间隔重复技能（FSRS-6）

采用 FSRS-6 算法的自适应抽认卡复习系统——当前间隔重复调度领域的前沿方法，其理论基础源自 130 多年的记忆科学研究。

算法： Ye 等人于 2024 年提出的 FSRS（Free Spaced Repetition Scheduler）。开源参考实现：open-spaced-repetition/py-fsrs（MIT 许可证）。

起源： 本系统在 Formation Fellowship 项目中开发并持续优化。作者并非 Formation 的代表。

卡片文件

卡片存放在用户指定的 Markdown 文件中；若未指定，则仅询问一次。

卡片格式

每张卡片为一个 Markdown 小节（### 标题），包含如下元数据：

### 在答案空间上进行二分搜索
- **Priority:** P1
- **Prompt:** "给定若干不同大小的物品和 N 个接收者，求每个人至少分得一份时所能分配的最大单份尺寸。解法？"
- **Answer:** 在答案空间 [1, max(items)] 上进行二分搜索。可行性判断谓词：sum(item // size for item in items) >= recipients。返回 hi。
- **Interrogate:** 何种情况下双指针优于该方法？谓词为何具有单调性？
- **When to reach for it:** "在满足可行性约束的前提下最大化/最小化某值" —— 对答案进行二分搜索。
- **FSRS:** d=5.50 s=8.20 reps=3 lapses=0 last=2026-03-11 next=2026-03-19
- **History:** [2026-03-04 G=3(Good), 2026-03-09 G=1(Again), 2026-03-11 G=3(Good)]

FSRS 字段说明：

• d = 难度 [1–10]（数值越小表示越容易）
• s = 稳定性（单位：天），约等于回忆准确率降至 90% 所需的天数
• reps = 总复习次数
• lapses = 遗忘次数（即被评定为 Again 的次数）
• last / next = 上次复习日期 / 下次计划复习日期

评分标准：

• 1 = "完全不知道"（空白或完全错误）
• 2 = "有困难"（虽最终答出，但过程存在明显障碍或错误）
• 3 = "掌握了"（经一定努力后正确回忆）
• 4 = "完全掌握"（瞬间、毫不费力地回忆）

复习方法论

每次复习应循环经历多种模式，而不仅限于单纯回忆：

1. 回忆（Recall） — 不看资料，口头阐述解法思路（心理排练）
2. 质疑（Interrogate） — 为何选用此方法？权衡取舍是什么？若需求变化，方案需如何调整？
3. 重写（Rewrite） — 在限定时间内独立编码或应用该方法；注意卡顿与犹豫点
4. 巩固（Retain） — 48 小时后再回顾一次；若无法清晰复现 → 评分为 Again（1）

❌ 跳过回忆后的各阶段 = 投入 80% 努力，仅获得 50% 效果。

优先级指南：

• P1：基础性知识，高频出现。应优先复习。
• P2：通用模式，具备迁移性。其次复习。
• P3：有益补充，适用场景较窄。时间紧张时可跳过。

脚本

所有脚本位于 scripts/ 目录下 —— 纯 Python 3.6+ 实现，无外部依赖。

查看今日待复习卡片

python scripts/due_cards.py ~/my-cards.md
python scripts/due_cards.py ~/my-cards.md --all        # 包含即将到期的卡片
python scripts/due_cards.py ~/my-cards.md --date 2026-03-20  # 提前规划某日复习计划

提交一次复习记录

python scripts/review.py ~/my-cards.md "Binary Search" 3
# 评分含义：1="完全不知道"，2="有困难"，3="掌握了"，4="完全掌握"

运行算法自检

python scripts/fsrs.py

用户请求处理方式

"今天有哪些卡片要复习？" / "显示我的复习队列"

运行 due_cards.py。P1 卡片需显著突出展示。

"我已复习 [卡片名]，评分为 [X]"

运行 review.py。显示更新后的稳定性值及下次复习间隔。 若用户遗忘（评为 Again），请予以标准化处理——这是有效数据，而非失败。

"为 [主题] 新增一张卡片"

在用户的卡片文件中插入一个新小节。切勿手动添加 FSRS 行——该行将在首次复习时由系统自动生成。

模板如下：

### [标题]
- **Priority:** [P1/P2/P3]
- **Prompt:** "[问题]"
- **Answer:** [核心洞见 + 解法思路]
- **Interrogate:** [权衡取舍？若需求变化会怎样？]
- **When to reach for it:** [触发该解法的典型模式或信号]
- **Added:** [日期]
- **History:** []

"我的记忆保持情况如何？" / "统计信息"

解析卡片文件并计算以下指标：强健卡片（s > 30 天）、困难卡片（lapses > 0）、未来 7 天复习负荷预测。

FSRS 数值解读（进阶）

大多数用户无需关注此项——系统会自动完成调度。仅供好奇者参考：

• 稳定性（s）： 回忆准确率降至约 90% 所需的天数。例如 s=10 表示约 10 天后安排下一次复习。
• 难度（d）： 1 表示极简单，10 表示极困难；优质卡片的 d 值通常收敛于 3–6 区间。
• 评分为 "完全不知道" 后： 稳定性将急剧下降（如从 20 天骤降至 3 天），属正常行为。
• 评分为 "完全掌握" 后： 稳定性快速上升。请谨慎使用该评分——仅适用于真正瞬间、毫不费力的回忆。
• 关键洞察： 当设定目标保留率为 90% 时，复习间隔 ≈ 稳定性值。

算法参考资料

详见 references/fsrs-algorithm.md，其中包含完整的 FSRS 数学推导、公式及默认权重参数。原始论文：Ye 等人，《A Stochastic Shortest Path Algorithm for Optimizing Spaced Repetition Scheduling》（2024）。