Show HN：AIは賢くなるのに自分はそうじゃない — だからEngramを作った

Engramは人間のための学習システムであり、よくあるAIメモリプラグインとはまったく異なります。その核心的な目標はAIを賢くすることではなく、あなた（ユーザー）が実際に知識を習得できるようにすることです。Engramをインストールすると、AIアシスタントはチューター、試験官、スケジューラーの3役を担い、学んだ知識が時間とともに忘れ去られることを防ぎます。

Engramのワークフローは3つのコマンドを中心に展開します。/learn、/review、/coachです。/learnを実行すると、完全な学習サイクルが始まります。まず、カリキュラムアーキテクトが指定されたトピックを第一原理に基づく概念マップに分解し、重要な閾値概念を特定します。次に、チューターが厳格な指導法に従って進めます。質問を投げかけて予測させ、答えをすぐに教えずにヒントを与え、最終的には自分の言葉で説明させます。閾値概念にはスライダーや予測ゲートを備えたインタラクティブなHTMLエクスプローラーが生成され、単なるテキスト以上の学びを提供します。学習者の回答はディスクに保存され、その後アセッサーがブラインド評価を行います。アセッサーは評価基準と学習者の言葉だけを見て、レッスン内容は一切知りません。各評価は証拠としてディスクに保存され、スケジューラーがその情報を使ってFSRS-4.5アルゴリズムに基づき、個人の忘却曲線に合わせた最適な復習タイミングを計算します。

/reviewコマンドは期限切れの概念を復習するためのもので、毎回2〜4分かけて自由想起とトピック横断のインターリーブ練習を行います。/coachコマンドは週間統計、ダッシュボード、進捗調整などを提供します。システムはバックグラウンドで静かに動作し、復習が必要なときだけセッションフックが通知を出し、それ以外は沈黙を保ちます。

Engramの設計は4つの学習科学の原理に基づいています。第一に構造——知識はグラフ構造であるため、トピックは必要性の連鎖で分解され、章の順序ではありません。第二に生成——脳は自ら作り出したものを保持するため、学習者は教えられる前に予測、試行、説明を行います。第三に保持——テストそのものが学習であり、間隔反復は集中学習より効果的です。第四に誠実な適応——システムは実際の保持率、キャリブレーション、エラーパターンに基づいて調整され、自信度は明示的に述べたときのみ記録され、成績は書面の証拠としてのみ存在します。

Engramは6つのエージェントプラットフォーム（Claude Code、OpenAI Codex、OpenCode、Hermes Agent、Google Antigravity、OpenClaw）で利用可能です。インストール後、すべてのプラットフォームが同じ状態フォルダ（~/.claude/learning/）を共有し、いつでも確認・操作できます。

例えば、最初の実際の学習セッションでは、EngramがTransformerの内部動作を教えました。学習者が非線形層に困惑したとき、チューターは行列演算を単純化して「2つの線形層が1つに融合する」という本質を導き出しました。セッション終了後、アセッサーは6つの回答を評価し、1つは完全想起、4つは部分想起、1つは初回検索と判定しました。チューターはセッションがうまくいったと確信していましたが、この分離こそが、将来の復習スケジュールがチューターや学習者の主観ではなく、客観的な証拠に基づいて構築されることを保証しています。

コア機能に加えて、Engramは進化を続けています。v0.5ではインタラクティブなビジュアル探索機能が追加され、コンテンツに応じて動的に生成されます。v1.1では手続き的知識の練習モードが導入され、例題ラダーと新しいバリエーションの解決を通じてスキルを鍛えます。v1.5では、検索に失敗した概念は再導出され、別のタスクを挟んで再テストされ、1回正しく想起されるまで繰り返されます。これらの機能はすべて「何でも学べる」という原則に従い、適切なコンテンツでのみ作動します。

Engramのオープンソースライセンスと完全ローカル実行（Python3標準ライブラリのみ）は、信頼でき監査可能な学習パートナーを提供します。クラウドサービスではなく、アカウントもサブスクリプションもなく、すべてのデータは自分のマシンに保存されます。仮想ポイントや連続記録はありません——それらは成人学習者には逆効果だからです。代わりに、実際の能力成長曲線を示します。例えば、ある記憶の持続性が4倍向上したことなどです。困難に直面したとき、Engramはそれをエンコーディングプロセスとして再定義し、忘却を許し、バックログには恩赦を与えます。