self-teach-agent · 自我教学与知识内化引擎

你有没有过这种体验：读了一本书、看了一篇长文，当时觉得"懂了"，过两周一问三不知；或者想学一个新领域，资料一堆却不知道从哪下手、学了后面忘前面。问题不在你笨，而在于学习没有闭环——只有"摄入"，没有"结构化、排课、自测、复现、晋升"这几步。

self-teach-agent 就是把"别人教"这件事，变成自己教自己的引擎。它的「自我」本质很明确：不假外求地让自己学会新知识、把外部原始材料内化成可复用的本领。它不替你读书，而是逼你（或 Agent）把读到的东西走完一整套内化闭环，并在这个过程中留下可被检验的证据。

这套引擎不是凭空编的，它有硬学术根基，下面逐一交代。

一、理论根基：为什么"自己教自己"真能work

1. Self-Instruct（Wang et al., 2022）——"模型教自己"的开山之作

传统做法要让人写海量指令数据来对齐模型，又贵又窄。Self-Instruct 只给模型 175 个人类写的种子任务，然后让模型：
1. 生成新指令（基于种子+先前生成的样例，brainstorm 不同任务）；
2. 分类这是生成型任务还是分类型任务；
3. 实例化（生成对应的输入/输出）；
4. 过滤（ROUGE-L 相似度 > 0.7 的去重、含"图片/图表"等不可处理词的剔除）；
5. 用留下的数据微调原模型。

结果：vanilla GPT-3 在 Super-NaturalInstructions 上 +33% 绝对提升，逼近用私有数据+人工标注训出来的 InstructGPT-001，只差 5%。关键洞见：模型能教自己它已经"潜在会"但执行不稳的能力——这正是 self-teach 的精髓。

2. STaR（Self-Taught Reasoner, 2022）——只保留"对的"

Self-Instruct 的过滤是启发式的（看流畅度、看重复），不验证正确性。STaR 补上了这一刀：让模型生成推理链，再只保留最终答案正确的那些拿去微调。一句话：self-training 要把"不可靠的能力"变"可靠的"——过滤按正确性，不按流畅度。self-teach 的"晋升门禁"正是这一刀的工程化。

3. Curriculum Learning（Bengio et al., 2009）——由易到难

人类学加法先于除法、学残局先于开局。Bengio 把它形式化：训练样本按难度递增呈现，优化轨迹更平滑、收敛更快、泛化更好。核心是两样东西：难度度量 d 和 pacing 函数 g（多快放更难的样本进来）。后续衍生出 self-paced learning（模型自己选当前最有信息的样本先学）、competence-based curriculum（按当前能力门槛渐进放量）。self-teach 的 curriculum.py 就是这套——把要学的一堆主题排成"先修图 + 由易到难"的路径。

4. 间隔重复与遗忘曲线（Ebbinghaus, 1885）——对抗遗忘

人脑不是硬盘，是漏勺。艾宾浩斯遗忘曲线：R = e^(-t/S)，R 是记忆保留率，t 是时间，S 是稳定性。不复习，一天后只剩约 33%。破解之法两条硬证据：
- 测试效应（testing effect）：主动回忆比反复阅读留存高得多；
- 间隔效应（spacing effect）：分散复习比集中突击有效得多。
由此诞生 SM-2 等间隔重复算法（SuperMemo）。self-teach 的 retention.py 把这套变成可计算的"下次复习日 + 遗忘率读数"。

这四块合起来，就是 self-teach 的骨架：Self-Instruct 管"教自己"、STaR 管"只留对的"、Curriculum 管"按什么顺序学"、Ebbinghaus 管"学了别忘"。

二、闭环：self-teach 怎么跑一轮

外部材料(书/论文/网页/对话/代码)
      │
      ▼
[1] 摄入 ingest   → 拆成"知识单元"(概念/定义/为什么重要/例子/关联)
      │
      ▼
[2] 排课 curriculum → 先修图 + 由易到难，排出学习路径
      │
      ▼
[3] 自测 quiz     → 检查每个单元是否"真掌握"(有例子?能回忆?)
      │
      ▼
[4] 间隔复现 retention → 排下次复习日，算遗忘率，到点召回
      │
      ▼
[5] 晋升 promote  → 自测覆盖达标才晋升为"可复用本领"；否则物理拦下

注意第五步是门禁——和 self-verify 一样，self-teach 也不允许"感觉学会了"就放行。必须每个知识单元都具备：概念、定义、为什么重要、至少一个例子、能回忆，才晋升。这直接继承了 STaR "只留对的" 的精神。

三、何时该主动触发 self-teach（主动 Agent）

• 你/ Agent 刚读完一篇长文、一本书、一份文档，想把它变成"自己的东西"而不是"读过"；
• 面对陌生领域，资料很多但无从下手，需要一份由易到难的学习计划；
• 发现学了就忘，需要把已学知识排进间隔复现节奏；
• 想把一个零散能力固化成可复用技能 / 永久记忆（与 self-improvement-agent 衔接）；
• 交付前的"我真的懂了吗"自检——用自测覆盖门禁拦下虚假掌握。

同系列产品（互相独立又可合作）：
- self-evaluate-agent：给任意产出打分反思（评估）
- self-debug-agent：自主复现并修复 bug（修复）
- self-verify-agent：交付前正确性门禁（验证）
- self-optimize-agent：把分数当目标函数做受控实验（优化）
- self-teach-agent：把外部知识内化成本领（教学）——本包

典型协作流：用 self-teach 学一个新框架 → 用 self-evaluate 评自己的理解笔记 → 用 self-verify 验证"我能不能独立用出来" → 用 self-optimize 做实验找最佳实践 → 用 self-improvement 把沉淀成永久记忆。

四、边界与红线

• self-teach 不替你读、不替你理解：它管"闭环与证据"，真正的思考是你（或 Agent）做的。它拒绝"喂一段就声称学会了"。
• 不制造虚假掌握：自测覆盖不达标，promote 直接返回非零退出码，可被 CI / 工作流物理拦下。
• 不绕过正确性：晋升依据的是"有例子+能回忆+覆盖全"，不是"读了多少字"。读得多 ≠ 学得会。
• 材料版权与合规：摄入外部材料仅用于个人内化；不要把未授权内容当作自己"产出"再分发。
• 不是记忆替代品：间隔复现帮你不忘，但复杂技能最终要靠在 self-optimize / self-debug 里真实使用来固化。

五、文件导航（本包 12 个文件，结构随内容走，不套模板）

• SKILL.md：本文件，引擎定义与理论
• scripts/teach.py：主编排（摄入→结构化→自测覆盖→晋升/回滚/汇报）
• scripts/curriculum.py：先修图拓扑排序 + 由易到难路径（可计算硬核 1）
• scripts/retention.py：SM-2 间隔重复 + 遗忘曲线读数（可计算硬核 2）
• resources/sources.json：知识源类型与摄入适配器
• resources/retention_schedule.json：SM-2 间隔参数
• references/teach-theory.md：Self-Instruct / STaR / Curriculum / 遗忘曲线 深解
• references/ingest-method.md：把原始材料变成"自己的知识"的方法
• references/spaced-retention.md：间隔重复与测试效应的实践
• FAQ.md：场景应对与常见疑问
• README.md：上手、命令、退出码
• SELF_EVAL.md：本包用 TRACE 五维自评到 5.0 的整改记录

> 设计取向：和前几个包一样，self-teach 也把"可计算的硬核"拆成独立脚本（curriculum、retention），让"排课"和"不忘"都变成数字，而不是空谈。同时吸收 self-evaluate 获 4.7 分时的评价教训——把"学会的东西自动落为可复用本领"做成零负担动作，不靠人记。