FSRS 实战：这个现代排程器到底改变了什么

FSRS 用一个三部分的记忆模型，取代了 SM-2 那个单一的难易系数，并预测你在某一天回忆起一张卡的概率。实际效果是：在同等记忆保持水平下复习得更少——而它需要数据，才能兑现这一点。

一览

SM-2 关于一张卡的全部理论，就是一个难易系数。FSRS 使用 DSR 模型——每张卡三个量：

难度（Difficulty）。 这张卡对你来说本质上有多难。大致相当于 SM-2 的难易系数，但是被正经估计出来的，而不是靠固定增量推来推去。

稳定性（Stability）。 距离你对这张卡的回忆概率降到 90%，还有多少天。这才是真正的创新之处。SM-2 的「间隔」是一份排程；FSRS 的稳定性则是你记忆的一个属性，排程是从它推导出来的。

可提取性（Retrievability）。 你此刻能回忆起这张卡的概率，它随着距上次复习的时间流逝而衰减。

于是排程问题变得精确了。不再是「乘以 2.5」，而是：给定这张卡的稳定性，可提取性会在哪一天降到我要求的水平？ 就排在那一天。

因为 FSRS 预测的是一个概率，你就可以设定一个目标。把期望保持率设为 90%，FSRS 就会把每张卡排到它估计「你有 10% 的概率已经忘掉它」的那一天。

这确实有用，而且是 SM-2 完全提供不了的东西：

这笔取舍是明示的，而且由你来做。在 SM-2 里，同样的取舍也存在，但被埋在一堆你必须手工调整的常数里。

FSRS 是在极大量真实复习日志上训练出来的——来自数万名用户的数亿次复习。这让它在完全不了解你之前，就已经带着有用的先验：一张新卡开局所用的参数，反映的是卡片总体上的行为规律。

然后它开始个性化。Anki 的优化器会针对你的复习历史重新拟合模型参数，于是排程器会学到：你觉得——比方说——汉字比化学定义更难，并据此调整。

正是这种两段式设计——好的先验，然后个性化——让 FSRS 在实践中胜过 SM-2。常被引用的结果，是在同等记忆保持水平下复习次数减少 20–30%，对一套大型收藏而言，这意味着每月好几个小时。

一些实用说明，因为大多数人会在 Anki 里遇到它：

它需要手动启用。 尽管有不少博客文章说得好像不用，Anki 自己的手册仍然把 FSRS 描述为*「Anki 传统 SuperMemo 2（SM-2）算法的一个替代方案」*。你在卡组选项里启用它。

先启用，再优化。 打开 FSRS 只是给了你「普遍人群」的参数。运行优化器，才会把它们拟合到你的历史上。请务必做第二步，否则你只拿到了一半的好处。

认真设定期望保持率。 默认值是个合理的折中。不要去追 99%——复习成本会陡增，而边际上的记忆保持提升很小。

已有的卡片没问题。 FSRS 会读取你的复习历史，所以一套成熟的收藏会被合理地转换过去，而不是被重置。

给它一点时间。 刚切换之后，有些间隔会看上去很意外。通常模型是对的，而你的直觉是按 SM-2 校准过的。

我们用的是 SM-2，理由是数据，不是原则。

FSRS 的优势来自把参数拟合到复习历史上。一个刚用了两个月闪卡的孩子，只有几十次复习——远远不够拟合任何东西，而一个未经拟合的 FSRS，不过是另一组默认值罢了。对一套没有历史可学的收藏，没有任何诚实的方式去声称有 25% 的效率提升。

还有一个「比例是否相称」的论证。FSRS 节省的是复习时间，而复习时间并不是限制一个 KS3 孩子的因素：我们的每一轮上限是二十张卡，大约六分钟。把六分钟砍成四分钟，解决的是一个没人有的问题。真正限制孩子的，是那些卡片究竟存不存在——这正是我们把力气放在「让导师来写」上的原因。

所以这个计划是刻意的，而不是勉强的。复习日志会记录每一次评级及其时间戳——正是 FSRS 需要的那种形状——所以将来可以拟合这个算法，而不损失任何历史。重新考虑它的触发条件，是每个孩子积累了足够多的复习，让一次拟合真正有意义。