Coach
Læringstelemetri som rapporterer retensjon og sensorrevisjoner fra reelle kvitteringer, aldri følelser
Krever oppsett
Hva den gjør
En læringscoach for repetisjon med mellomrom for Engram-pluginet: den leser den deterministiske motorens telemetri (loop-closure, retensjonsbøtter, kalibrering, overføring, sensorhelse) og forteller en ærlig innsjekking der hver tilpasning er støttet av elevens egne tall. Utløses på "hvordan går det med meg", ukentlige innsjekkinger, revisjon av sensoren mot et gullsett, kjøring av n-av-1 strategi eksperimenter, eller justering av gjennomgangsplanen. Det er et fortellerlag over scripts/engram.py, som eier hvert tall coachen rapporterer.
Testrapport
Fant skills/coach/SKILL.md via GitHub-treet; frontmatter tolkes med name+description. Stikkprøvekontrollerte scripts/engram.py, skills/_shared/subagents.md, agents/engram-assessor.md, CONTRIBUTING-DATA.md — alle HTTP 200. Klonet depotet og kjørte motoren: selftest = 302/302, og dens nettverksimport AST-vakt bekrefter påstanden om "ingen nettverkskode". Sådde en reell læringstilstand (3 kodede kalkuluskonsepter, 30 dager gått, null anmeldelser) slik at `stats` returnerte loop_closure.rate==0.0 ("SLØYFEN HAR ALDRI LUKKET SEG"), og skrev deretter to artefakter mot den: BASELINE.md (ingen ferdighet) åpnet med "Bra jobbet... fortsett slik!", rapporterte retensjons-/kalibreringsseksjoner, og hevdet at en gjennomgang ville "trekke disse opp igjen"; SKILL.md (etter kroppen) ledet med "sløyfen har aldri lukket seg, ingenting annet er reelt ennå", siterte motorens egen ~2 min-figur, tilbød nøyaktig tre alternativer med `/review quick` anbefalt først, og hoppet over sensor-/kalibreringsseksjonene i henhold til rate==0-reglene. Konkret målt forskjell, ferdigheten tydelig bedre. Dom "oppsett" ikke "pass": den katalog-standard bare ferdighetskopien feiler lukket — jeg verifiserte at løseren returnerer "motor ikke funnet" uten ENGRAM_ROOT eller en plugin-installasjon, og returnerer motorstien når ENGRAM_ROOT peker på klonen. Kategori korrigert fra "data" til produktivitet (en personlig lærings-/studiecoach).
Testet på: 2026-07-21 · Claude Code 2.x (agent harness)
Installer
git clone --depth 1 https://github.com/nagisanzenin/engram.git /tmp/coach-src mkdir -p ~/.claude/skills cp -R /tmp/coach-src/skills/coach ~/.claude/skills/coach # NOTE: this skill is a thin narration layer over the engine at scripts/engram.py. # A bare skill-copy FAILS CLOSED with "engine not found" unless the engine is resolvable. # Two ways to wire it up: # 1) RECOMMENDED — install the whole thing as a plugin (auto-resolves $CLAUDE_PLUGIN_ROOT): # /plugin marketplace add nagisanzenin/engram then /plugin install engram # 2) Keep the skill-copy above and point ENGRAM_ROOT at a full clone (persist in ~/.zshrc; # move the clone out of /tmp first): # export ENGRAM_ROOT=/tmp/coach-src # The `audit` subcommand also spawns the engram-assessor subagent (agents/engram-assessor.md, in the full clone). # Requirements: Python 3 (stdlib only, no pip). State lives in ~/.claude/learning (override ENGRAM_HOME). # The engine has no network code — proven by a permanent AST selftest (302/302 checks pass).
Kommandoer og eksempelprompter
/coachLæringstelemetri som rapporterer retensjon og sensorrevisjoner fra reelle kvitteringer, aldri følelser
Skills utløses av vanlige forespørsler — ingen kommandoer å huske. Etter installasjonen aktiverer prompter som disse skillen (på engelsk):
How am I doing on my learning this weekShow my retention stats in a dashboardAdjust my study strategy based on my data