打开一个复习应用，最烦的往往不是背，而是先做一堆决定：哪张卡先看、哪一章更急、同一个知识点因为挂在两个标题下被重复复习。RecallSloth 想砍掉的就是这一层——打开之后只剩一个动作：开始。
这是一个围绕医学复习搭起来的小系统：把定义型笔记转成带来源链接的回忆卡，用一个开放模型找出解释上可能重叠的条目，再挑出一份很短的每日队列。旁边还配了一只看起来很满足的树懒。
流程短到不用教程
目标用户是医学生，或者用自己信任的笔记复习生理学这类内容的学习者。要省掉的力气，是围绕学习反复发生的整理工作：把定义排成卡片、找出重复项、平衡到期主题、把没做完的进度带到下一次。
- 导入 TXT/Markdown 笔记，每行一条「术语：定义」。
- 检查并批准抽取出来的来源卡片。
- 让本地 AI 重叠侦察找出值得对比的解释，分组由你自己确认。
- 选两分钟、五分钟或十分钟的时段，开始回忆。
- 揭晓精确的来源答案，自评，到期日随之移动。
每一张来源卡在分组后都保留下来。每个答案都指回原始笔记、行号、字符区间和文本校验和。系统不会凭空造出一条新的医学解释。
示例里包含十二条新写的肺生理学定义，依据的是 NIH/NHLBI 的事实性参考资料。它们是教学示例，不是患者记录，也不构成被背书的课程。你学什么，权威仍然是你自己的课程笔记。
演示里的那笔账
在示例中，四组经学习者确认的配对，把十二张来源卡变成完整过一遍所需的八个回忆步骤。十二张原始卡片全部仍可查看。
按应用给出的示意性估算——每步 45 秒——完整过一遍大约少三分钟。这是在一副演示卡组上做的算术，不是实测省下的时间，也不是学习效果声明。每日时段可能只覆盖这副卡组的一部分。
可重复的收益在流程本身：笔记只进一次，批准过的分组保持在一起，评分更新到期日，下一次队列尊重你选的预算。休息一天不会抹掉进度，回来时系统会重新做那遍排序。
答案必须挂在笔记上
卡片解析器只做一件窄事：从学习者的笔记里抽取被明确定义的术语，并保留每条定义的精确来源区间。没有定义行的散乱段落会被拒绝，而不是被转成猜测性的问题。
应用在批准或学习之前会核对引用与来源是否一致。导入备份里被改过的答案无法通过校验。恢复备份不会重放会话或历史命令。
笔记、卡片、分组、到期日和复习历史存在本地未加密的 IndexedDB 里。备份包含源文本，所以应当放在私密位置。这是个人学习软件，患者记录不该进来。
模糊的部分交给开放模型
重叠侦察跑的是 Xenova/all-MiniLM-L6-v2，固定在修订版 751bff37182d3f1213fa05d7196b954e230abad9。Transformers.js 把量化权重加载进 ONNX Runtime Web，在 WASM CPU 上产出归一化的 384 维嵌入。
它编码来源定义，比较余弦相似度，把超过一个示意性阈值的最高排名对比列出来。它不生成答案、不批准卡片、不自动合并任何东西。
最有用的调试结果是一次失败。两条气体交换的定义在模型看来可能非常相似，描述的却是不同的事实。高余弦分数只够用来证明「值得对比」，并不等于「等价」。
于是加了一个小的对比检查，标出不同的气体术语、否定表述和数字细节，并把被标记的对比排到未标记的后面。它的词表是刻意收窄的，无法验证医学含义，每一组仍然需要学习者明确确认。
把失误也公开
应用附带一份可下载的诊断：在十二条示例定义上做八次方向性别名查找，与 Jaccard 词重叠做对比。原始报告包含每一条预测、它的来源校验和、固定住的模型以及实际推理耗时。
这些例子在开发过程中被修改过，对比检查是在观察到相关错误之后加的。这不是独立的留出集，那些数字不构成通用或医学准确率。即便是带对比感知的版本，也漏掉了两个预期别名。备选方案、来源检查和可回退的学习者决定，仍然是产品的一部分。
一个很小的工具交给 Render
Render 托管学习代理前端、队列规划 API 和压缩后的推理运行时资源。模型和笔记文本留在学习者设备上。
队列工具只收到不透明的卡片/主题/分组 ID、到期时间戳、遗忘次数、估算步骤时长和时间预算。浏览器只提供已批准、未暂停且来源引用有效的卡片。工具随后：
- 把未来的卡片挡在外面；
- 每个学习者确认过的分组只选一个代表；
- 在预算内平衡到期主题；
- 返回可见的工具轨迹和选中的 ID。
它的 schema 拒绝额外字段和无界输入。没有笔记上传端点，也没有服务器数据库。浏览器会用本地同一套确定性规划器核对结果。如果服务正在唤醒或不可用，队列仍可在设备上构建。服务器选项可以自己关掉。
模型加载器、分词器文件和运行时都是固定版本。通用运行时资源自托管，带正确的压缩和 MIME 头，Service Worker 缓存应用外壳。真实浏览器检查会断网、重载已存储的卡组、再跑一次实际模型推理，并在设备上启动队列。
那些安静细节也要测
一次全新的 Linux CI 运行通过了构建和完整的软件检查。仓库包含 26 个单元/API 测试和 21 个浏览器检查，覆盖来源保真、分组、调度边界、撤销、持久化、键盘控制、备份篡改、移动端布局和离线使用。
测试笔记里一个唯一的合成私密标记，从不出现在外发请求的 URL 或请求体中。浏览器测试用真实嵌入和合成操作，模型响应不做 mock。它跑在独立的浏览器配置里，绝不碰已登录用户的现有浏览器。
间隔阶梯是刻意透明的：Again 是一分钟；Hard、Good、Easy 以不同速率拉长间隔，上限 365 天。分组卡片会带着已确认的同组卡片一起移动。这是一个简单的原型调度，不是经过验证的记忆保持模型，也不是掌握程度的声明。
开放创新为什么重要
开放模型能在笔记本 CPU 上完成模糊比较，而笔记文本留在浏览器里。没有推理 API 密钥，没有按定义计费的 API 调用，也不依赖 GPU。学习者可以检查一次失败、把备选方案单独留着，并靠缓存资源离线继续。
周围的规则同样是开放的。任何人都能改队列预算、查看对比词表、替换调度阶梯，或者评估另一个嵌入模型，而不必依赖某个托管模型看不见的行为。
限制也摆在那里。首次使用要下载通用资源；服务商能看到普通连接元数据；浏览器可能清掉缓存；Render 的免费服务会休眠并共享工作区额度。本地存储未加密，备份包含笔记。当前部署是免费的教育原型，没有临床用途、学生试用、记忆保持验证或实测教育效果。
应用代码是 MIT。模型/运行时许可证和复用的基础设施代码单独署名。作者是 @faraz_s_0a6e70a4bbdc6622，在 AI 编程辅助下完成；封面用 OpenAI 内置图像工具生成，提示词和资源路径都附上了。截图展示的是真实应用。
通用的固定版本浏览器模型加载器、WASM 压缩和 Service Worker 模式，改编自作者早前的 ReferralGlass 项目，并在 THIRD_PARTY.md 中署名。RecallSloth 的学习流程、来源卡解析器、重叠/对比控制、分组、调度器、IndexedDB 存储、界面和测试，是为第三周写的。
新写示例的事实背景来自 National Heart, Lung, and Blood Institute、National Institutes of Health、U.S. Department of Health and Human Services。不暗示任何机构背书，也不复制机构图片、标识或格式化出版物。
热门跟贴