核心用法
Learn 是一个本地化学习管理技能，采用认知科学验证的间隔重复（Spaced Repetition）和主动回忆（Active Recall）技术，帮助用户结构化追踪任意领域的学习进度。
工作流程
技能遵循「目标→计划→学习→练习→验证→复习」的闭环：
1. 用户声明学习主题后，自动创建 ~/learning/topics/{topic}/ 目录结构
2. 将主题拆分为概念单元，存入 concepts.json 并配置 SR 调度参数
3. 每日通过 cron 生成待复习队列，强制采用「先提问→用户作答→揭示答案→难度评级」的主动回忆模式
4. 掌握验证阶段需通过 5 题测试（正确率≥80%），结果记入 progress.md
技术实现
- 间隔重复算法：基于 SM-2 简化版，根据答题表现动态调整间隔天数（
interval_days × ease_factor或重置为 1 天） - 数据架构：纯本地 JSON/Markdown 存储，零外部依赖，支持版本控制友好的人工审阅
显著优点
- 隐私优先：所有数据滞留于
~/learning/，无云端同步风险 - 方法论严谨：强制主动回忆替代被动重读，符合认知负荷理论
- 灵活可配置：支持
depth（标准/深入）、learner_type（理论/实践型）等个性化参数 - 可验证掌握：5 题测验门槛避免虚假精通感
潜在局限
- 无内置内容：需用户手动输入学习材料，不提供预制课程
- 算法简化：未实现 FSRS 等现代自适应算法，复习调度偏保守
- 跨设备同步缺失：纯本地架构需借助外部工具（如 Git/Syncthing）实现多端同步
- 依赖用户自律：无推送通知机制，需主动查询
due.json或配置 cron
适合人群
- 自学者、备考者、语言学习者等需长期记忆巩固的用户
- 隐私敏感型用户，拒绝商业学习平台的数据收集
- 已拥有学习材料、仅需结构化复习工具的效率爱好者
常规风险
- 数据丢失：本地存储无自动备份，建议配合
git或定期归档 - 进度伪造：用户可手动修改
concepts.json的复习日期，破坏算法有效性 - 过度自信偏差：自我评级（easy/good/hard/wrong）可能失真，建议定期用「验证」功能校准
- 认知负荷管理：
daily_review_limit默认 20 条可防止堆积，但初学者可能低估初期投入