Бесплатное приложение с открытым исходным кодом для изучения лексики IELTS: 7 298 слов с авторскими иллюстрациями, аудио британского и американского произношения и повторением по алгоритму FSRS.
nagisanzenin/engram
Система обучения для Claude Code и других агентских платформ: помогает учиться, вслепую оценивает воспроизведение по памяти и планирует повторения с помощью FSRS.
Open source альтернатива:Anki
- Звёзды
- 1,471
- Форки
- 108
- Открытые issues
- 5
- Последний коммит
- 2 месяца назад
Что это?
Engram — система обучения для человека, а не инструмент памяти для AI-агента. Вы вводите команду, например /learn с темой, и агент строит карту понятий с опорой на базовые принципы, просит вас сделать прогноз и объяснить тему до того, как сам начнёт её разбирать, а затем оценивает ответы отдельным агентом-оценщиком, который не видит урока. Каждая оценка записывается в локальный файл-квитанцию, а детерминированный планировщик на Python, построенный на FSRS-4.5, назначает следующую дату повторения для каждого понятия.
В повседневной работе главное — короткие занятия: /review запускает двух-четырёхминутное воспроизведение по памяти по темам, для которых подошёл срок повторения, а /coach показывает статистику удержания материала, калибровку и локальную HTML-панель. Данные учащегося хранятся в обычном JSON в ~/.claude/learning/, а движок написан на Python и использует только стандартную библиотеку, без сетевого кода. Проект распространяется как плагин Claude Code, а также устанавливается в Codex, OpenCode, Hermes Agent, OpenClaw, Pi и на несколько других платформ.
В репозитории опубликованы эталонный набор оценённых ответов и команда аудита, с помощью которых можно проверить, насколько снисходительно работает оценщик. Также предусмотрен экспорт по желанию: он создаёт файл для проверки и ничего никуда не отправляет.
Ключевые возможности
- 01Уроки в формате репетитора: сначала нужно сделать прогноз и объяснить тему, и только потом получить ответ.
- 02Отдельный агент-оценщик вслепую проверяет воспроизведение по памяти, а каждая оценка сохраняется в виде квитанции.
- 03Планирование повторений по FSRS-4.5 с датами, рассчитанными на основе вашей истории повторений.
- 04Сессии /review длительностью от двух до четырёх минут чередуют понятия с наступившим сроком повторения из разных тем.
- 05Локальные, удобочитаемые JSON-данные без сетевого кода в движке.
Сценарии использования
- Изучать технические темы, например машинное обучение или Rust, и помнить их дольше первого месяца.
- Изучать материалы по STEM с процедурами, разбирая примеры с решениями и решая новые практические задачи.
- Заменить карточки с самостоятельной проверкой расписанием повторений, составленным на основе урока с репетитором.
- Проводить короткие еженедельные занятия для повторения материала параллельно с другой работой над кодом в Claude Code.
Быстрый старт
- 1
Добавьте маркетплейс Engram в Claude Code
claude plugin marketplace add nagisanzenin/engram - 2
Установите плагин Engram
claude plugin install engram@engram - 3
Начните изучать тему в своём помощнике для программирования
/learn kalman filters
Что важно знать
- На вашем компьютере должен быть установлен python3.
- В первую очередь разработан для Claude Code; у других платформ есть отдельные ограничения: например, в Antigravity ожидается nudge, а DeepSeek Harness находится в статусе предварительной версии для разработчиков.
В подборках
Темы
Частые вопросы
- Что такое engram?
- Система обучения для Claude Code и других агентских платформ: помогает учиться, вслепую оценивает воспроизведение по памяти и планирует повторения с помощью FSRS. Engram — система обучения для человека, а не инструмент памяти для AI-агента. Вы вводите команду, например /learn с темой, и агент строит карту понятий с опорой на базовые принципы, просит вас сделать прогноз и объяснить тему до того, как сам начнёт её разбирать, а затем оценивает ответы отдельным агентом-оценщиком, который не видит урока. Каждая оценка записывается в локальный файл-квитанцию, а детерминированный планировщик на Python, построенный на FSRS-4.5, назначает следующую дату повторения для каждого понятия.
- engram можно использовать бесплатно? Какая у него лицензия?
- engram распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- engram всё ещё поддерживается?
- Обновлялся за последние 6 месяцев. Последний коммит в engram — 27 авг. 2026 г..
- Для чего можно использовать engram?
- Изучать технические темы, например машинное обучение или Rust, и помнить их дольше первого месяца. Изучать материалы по STEM с процедурами, разбирая примеры с решениями и решая новые практические задачи. Заменить карточки с самостоятельной проверкой расписанием повторений, составленным на основе урока с репетитором. Проводить короткие еженедельные занятия для повторения материала параллельно с другой работой над кодом в Claude Code.
- Как установить engram?
- Добавьте маркетплейс Engram в Claude Code: claude plugin marketplace add nagisanzenin/engram Установите плагин Engram: claude plugin install engram@engram Начните изучать тему в своём помощнике для программирования: /learn kalman filters
- Где скачать engram?
- Исходный код и инструкции по установке — на GitHub: https://github.com/nagisanzenin/engram
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Android-версия приложения Anki с интервальным повторением для изучения и запоминания материала с помощью карточек на телефоне.
Навык для Claude Code и Codex, который предлагает короткие упражнения, основанные на исследованиях, после серьёзной работы над архитектурой кода.
Локальное приложение для учёбы по университетским лекциям: импортируйте слайды PowerPoint, занимайтесь с карточками FSRS и решайте пробные экзамены, а при желании задавайте вопросы AI-репетитору со ссылками на слайды.
Agent Skill, который превращает тему, текст, веб-страницу, скриншот или PDF в диалоговое обучение по методу Сократа — с одним вопросом за раз.
Учебная среда для coding-агентов: она составляет персональный курс, готовит уроки и адаптирует упражнения по зафиксированному прогрессу.