我用 420 行 Python 给自己写了一个 SM-2 复习系统

起因：我刚立了 8 周成为 Agent 应用架构师 的 flag，写了 5 份长文档。但学完不代表记住——人类的遗忘曲线决定了 24 小时后我会忘掉 70%。所以我用 SM-2 算法（Anki 底层算法）给自己写了一个复习系统。

TL;DR：一个 420 行的 Python 脚本，零外部依赖，6 个 CLI 命令，基于 SM-2 算法自适应调整复习间隔。代码在 github.com/sunrong1/agentscope 的 tools/review.py。

一、为什么不用现成的 Anki

Anki 很好，但它有 3 个我受不了的问题：

1. 填卡片的成本比学还高——尤其是技术文档，一篇 5000 字的笔记，要切成 20 张卡，每张还要手写 question/back
2. 不透明——我看不到"我现在的记忆状态是什么样的"
3. 跨设备 + 同步——要么买 AnkiDroid 的同步服务，要么自己折腾自建 AnkiWeb

我的需求很简单：

• 追踪我学了什么（自动记录）
• 告诉我今天该复习啥（按算法算）
• 复习完打 1 个分（0-3），下次自动调整
• 数据可读、可迁移、能 git 跟踪

所以我自己写了。

二、核心设计：SM-2 算法

艾宾浩斯曲线大家应该都听过：遗忘速度是先快后慢。但具体怎么排复习间隔，不同算法给出了不同答案。

SM-2 是 1987 年 SuperMemo 提出的算法，是 Anki 1.x 的底层核心。核心思想：

每个条目维护 3 个核心数字：

• EF（Easiness Factor，难度系数）—— 初始 2.5，最低 1.3
• interval（当前间隔，天）—— 1 → 6 → 14 → 30+ 渐进
• reps（连续成功次数）—— 失败时归零

每次复习后：

• 间隔 = 上次间隔 × EF（成功时）
• EF = max(1.3, EF + Δ)，Δ 由打分决定

这是真自适应——不是写死 7-14-30，而是根据你的实际表现动态调。

三、420 行代码长什么样

整个系统是一个文件 tools/review.py，6 个命令，零外部依赖（只用 Python 标准库）。

核心算法（节选）

def sm2_update(ef, interval, reps, score):
    """SM-2 算法核心。"""
    q = SCORE_TO_QUALITY[score]  # 0-3 → 0-5

    # 1) 更新 EF（对所有打分都生效）
    new_ef = ef + (0.1 - (5 - q) * (0.08 + (5 - q) * 0.02))
    new_ef = max(1.3, new_ef)

    # 2) 决定 interval 和 reps
    if q < 3:
        new_reps = 0      # 失败：重置
        new_interval = 1
    else:
        new_reps = reps + 1
        if new_reps == 1:   new_interval = 1
        elif new_reps == 2: new_interval = 6
        else:               new_interval = round(interval * new_ef)

    return new_ef, new_interval, new_reps

CLI 接口

# 1. 加条目（关联笔记）
python tools/review.py add \
    --id phase1-architecture \
    --title "Phase 1 架构全景（4 层 + 6 大原语）" \
    --file notes/phase-1/architecture.md \
    --difficulty 2

# 2. 看今天要复习啥
python tools/review.py due

# 3. 复习（交互式打分 0-3）
python tools/review.py review phase1-architecture

# 4. 看统计
python tools/review.py stats

四、我的实战追踪

刚才 W1 写的 5 份文档 + 1 篇博客，全部登记进了系统：

$ python tools/review.py list
ID                        标题                              到期        EF    复习
--------------------------------------------------------------------------------
learning-commitment       公开承诺（LEARNING.md）            ⚠️ 今天    2.50  0
phase1-architecture       Phase 1 架构全景（4 层 + 6 大原语）  ⚠️ 今天    2.50  0
phase1-classes            Phase 1 核心类图（4 大类族）        ⚠️ 今天    2.50  0
phase1-distributed        Phase 1 分布式拓扑（10 图）        ⚠️ 今天    2.50  0
phase1-sequences          Phase 1 时序图（6 套核心调用）      ⚠️ 今天    2.50  0
w1-blog                   W1 博客总结                       ⚠️ 今天    2.50  0

全部 due（因为刚加，interval=0）。我接下来会逐个 review，给自己打分。

预计 30 分钟能跑完 6 个。

五、关键设计决策（为什么这么做）

决策 1：显式 review 命令，不用文件 mtime

原始设计：通过文件修改时间自动识别复习行为。

我拒绝的原因：

• 改个 typo、修个错别字 → 系统以为你复习了
• 多人协作 → mtime 不可信
• "我在脑子里复习" → 完全不触发

我的方案：必须主动 python tools/review.py review <id>。显式优于隐式。

决策 2：打分 0-3，不用 0-5

SM-2 标准用 0-5，但我嫌细。0-3 更符合直觉：

分	含义	映射 SM-2 q
0	忘了	1
1	吃力	3
2	还可以	4
3	秒答	5

决策 3：Leach 检测（连续失败 3 次 → 🩹）

如果一个内容你复习 5 次都记不住，算法不会帮你。我加了 leech 机制：连续失败 3 次自动标记。你可以选择：

• 重写笔记（结构化、加图）
• 拆成更小的卡片
• 干脆放弃（移到 "abandoned" 列表）

决策 4：毕业机制（连续成功 3 次 + EF≥2.5 → 🎓）

不是所有内容都要永久复习。3 次成功 + 较高的 EF = 真的掌握了。标记为 mastered 后：

• 不再出现在 due 命令里
• 但 stats 还能看到
• review <id> --force 还能复习（防遗忘）

决策 5：零依赖

不引 rich / typer / pydantic——只用 Python 标准库。理由：

• 任何 Python 3.8+ 都能跑
• 启动快（< 50ms）
• 代码可读（不藏抽象）

六、跟 AgentScope 学习系统怎么联动

我现在的学习闭环是：

重点：leech 标记 = "我没掌握" 的硬数据。这比"我感觉我懂了"靠谱 100 倍。

七、P2 路线图（什么时候做）

• Anki 卡片导出——给喜欢 Anki 的人用
• Cloze 卡片——一个内容生成多张卡（{{c1::关键概念}}）
• 难度自动调整——基于连续表现自动升降级
• Web UI——浏览器里看进度
• 主题/tags——按 AgentScope 模块分类
• 导出 PDF 报告——周报 / 月报可视化

但 P0 + P1 已经能跑了。先把学习闭环跑起来，再加花活。

八、给想用的人

最小上手（3 分钟）

# 1. clone 仓库
git clone https://github.com/sunrong1/agentscope.git
cd agentscope
git checkout learning-journal

# 2. 添加你想追踪的第一个内容
python tools/review.py add \
    --id my-first-item \
    --title "我的第一个复习条目" \
    --file "你的笔记路径" \
    --difficulty 2

# 3. 明天 review
python tools/review.py due
python tools/review.py review my-first-item

迁移到其他场景

这个工具的所有"领域知识"都参数化了：

# 改这一行就能切到背单词
DATA_FILE = Path("words/review_data.json")

# 改 add 命令的 --difficulty 提示
# 改 SCORE_TO_QUALITY 映射
# 改 REVIEW_INTERVALS 初始间隔（如果你不想用 SM-2 严格规则）

九、资源

• 📂 完整代码：github.com/sunrong1/agentscope · tools/review.py
• 📖 使用文档：tools/README.md
• 🎯 W1 学习总结：W1: AgentScope 架构全景 + 核心类图
• 📋 公开承诺：LEARNING.md
• 🧠 SM-2 原始论文：P.A. Wozniak, Optimization of repetition spacing in the practice of learning (1990)

---

写在最后

"学"和"记住"是两件事。学完不复习 = 24 小时后忘掉 70%。

复习系统不是负担，是把短期记忆写进长期记忆的物理动作。

跟学习 AgentScope 一样，与其焦虑，不如动手。420 行代码 = 一个能跑一辈子的复习工具。

—— Mr.Sun, 2026-07-19

---

📚 AgentScope 8 周学习系列

• 🎯 W1：架构全景 + 核心类图 — 单一 Agent 类 + 6 原语 MessageBus + 双层洋葱
• 📝 W2：真学习复盘 — 从伪产出到真读代码 5 天记录
• 🔧 本篇：SM-2 复习系统（配套工具）

完整承诺：LEARNING.md · 持续更新到 9-12