Agent 怎样了解你

Agent 按你需要的深浅来解释，不按固定的新手或专家水平。它从你的笔记中找出你懂什么。插件没有隐藏的个人档案：所有证据都是 Markdown，你可以读、改、删。

为什么深浅很重要

对新手有帮助的解释，可能拖慢专家。学习研究把这叫做「专长逆转效应」（expertise reversal effect）。所以，Agent 解释之前必须对你有所了解。它也不能声称知道得比实际更多。插件的协议要求 Agent 只根据它真正读过的证据来适应你的水平。如果它把一篇笔记当作证据，它必须说出是哪一篇。

证据，从弱到强

证据	说明什么	强度
库中的资料，例如书和剪藏	你接触过这个主题	弱
设置中的 你的背景	你认为自己懂什么	弱
保留的解释中 说浅一点 和 更深入 的部分	什么深浅适合你	弱，但会累积
你自己写的笔记	你可能懂这个主题的一部分	中
保留的回忆和检查：你的话、结果和日期	你真正懂什么	强

保留的测验介于这些强度之间：它逐题说明你能认出什么。最近的 ✓ 比很久以前的 ≈ 更有分量。

谁写了什么

只有 Agent 能分清你写的和它自己写的，证据才有用。如果它把自己的笔记当成你的笔记，它会看到并不存在的理解。所以，插件标记 Agent 写的每样东西：

• Agent 新建的笔记，属性中有 generated-by: icap-agent。
• 保留的解释是 gloss callout。
• 保留的请求中，回复在 request callout 中。其中只有 请求: 开头的行是你写的。
• 反馈在 feedback 或 practice callout 中。你的话在 callout 外面，紧挨在它上方。

Agent 不把自己写的任何文字当作你懂什么的证据。任务笔记也不是证据。

每条记录都带日期和结果

保留的回忆或检查，callout 标题中有日期和一个标记：✓ 成立，≈ 部分成立，? 再想想。callout 上方的注释写着同样的日期和结果，还有主题。保留的测验统计各题的标记。所以，不需要插件的数据，每条记录也带着自己的日期，Agent 能看出证据有多旧。

每个任务 Agent 得到什么

对每个任务，插件从笔记中给 Agent 一份上下文：

• 笔记的路径、标题和属性，
• 焦点上方的各级标题，
• 焦点周围的段落、所在的一节，以及焦点周围的一部分笔记，
• 笔记中的链接，
• 设置中的 你的背景。

只在需要时，Agent 才去找更多内容。例如，解释一个术语之前，它可以查看这个术语的反向链接，并查找你自己写的相关笔记。插件不扫描整个库。它没有向量数据库，也没有知识图谱。

轻量的判断

解释总是先给出。Agent 不在解释之前测试你。如果没有证据，而新手和专家需要的解释差别很大，Agent 按笔记本身的水平来写。然后它为另一种水平加一行短句，例如「如果你已经懂 X：……」。

Agent 每次只针对一个概念或一篇笔记判断你的水平。没有全局的水平，也没有跟着你的分数。

插件中的 ICAP 框架

ICAP 框架把学习者做的事分成四种方式。越深的方式通常带来越好的学习。插件让每种方式都容易，但不让错误的做法变容易：

方式	插件让这件事容易	插件不让这件事容易
被动	不离开段落就弄懂一个难懂的术语	用 Agent 的文字代替你的阅读
主动	决定什么留在笔记中	自动保存所有内容
建构	不看原文，用自己的话写	让 Agent 改写你的回答
互动	回答一个追问，然后修改	变成没有目的的闲聊

方式指你做什么，不指某个控件叫什么。选一个选项不是互动的学习。只有你和 Agent 都对内容进行推理、互相回应并修改，对话才是互动的。

所以，对错误的回答，Agent 给出提示或一个问题，不直接给出正确答案。回忆、检查和测验都只是提供给你的机会。不做这些，你也总能阅读和提问。