2026 年如何把 Perplexity Learn Mode 变成闪卡：用引导式搜索找出薄弱点，再交给 FSRS 复习
昨天我把一份课程 PDF 上传到 Perplexity Learn Mode，答了几道小测题，结果在一个术语上卡住了。那个术语我明明在原文里已经高亮过两次。真正有价值的，恰恰就是这次卡住。
这才是很多人搜索 Perplexity Learn Mode 闪卡 时背后的真实问题。现在的 Perplexity 在前半段已经做得不错了：上传材料，获得引导式帮助，回答小问题，发现哪些地方不稳。真正还需要另一套系统的，是 Learn Mode 暴露出薄弱点之后该怎么办。
所以到了 2026 年，我真正信任的流程是这样的：先用 Perplexity Learn Mode 找出答错、回答慢、比较混乱的地方，然后只把这些部分做成小而干净的闪卡，再用 FSRS 复习。Perplexity 版本里多出来的一步其实很简单：每个薄弱点在变成卡片之前，都先回到它对应的上传笔记或引用来源里核对一遍。
Perplexity 已经能处理引导式搜索这一半
Perplexity 当前的官方帮助文档把 Learn Mode 描述成一种为主动学习优化的 Search，而不是只给即时答案。截至 2026 年 5 月 29 日，官方 Learn Mode 页面写明它可以通过对话教学、把主题拆成步骤、生成内嵌学习材料如 flashcards 和选择题测验、用问题和提示来引导、提供带反馈的小测验，并基于上传的课程材料如阅读、学习指南和讲义来工作。
这很重要，因为现在的产品已经不只是一个搜索框。
它更像一层引导式学习界面：
- 你带入笔记、阅读材料或幻灯片
- Learn Mode 会向你提问，而不只是总结
- 小测验会暴露你哪些内容答不出来
- 后续解释会补上那个缺口
这套东西很好用。只是它还不是完整的记忆系统。
更大的趋势也是同一个方向。OpenAI 在 2025 年 7 月 29 日 推出了 Study Mode。Coursera 在 2026 年 2 月 25 日 发布的首份 AI in Higher Education 报告解读中说，受访的学生和教育者里，超过 95% 已经在教育场景里使用 AI。Stanford Daily 在 2026 年 1 月 29 日 发布的学生调查也发现，在使用 ChatGPT、Gemini 和 Claude 的受访者里，学习是最常见的用途。这个模式现在已经很清楚了。AI 越来越适合暴露理解漏洞，但默认情况下，它仍然不擅长处理长期记忆。
薄弱点比导出的闪卡更重要
这部分我会先想清楚。
Perplexity 现在确实已经可以根据上传材料生成 flashcards。拿它当起草步骤没有问题。但我不会把“导出”本身当成目标。
如果你把整套阅读材料或整段 Learn Mode 对话都丢进“帮我做闪卡”这一步，结果通常会混进太多不该留下的东西：
- 热身性质的解释
- 只在当时上下文里有意义的例子
- 重复出现的提示
- 听起来很聪明、复习起来却很差的总结措辞
- 那些你本来就认识、根本不需要排进复习队列的事实
更好的来源，应该更窄一些。
我只想保留 Learn Mode 真正费力处理过的部分：
- 我答错的小测题
- 我一直混在一起的区别
- 我能认出来、却搭不回去的公式结构
- 我离开提示就说不出来的定义
- Perplexity 纠正了两次的陷阱
这些才是好 Perplexity Learn Mode 闪卡 的原材料。模型已经替你做完诊断了。卡组只需要把那些你的记忆明显没抓住的地方留下来。
我会把 Learn Mode 当成薄弱点探测器来用
最好的 Learn Mode 会话，通常都会有一点不顺手。
如果 Perplexity 太早解释太多，整场会话会很顺，但我学到的东西反而更少。我希望它先问，先停顿，先逼我自己回答，然后再来补救。
我会像这样提示它：
用这些笔记开启 Learn Mode。一次只问一个问题。不要太早给出完整答案。如果我答错、犹豫，或者把两个概念混在一起，请把那个薄弱点记下来，最后只回顾这些地方。
这种设定有两个很实际的作用。
第一，它会让 Perplexity 更像导师，而不是摘要机器。第二，它会自然形成一个交接点。到了会话结尾，你手上应该是一份简短的失误清单，而不是一整段让你愧疚自己没再复习的长对话。
会话结束后，我还会再补一句：
只列出这次会话里的薄弱点。对每个薄弱点，给我这个概念、我错在哪里、一个简短的回忆提示，以及在做成闪卡前应该回看的笔记段落或引用来源。
这也是为什么我会把范围压得很小：
- 一节讲义
- 一章里的一个小节
- 一篇文章
- 一套题里的一个主题
如果你把整门课都塞进一次会话里，Perplexity 当然也可能有帮助，但后面的清理成本会很快变得很难看。
如果你的原始材料还停留在 Learn Mode 之前一步，这几篇文章刚好可以先接上：
这才是我会反复使用的流程
这套方法只有在足够短、短到新鲜感过去以后你还愿意继续做时，才真的有用。
我会用下面这个版本：
- 把一小份阅读材料、讲义或幻灯片上传到 Perplexity Learn Mode。
- 要求 Perplexity 先提问，再解释。
- 在回答过程中，用一个很小的草稿清单记下答错、犹豫和反复混淆的地方。
- 会话结束后，让 Perplexity 只总结这些薄弱点，并给出每个薄弱点对应的笔记段落或引用来源。
- 重新打开对应的段落或上传的笔记，把每个薄弱点改写成一张普通的正反面候选卡。
- 任何仍然需要一整段话才能回答的内容，都删掉、拆开或重写。
- 把最后留下来的卡放进真正的复习应用里，用 FSRS 学习。
中间那层筛选，比很多人想得更重要。
卡组不该回答“这次 Learn Mode 会话里发生了什么”，而应该回答“下周没有帮助时，我还需要自己回忆出什么”。
在 Perplexity 里，我会给来源做卡，而不是给润色过的答案做卡
这是我觉得它和 ChatGPT、Gemini 版流程最不一样的地方。
Perplexity 更接近搜索。它的一个有用副作用是，很多薄弱点后面都会带着笔记、截图或引用链路，我可以在保存之前先检查。
所以我会用一个很朴素的规则：
- 如果薄弱点来自我上传的笔记，我就重新打开那份笔记或幻灯片，从原材料写卡
- 如果薄弱点来自 Perplexity 找到的网页来源，我就打开引用来源，在那里确认这个说法再决定要不要留
- 如果某个答案只是在 Perplexity 的解释里听起来很顺，但我没法把它锚定到自己信任的来源上，我就直接跳过
这个小小的来源核对，会让卡组干净很多。
它也会让卡片更可迁移。一周以后，我想记住的是概念本身，而不是 Perplexity 在某次辅导里那句说得很漂亮的话。
小测验里答错的地方，比润色过的解释更适合做卡
这可能是最关键的实际变化。
大家很容易保存那些看起来最强的文字。会保留那段漂亮的解释段落，却忽略了自己当时连一个简单问题都答不出来的尴尬时刻。
真正更适合做卡的，恰恰是那个尴尬时刻。
比如 Learn Mode 让你比较有丝分裂和减数分裂，而你总是把分裂后的染色体数量搞混。糟糕的做法，是保留 Perplexity 那段整齐的讲解。更好的做法，是把这次失误拆成几个快速回忆提示：
- Front: 有丝分裂之后会产生多少个子细胞？ Back: 两个。
- Front: 减数分裂之后会产生多少个子细胞？ Back: 四个。
- Front: 哪个过程会把染色体数减半？ Back: 减数分裂。
同一场会话，复习材料却会好很多。
也正因为这样，我不会让 Perplexity 去做什么“高级闪卡”，也不会让它生成一堆很长、很依赖上下文的卡。一张卡只对准一个薄弱点，这条规则还是最管用。工具变了，复习原则几乎没变。
如果你现在的卡已经开始发胖，接下来最该读的是 2026 年如何制作更好的 Flashcards 和 2026 年如何修复 AI 生成的 Flashcards。
让 Perplexity 先起草卡片，再狠狠编辑
我确实觉得 Perplexity 可以帮你完成起草这一步。
在一场 Learn Mode 会话之后，我会这样要求它：
只把这些薄弱点整理成闪卡。一张卡一个概念。正面要短。背面要直接。不要填充内容。不要编造事实。给每张候选卡附上对应的笔记段落或引用来源。凡是仍然需要长解释才能成立的，都跳过。
这样通常会更接近可用卡片。
但在它真正变成卡组之前，我还是会重度编辑。
我会检查几件很朴素的事：
- 正面是在考一个概念，还是三个概念
- 背面是不是直接回答了问题
- 脱离整段 Perplexity 对话后，这张卡还成不成立
- 这件事以后真的值得记吗
如果答案是否定的，它就会被删掉。
很多 AI 学习流程就是在这里悄悄失效的。生成那一步会让人感觉自己很高效，于是大家对糟糕卡片也变得太客气了。对我来说，我宁愿保留 8 张来自 Learn Mode 的干净卡片，也不要 40 张由“有帮助但记不住”的散文堆出来的卡。
真正开始处理记忆的地方，是 FSRS
Perplexity 可以帮你理解内容，也可以把失误暴露出来。但它不能替代复习排程。
这正是 FSRS 发挥作用的地方。
一旦薄弱点变成卡片，它们就需要时间安排：
- 简单卡应该慢慢拉开间隔
- 脆弱卡应该更早回来
- 复习队列应该平稳到你还愿意继续打开它
这层排程，才是把“Perplexity 抓到我这里会错”变成“我下周更不容易再错一次”的关键。
如果你想单独看排程这一层，2026 年 FSRS 设置指南 和 2026 年 FSRS vs SM-2 会比这篇文章讲得更细。
这篇文章的范围更窄一些。Perplexity 帮你找出漏洞。FSRS 帮你把这个漏洞慢慢补上。
Flashcards Open Source App 适合插在这里
Flashcards Open Source App 最适合接在 Learn Mode 之后，也就是你已经知道什么值得留下来的时候。
这里并没有什么魔法般的 Perplexity 一键导入按钮，我也不想假装它存在。真正有用的流程反而更简单，也更可信：
- 完成 Learn Mode 会话。
- 复制薄弱点、清理过的候选卡，或者两者都复制出来。
- 在编辑每张候选卡时，把对应的笔记片段或引用来源放在旁边。
- 把这些内容粘贴进 Flashcards Open Source App 的 AI chat，或者直接创建卡片。
- 把措辞改成简单的正反面卡。
- 按卡组或标签整理。
- 用 FSRS 复习。
这和产品当前的能力也刚好对得上：
- 标准正反面卡片
- 用 AI chat 清理和重写卡片
- 源材料很乱时可用文件附件
- 用卡组和标签来整理
- 用 FSRS 复习，而不是只做一次性学习
如果你想先看更完整的产品面，功能页 是最快的总览。如果你想直接开始用托管版应用，入门指南 会给你最短路径。
我会留下的那条规则
不要让 Perplexity Learn Mode 直接变成你的长期卡组。
让它帮你暴露出哪些内容值得进入卡组。
只要这个思路换过来，围绕 如何把 Perplexity Learn Mode 变成闪卡 的大多数流程问题都会顺很多。
去用引导式搜索。让小测验暴露你还不会的地方。保留那些失误，而不是保留整场表现。回到每个薄弱点下面的笔记或引用去核对。然后把这些失误做成小卡片，再让 FSRS 处理 Perplexity 做不了的那一层：当这段聊天早就过去以后，确保这些内容你还记得住。