FSRS 是什么？算法实用指南

FSRS 在实际使用中的含义

FSRS 不只是“稍后再复习”。它是一种由 Jarrett Ye（L-M-Sherlock）开发的机器学习间隔重复算法，将每张卡片建模为包含三个变量的记忆状态：

每次复习后，FSRS 都会更新难度和稳定性，然后安排下一次复习，使卡片再次出现时可提取性接近你期望的目标保持率。与 SM-2 等较早的固定启发式调度器相比，这通常能减少不必要的复习和意外遗忘。

FSRS 已集成到 Anki 23.10，现在是新牌组的默认调度器。Deckbase、Mochi 和 RemNote 也原生使用 FSRS。

FSRS 与 SM-2 及旧式调度器的对比

针对超过 7 亿条 Anki 复习记录的独立基准测试显示，FSRS-5 将保持率预测误差降至约 5.3% RMSE，而 SM-2 为 16.2%。实际来看，这意味着 FSRS 能用大约少 20%-30% 的每日复习时间维持相同的保持率。来源：FSRS 算法文档。

简单的每日 FSRS 工作流程

1. 1
   让卡片保持原子化：每个提示只包含一个事实或概念。更小的卡片能同时提升回忆效果和调度准确性。
2. 2
   每天用短时段学习（10-20 分钟）。相比偶尔长时间复习，FSRS 更能从稳定的复习信号中受益。
3. 3
   回忆后如实评分。高估困难卡片会导致间隔过长，并造成本可避免的遗忘。
4. 4
   优先使用高质量来源。对于 Deckbase 用户，扫描书籍/PDF 后再编辑 AI 草稿，有助于保持较高的卡片质量。

在 Deckbase 中，这通常是“采集来源 → 生成卡片 → 编辑 → 复习”。如果你通过 MCP 创建卡片，请在进行批量写入前，先调用 get_template_schema 并遵循模板结构。

如何选择目标保持率

当目标保持率与你的使用场景相匹配时，FSRS 效果最好。单一通用数值很少是最佳选择：激进的目标会推高工作量，而过低的目标可能导致在高风险考试前出现本可避免的遗忘。

大多数学习者可从 90%-92% 左右开始，然后在 2-3 周后根据实际结果调整：逾期数量、每日复习时间和遗忘频率。小幅调整通常优于大幅跳跃。

提升 FSRS 效果的卡片质量清单

1. 1
   每张卡片只用一个清晰的问题。含糊的提示会产生噪声评分，并削弱间隔预测。
2. 2
   优先使用具体答案，而不是宽泛的总结。具体的回忆事件能提升调度准确性。
3. 3
   只在需要时添加上下文。额外文字应当帮助消除歧义，而不是让回忆步骤不堪重负。
4. 4
   每周检查近期的遗忘情况，并改写最差的 10 张卡片。当输入质量持续提升时，FSRS 的表现最佳。

工作量规划：保持率是一项预算决策

FSRS 的强大之处在于它让权衡变得明确。更高的目标保持率可以减少遗忘，但通常会提高每日复习成本。更低的目标会减少工作量，但可能在考试前提高遗忘风险。合适的设置取决于你可用的时间、卡片数量以及遗忘的后果。

与其追求单一的“最佳”数值，不如把保持率视为预算：你每天实际能坚持多少分钟，且能持续数月，而不只是充满动力的一周？当学习者选择一个能长期稳定维持的目标时，大多数人进步得更快。

在稳定习惯期间，实用的默认值是 90%-92%。只有当完成率持续较高且每日复习时间可预测时，再向上调整。

实用的 30 天 FSRS 采用计划

使用间隔重复时最大的错误，是在工作流程稳定之前就优化设置。这个 30 天计划先强调一致性，再进行调整。它适用于医学学习者、认证备考、语言学习，以及回忆质量在短期考试之外同样重要的技术领域。

1. 1
   第 1-7 天：建立基线。保持每日短时段复习。将新卡数量限制在不会导致积压增长、你能复习完的水平。
2. 2
   第 8-14 天：修正卡片质量。检查最差的卡片，改写不清楚的提示。优先做到每张卡片只含一个概念。
3. 3
   第 15-21 天：温和调整保持率。如果遗忘较多，先提升卡片质量，再调整保持率。如果工作量过重，先减少新卡，再考虑降低保持率。
4. 4
   第 22-30 天：锁定你的运行模式。保留能带来稳定完成率和可接受遗忘率的设置，然后避免频繁更改参数。

到第 30 天，你应该已经知道自己可持续的卡片数量、现实可行的目标保持率，以及卡片制作流程中仍会产生可避免错误的地方。

FSRS 故障排查指南

大多数 FSRS 失败并不是算法失败。它们通常来自糟糕的卡片输入、虚高的自评分或不可持续的新卡数量。在做出大幅配置更改之前，可用下表快速诊断。

故障排查要保持迭代进行。每次只改变一个变量，并观察 7-10 天。这样可以避免信号相互重叠造成混淆，并帮助你判断究竟是什么改善了回忆。

考试备考与长期掌握：两种有效的 FSRS 模式

考试备考模式强调在固定时间范围内（例如 6-12 周）的回忆可靠性，通常采用中高目标保持率和严格的每日完成要求。在这种模式下，削减低产出卡片通常比无休止地增加复习时间更有效。

长期掌握模式优化的是数月甚至数年的可持续性。你可以采用略低的目标保持率，同时提升卡片质量并让标签更清晰。目标会从短期分数最大化，转向在可控工作量下获得持久知识。

两种模式都有效。选择与你的时间安排相符的那一种，然后让规则保持足够稳定，以便根据真实复习数据评估结果。

每周 FSRS 运营清单

当你把 FSRS 当作一套持续运行的系统，而不是一次性设置时，它的表现最好。简短的每周复盘循环能让卡片池保持健康，并防止小的质量缺陷累积成每日复习疲劳。

1. 1
   标记你的失误。当卡片回忆失败时，标记原因（提示含糊、卡片负担过重、上下文薄弱或纯粹的记忆空白）。
2. 2
   优先修复影响最大的标签。从遗忘最集中的卡片群入手，而不是随机编辑卡片。
3. 3
   保持卡片模板一致。相似的卡片类型应遵循相同的答案格式，让评分行为保持可靠。
4. 4
   记录一条每周笔记。写下发生了什么变化、哪些有所改善，以及下周要测试什么。

实战场景：FSRS 设置如何随目标变化

学习者常想要一套通用的 FSRS 设置，但最佳配置取决于约束条件：时间安排、错误容忍度和每日可用分钟数。适合长期语言维护的同一组设置，放到短期考试窗口里可能让人不堪重负，反之亦然。

把下表用作决策捷径。从最接近的场景开始，让设置至少稳定 10 天，然后每次只调整一个变量。这样可以避免同时改变多个因素而得出的错误结论。

核心思路是运营上的契合：一个略低但每天都能坚持的目标保持率，通常胜过一个激进但两周后就放弃的目标。

常见失败模式及快速恢复方法

当学习者说 FSRS“不起作用”时，根本原因通常是流程质量，而不是调度器本身。有三种模式反复出现：新卡摄入失控、卡片提示不清楚，以及回忆后的评分行为不一致。这三种情况都会产生噪声信号，使间隔规划变得不那么可靠。

1. 1
   积压螺旋：新卡不断增加，而每日完成率下降。恢复方法：冻结新卡 3-5 天，在恢复摄入前清理逾期复习。
2. 2
   含糊螺旋：提示同时询问多个内容，导致频繁出现“差一点就想起来”的结果。恢复方法：把遗忘最多的卡片改写成一个问题、一个预期答案、一个清晰上下文。
3. 3
   评分漂移：在忙碌的几周里评分变得宽松，随后遗忘率飙升。恢复方法：连续 7 天进行更严格的自我评分，并重新检查间隔表现。

快速恢复首先要减少系统噪声。一旦数据质量提升，小幅的保持率调整就会变得有意义，也更容易解读。

可每月重复使用的实施清单

把这看作一个循环执行的维护流程。随着卡片库扩大和学习目标随时间变化，这份清单有助于保持较高的复习质量。

1. 1
   为本月设定一个明确的目标指标（例如，保持完成率高于 85%）。
2. 2
   审查失败最多的标签，并优先改写最弱的 20 张卡片。
3. 3
   检查平均单次复习时长是否比卡片数量增长得更快。
4. 4
   删除或暂停那些反复消耗时间却没有带来保持率提升的低产出卡片。
5. 5
   记录一项流程变更，并在稳定使用 2 周后重新评估。

这个每月循环能让 FSRS 与你的真实工作量保持一致。优秀的学习者不仅复习卡片，也会维护复习系统本身的质量。

常见问题

相关资源