前言¶

背单词、记术语、刷考点时，常见做法是「今天背完明天再背一遍」，复习节奏往往靠感觉。间隔重复（Spaced Repetition）则在「快要忘、还没全忘」的时间点安排复习，并用掌握程度反馈拉长或缩短间隔。把这套规则写进 Agent Skill，对话里就能生成复习计划、排序今日队列、按 1–5 分更新间隔，而不必每次从零解释艾宾浩斯曲线或 SM-2。

下面介绍 SkillHub 社区 Skill「间隔重复算法」：它是什么、能做什么、如何安装，以及使用时要接受的限制。

这是什么¶

「间隔重复算法」是面向 education 场景的 Agent Skill，坐标为 @user_70c2f807/spaced-repetition-algorithm，当前版本 1.0.0，来源为 community，由发布者 user_70c2f807 维护。Skill 采用通用 SKILL.md 格式：在 frontmatter 之外用自然语言规定触发条件、执行步骤和输出模板。

定位上，它把艾宾浩斯遗忘曲线与 SM-2 类调度逻辑固化成 Agent 行为：根据用户对每条知识点的掌握程度动态计算复习间隔，在对话中生成每日计划、优先级队列和统计说明。官方页面标注 requires_api_key=false，安装后无需额外 API Key。

SkillHub 展示数据（以页面元信息为准）：分类 education，评分约 100000，下载 780 次，安装计数为 0（以商店统计为准，会随时间变化）。

核心功能¶

以下能力均来自 Skill 自带的 SKILL.md 说明，安装后由 Agent 在匹配场景时加载执行。

1. 间隔计算：按 SM-2 原理为每个条目计算下次复习间隔；掌握好则延长，掌握差则缩短。
2. 今日优先级：按遗忘风险对到期内容排序，输出「今日复习计划」。
3. 反馈闭环：复习后收集 1（完全忘记）到 5（轻松记住）的评分，并更新难度系数与下次日期。
4. 计划与负荷：划分新学与复习批次，建议控制单日复习量（文档建议总量约 30 分钟内），避免堆积。
5. 统计与策略：可输出记忆保持率、周/月趋势；对反复低分条目建议换联想、词根等助记，而非一味加频。
6. 边界声明：明确不适用于短期突击、无需长期保留的临时信息，以及完整课程体系搭建；也不替代「理解」本身。

Skill 还规定了统一输出结构（概览、复习队列表、单条评分指引、反馈处理示例、本周统计等），便于在对话里直接阅读执行。

安装与启用¶

方式一：SkillHub CLI¶

先确认本机已安装 skillhub（安装方式见 SkillHub 安装文档）。安装 Skill 时必须用 --dir 指向当前 Agent 的 skills 目录，否则默认落在 ./skills/ 且可能不被识别。

skillhub install spaced-repetition-algorithm --namespace user_70c2f807 --dir <你的 Agent skills 目录>

常用目录示例（来自官方安装文档）：

• Cursor：~/.cursor/skills/
• Claude Code：~/.claude/skills/
• Codex：~/.codex/skills/ 或项目下的 .agents/skills/

安装完成后，按你所用客户端要求重启或刷新 Agent，使新 Skill 被索引。

方式二：让 AI 按官方指引安装¶

SkillHub 页面提供的提示词为：请根据 https://skillhub.cn/install/skillhub.md，安装 @user_70c2f807/spaced-repetition-algorithm。适合已配置好 SkillHub 环境、希望由对话完成安装步骤时使用。

典型用法¶

Skill 在 Use when 中约定：用户需要基于记忆曲线调整复习间隔、管理复习优先级、优化长期记忆效率时启用；不用于短期突击、临时信息或完整课程体系搭建。

下面三段对话来自官方「快速开始」示例，可直接复现。

安排一批新词的学习与复习节奏：

用户：我有50个英语单词要记，帮我安排复习计划
AI：好的。请提供单词列表，我将按间隔重复原理安排复习：第一次学习后，分别在1天、3天、7天、14天、30天后安排复习。每次复习时你需要反馈掌握程度（1-5分），我会动态调整后续间隔。

理解「何时该复习」的原则：

用户：怎么判断什么时候该复习？
AI：间隔重复的核心原则是"在你快要忘记但还没完全忘记的时刻复习"。具体间隔因材料和个人记忆力而异，初始间隔通常为1天，随着掌握程度提高逐渐延长到周/月级别。

根据历史进度生成今日清单：

用户：我学了一周的内容，哪些今天需要复习？
AI：请告诉我：1) 有哪些知识点？2) 每个上次复习是什么时候？3) 上次复习时掌握程度如何？基于这些信息我来计算今天的复习清单和优先级。

执行流程在 Skill 中分为三步：建立材料库与初始参数 → 按间隔复习并收集 1–5 分反馈 → 动态优化负荷并输出周/月报告。材料量过大、长期未复习、评分失真等场景，Skill 内置了对应的提示与处理表。

适用场景与注意¶

适合谁

• 需要在对话里快速得到复习计划、队列和间隔调整说明的学习者。
• 记离散知识点：单词、术语、公式、史实、人名地名等（Skill FAQ 中的归纳）。
• 已与 Anki 等工具配合使用，希望 Agent 协助解读策略、优化卡片设计时。

限制与坑

1. 必须持续使用：间隔重复依赖多次复习积累，单次对话无法体现长期效果。
2. 诚实评分：虚高评分会导致间隔过长；Skill 要求犹豫超过约 3 秒时宜评 3–4 分而非一律 5 分。
3. 对话不持久化状态：学习材料与进度仅在当次对话中用于计算；跨会话需重新提供列表与上次复习信息。文档建议长期数据用 Anki 等本地工具保存。
4. 不跨对话收集表现数据：隐私说明写明材料与进度只用于当次计算。
5. 安装与下载：若 CLI 直链下载失败，可改用带 --namespace user_70c2f807 的安装命令（与 SkillHub 搜索结果的 install 提示一致）。

不适用场景包括：明天就要考试的冲刺、程序性技能（骑车、游泳）、一次性查询即可的信息；复杂概念应先理解再间隔巩固。

结尾¶

「间隔重复算法」把 SM-2 调度、评分反馈和复习计划输出写进 Skill，让 Agent 在 education 场景下按统一模板回答「今天复习什么、间隔怎么调」。它不要求 API Key，通过 SkillHub 安装到 Cursor、Claude Code、Codex 等客户端的 skills 目录即可启用。

官方入口：

• API / 元数据：https://api.skillhub.cn/user_70c2f807/spaced-repetition-algorithm
• SkillHub 页面：https://www.skillhub.cn/skills/user_70c2f807/spaced-repetition-algorithm