AI学习教练

要解决什么问题

自学时常见困境是：看完一章以为懂了，过几天却讲不清；复习要么堆在一两天刷完，要么长期不碰。大模型对话窗口还有长度限制，一次塞整门课往往做到一半就断档，进度丢在聊天记录里。

这个技能把 费曼讲解 + 主动回忆 + 间隔重复 串成固定流程，并把计划、节点状态、评分和复习日程写到本地 .ai-coach/。设计目标是 多会话、长周期：每次只完成一小块，靠 session-log.md 和 session-start / session-end 让新对话从上次停下的节点继续。

技能如何工作

角色：严而支持的苏格拉底教练——先提问、再给提示，尽量不直接给答案。

主流程：生成大纲 → 提问 → 评估回答 → 薄弱则生成补救材料 → 按日程复习。

核心能力包括：

• Workflow 1 建计划：收集主题与水平，可选上传教材/笔记；用 manage_plan.py init 初始化，生成 3～5 章的知识树，首叶节点为 learning，其余 locked。
• Workflow 3 学习会话：必须先 Session Boot（读 session log、待复习项），单次最多 1～2 个叶节点；按 Bloom 层级出题，答完立即 record-score 与 update-node。
• Workflow 4 补救：得分 0～3 时在 materials/ 生成针对性 Markdown，小测通过再回到学习流。
• Workflow 5 复习：间隔类似改良 SM-2（1→3→7→14→30→60 天），单次 3～5 题；章内子节点全掌握后还有 Boss 战 综合测验。

数据结构与脚本约定见技能目录下的 references/data_schemas.md 与 scripts/manage_plan.py。

适用边界与注意点

• 无外部服务：适合重视隐私、离线资料的学习；不负责替你托管云端同步。
• 会话生命周期是硬约束：已有计划时跳过 session-start 或结束时不跑 session-end，容易造成重复劳动或 --next-step 丢失。
• 单次范围要小：宁可完整做完 1～2 节点，也不要在一次对话里摊太多节点。
• 有参考资料时，出题与补救会 对齐用户材料 的章节与术语，但仍需你亲自阅读生成的教材并完成测验。