TL;DR

Engram은 Claude Code 플러그인으로 동작하는 로컬 증거 기반 학습 엔진으로, 사용자가 예측하고 자유 회상으로 답안을 남기면 별도의 블라인드 채점기가 그 답안을 채점한 영수증을 로컬에 저장하고 engam.py가 FSRS-4.5 규칙으로 다음 복습 시점을 결정한다. 시스템은 튜터·채점기·스케줄러의 권한을 분리하고 골드셋 감사와 자체 selftest(214/214)로 채점기 관대성 위험을 줄였으며 네트워크 코드가 전혀 없다는 점을 통해 데이터 주권과 연구 재현성을 확보한다. 외부 연구로는 이 대화형 문법을 쓴 AI 튜터가 즉시 성과에서는 약 2배의 학습 향상을 보였다는 사례가 인용되었으나 장기(30일) 보존 효과는 아직 미측정 상태여서 Engram은 그 질문에 답하기 위해 사용자의 영수증을 축적하도록 설계되었다.

주요 기능

• 세 개의 명령(/learn, /review, /coach)으로 개념 맵 생성·교수·검증·스케줄을 연결한다.
• 블라인드 채점기가 학습자의 답안을 루브릭만 보고 채점한 영수증을 로컬에 저장한다.
• engram.py 결정적 코어가 FSRS-4.5를 사용해 개념별 다음 복습 시점을 계산한다.
• Explorable HTML 산출물을 임계 개념 위주로 생성하여 조작 가능한 시뮬레이션을 제공한다.

어떻게 동작하는가

사용자가 주제와 목표를 입력하면 커리큘럼 아키텍트가 개념 그래프를 구성하고 임계 개념을 표시한다. 그다음 튜터(대화형 Claude)는 학생에게 예측과 시도를 유도하고 학습자의 텍스트 산출물을 로컬에 안전하게 저장한다. 별도의 블라인드 채점기가 이 산출물을 루브릭만으로 채점하고 engam.py 결정적 코어가 FSRS-4.5 규칙으로 다음 복습 시점을 예약하여 개인화된 복습 루프를 유지한다.

해결 문제

일회성 설명으로 생긴 이해가 시간 경과로 사라지는 문제를 해결하기 위해 설계되었다. 사용자가 직접 회상하게 하고 그 답안을 블라인드 방식으로 채점해 진짜 학습 성취를 증거로 수집하며, 이 증거를 기반으로 FSRS 스케줄러가 재학습 시점을 결정한다. 결과적으로 튜터의 낙관적 판단이나 자기평가에 의존하지 않고 실제 회복력을 기준으로 복습을 예약함으로써 장기 보존을 목표로 한다.

지금 주목받는 이유

Claude Code 에코시스템과의 긴밀한 통합으로 플러그인형 학습 경험을 즉시 사용할 수 있다는 점이 주목을 끌고 있다. FSRS-4.5 스케줄과 214/214 자체 테스트 통과 및 '0/198 graded up' 배지 등 신뢰성과 안전성 주장 근거가 README 전반에 명시되어 있어 실무자와 연구자 관심을 동시에 받고 있다. 또한 로컬 우선 설계와 감사 가능한 골드셋 공개가 교육 데이터의 투명성과 재현성을 요구하는 연구 커뮤니티에서 화제를 만들었다.

차별점

• 튜터·채점기·스케줄러의 권한 분리를 설계적 불변으로 유지하여 과대평가 리스크를 구조적으로 차단한다.
• 네트워크 호출이나 클라우드 계정 없이 모든 상태와 영수증을 로컬 JSON 파일로 보관하도록 설계되어 개인정보와 연구 데이터의 주권을 보장한다.
• 자동 생성되는 블라인드 골드셋과 감사 파이프라인을 통해 채점기의 관대성 여부를 외부 증거로 검증할 수 있도록 한다.
• 임계 개념에 한해 가이드된 조작형 explorable을 생성하여 시각화가 실제 인출 향상에 기여하는지 사용자의 영수증으로 측정한다.

사용 사례

• 개념적 깊이가 필요한 주제(예: Transformer 내부 구조)를 대화형 수업으로 학습하고 장기 보존을 확보하려는 개인 학습자.
• 블라인드 채점 기반의 객관적 영수증을 연구 목적으로 수집하려는 교육 연구자와 현장 실험자.
• 학습 자료를 자동으로 생성하고 주기적으로 회상을 끌어내는 워크플로를 개발 도구(Claude Code) 안에서 유지하고자 하는 개발자 및 교육 설계자.

시작하기

Claude Code 환경에서 플러그인을 추가하고 설치하면 기본 사용 준비가 끝난다. 예를 들어 `claude plugin marketplace add nagisanzenin/engram`와 `claude plugin install engram@engram` 명령을 실행하거나 OpenCode 구성에 git 플러그인 항목을 추가한 뒤 코딩 어시스턴트에서 `/learn <topic>`으로 세션을 시작하면 된다. 추가 설정 없이도 표준 python3 런타임으로 scripts/engram.py가 동작하므로 설치 후 바로 학습·검토 루프를 사용할 수 있다.

요구사항

• python3 표준 라이브러리만으로 동작하며 추가 네트워크 의존성이 없다.
• Claude Code 또는 OpenCode 플러그인 환경(또는 Codex 호환 환경)에서 플러그인으로 동작하도록 설계되었다.
• macOS 또는 리눅스의 기본 shell 환경에서 설치·실행이 가능하다.

벤치마크