Engram是一款基于心理学和神经科学的学习插件，现已上线DSH
内容提要
Engram是一款基于心理学和神经科学的学习插件，支持DeepSeek Harness等八个AI编程平台。它通过概念图分解主题、先预测后教学、盲审评估和FSRS间隔复习，帮助人类真正记住知识，而非增强AI记忆。核心命令包括/learn、/review和/coach，强调科学方法，拒绝流行迷思，纯本地运行。
延伸解读
与AI记忆插件的本质区别
Engram明确澄清自己不是AI的持久记忆插件，而是为人类设计的学习系统。它不给Agent提供记忆或上下文，而是通过概念图、预测试、盲审和间隔复习，确保用户真正掌握知识。这种定位避免了与记忆MCP等工具的混淆，也提醒用户：在AI辅助学习中，提升的是人的能力，而非机器的记忆。
科学方法支撑的设计
Engram的设计基于学习科学中的多项验证成果，如预测试效应、生成效应和间隔重复。它刻意避开流行但未经证实的迷思（如学习风格）。FSRS-4.5算法根据个人复习历史拟合遗忘曲线，确保复习时机个性化。这种科学导向让工具更具可信度，但用户也需注意，其效果依赖于个人坚持使用。
盲审评估的可靠性保障
Engram引入盲审评估官，并公开黄金标准集进行验证。数据显示，在258次盲审中，评估官从未给出高于严格标准的分数，避免了高估风险。这种设计确保评估的保守性，防止用户误以为自己掌握而停止复习。但用户应理解，评估可能偏低，导致额外复习，这是为了安全而付出的代价。
跨平台与本地运行的优势
Engram支持八个AI编程平台，且状态文件夹共享，实现跨工具学习进度同步。纯本地运行、无云服务、无账号，保障了数据隐私和所有权。用户可自由访问JSON状态文件，便于备份和迁移。这种设计适合注重隐私和灵活性的开发者，但需注意不同平台的安装方式略有差异。
Q&A
Engram是什么？它和AI的持久记忆插件有什么区别？
Engram是一款基于心理学和神经科学的学习插件，为人类设计，帮助用户真正记住知识。它不是AI的持久记忆插件，不给Agent提供记忆或上下文，而是将AI编程助手转变为导师、盲审考官和调度器，通过概念图、预测试、盲审和间隔复习等方式促进人类学习。
Engram支持哪些AI编程平台？如何安装到DeepSeek Harness？
Engram支持Claude Code、OpenAI Codex、OpenCode、Hermes、Antigravity、OpenClaw、Pi和DeepSeek Harness八个平台。在DeepSeek Harness上安装只需clone仓库并创建3个符号链接，无需适配器代码，因为dsh原生支持SKILL.md文件夹、AGENTS.md文件和Claude Code钩子。
Engram的三个核心命令是什么？分别有什么作用？
Engram的三个核心命令是：/learn [主题]，用于启动学习流程，包括概念图分解、预测试、生成式教学、盲审和排入复习计划，运行5-60分钟；/review，用于到期概念的free recall和跨主题交错复习，运行2-4分钟；/coach，用于查看统计看板、校准、本地仪表盘和调参，每周一次。
Engram如何确保用户真正记住知识？它采用了哪些学习科学原理？
Engram采用多种验证过的学习科学原理：结构优先，将知识分解为第一性原理概念图；生成效应，先预测再教学，利用预测试效应；检索即学习，通过测试强化记忆；间隔优于集中，使用FSRS-4.5调度复习；诚实适应，基于实测数据调整；程序性知识通过示例阶梯教学；失败检索不结束会话，确保多次间隔复习。
Engram的盲审评估官是什么？如何保证评估的公正性？
盲审评估官是Engram中独立于教学的评估Agent，它只看评分标准和用户回答，从不看教学内容，对free recall进行评分并生成收据。为保证公正性，Engram建立了包含89个对抗性条目的黄金标准集，测试评估官不会给出过高分数。关键安全指标显示，258次盲审判断中，评估官给出高于严格评分标准的分数为0次，确保不会让用户误以为自己已掌握。
Engram的数据存储在哪里？是否涉及云服务？
Engram的状态存储在~/.claude/learning/文件夹中，使用纯JSON文件，用户拥有、可读、可跨平台共享。Engram无云服务、无账号、无订阅，纯本地运行。
Engram提到的外部验证研究是什么？它说明了什么？
Engram引用了Kestin等人在《Scientific Reports》（2025年6月，哈佛，n=194）的研究，该研究使用与Engram相同对话语法的AI导师，强制学生先尝试，在更短时间内产生了约两倍于主动学习物理课堂的学习收益。但该研究的终点是即时后测，未测量30天后的持久性，这正是Engram要回答的问题。
