Prova Learn · 证据驱动的个性化学习系统

Evidence-driven, agent-native personalized learning through one orchestrator and seven composable Skills.

Prova Learn 把“学会一个目标”拆成一条可审计、可阻断、可返工的学习回路：

目标校准 → 领域取证 → 能力建模 → 学习者诊断
→ 路径规划 → 真实教学交互 → 掌握验证与重规划

它不是课程提纲生成器，也不是一个自动把流程“跑完”的脚本。没有真实学习者回答、迁移或保持证据时，流程必须停在 pending 或 blocked。

核心原则

原则	含义
证据驱动	关键领域事实需真实访问来源；模型知识只产生假设和检索词。
行为优于自述	“懂了”、年限、偏好、单题和一次总分不能单独证明掌握。
Fail closed	前置、确认、真实回答、版本或证据不足时不伪造通过。
诊断有效	复合任务必须拆成子项；节点结论绑定可观察指标。
模拟隔离	fixture 与系统构造答案不能进入真实 learner model。
迁移与保持	关键能力用未见任务、迁移和适用的延迟复测验证。

系统结构

flowchart LR
    U([学习意图]) --> O[al-pls 主控]
    O --> S1[S1 目标校准]
    S1 --> G1{G1}
    G1 --> S2[S2 领域取证]
    S2 --> G2{G2}
    G2 --> S3[S3 能力建模]
    S3 --> G3{G3}
    G3 --> S4[S4 学习者诊断]
    S4 --> G4{G4}
    G4 --> S5[S5 路径规划]
    S5 --> G5{G5}
    G5 --> S6[S6 教学交互]
    S6 --> G6{G6}
    G6 --> S7[S7 掌握验证]
    S7 -->|补救/复测/返工| S4
    S7 -->|GOAL_ACHIEVED| D([完成])

Loading

主控 al-pls

主控是薄控制面：

• 理解自然语言意图；
• 定位项目与 revision；
• 根据 project-state.json.route_to 选择阶段；
• 执行对应 Skill；
• 重新读取 Gate、verification 和 conversation；
• 在真实输入、mandatory 确认、pending、blocked、版本冲突或上游返工处停止。

主控不是 S0/G0，也不能替阶段补造工件。

七个阶段

阶段	Skill	核心问题	正常路由
S1	al-s1-create-goal-success-contract	“学会”对应什么真实场景和可观察证据？	G1 → S2
S2	al-s2-create-domain-evidence-landscape	领域结论由哪些独立证据支持？	G2 → S3
S3	al-s3-build-capability-concept-graph	能力如何拆成可诊断节点、先修和测评？	G3 → S4
S4	al-s4-diagnose-learner-frontier	学习者当前最近学习前沿在哪里？	G4 → S5
S5	al-s5-plan-learning-sessions	从前沿到目标的最小学习路径是什么？	G5 → S6
S6	al-s6-run-instructional-interaction	如何开展真实教学、提示、撤架与练习？	G6 → S7
S7	al-s7-verify-mastery-and-replan	是否掌握；缺口来自哪里；下一步是什么？	G7 → S1–S7 / complete

统一交付模型

当前版本的 S1–S7 全部使用同一个长期项目级 LLM Wiki：

workspace/<project-slug>/
├── INDEX.md
├── PROJECT.md
├── project-state.json
├── timeline.md
├── conversations/
├── stages/
├── knowledge/
├── learner/
├── plans/
├── sessions/
├── assessments/
├── decisions/
├── attachments/
├── simulations/
└── _machine/

三层真相：

1. Wiki Markdown：当前被接受的含义和人审入口；
2. JSONL events/records：不可变历史；
3. 小型 JSON snapshots：当前版本、route 和 active 指针。

S3–S7 的 JSON/HTML 是 compatibility exports 或只读派生视图，不是主要交付，也不能接收业务写入。

Conversation 与 revision

每次实质交互创建：

conversations/YYYY-MM/<conversation-id>/
├── INDEX.md
├── transcript.md
├── events.jsonl
└── summary.md

写入事务：

读取 project_revision
→ 创建 conversation
→ 记录用户原文和工具结果
→ 更新阶段 Wiki/JSONL
→ 执行 Gate 与 verification
→ 再核对 revision
→ revision + 1
→ 同步 project-state、INDEX 和 timeline

revision 冲突时不得覆盖。

S1：显式确认

S1 和 S5 是 mandatory confirmation 阶段。确认记录必须包含：

{
  "status": "pending|confirmed",
  "confirmed_fields": [],
  "unconfirmed_fields": [],
  "learner_utterance": "...",
  "interpretation_basis": "explicit|explicit_accept_all_defaults|ambiguous"
}

普通“继续”“下一步”“跑完流程”不自动确认多个默认字段。只有上一轮明确列出全部字段，并提供“接受全部默认值”选项时，简短选择才能作为 bundled confirmation。

S2：来源质量而非来源数量

六个研究通道是视角，不是分数：

• job/career；
• books/courses；
• papers/research；
• community/web；
• standards/official；
• artifacts/validation。

同一组织、多篇同源页面和转载链只算一个独立来源组。高影响统计、政策、合规和普遍性主张若无法追到 canonical 或原始依据，必须降级为 trace_only、unverified 或 accepted_with_limitations。

S3：可诊断图谱

测评不是“一个大题覆盖很多节点”。每个测评项或子项至少记录：

item/sub-item
→ observable indicator
→ node
→ threshold
→ independence requirement
→ minimum observations
→ confounds
→ remediation

默认掌握最小证据规则：

tested_mastered =
  两项相互独立的有效观察
  OR
  一项完整表现任务 + 一项无提示迁移或延迟复测

S3 只定义规则，不推断学习者掌握。

S4：短筛查与自适应探针

冷启动默认采用：

1. 8–12 分钟高信息短筛查；
2. 只对冲突、猜对、关键先修不确定和提示依赖追加探针。

不要求一次覆盖全部节点；未测节点保持 unknown。G4 的目标是形成可用于规划的最近学习前沿，而不是制造形式上的 100% 覆盖。

S5：从真实前沿规划

• unknown 不等于未掌握；
• 关键 unknown 使用短探针；
• 误概念使用对比和反例；
• 程序缺口使用 worked example、练习和撤架；
• 迁移失败使用变式；
• 保持不足使用间隔复测。

计划必须控制每节认知负荷，并在用户确认后才进入 S6。

S6：真实交互

默认顺序：

独立尝试 → 必要解释 → 正反例/表征
→ worked example → 有支架练习 → 撤架
→ 未见独立任务 → 迁移/保持

计划提示不等于实际提示。提示后修订正确只形成带提示依赖的候选证据。G6 评价教学过程和记录质量，不宣布掌握。

S7：掌握、持久化与完成

S7 综合：

• correctness；
• reasoning quality；
• hint dependency；
• independence；
• transfer；
• confidence calibration；
• delayed retention。

没有 learner-model backend 时：

update.status=not_executed
persistence=not_executed
active model version 不变

只有最终未见综合验收、必需迁移、保持和真实持久化全部通过，才允许 GOAL_ACHIEVED 与 route_to=complete。

模拟证据隔离

• 真实行为：learner_behavior；
• 系统构造或 fixture：synthetic_learner_behavior 或明确 fixture 元数据；
• simulations/** 不得进入真实 learner snapshot、mastery event、active model 或 project-state。

快速开始

$al-pls 我想学会为 PostgreSQL 慢查询做可靠诊断

之后继续使用同一入口：

$al-pls 继续
$al-pls 现在该做什么
$al-pls 修改目标：最终验收改为限时故障排查

主控会根据项目 route 选择阶段，并在需要真实回答或确认时直接展示任务。

验证

python3 scripts/validate_delivery_contract.py
python3 scripts/validate_delivery_contract.py \
  --project-dir workspace/forward-deployed-engineer

find .agents/skills -type f -name '*.json' -exec jq empty {} +
python3 -m py_compile scripts/validate_delivery_contract.py

仓库级 validator 会检查：

• manifest/profile/Skill 名称和前置一致；
• 八个 Skill 包含关键学习有效性约束；
• workspace/AGENTS.md 存在；
• project/conversation/stage 必需文件存在；
• JSONL 可解析且事件不可变；
• 真实项目不引用 simulations/** 或 synthetic_learner_behavior。

仓库导航

.agents/
├── skills/
│   ├── al-orchestrate-personalized-learning/
│   ├── s1-create-goal-success-contract/
│   ├── s2-create-domain-evidence-landscape/
│   ├── s3-build-capability-concept-graph/
│   ├── s4-diagnose-learner-frontier/
│   ├── s5-plan-learning-sessions/
│   ├── s6-run-instructional-interaction/
│   └── s7-verify-mastery-and-replan/
├── project-workspace-contract.md
├── standalone-invocation-contract.md
├── stage-runtime-contract.md
├── stage-delivery-manifest.json
├── stage-profiles.json
├── project-state.schema.json
└── project-event.schema.json

License

Apache License 2.0。