忘。
主动触发
本 Agent 不是一个被动清单，而是一个会主动干活的学习引擎。以下情形应主动调用：
- 读完一章书/一节课程，需要把它拆成可回忆的原子知识点并落库时。
- 临近复习时点，需要按遗忘曲线自动排程、列出今日待复习清单时。
- 想验证"我是不是真会了"，需要做主动回忆测试（测试效应）时。
- 想加深理解，需要对某概念自问"为什么/如何/与什么相关"（精细质询）时。
- 想提升迁移，需要把易混概念混排成交错练习序列时。
- 周期性（每周/每月）需要掌握度报表、识别高风险遗忘点时。
触发后默认动作：先用 ingest 消化新点，再按 review/quiz/elaborate/interleave 循环固化，最后用 report 反查。所有动作都在数据目录留下 knowledge.jsonl 与 events.jsonl 实物证据，可逐条复核。
它解决什么
大多数人学习的真实瓶颈不是"输入少"，而是"留不住、用不出"：
- 读完即忘——缺乏按遗忘曲线的间隔复习（Ebbinghaus 1885；Cepeda 2006）。
- 看懂错觉——重读带来流畅感误判为掌握（Koriat 1993；Dunlosky & Bjork 2008）。
- 浅层加工——停在记忆层，未走到理解/应用/创造（Bloom 1956/2001）。
- 集中无效——同类狂刷不如交错混练（Rohrer 2012）。
- 意义缺失——被动接收而非生成（Fiorella & Mayer 2015）。
本 Agent 用六个子命令把上述每条都变成可执行动作。
引擎与用法
引擎位于 scripts/learn.py（纯标准库，无需第三方依赖）。所有子命令通过 --data 指定数据目录（默认 self_learn_data）。
# 1. 消化一条知识（书/课/论文/经验）
python scripts/learn.py ingest --source "《认知心理学》" --title "第3章" \
--concept "工作记忆容量有限" --note "一次约保持4±1个组块" --tags "记忆,认知"
# 2. 列出今日待复习（有高风险点则返回退出码 1）
python scripts/learn.py review
# 3. 记录一次复习成绩（0-5，≥3 通过，推进 Leitner 盒与间隔）
python scripts/learn.py review --id "#1" --grade 5
# 4. 主动回忆抽题 / 记录回忆成绩
python scripts/learn.py quiz --count 5
python scripts/learn.py quiz --id "#1" --recall 0.8
# 5. 精细质询：为什么 / 如何 / 与什么相关
python scripts/learn.py elaborate --id "#1" --why "..." --how "..." --relate "..."
# 6. 交错练习序列（按日期确定性混排）
python scripts/learn.py interleave --tags 方法 --count 6
# 7. 掌握度报告（默认落到 reports/，可 --out 指定）
python scripts/learn.py report
退出码约定：0 正常；1 需关注（存在高风险/薄弱知识点，优先处理）；4 系统性警报（数据目录不可读写等）。
理论地图（12+ 条，均带出处）
| 理论 | 核心结论 | 出处 | 对应子命令 |
|---|---|---|---|
| Bloom 分类学 | 学习深度分六层，须从记忆走到创造 | Bloom (1956)；Anderson & Krathwohl (2001) | ingest/elaborate |
| 艾宾浩斯遗忘曲线 | 不复习则先快后慢流失 | Ebbinghaus (1885)；Murre & Dros (2015) | review |
| 间隔效应 | 分散练习优于集中练习 | Cepeda et al. (2006)；Pashler et al. (2007) | review |
| 测试效应 | 主动提取比重读更牢 | Karpicke & Roediger (2008)；Roediger & Karpicke (2006) | quiz |
| 生成式学习 | 用自己的话/图/教生成意义 | Fiorella & Mayer (2015)；Mayer (2009) | ingest/elaborate |
| 精细质询 | 自问"为什么"织入语义网 | Pressley et al. (1987)；Chi et al. (1994) | elaborate |
| 交错练习 | 混排易混主题提升辨别 | Rohrer (2012)；Rohrer & Taylor (2007) | interleave |
| 元认知监控 | 流畅感≠掌握，需测试校准 | Koriat (1993)；Hart (1965)；Dunlosky & Bjork (2008) | report/quiz |
| 认知负荷理论 | 砍外在、控内在、投关联 | Sweller (1988)；Sweller et al. (2011) | ingest/interleave |
| 双重编码 | 文字+图像双通道冗余 | Paivio (1971, 1986) | ingest/elaborate |
| 可取难度 | 当下费劲的提取更牢 | Bjork & Bjork (1992, 2011) | quiz/review/interleave |
| Leitner/SM-2 算法 | 间隔排程的工程实现 | Leitner (1972)；Wozniak (1987) | review |
每一条理论的详细论证见 references/ 下对应长文（均含可核验年份/期刊/书名）。
数据产物（实物证据）
knowledge.jsonl：每个原子知识点的状态（盒、间隔、掌握度、回忆史、质询记录）。events.jsonl：追加式事件日志，所有动作可溯源。notes/<id>.md：每条知识的消化笔记，随质询持续更新。reports/mastery-<date>.md：掌握度报表，含薄弱/高风险清单与全量表格。
资源库
resources/learning-strategies.json：12 条学习策略与理论绑定。resources/spacing-algorithms.json：Leitner/SM-2/Pimsleur 与掌握度、风险规则。resources/knowledge-sources.json：书/课/论文/经验四类来源模板与标签体系。
文件导航
- 上手与示例：
README.md - 常见问题：
FAQ.md - 自评与溯源：
SELF_EVAL.md、CHANGELOG.md - 样例库：
examples/sample-knowledge-log.md - 理论深读：
references/下 11 篇
