/**
 * Proficiency Tracker
 *
 * 스킬 숙련도를 추적하고 레벨 계산을 수행하는 오케스트레이터.
 *
 * 레벨 공식 (Hybrid):
 *   countScore = log2(1 + N) / log2(151)     // Power Law of Practice
 *   successScore = 0.3 + successRate * 0.7    // 성공률 반영
 *   recencyFactor = exp(-daysSince * 0.007)   // ACT-R Forgetting Curve (완화: 30일→0.81)
 *   difficultyBonus = avgDifficulty * 0.1     // 난이도 보상
 *   level = ceil(clamp(countScore * successScore * recencyFactor + difficultyBonus, 0, 1) * maxLevel)
 *
 * ACT-R 순수 활성화 값은 actrActivation 필드에 별도 저장 (분석용).
 */
import type { MemoryDatabase } from '../db/database.js';
import type { ProficiencyConfig } from '../types/index.js';
import type { ProficiencyRecord, LevelUpdateResult, SimulationScenario } from './types.js';
export declare class ProficiencyTracker {
    private db;
    private config;
    private engine;
    constructor(db: MemoryDatabase, config: ProficiencyConfig);
    /**
     * 스킬 연습 기록 + 레벨 재계산
     */
    recordPractice(skillMemoryId: string, outcome: 'success' | 'partial' | 'failure', difficulty: number, contextTags?: string[], sessionId?: string): LevelUpdateResult;
    /**
     * 레벨 재계산 (Hybrid: Power Law + Forgetting Curve)
     */
    recalculateLevel(proficiencyId: string): LevelUpdateResult;
    /**
     * 숙련도 레코드 보장: 없으면 생성
     */
    ensureProficiency(skillMemoryId: string): ProficiencyRecord;
    /**
     * 숙련도 목록 조회
     */
    listProficiencies(projectPath?: string): ProficiencyRecord[];
    /**
     * 시뮬레이션: 이벤트 시퀀스 → 레벨 진행 반환
     */
    simulate(scenario: SimulationScenario): number[];
}
/**
 * 실용적 레벨 공식
 *
 * Power Law of Practice (log 성장) + Forgetting Curve (지수 감쇠) + 난이도 보너스
 */
export declare function computePracticalLevel(experienceCount: number, successRate: number, daysSinceLastPractice: number, avgDifficulty: number, maxLevel: number, actrActivation?: number): number;
//# sourceMappingURL=tracker.d.ts.map