学习档案读取

角色

learning_profile 是系统唯一的学习者真相源。任何 agent 都可以读它，没有任何 agent 可以写它： 写入只经由 state/profile_writer.py，且必须引用 learning_evidence 行。这个 skill 描述"怎么读"。

读什么

一行档案 = 一个用户 × 一个知识点。字段分两层：

层	字段	用途
用户列	knowledge_point mastery learning_state progress my_questions recent_performance last_studied_at review_due_at next_step	可以直接展示给学习者
系统列	confidence evidence_count misconceptions prerequisites difficulty review_priority stability source_agent revision override_flag	供规划与排序使用，不直接展示

投影规则

1. 只取当前目标涉及的知识点，外加它们的 prerequisites 一层。整表投影会把无关知识点 带进模型上下文，既贵又会稀释注意力。
2. mastery 必须和 confidence、evidence_count 一起读。mastery=0.8 而 evidence_count=1 不是"掌握了"，是"只看过一次"。把它当作已掌握是最常见的误判。
3. override_flag=true 的行，mastery / learning_state / progress / difficulty / next_step 是学习者自己写的。可以引用，不要在推理里把它当作系统观测。
4. review_due_at 过期不等于"忘了"，只等于"该验证了"。结论要靠新证据，不靠时间。
5. misconceptions 非空时，优先针对误区讲解，而不是重复原讲解。

输出形状

投影结果建议压成下面这种最小结构再进模型：

{
  "target": {"id": "tcp-congestion", "mastery": 0.32, "state": "emerging",
             "evidence_count": 3, "confidence": 0.6, "misconceptions": ["把拥塞窗口当成接收窗口"]},
  "prerequisites": [{"id": "sliding-window", "mastery": 0.21, "state": "unknown", "evidence_count": 0}],
  "due_for_review": [{"id": "three-way-handshake", "review_priority": 0.81}]
}

反模式

• 把整张档案表塞进 prompt。
• 只读 mastery，忽略 confidence 和 evidence_count。
• 读完之后直接改档案（任何形式的写入都会被 tests/test_profile_write_guard.py 拦下）。
• 用自然语言把档案转述给下一个 agent；下一个 agent 自己读表。