AI 工作流AI 工作流GitHub 源码 ZIP 与原仓库

Engram：面向个人学习的辅导、测评与间隔复习工具

Engram: Personal Learning, Assessment, and Spaced Review

Engram 在 AI 助手中组织学习流程：拆解知识、引导主动回答、独立评估答案，并用 FSRS 安排复习。支持概念学习、操作练习和本地学习看板，学习记录保存在本机文件中。

获取方式

GitHub 源码 ZIP 与原仓库链接

项目语言

Python

下载 GitHub 源码 ZIP

这是固定提交的上游源码快照，与 ENHE 交付包分开提供。

获取工作流

AI 工作流详情

工作流来源于 GitHub仓库；使用前请查看下方的获取方式和核验状态。

应用方向

学习教育

项目类型

工作流

开源许可证

MIT

获取方式

GitHub 源码 ZIP 与原仓库链接

GitHub 星标

1,460 · 2026/10/23

打包核验

本站暂无可下载包

仅提供链接的原因：项目语言不在当前打包测试范围内。

工作流介绍

展示核心功能、适用场景和交付信息。

项目简介

Engram 是面向学习者的 AI 学习工具，以 Python 编写核心引擎，通过插件或技能接入 Claude Code、OpenAI Codex、OpenCode 等助手。它帮助人学习和复习知识，不用于给 AI 助手增加长期记忆。项目将课程规划、对话辅导、独立测评和 FSRS 间隔复习连接起来。FSRS 根据复习记录安排下一次复习时间。学习状态以可阅读的 JSON 文件保存，默认位置为 `~/.claude/learning/`，交互学习材料和本地看板保存在其 `artifacts/` 文件夹中。

项目使用场景

适合希望在 AI 讲解后继续练习、检查掌握程度并定期复习的自学者。README 举例涉及编程、数学、统计、音乐理论和历史等主题。对于概念知识，可以通过预测、回答和复述检验理解；对于需要实际操作的内容，可以先学习示例，再补全步骤，最后独立解决新变式。需要查看学习进度时，可以使用学习地图和本地看板。

项目作用与解决的问题

Engram 针对只阅读讲解、缺少独立作答和后续复习的问题，提供以下流程： - 按知识之间的先后依赖拆解主题，形成学习路线。 - 先要求学习者尝试回答，再给予提示和解释。 - 由独立上下文中的评估者依据评分标准和学习者答案评分，保存评分记录。 - 根据评分记录安排复习，并显示学习进度、记忆保持情况和未来复习安排。 - 为适合操作探索的概念生成带有预测与解释引导的交互材料。本地存储不代表整个 AI 学习过程离线。README 说明，课程规划可能使用学习者提供的主题和目标进行网络搜索；涉及敏感内容时，应避免写入目标，或要求离线规划。资料未提供所接入 AI 平台的费用信息，也不能据此承诺学习效果。

项目使用方法

1. 按下一节完成所选平台的安装，再打开对应 AI 助手。 2. 在 Claude Code 或 OpenCode 中输入 `/learn kalman filters` 开始示例主题，也可以将主题替换为自己想学的内容。Codex 使用 `$learn`；其他平台的命令形式应查看原始仓库对应说明。 3. 按助手提问说明学习目标和已有基础，完成预先测试，并在学习中先尝试预测、作答和用自己的话解释。系统随后根据独立测评结果保存记录并安排复习。 4. 之后使用 `/review` 完成到期复习；Codex 使用 `$review`。概念内容主要通过回忆作答，操作类内容通过解决新变式练习。 5. 使用 `/coach` 查看学习统计、讨论复习安排；Codex 使用 `$coach`。README 还提供 `/coach dashboard` 用于生成本地看板。

项目安装方法

1. 先准备所选 AI 助手，并确认环境中有 `python3`。README 说明核心引擎只使用 Python 标准库，但未给出明确的最低 Python 版本，也未提供各助手本身的完整安装教程；缺少这些条件时，应查阅原始仓库和相应平台说明。 2. 如果使用 Claude Code，在终端依次运行 `claude plugin marketplace add nagisanzenin/engram` 和 `claude plugin install engram@engram`。 3. 如果使用 OpenAI Codex，改为依次运行 `codex plugin marketplace add nagisanzenin/engram` 和 `codex plugin add engram@engram`。进一步配置应查阅原始仓库中的 `INSTALL-CODEX.md`。 4. 如果使用 OpenCode，在现有 `opencode.json` 的 `plugin` 数组中加入 `opencode-engram-learning`。README 说明配置可以位于全局或当前项目；OpenCode 2.0 beta 的细节应查阅 `INSTALL-OPENCODE-V2.md`。 5. 其他平台应按原始仓库对应的安装文档操作。若步骤要求克隆或下载，请从页面下方原始仓库获取对应克隆地址或下载入口；当前资料没有给出所有平台的完整配置步骤，不能直接套用上述命令。本页面仅收录仓库链接，未验证可运行包或核心业务流程。上述步骤来自 README，不代表已经完成安装或运行验证。

来源与使用说明

- 原始仓库：https://github.com/nagisanzenin/engram - 资料版本：0590eb8f008680acbfb5aaa4dbc73bf63ca643dd 本站提供上游仓库链接，未提供经验证的下载包，也未独立验证项目的完整运行流程。本页介绍由 AI 根据上游公开资料整理与翻译；具体能力、安装要求、费用和许可请以原始仓库说明为准。

更新日志

0 条记录

当版本、交付说明或使用建议发生变化时，ENHE AI 会在这里同步重要更新。使用或购买前，请以当前页面说明为准。

用户评论

登录后可以评论。

常见问题

如何获取该工作流？

点击“获取工作流”前往 GitHub 原仓库。本站未为该条目提供下载包，请按原仓库说明获取和使用。

使用前需要确认什么？

请核对原仓库的安装说明、运行环境、版本及本页核验状态。提供仓库链接不代表 ENHE 已验证完整运行流程。

获取后是否包含第三方服务费用和使用许可？

请查看原仓库许可证及各服务方的条款。模型 API、账号、部署资源等依赖可能另有使用条件或费用，请以明确标注的交付范围为准。

Engram：面向个人学习的辅导、测评与间隔复习工具

AI 工作流详情

工作流介绍