快速解答： 了解自由间隔重复算法 (FSRS) 如何模拟人类大脑记忆，在最合适的时机为你呈现对的卡片。本指南将为你提供实际背景、权衡考量以及后续步骤，帮助你决定如何在自己的学习系统中应用它。
什么是 FSRS？
自由间隔重复调度器 (FSRS) 是一款开源算法，它能预测你最有可能在什么时候遗忘某条信息，并赶在遗忘前夕为你安排复习。FSRS 由 Jarrett Ye 开发并于 2022 年发布，现在它已成为包括 Neurako 在内许多专业卡片学习工具的默认调度算法。
FSRS 基于 DSR 模型（难度 Difficulty、稳定性 Stability、可提取度 Retrievability），该模型用三个可衡量的指标来量化记忆：
- 难度 (Difficulty, D)：卡片本身有多难记。
- 稳定性 (Stability, S)：记忆在衰退到目标保留率以下之前能维持多久。
- 可提取度 (Retrievability, R)：你现在能回忆起这张卡片的概率。
为什么学习者如此关注 FSRS
绝大多数人并不关心算法本身，大家在乎的是日常使用中的实际效果：
- 减少无谓的复习。 你不用把时间浪费在早已烂熟于心的卡片上。
- 待复习队列更可预测。 你的每日学习量会更加平稳，而不是一天暴多、一天暴少。
- 上手门槛更低。 在 Neurako 中，FSRS 是默认启用的。而在过去，你往往需要自己去琢磨和配置调度器。
如果你正在对比不同的工具，这就是 FSRS 的关键所在。它不仅仅是一次技术升级，更决定了在最初几周的新鲜感过去后，你是否还能把刷卡片的习惯坚持下去。
为什么间隔重复如此有效？
间隔效应 (Spacing Effect) 最早由赫尔曼·艾宾浩斯 (Hermann Ebbinghaus) 于 1885 年提出。研究表明，与固定间隔或集中突击（即“死记硬背”）相比，以逐渐拉长的间隔复习信息，记忆效果要高效得多。
其背后的直觉是：每次你成功回忆起某件事，大脑中的记忆就会被重新巩固，并变得更牢固一些。FSRS 能精准估算出记忆变牢固的程度，并以此来安排下一次复习。
FSRS 如何计算你的下一次复习时间
当你对卡片进行评分（重来 Again / 困难 Hard / 良好 Good / 简单 Easy）时，FSRS 会：
- 使用一套结合了当前难度和回忆轻松程度的公式，来更新卡片的稳定性。
- 设定下一次复习日期，使你在该日期的预期可提取度刚好等于你的目标保留率（在 Neurako 中默认为 90%）。
这意味着，难度大的卡片复习频率更高，容易的卡片复习频率更低——一切都是全自动运行，无需手动干预。
FSRS vs. SM-2（传统调度 vs 现代调度）
| 属性 | SM-2 | FSRS |
|---|---|---|
| 记忆模型 | 经验间隔 | 显式 DSR 模型 |
| 参数调整 | 固定 | 针对用户个性化调整 |
| 准确度 | 良好 | 显著提升（经过同行评审） |
| 开源 | 是 | 是 |
一项对比了各种间隔重复算法的 2022 年研究 发现，在相同的目标保留率下，FSRS 最多可将复习量减少 25%。
如果你想了解更广泛的对比，可以阅读 FSRS vs. SM-2 对比。如果你是在评估产品而不是算法，可以从 将 Neurako 作为 Anki 替代方案 开始了解。
Neurako 是如何使用 FSRS 的
Neurako 中的每张卡片都会保存其完整的 FSRS 状态（stability、difficulty、due、reps、lapses）。每次复习后，算法都会在服务器端更新状态并安排下一次复习。你可以在数据洞察 (Insights) 页面查看卡片的稳定性指标。
其结果是：你不用在已经熟练掌握的卡片上浪费时间，而是能把精力集中在真正需要温习的卡片上。
使用 FSRS 学习一周是怎样的体验
想象一下，有两位学习者拿着同样包含 300 张卡片的卡片包：
- 第一位使用的是固定间隔系统，频繁看到那些已经很熟悉的卡片。
- 第二位使用的是 FSRS，根据实际的记忆回忆概率来复习卡片。
到了周末，两者的记忆保留率可能差不多。但使用 FSRS 的学习者往往学得更轻松、阻力更小。这种微小的差异会不断累积。这就是为什么严肃的学习者越来越关注一个 App 是否采用了现代调度算法，而不仅仅是它能不能刷卡片。
当你的卡片是从现实世界的材料中快速生成时，这一点尤为重要。如果你使用 AI 卡片生成器 从笔记、照片或讲义中快速制作卡片，调度算法就是防止这些快速生成的卡片变成“堆积如山、难以应付的待复习大山”的关键防线。
想查看你的记忆保留率吗？在坚持学习一周后打开 学习洞察，或者在 Neurako 中 创建你的第一个基于 FSRS 的卡片包。