1900 年之后，人类对记忆机制的理解提升了几个数量级——但大多数"高效复习法"仍然停留在 1885 年的艾宾浩斯。FSRS 是目前最先进的间隔重复算法，在 Anki 生态中经过数亿次复习验证，比传统方法效率高出 2-3 倍。
一、艾宾浩斯做了什么？
1885 年，德国心理学家赫尔曼·艾宾浩斯用自己做实验——背诵了数千个无意义音节，记录遗忘速度。这就是著名的艾宾浩斯遗忘曲线。
| 时间 | 遗忘比例 |
|---|---|
| 20 分钟后 | 42% |
| 1 小时后 | 56% |
| 1 天后 | 74% |
| 1 周后 | 77% |
| 1 个月后 | 79% |
它的核心价值：遗忘是有规律的，在遗忘之前复习可以延长记忆保持时间。但艾宾浩斯有 三个严重局限：
- 实验材料是无意义音节：真实学习中的数学公式、英语单词遗忘模式完全不同。
- 被试只有一个人：他的曲线不能代表所有人。
- 没有考虑个体差异：不同知识点的遗忘速度可能相差数倍。
二、FSRS：新一代间隔重复算法
FSRS 不是靠理论推导，而是通过分析 数亿次真实复习数据 来构建预测模型。它为每一个知识点建立独立的记忆模型，追踪三个关键变量：
三个核心变量
稳定性（Stability）：这个知识点能记住多久。每次成功复习提升，每次遗忘下降。
难度（Difficulty）：这个知识点本身有多难。FSRS 根据遗忘频率自动评估。
可提取性（Retrievability）：在当前时刻，你能回忆起来的概率。
三、FSRS vs 艾宾浩斯 核心差异
| 维度 | 艾宾浩斯遗忘曲线 | FSRS 算法 |
|---|---|---|
| 数据基础 | 1 个人，无意义音节 | 数亿次真实复习数据 |
| 个体适应性 | 所有人一样 | 为每个用户单独建模 |
| 知识区分 | 所有内容一视同仁 | 每个知识点独立追踪 |
| 复习间隔 | 固定间隔 | 动态调整，基于记忆状态 |
| 难度感知 | 无 | 根据遗忘频率自动评估 |
| 效率提升 | 基线 | 比传统方法快 2-3 倍 |
四、FSRS 的实际效果
FSRS 在 Anki 生态中经过数亿次复习验证，预测准确率达 90% 以上，复习量减少 30-40%，记忆保持率不变。
| 方法 | 每天投入 | 一个月后记住 | 一年后记住 |
|---|---|---|---|
| 不复习 | 0 分钟 | ~20% | ~5% |
| 考前突击 | 2 小时/周 | ~40% | ~10% |
| 艾宾浩斯式间隔 | 15 分钟/天 | ~70% | ~40% |
| FSRS 优化 | 5-10 分钟/天 | ~90% | ~75% |
五、如何在 CoEvo 中使用 FSRS
CoEvo 将 FSRS 深度整合到 AI 教学流程中：
- AI 对话自动提取概念——AI 判断什么值得记
- FSRS 自动排期复习——每次复习后自动更新记忆模型
- 客观验证替代主观判断——AI 出题测试，三题全对才算通过
六、结论
艾宾浩斯遗忘曲线是一座里程碑，但 140 年后我们有更好的选择。FSRS 不是对艾宾浩斯的否定，而是对它的超越。用同样的核心洞察（间隔重复），但用现代数据科学方法将效率提升数倍。
如果你还在用"每 1 天、2 天、4 天、7 天"的方式安排复习——那是 1885 年的方法。2026 年，有更好的选择。
参考来源：Ebbinghaus (1885) · Wozniak (1990) SM-2 · LearningCues FSRS · Anki Official Docs