让每天的提问，成为下一次学习的起点。
一个面向考研与长期自学的开源 AI 学习项目：平时照常向 AI 提问，保存实际做题过程，定期回看记录，再带着对学习者的新理解继续教学。
轻量的是记录过程。题目、思路、提示、错误、修正和做题策略，实际发生了多少，就尽量保留多少有用信息。学习者专心学习，记录和后续分析各自完成。
了解日常使用 · 运行演示 · 搭建自己的档案 · 配置定期复盘
可以发一道题、检查自己的步骤、追问一个概念，也可以直接给出完整解法。AI 按当前问题讲解和反馈；需要时再做针对性练习。
一道直接做出的题，可以只有简短记录。经历了几轮尝试的题，可以保留最初构造、关键推导、接受过的提示、系数错误以及后来的理解。有真实用时就记录，没有就留空。保存前不要求补齐一份评估清单。
以下是虚构的使用示例：
今天练习复合函数求导，最初漏乘内层导数。AI 提醒链式法则后，我补上了这一项，重新计算得到正确结果。用时没有记录。
这已经是一条有价值的学习记录。提示后的正确会按实际经过保存。
配置独立的 GPT 复盘后，它可以阅读累积记录，关联同一道题的不同阶段，整理近期进步、反复出现的问题和仍需观察的地方，更新一份有来源依据的文字学习画像。复盘可以按每天或其他适合自己的周期运行。
新对话读取最新画像和当前问题需要的记录。AI 据此选择更合适的解释、提示或复习内容；学习者随时可以纠正它。原始记录继续保留，后续判断可以修订。
日常使用与复盘配置说明了如何把这些环节接起来。
| 部分 | 保存或生成什么 | 什么时候使用 |
|---|---|---|
| 学习记录 | 真实题目背景、实际步骤、提示、错误、修正，以及已知的时间等信息 | 平时随手保存；内容可以简短，也可以详细 |
| GPT 文字画像 | 对多条记录的关联理解、近期表现、教学建议和待验证判断 | 单独复盘；供后续对话参考 |
| 正式事件与数值模型 | 满足评估契约的作答证据、可重建状态、记忆与技能参考 | 需要正式评估、模型分析或调度时使用 |
保存记录不依赖分析成功。 GPT 画像和数值模型分别运行；当前数值模型主要读取正式事件，开放记录不会自动变成掌握度分数。一次提示后做对，也不会被记成独立完成或长期掌握。
公开的 Core 提供通用工具，每位使用者自己的 Vault 保存私人学习资料。二者分开，可以在更换设备或交互工具时继续使用自己的档案。
| 能力 | 当前状态 |
|---|---|
| 开放式事实记录 | 已实现；通过 save_study_record 独立保存，无需完整评估 |
| 正式学习证据与状态重建 | 已实现；区分独立作答、辅助表现和诊断证据 |
| 重复请求处理与保存确认 | 已实现；由工具和工作流处理，日常成功确认可以简短显示“已记录” |
| 本地演示、命令行和 HTML 报告 | v0.5.0 已提供 |
| 课程先修关系与针对性探针 | 已提供契约和示例；实际覆盖取决于配置的课程 |
| 记忆拟合、可选 FSRS 与技能参考 | v0.5.0 实验能力；真实学习效果和人群校准待验证 |
| 定期 GPT 阅读记录并更新文字画像 | 提供接入方案；需在自己的 AI 与存储环境单独配置 |
当前发布版本是 v0.5.1。本仓库提供 Python 工具、文档和集成方式；账号服务、GitHub 云端归档和定时 GPT 任务需要各自接入。下载代码不会自动开启这些服务。
需要 Git 和 Python 3.12。基础运行使用 Python 标准库。
git clone --branch v0.5.1 https://github.com/wysking/postgrad-study-engine.git
cd postgrad-study-engine
python -m scripts.study demo --vault ../fictional-study-demo打开演示目录中的 reports/demo.html，可以看到一段跨 14 天的虚构学习经历：独立正确、提示后修正、后续失败和复测各有记录。首次运行使用不存在的目标目录；演示拒绝覆盖已有目录。
演示展示 Core 的记录与模型行为。它没有运行云端 GPT 复盘，也没有导入任何真实学习者的数据。
从首次接入指南建立空白私人 Vault，再选择适合自己的使用方式：
- 本地使用：用 CLI 保存记录、查看状态和生成报告。
- 日常对话使用：将 AI 交互工具连接到自己的存储与归档工作流，正常教学时保存实际经过。
- 定期复盘：给独立 GPT 任务读取记录、更新分析文件的权限，设置周期；后续对话读取最新画像。
云端复盘需要执行环境能在后台调用模型并访问私人仓库。如果使用本地任务，电脑需要在任务运行时可用。具体接入、权限和首次试运行方法见日常使用指南。
不需要。保存实际知道的内容即可。AI 可以从对话中整理事实，不应为了归档追问一堆字段，也不能替你补造缺失的信息。
记录沿用已经发生的学习内容。直接完成就简记，有多轮推导就尽量保留关键过程。分析放在独立复盘中；分析失败也不影响已经保存的记录。请求编号等技术细节由集成处理，具体契约放在开发文档中。
仅仅保存不会触发理解。需要给复盘任务接入原始记录，设置明确的阅读范围和输出位置；后续对话也要读取更新后的画像。这个流程需要单独配置，模型判断仍可能出错。
不会。文字画像提供可修订的教学理解；正式数值评估有自己的证据条件和计算入口。它们可以参考同一段学习经历，但不会把同一题的草稿、提示和修正当成多次独立成功。
考研是项目的起点。记录与复盘方式也可用于长期自学；具体课程、学科关系、题目来源和学习计划由使用者配置。公开仓库不附带完整题库。
尚未证明。测试和虚构演示验证软件行为；合成校准报告不代表真实人群验证。记忆和技能输出目前是教学参考。
通用 Core 保持可复用，个人资料、真实记录和衍生画像留在各自的私人 Vault。历史学习事件只追加，状态可以重建；引擎升级通过精确版本锁定独立采用。
| 想了解什么 | 文档入口 |
|---|---|
| 普通学习与定期复盘如何连接 | 日常使用与复盘 |
| 初始化、演示和本地使用 | 首次接入、学习工具与模型 |
| 云端归档、请求与持久化 | 跨端工作流、移动请求、开放记录契约 |
| 正式证据、课程与模型 | 数据契约、Schema、全局调度 |
| 发布历史和研究方向 | CHANGELOG、模型路线图 |
| 维护与贡献 | AGENTS.md、变更流程 |
欢迎通过 Issues 和 Pull Requests 提出问题与贡献。复现材料请使用虚构数据，个人档案和第三方付费资料留在私人存储中。