2026 年 FSRS 设置指南：desired retention、learning steps 和复习负担，不要过度调参
FSRS 最奇怪的错误，不是把 retention 设得稍微高一点或低一点。更奇怪的是，牌组里一半卡片还在问“解释第 4 章”这种问题，你却花三个晚上调 scheduler。
我理解为什么会这样。很多人一旦认定 FSRS 比 SM-2 更好，下一步搜索通常就是 FSRS 设置 或 Anki FSRS 设置。算法名字听起来很严肃，设置项看起来很数学，复习闪卡突然像是在配置生产数据库。
不必这么紧张。
FSRS 设置是在决定工作量，不是在做性格测试
FSRS 里最重要的设置，不只是记忆设置。
它是取舍设置。
当你提高 desired retention 时，你是在告诉系统，希望卡片更早回来，这样忘得更少。这可能很好。但它也意味着更多复习。当你降低它时，你接受更多遗忘，换来更轻的队列。
这不是道德问题。这是运营问题。
如果每天的复习队列已经很重，只因为更高 retention 听起来更认真就继续提高，系统可能会变得更糟。相反，如果你正在准备高风险考试，而且牌组很干净，小幅提高可能有意义。
问题出在很多人没有看自己的真实一天，就开始寻找“最佳”FSRS 设置。
先理解 desired retention
Desired retention 是最应该先理解的设置。
简单说，它告诉 scheduler：当一张卡到期时，你希望自己有多大概率还能想起来。0.90 表示系统目标是在复习时达到大约 90% 的回忆率。
Anki 手册 很直接地说明了这个取舍：desired retention 越高，间隔越短，复习越多；当数值接近 1.0 时，工作量会快速上升。
陷阱就在这里。
从 90% 调到 95%，在设置框里看起来只是小变化。放到每天的复习里，可能像是 app 给你找了一份副业。
所以我会从无聊的方式开始：
- 如果复习量还能处理，就先用默认值
- 只有当队列明显过重，而且多忘一点可以接受时，才降低目标
- 只有当材料值得额外时间时，才提高它
- 小幅修改，然后观察结果
目标不是赢下设置页面。目标是继续复习。
90% 是合理默认值，不是法律
90% 这个默认目标是一个很好的中心点。
但它不是魔法数字。
如果只是休闲学语言，稍微低一点也许更好，因为习惯能保住。医学、法律、金融或认证考试材料，尤其在考试前，可能需要更高一点的确定性。如果牌组里有大量弱的 AI 生成卡片，提高 retention 往往只是让你更频繁地看到烂卡。
这有点难听，但有用。
如果卡片本身写得不好，FSRS 设置不会把它变成好学习对象。它只能决定这张坏卡什么时候回来。
在提高 retention 之前，我会先问一个更简单的问题：如果删除 15% 的卡，这个牌组会不会更好？
很多时候会。
不要复制别人的 FSRS 参数
Desired retention 是你自己选择的。
FSRS parameters 不是这样。
优化参数的意义，是让 scheduler 从你的复习历史中学习。因为别人发了一张漂亮截图就复制他的参数，会破坏这个意义。那个人的卡片、回忆习惯、牌组成熟度和按按钮方式都不是你的。
FSRS optimal retention 文档 有用，是因为它把 retention 解释成知识量和工作量之间的平衡，而不是从陌生人那里借来的数字。
实际做法很简单：
- 如果说不清原因，不要手动改 FSRS parameters
- 不要从论坛帖子复制参数
- 工具支持时，用自己的复习历史优化
- 把参数调整当成维护，不要当成娱乐
这里少做一点，反而更专业。
learning steps 保持无聊就好
Learning steps 里很容易留下旧 SM-2 习惯。
很多人会加上 1m 10m 1d 3d 这种长链条，因为看起来很谨慎。用 FSRS 时，这可能会碍事。第一次学习阶段之后，长期时间安排应该交给 scheduler。如果 learning steps 跨了好几天，你就在推迟自己切到 FSRS 想要得到的那部分。
Anki 手册建议使用 FSRS 时，把 learning steps 和 relearning steps 保持在一天以内，并尽量减少步骤数量。
这是好建议。
对多数牌组来说，我宁愿让 learning steps 更短，把省下的时间用来改卡：
- 拆开过载的问题
- 缩短太长的答案
- 把识别题改成主动回忆题
- 删除那些只是因为 AI 礼貌生成出来的卡
只有卡片本身值得安排，scheduler 才能更好工作。
小心 maximum interval
Maximum interval 看起来很安全，因为它像一个保护上限。
它也会悄悄制造额外工作。
如果你把间隔上限卡得太紧，成熟卡片会不断回来，即使 FSRS 本来会把它们推得更远。这对短期考试窗口或真正关键的知识可能有用。作为一般焦虑设置，通常不划算。
非常短的 maximum interval 会把间隔重复变成重复检查。
这很贵。
我只会在有真实原因时降低它：
- 考试日期很近
- 材料会过期或变化
- 牌组用于关键工作知识
- 你测过工作量，而且承担得起
否则，让简单成熟的卡离开久一点，把时间留给真正需要你的卡。
责怪 FSRS 之前，先看新卡数量
多数复习量问题其实是输入问题。
我们会怪 scheduler，因为它每天早上拿着账单出现。但账单通常来自昨天的新卡、上周的导入，或那批 300 张 AI 卡片。它看起来高效的时间大概只有十二分钟。
如果复习太多，我会先检查这些，而不是马上改 FSRS：
- 每天新增多少卡
- 有多少生成卡从没编辑过
- 有多少卡一次测试多个事实
- 有多少旧卡应该暂停或删除
这篇文章和这个问题很搭：
FSRS 能更平静地安排一个好牌组。它不能让过大的牌组变小。
考试时我会改什么
考试牌组不同，因为日期是真实的。
如果考试很近，最好的 FSRS 设置不一定等于长期语言牌组的设置。你可能愿意在几周里接受更重的复习量，因为材料现在就重要。
但我仍然会避开英雄式设置。
考试前，我会先改流程，再改算法：
- 比自己觉得舒服的时间更早停止加新卡
- 除非牌组很干净，否则 desired retention 保持在正常范围附近
- 用标签或筛选复习处理弱项
- 只有日程真的承受得住时，才提高工作量
- 保护最后一周，不要做巨大导入
这个场景更适合读这篇：
简短版：考试可以证明更严格复习是合理的。不能证明混乱是合理的。
Flashcards 如何适配这种设置
Flashcards 把 FSRS 当成产品承诺，而不是落地页上的徽章。
当前产品方向和认真复习需要的设置是匹配的：
- front/back 卡片，而不是模糊的笔记块
- AI 辅助起草，但默认你仍然会编辑
- 用 FSRS 支撑真实复习循环
- workspace 级设置，例如 desired retention、learning steps、relearning steps、maximum interval 和 fuzz
- 托管 Web app，加上给关心系统原理的人看的开源代码
最后一点对重度 FSRS 用户很重要。
如果你会搜索 最佳 FSRS 设置，你可能也会在意产品是否把 scheduler 藏在模糊营销词后面。我更愿意用一个把复习模型放进真实产品设计里的工具。
一个简单的 FSRS 设置清单
如果今天我要设置一个新牌组，我会把清单保持得很短：
| 设置 | 实用起点 | 什么时候重新看 |
|---|---|---|
| Desired retention | 从正常默认值附近开始 | 复习太重，或材料需要更高回忆确定性 |
| FSRS parameters | 用自己的历史优化 | 有足够复习历史，且工具支持 |
| Learning steps | 短且少 | 当天学习感觉太赶或太重复 |
| Relearning steps | 保持简单 | 失败的成熟卡以不合适的节奏回来 |
| Maximum interval | 没有理由就保持宽松 | 考试窗口、关键知识或测出的 retention 缺口 |
| New cards/day | 设得比野心低一点 | 每日复习开始挤占真实生活 |
不华丽。
但有用。
最好的 FSRS 设置，是你能继续复习的设置
人们搜索 FSRS 设置，是因为他们想让算法更精确。
这很合理。实现得好、牌组不乱时，FSRS 通常比旧 scheduler 更好。但真正的收益不是来自无休止调参。它来自几个冷静选择，然后让 scheduler 工作，同时你继续改进卡片。
把 desired retention 当成工作量杠杆。
让 learning steps 保持简短。
不要复制参数。
先控制新卡，再责怪 scheduler。
如果一切仍然很重，答案也许不是另一个设置。也许是更小、更干净的牌组。
试试不把学习变成设置维护的 FSRS
如果你想试试这个流程：