重新思考间隔重复算法

我想做一个懂你的间隔重复算法。

明明下午在地铁上有20分钟空闲，但传统记忆软件非要我"明天再复习"。等到明天，那些本来还有点印象的单词已经变成彻底的陌生人。

这让我开始思考：为什么我们还在用20年前设计的算法，应对今天完全不同的生活方式？

传统的间隔重复算法很"科学"：第1天→第3天→第7天→第14天...

但它假设了一个不存在的理想用户：

• 每天固定时间学习
• 永不延迟复习
• 记忆力标准化

现实呢？我们在地铁上刷5分钟，午休学10分钟，晚上如果不加班可能有30分钟。我们会因为出差错过复习，会因为加班打乱节奏。

当算法不理解真实生活，失败就成了必然。

我想设计一个不一样的算法，核心公式如下：

下次复习间隔 = 当前间隔 × IF × EF × DF × PF × TF

看起来很复杂？其实每个因子都在回答一个简单的问题。

五个因子，五个问题

1. IF（间隔因子）：这次记住了吗？

三个按钮，诚实点击：

• 忘记了 = 0.25（间隔缩短到1/4）
• 有点难 = 0.6 （间隔缩短到60%）
• 很容易 = 1.5 （间隔延长到150%）

2. EF（难度因子）：这张卡片有多难？

范围：1.3 - 2.8 初始值：2.0

每次你选择后，算法都在悄悄调整：

• 忘记了：EF降低32%（"这个词对你来说有点难"）
• 有点难：EF不变（"保持现状"）
• 很容易：EF提升8%（"你在进步！"）

想象你学"algorithm"这个词：前两次都忘了，EF从2.0降到1.36。第三次终于记住了，EF开始回升。经过10次复习后，EF稳定在2.3——你已经征服了它。

3. DF（延迟因子）：你迟到了多久？

DF = e^(-延迟小时数/计划间隔小时数) ，用指数函数计算，因为遗忘本身就是指数级的：

• 准时复习：DF = 1.0（无惩罚）
• 延迟25%：DF ≈ 0.78（轻微惩罚）
• 延迟50%：DF ≈ 0.61（下次间隔缩短39%）
• 延迟100%：DF ≈ 0.37（下次间隔缩短63%）

特别的是，如果你延迟超过100%且选择"忘记"，算法会说："没关系，我们重新开始。"直接重置到2小时，迟到不可怕，算法理解并相应调整。

4. PF（个人因子）：你是哪种学习者？

算法会慢慢理解你，而不是强迫你适应它：

范围：0.7 - 1.3
初始值：1.0
# 每100次交互后
if 记忆保留率 > 90%:
    PF慢慢增加  # "你很厉害，可以学得更快"
elif 记忆保留率 < 70%:
    PF慢慢减少  # "慢一点没关系，我陪着你"

• 记忆超人（保留率>90%）：PF逐渐升至1.3
• 普通人（保留率70-90%）：PF保持1.0
• 需要帮助（保留率<70%）：PF降至0.7

如果你是"需要帮助型"（PF=0.7），这不是惩罚，而是保护。

算法在说："我知道你需要看到这个词更多次，我会安排得更频繁，直到你真正掌握。"

5. TF（时间因子）：睡眠巩固的秘密

24-72小时的间隔会获得1.2倍加成，因为睡眠期间大脑会"重播"白天的记忆。这是基于神经科学研究的真实数据。

• 间隔 < 24小时：TF = 1.0
• 间隔 24-72小时：TF = 1.2（睡眠巩固加成20%）
• 间隔 > 72小时：TF = 1.0

为碎片化时间而生

最关键的改变是初始间隔从1天缩短到2小时。

为什么？我观察了自己的手机使用记录，发现平均每2.3小时会自然地拿起手机。既然改不了这个习惯，不如利用它。

实际学习节奏：

• 早上9点学"algorithm"
• 11点提醒复习（2小时后）→ 选"容易" → 6小时后
• 下午5点再复习 → 选"容易" → 明天中午（获得睡眠加成）
• 第二天复习 → 3天后见

特殊交互效应

1.延迟+忘记 = 温柔的重来

当你既延迟又忘记时，算法不会说"你真糟糕"，而是承认这次失败，给你全新的开始。

2.连续困难 = 不离不弃

如果一个词连续4次都选"困难"，EF会逐步降低，但当你第5次终于选"容易"时，EF立刻回升。算法从不放弃任何一个词，只是调整策略陪你攻克难关。

3.高EF+高PF = 效率的飞跃

当简单词汇遇上记忆力强的你，间隔可能达到数月。但系统会设置180天上限——再简单的东西，半年不见也会陌生。

写到这里，我突然有点激动。

不是因为设计了什么高深的算法，而是因为终于有一个算法在说："嘿，我知道你很忙，我知道你会延迟，我知道你记性可能不太好，但没关系，我会调整自己来适应你。"

记忆很苦，但我们可以让它甜一点。