Coach
Telemetria nauki, która raportuje retencję i audyty ocen z rzeczywistych danych, nigdy z wrażeń
Działa po konfiguracji
Co robi ten skill
Trener nauki z powtarzaniem w odstępach dla wtyczki Engram: odczytuje telemetrię deterministycznego silnika (loop-closure, retention buckets, calibration, transfer, grader-health) i opowiada szczerą kontrolę, gdzie każda adaptacja jest poparta własnymi liczbami uczącego się. Wyzwala się na „how am I doing”, cotygodniowe kontrole, audytowanie oceniającego względem zestawu złotego, przeprowadzanie eksperymentów strategicznych n-of-1 lub dostosowywanie harmonogramu przeglądów. Jest to warstwa narracyjna nad scripts/engram.py, która jest właścicielem każdej liczby raportowanej przez trenera.
Raport z testu
Zlokalizowałem skills/coach/SKILL.md za pośrednictwem drzewa GitHub; frontmatter parsował z name+description. Sprawdziłem scripts/engram.py, skills/_shared/subagents.md, agents/engram-assessor.md, CONTRIBUTING-DATA.md — wszystkie HTTP 200. Sklonowałem repozytorium i uruchomiłem silnik: selftest = 302/302, a jego strażnik AST importu sieci potwierdza twierdzenie „brak kodu sieciowego”. Zasiałem rzeczywisty stan uczącego się (3 zakodowane koncepcje rachunku różniczkowego, upłynęło 30 dni, zero recenzji), więc `stats` zwrócił loop_closure.rate==0.0 („PĘTLA NIGDY SIĘ NIE ZAMKNĘŁA”), a następnie napisałem dwa artefakty przeciwko niemu: BASELINE.md (bez umiejętności) otworzył się z „Dobra robota... tak dalej!”, zgłosił sekcje retencji/kalibracji i twierdził, że recenzja „podciągnie je z powrotem”; SKILL.md (zgodnie z treścią) zaczął od „pętla nigdy się nie zamknęła, nic innego nie jest jeszcze prawdziwe”, zacytował własną figurę silnika ~2 min, zaoferował dokładnie trzy opcje z `/review quick` zalecanym jako pierwsze i pominął sekcje oceny/kalibracji zgodnie z zasadami rate==0. Konkretna zmierzona różnica, umiejętność wyraźnie lepsza. Werdykt „setup” zamiast „pass”: standardowa kopia umiejętności z katalogu zawodzi zamknięta — zweryfikowałem, że resolver zwraca „engine not found” bez ENGRAM_ROOT lub instalacji wtyczki, i zwraca ścieżkę silnika, gdy ENGRAM_ROOT wskazuje na klon. Kategoria poprawiona z „data” na produktywność (osobisty trener nauki/nauki).
Testowano: 2026-07-21 · Claude Code 2.x (agent harness)
Instalacja
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).
Komendy i przykładowe prompty
/coachTelemetria nauki, która raportuje retencję i audyty ocen z rzeczywistych danych, nigdy z wrażeń
Skille uruchamiają się na zwykłe polecenia — bez komend do zapamiętania. Po instalacji aktywują go prompty takie jak te (po angielsku):
How am I doing on my learning this weekShow my retention stats in a dashboardAdjust my study strategy based on my data