Engram: 지식을 실제로 기억하게 만드는 OpenClaw 학습 플러그인

Engram은 OpenClaw용 학습 플러그인으로, 간격 반복과 인출 연습을 적용하여 개발자가 지식을 실제로 유지할 수 있도록 돕습니다. AI 에이전트로 인해 빌드 속도는 10배 빨라졌지만 자신의 학습 속도는 개선되지 않았다는 사실을 발견한 사람이 만든 Engram은 방정식의 인간 측면에 초점을 맞춥니다.

작동 방식

• 주제 분해: /learn kalman filters(또는 다른 주제)를 실행하면 에이전트가 의존성 맵을 구축합니다. 즉, 무엇을 먼저 이해해야 하는지를 장 순서가 아니라 파악합니다.
• 사전 테스트 튜터링: 에이전트가 설명하기 전에 먼저 답변합니다. 배우기 전에 틀리는 것이 기억력을 향상시킵니다. 인출하도록 요구받는 것이 다시 읽는 것보다 훨씬 효과적이라는 오래된 연구 결과가 있지만, 이를 구현하는 도구는 거의 없습니다.
• 블라인드 채점: 두 번째 에이전트가 수업 내용을 보지 않고 답변을 채점합니다. 루브릭과 사용자의 정확한 단어만을 기준으로 합니다. 이렇게 하면 채점자가 수업 내용을 평가하는 것이 아니라 사용자의 기억을 평가하게 됩니다. 모든 점수는 영수증처럼 디스크에 기록되며, 영수증 없이는 학습된 것으로 간주되지 않습니다.
• 간격 반복: 스케줄러는 FSRS-4.5(최신 Anki와 동일한 알고리즘)를 사용하여 각 개념의 다음 복습을 잊어버리기 직전으로 예약합니다. /review 세션은 2~4분이 소요됩니다.
• 로컬 전용: 모든 데이터는 사용자 컴퓨터의 일반 JSON 파일입니다. 계정, 클라우드, 엔진 내 네트워크 코드가 없습니다.

OpenClaw 통합

Engram은 OpenClaw 채팅에서 실행되므로 /review를 휴대폰에서 할 수 있습니다. 스케줄이 책상에서 멀리 떨어져 있을 때 복습을 보내는 경우가 많습니다. 세 가지 명령어로 설치합니다:

openclaw plugins install engram --marketplace nagisanzenin/engram
openclaw config set hooks.internal.enabled true
openclaw gateway restart

참고: OpenClaw는 내부 후크가 활성화될 때까지 플러그인 후크를 무시합니다. 활성화하지 않으면 예정된 복습 알림이 준비된 상태로 표시되지만 실행되지 않습니다. 작성자는 OpenClaw 지원이 오늘 출시되었으며, 기술, 채점 및 스케줄링은 실제 설치에서 확인되었지만 모든 채팅 채널에 알림이 도착하는 것은 로컬에서만 테스트되었다고 밝혔습니다.