mcpField
M
memory-retrieval-learning

memory-retrieval-learning

github.com/lyndonkl生产力187472 次安装9 周前更新
代码仓库

关于 memory-retrieval-learning

Memory, Retrieval & Learning 是一项学习规划技能,借助主动回忆、间隔复习和进度跟踪安排学习。它提供适用于考试、语言、职业技能、操作流程和记忆任务的工作流与模式。

主要功能

  1. 01设定目标与时间线
  2. 02将材料拆分为学习单元
  3. 03主动回忆与检索练习
  4. 04制定间隔复习计划
  5. 05跟踪进度并调整安排
  6. 06覆盖多领域的学习模式

适用场景

  1. 01规划考试备考
  2. 02安排语言学习练习
  3. 03跟踪职业技能学习的记忆保持
  4. 04通过间隔复习记忆事实

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/lyndonkl/claude --skill memory-retrieval-learning

安装后在 Claude Code 中输入/memory-retrieval-learning确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

resources/
methodology.md
template.md
resources/evaluators/
rubric_memory_retrieval_learning.json

详细介绍

记忆、检索与学习

目录

工作流

复制此清单并跟踪进度:

Learning Plan Progress:
- [ ] Step 1: Define learning goals and timeline
- [ ] Step 2: Break down material and create schedule
- [ ] Step 3: Design retrieval practice methods
- [ ] Step 4: Execute daily learning sessions
- [ ] Step 5: Track progress and adjust

步骤 1:明确学习目标和时间安排

明确需要学习什么、何时完成,以及每天有多少可用时间。确定成功标准(通过考试、展示技能等)。使用 resources/template.md 来规划学习计划。

步骤 2:拆分材料并制定计划

将材料划分为易于学习的单元。根据时间安排计算间隔重复计划。规划初次学习和复习周期。对于复杂的计划或较长的时间线(6 个月以上),请参阅 resources/methodology.md,了解高级计划技巧。

步骤 3:设计检索练习方法

创建主动回忆机制:抽认卡、练习题、模拟测试、自测。避免被动技巧(划重点、重读)。针对特定领域的方法,请参阅常见模式。

步骤 4:执行每日学习计划

按照计划进行:上午学习新材料(注意力最集中时),下午或晚上复习。坚持进行检索练习。记录难点,以便额外复习。有关交错学习或理想困难等高级技巧,请参阅 resources/methodology.md。

步骤 5:跟踪进度并调整

通过自测衡量记忆保持情况。根据表现调整复习频率(越吃力 = 越早复习)。按需更新计划。使用 resources/evaluators/rubric_memory_retrieval_learning.json 进行验证。

常见模式

备考(3-6 个月):

  • 阶段 1(60% 时间):初次学习 + 理解
  • 阶段 2(30% 时间):间隔复习 + 检索练习
  • 阶段 3(10% 时间):模拟考试 + 专注薄弱环节
  • 适用:职业资格认证、学期末考试、律师资格考试

语言学习(持续进行):

  • 每日:学习 10 个新词汇 + 复习当天到期的旧词汇
  • 每周:学习语法 + 交错练习之前学过的内容
  • 每月:进行对话练习,融会贯通已学内容
  • 适用:西班牙语、普通话、法语,以及任何语言的精通学习

技术/职业技能(3-12 周):

  • 第 1-2 周:基础知识 + 动手练习
  • 第 3-6 周:进阶概念 + 间隔复习基础知识
  • 第 7 周起:真实项目 + 系统复习有难度的概念
  • 适用:学习 Python、React、AWS、数据分析

医疗/技术操作:

  • 第 1 天:学习操作步骤 + 立即练习
  • 第 2 天:不看笔记进行检索练习
  • 第 4 天:练习 + 增加边缘案例
  • 第 8 天:完整模拟
  • 第 15、30 天:复习巩固
  • 适用:临床技能、安全规程、实验室技术

大量记忆(事实、日期、列表):

  • 创建间隔重复抽认卡组
  • 每日复习卡片(使用 Anki 算法或类似算法)
  • 连续成功回忆 5 次以上后,将卡片移出复习
  • 为难记的内容添加助记法
  • 适用:解剖学、地理、历史日期、药理学

防范措施

避免常见错误:

  • ❌ 被动重读或划重点 → 改用主动提取
  • ❌ 突击学习(集中练习)→ 采用间隔重复
  • ❌ 按主题分块学习(先学完主题 A,再学主题 B)→ 交错学习
  • ❌ 初步学习后过度自信 → 反复自测
  • ❌ 不做追踪 → 衡量记忆保持情况,以调整计划

合理预期:

  • 遗忘是正常现象,也是巩固牢固记忆所必需的
  • 提取时最初遇到的困难是有益的(“理想困难”)
  • 预计每次复习之间会遗忘 20-40%(这是理想范围)
  • 间隔重复感觉不如集中练习有效,但实际效果更好
  • 预留比你预计所需多 2-3 倍的时间

时间管理:

  • 每天坚持 > 马拉松式学习
  • 每天至少 15-20 分钟,比每周学习 2 小时更有效
  • 记忆保持率最高的安排:学习 25 分钟 → 休息 5 分钟 → 重复
  • 复习时长应短于初次学习时长
  • 为生活中的意外情况预留缓冲时间(生病、旅行、截止日期)

何时寻求帮助:

  • 尝试 3 次以上仍无法理解材料 → 寻求教师或专家帮助
  • 经过 3 轮复习后,记忆保持率仍低于 60% → 重新评估学习方法
  • 倦怠或动力骤降 → 减少每日学习量,增加内在奖励
  • 考试焦虑造成干扰 → 单独处理焦虑问题,不要与记忆技巧混为一谈

快速参考

资源:

  • resources/template.md - 带日程安排的学习计划模板
  • resources/methodology.md - 针对复杂学习目标的进阶技巧
  • resources/evaluators/rubric_memory_retrieval_learning.json - 质量标准

输出:

  • 文件:当前目录中的 memory-retrieval-learning.md
  • 包含:学习目标、材料分解、复习计划、提取方法、追踪系统

成功标准:

  • 间隔重复计划覆盖整个时间范围
  • 为所有类型的材料定义提取练习方法
  • 每日学习时间安排切实可行且可持续
  • 建立衡量记忆保持情况的追踪机制
  • 计划包含应对挫折的缓冲时间
  • 已依据质量标准验证(得分 ≥ 3.5)

循证技巧:

  1. 间隔效应:在第 1、3、7、14、30 天复习
  2. 测试效应:自测 > 重新学习,有利于长期记忆保持
  3. 交错学习:ABCABC > AAABBBCCC,有助于迁移和区分
  4. 精加工:联系已有知识,并向他人讲解
  5. 双重编码:结合语言和视觉表征

评论

支持 Markdown