Learn Review

Skill: Learn Review — Pętla Zwrotna Nauki

Dlaczego ten skill istnieje

Obejrzenie filmiku ≠ nauka. Ten skill sprawdza czy faktycznie rozumiesz temat — nie czy zapamiętałeś fakty, ale czy potrafisz wytłumaczyć koncept kumplowi (Feynman probe) i zastosować wiedzę (quiz). Waga 60% na Feynmana, bo jeśli umiesz wytłumaczyć prosto — rozumiesz naprawdę.

Metryka: Composite Learning Score (CLS)

CLS = quiz_avg × 0.4 + feynman_score × 0.6

| CLS | Wynik | Akcja | |-----|-------|-------| | >= 80% | PASSED | Achievement unlocked, następny quest | | 60-79% | SOFT PASS | Przechodzi, wraca za 3 dni | | Quest "[nazwa]" nie jest jeszcze ukończony — brakuje kroków: [lista]. Dokończ i wróć z /learn-review.

Krok 4: Review Gate

4a. Quiz

Wyświetl pre-generowane pytania quizowe (z feedback-loop.md), jedno po drugim:

Quiz — Quest X: [Nazwa]

Pytanie 1/3 (mechanizm):
[treść pytania]

Twoja odpowiedź:

Poczekaj na odpowiedź. Potem następne pytanie. Potem następne.

WAŻNE: Nie pokazuj oczekiwanych odpowiedzi przed odpowiedzią usera!

4b. Ocena quizu

Po zebraniu 3 odpowiedzi — oceń każdą używając promptu "Quiz Grader" z references/review-prompts.md (w katalogu learn skill).

Oceniaj na podstawie expectedkeypoints z feedback-loop. Pokaż wynik:

Quiz wyniki:
1. (mechanizm): XX/100 — [krótki feedback]
2. (zastosowanie): XX/100 — [krótki feedback]
3. (trade-off): XX/100 — [krótki feedback]
Średnia quiz: XX/100

4c. Feynman Probe

Wyświetl probe:

Feynman Probe:
Wytłumacz [koncept] kumplowi który nie zna tematu, w 2-3 zdaniach.

Poczekaj na odpowiedź.

4d. Ocena Feynman

Oceń wyjaśnienie wg 4 wymiarów (rubric z references/review-prompts.md):

Feynman wyniki:
- Jasność: XX/100
- Kompletność: XX/100
- Poprawność: XX/100
- Prostota: XX/100
Średnia Feynman: XX/100

Najlepsze: [co było dobre]
Do poprawy: [co poprawić]

Krok 5: CLS Score i decyzja

Oblicz: CLS = quiz_avg × 0.4 + feynman_score × 0.6

PASSED (CLS >= 80%)

CLS: XX% — PASSED!

Achievement Unlocked: [nazwa achievementu z quest chain]
Odblokowałeś: [opis z questa]

Następny quest: Quest X+1 — [nazwa] (~XX min)

Zaktualizuj status questa na passed w feedback-loop.md. Ustaw następny quest na pending.

SOFT PASS (CLS 60-79%)

CLS: XX% — SOFT PASS

Przechodzisz dalej, ale ten quest wraca za 3 dni do powtórki.
Data powtórki: [YYYY-MM-DD + 3 dni]

Następny quest: Quest X+1 — [nazwa] (~XX min)

Zaktualizuj status na soft-pass. Dodaj datę powtórki. Ustaw następny na pending.

FAILED (CLS < 60%)

CLS: XX% — Potrzebna adaptacja

Słabe obszary: [lista konceptów z niskim score]

Proponuję:
1. Przeczytaj ponownie materiały do [słaby koncept 1]
2. Spróbuj wytłumaczyć [słaby koncept 2] własnymi słowami
3. Powtórka Review Gate po przygotowaniu

Zaktualizuj status na failed.

Krok 6: Aktualizuj feedback-loop.md

Po każdym review:

1. Tabela stanu — zaktualizuj wiersz questa (status, quiz score, feynman score, CLS, data)
2. Historia review — dodaj nowy wpis z pełnymi szczegółami (format z references/feedback-loop-template.md)

Krok 7: Podsumowanie

Pokaż aktualną tabelę stanu nauki z feedback-loop.md — żeby user widział progres.

Jeśli wszystkie questy = passed → gratulacje, quest chain ukończony!

Ograniczenia

• Pytania są pre-generowane w Kroku 6 /learn — jeśli brak pytań w feedback-loop, dogeneruj na miejscu
• Ocena jest subiektywna (LLM grading) — traktuj jako orientacyjną, nie egzamin
• Feynman probe testuje transfer wiedzy (umiesz wytłumaczyć = umiesz) — ważniejszy niż quiz (stąd waga 0.6)

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: Szewowsky
• Source: Szewowsky/learn-skill
• License: MIT

Install and usage instructions live in the source repository linked above.