核心用法
Anki 是开源间隔重复（Spaced Repetition）软件，核心机制基于 SM-2/FSRS 算法自动计算最优复习间隔。用户通过创建 flashcard（基础问答、填空、图像遮挡等格式），系统将卡片按记忆曲线分发，在遗忘临界点触发复习，以最小时间投入实现最大化长期 retention。
Card Creation：遵循"atomic fact"原则——每张卡片只测一个概念，强制拆分复合知识；必须附加语境线索避免干扰；支持从文本/PDF/笔记批量生成 Anki 导入格式。
Deck Organization：通过层级标签、合并重复、结构化重组管理海量卡片；支持按主题、难度、考试优先级筛选。
Study Diagnostics：监控 retention 率（目标 85-90%）、检测 ease hell（ease factor <200%）、识别 leech（失败 8+ 次的卡片需重写而非硬背）。
显著优点
- 算法成熟：SM-2 历经数十年验证，FSRS 引入机器学习进一步优化个性化调度
- 开源生态：完全免费，社区共享 deck 覆盖医学（AnKing）、语言（Core 6000）、司法考试等
- 跨平台同步：Windows/macOS/Linux/iOS/Android/Web 全端覆盖
- 高度可定制：卡片模板、CSS、JavaScript 支持复杂交互式卡片
潜在缺点与局限性
- 学习曲线陡峭：算法参数（interval modifier、graduating interval、leech threshold）需理解调优，新手易陷入"默认设置陷阱"
- 卡片质量依赖用户：系统不验证卡片本身是否遵循认知科学原则，错误设计（如多 fact cramming、ambiguous answer）会放大时间浪费
- review 堆积心理负担：中断后海量待复习卡片易导致"quit 螺旋"
- iOS 客户端收费（$25），虽用于支持开发但构成门槛
适合人群
- 需记忆大量事实性知识：医学生、法律考生、语言学习者
- 追求长期 retention 而非短期 cramming 的学习者
- 能接受每日 30-60 分钟 review routine 的自律用户
常规风险
- Over-reliance on defaults：SM-2 默认参数对多数用户次优，未调参者 retention 可能低于 80%
- Leech neglect：重复失败卡片不处理会消耗 20%+ review 时间却无学习收益
- Context starvation：无来源/语境的 naked facts 随 deck 膨胀产生严重 interference
- FSRS migration friction：从 SM-2 切换需重新校准参数，短期可能扰乱调度稳定性
来源可信度
Anki 由 Damien Elmes 自 2006 年开发，算法基于 SuperMemo 的 SM-2（Piotr Wozniak, 1990），FSRS 算法经 2023 年学术论文 peer review。属经过实证研究支持的学习工具，可信度极高。