FSRS 是什么？

FSRS 解决什么问题？

复习得太早，你把时间浪费在还记得的内容上；复习得太晚，你已经忘了，一切回到起点。有用的窗口是你即将遗忘之前的那一刻，而这个窗口对每张卡片、每个人都不一样。Ebbinghaus 早在 1885 年就用他的遗忘曲线画出了这种衰退：记忆先急剧下滑，随后趋于平缓。排程器的任务，就是把每次复习放在曲线接近谷底的位置，在那里，一次回忆对拉平曲线的作用最大。

固定间隔做不好这件事。一张你觉得毫无难度的卡片和一张你反复答错的卡片，不该按同一张时间表回来，可一刀切的排程恰恰对它们一视同仁。FSRS 为每张卡片估算恰当的时刻，让简单的内容漂向遥远的未来，顽固的内容则留在近处。

FSRS 的记忆模型如何运作？

FSRS 用三个数字描述你对每张卡片的记忆，并在每次复习后更新它们。

• 可提取性：你此刻回忆起这张卡片的概率。它随上次复习后的时间流逝而衰减，是排程器紧盯的那个值。
• 稳定性：可提取性下降得有多慢。稳定性越高，记忆在需要下次复习前维持得越久，每次成功回忆都会把它推高。
• 难度：这张卡片对你来说有多难。越难的卡片稳定性增长越慢，所以它们回来得更频繁。

你给一张卡片打分后，FSRS 会重新计算稳定性和难度，然后把下一次复习安排在可提取性预计跌到你的目标值的时刻，通常在百分之九十左右。由于这个模型由 GitHub 上的 open-spaced-repetition 项目用大量真实复习数据拟合而成，这些预测追踪的是记忆的真实行为，而不是一条固定的经验法则。

FSRS 复习实际是什么样？

假设你添加一张卡片，正面是 fastidious，背面是一丝不苟、注重细节。你看到它，努力回忆词义，然后给自己打分。选 Good（良好），FSRS 可能把下次复习安排在三天后。届时又轻松想起，稳定性就会攀升，间隔拉长到一两周，再到一个月，然后更久。每次干净利落的回忆都换来更长的休息。你第一次按下 Again（重来）时，FSRS 会把它解读为这张卡片稳定性偏低，把间隔拉回到一天左右，并调高难度，此后更密切地盯住这张卡。数字从来不用你挑；你只说这次回忆得怎么样，排程会自己重塑。

FSRS 和 SM-2 有什么不同？

SM-2 是 Anki 沿用多年的算法。它把间隔乘上一个难易系数（ease factor），再根据你的评分上下调整这个系数。它可靠也简单，但它假设遗忘只有一种固定的形状，并严重依赖每张卡片上的那一个 ease 数字。FSRS 则把可提取性、稳定性和难度分开建模，并用真实复习历史调校，因此它对你、对每张卡片的适应都更精确。实际效果通常是：更少的总复习次数换来相近的记忆保留，因为时间不再花在你本来就还记得的卡片上。

使用 FSRS 有哪些常见错误？

• 打分不诚实。明明是猜的却按 Good，会教给模型一个错误的稳定性，卡片回来得太晚。请按真实情况打分。
• 在到期前突击复习。可提取性还没下降就提前复习，给模型的信号很少，这次复习就浪费了。请相信队列。
• 追求过高的目标记忆保留率。要求百分之九十八的回忆率，会让你被复习淹没，换来的提升却很小；百分之九十左右是常见的平衡点。
• 把难点埋进一张巨大的卡片。一张卡片反复答错时，办法往往是把它拆成更小的卡片，而不是和排程器较劲。

在 Recense 里我需要配置 FSRS 吗？

不需要。FSRS 默认开启，默认设置也很合理。你只管给每张卡片的表现打分，排程器负责时机。这意味着更少的无效复习、更稳的长期记忆，以及一份反映你真正即将遗忘什么的每日队列，而不是一张随意的清单。

一句话总结：FSRS 把对时机的猜测变成对每张卡片的预测。它建模每段记忆如何消退，并把下一次复习定在回忆收益最大的那个点上，让你用更少的总学习时间记住更多。