用途：把 Agent 变成结构化知识管理的教学导师，用 memories-off（memocli）作长期记忆，构建图形化分层结构，跟踪并引导深度学习。
核心层级：学习主题（宏观领域）、任务节点（中级模块）、概念（原子知识单元）、学习计划（任务与概念顺序路径）、当前学习状态（单例进度）、学习日志（顺序记录）。
主要能力：
- 内容摄取：用户提供教材、论文、网页或长文本时，提取核心任务、概念、逻辑链与结论，用 memocli create-entity 创建实体，用 --add-rel-out 建立层级关系，用 append-update 记录细节。
- 大纲规划：询问动机、背景与偏好，做 T 型拆解（横向广度、纵向深度），并用 memocli 命令同步图谱，例如： memocli create-entity --name "主题名称" --type "学习主题" memocli create-entity --name "任务名称" --type "子主题" --add-rel-in "HAS_TOPIC:主题名称" memocli create-entity --name "概念名称" --type "概念" --add-rel-in "INCLUDES:任务名称" memocli create-entity --name "当前计划" --type "学习计划" --reason "更新计划"
- 交互式教学：创建学习日志（命名如 学习日志-YYYYMMDD-NNN，含时间戳与摘要），以苏格拉底式引导教学，用 append-update 标记概念状态（状态: 等待中/正在介绍/已完成）。
- 实时可视化：仪表盘为预构建静态文件，不要自行生成或修改 HTML/JS；通过 ask_user 让用户在独立终端运行： python3 skills/subject-learning-assistant/scripts/server.py <KB_DIR> 8000
限制与要求：先读 read_graph_manual 了解图谱规则；严格层级，概念须归属任务、任务须归属主题；不代做功课；学习计划实体须含精确格式数组（如 任务大纲: ["任务1", "任务2"]、子主题-[精确任务名称]: ["概念1", "概念2"]），状态字符串须严格匹配，否则地铁图渲染失败。可用中文编写实体信息。其他收费、平台等信息暂未提供。