用修改版SRS引擎教孩子阅读：从记忆曲线到教学节奏控制

教一个四五岁的小朋友认识单词，你可能会遇到这样的场景：今天用卡片教了 apple、cat、dog，当时孩子读得挺顺，第二天翻出来再问，十个忘掉七个。你以为是练习不够，于是加大复习次数，结果孩子开始坐不住，甚至看到卡片就躲。这个现象很常见，也解释了一个看起来和教育不太相关的技术词为什么会出现在儿童阅读的工具里：间隔重复系统（Spaced Repetition System，SRS）。LettersPractice 这个出现在 Show HN 上的项目，做的正是把一套修改过的 SRS 引擎用在教孩子阅读的场景里。

这里的 SRS 和你在搜索引擎里翻到的流媒体服务器名称没有关系。在语言学习、记忆研究，以及像 Anki、SuperMemo 这类工具里，SRS 是一个基于遗忘曲线安排复习时间的算法框架。LettersPractice 的特别之处，不是简单地让孩子像背单词软件那样复习卡片，而是把 SRS 的节奏改造成更适合儿童大脑发育和阅读启蒙的节奏。

我的核心判断是：这类项目的关键价值不在于算法本身有多先进，而在于它把“教孩子阅读”这个模糊任务，变成了一个可以由数据反馈持续调节的系统。要做到这一点，光有 SRS 引擎不够，还需要围绕儿童认知特点修改卡片模型、复习间隔、评分方式和内容顺序。这也是“modified SRS engine”这个描述里最有信息量的地方。

1. 先理解这个项目真正想解决什么问题

1.1 儿童阅读启蒙为什么不能只靠“多读几遍”

成年人学外语，很多时候靠重复背诵确实能积累词量，因为成年人已经有完整的语言系统和元认知能力，知道“我记得不牢，需要主动复习”。但儿童阅读启蒙不一样。一个四五岁的孩子，刚刚开始把视觉符号和语音系统连接起来，他面对的并不是“记住一个单词”这么简单，而是要理解“单词由音素构成”“字母可以代表音”“音可以组合成词”这些规则。

如果只用“多读几遍”来教，孩子更容易记住的是某个单词的整体形状，而不是背后的解码能力。今天认识 cat，换一个同样结构的 pat 可能就不认识了。真正要建立的，是音素意识、字形-音素对应、词族泛化、视觉词识别和句子解码的层层递进。这些能力不是靠机械重复出现的，而是需要在适当的时候反复接触，并且要在快要遗忘之前得到一次恰当的复习。

这正是 SRS 可以切入的地方。SRS 不是“让孩子今天多读十遍”，而是把复习安排成一个时间序列：在学习后的第几分钟、第几小时、第几天再次出现。这种节奏安排，能让孩子用一种低成本的方式保持对某个字母或单词的热悉度，同时又不至于把大量时间花在早已掌握的卡片上。

1.2 SRS 引擎的原始模型在儿童场景下为什么会失灵

先看看传统 SRS 的工作方式。以经典的 SM-2 算法为例：每张卡片被复习后，用户根据自己的记忆程度打分，从“完全忘记”到“轻松回答”，算法根据分数调整下次复习间隔和卡片的难度系数。分数越高，间隔增长越快，卡片被安排得越远。

这套模型对成年人很有效，因为成年人能相对准确地评估自己的记忆状态。但放到儿童场景里，至少有四个地方会失灵。

第一，儿童用户无法可靠地执行“自我评分”。他们不会说“我刚刚是模糊回忆还是轻松回忆”，更多时候只会点按钮、拖图片、跟读或乱按。第二，学习动机不同。成年人使用 SRS 通常有明确目标和自我驱动力，儿童更依赖外部交互设计，如果卡片变得无聊或太难，他会直接关掉页面。第三，遗忘曲线不同。儿童对新知识的初始遗忘速度更快，需要的不是“拉长间隔挑战记忆”，而是先通过短间隔把信息固定住。第四，学习目标不同。成人 SRS 主要维护“词义-词形”关系，而儿童阅读要维护“音-形-义-语境”的关系，一个词需要在不同任务中反复出现，才能内化为阅读技能。

所以，如果直接把 Anki 的调度逻辑拿过来，会出现两种常见结果：要不就是复习间隔太长，孩子学完一个新词之后，还没等到下一次复习就已经完全忘记，导致每次都是重新学；要不就是间隔太密，孩子被同一张卡片反复问，很快就从“我想读”变成“我不玩了”。

1.3 LettersPractice 的核心思路：不是复习工具，而是教学节奏控制器

从标题看，LettersPractice 是一个面向“教孩子阅读”的应用。它没有简单地说自己是“闪卡”或“背单词软件”，而是强调用修改过的 SRS 引擎。这个定位很重要。

我理解的“教学节奏控制器”是这样的：SRS 在这里不是用来提醒孩子“你该复习这个词了”，而是用来决定孩子在什么时间看到什么内容、以什么形式看到、答对之后下一步学什么、答错之后要不要降级。它是整个学习流的调度中枢，而不是附加在卡片列表上的一个排序函数。

如果一个 SRS 引擎能做到这种控制，它其实就代替了家长的部分判断：今天该学三个新词还是一个；这个孩子对短 a 的发音总是不稳，明天要不要再练一轮；孩子连续三次答对了 cvc 卡片，是否可以把“cat、bat、hat”作为一个词族一起出现。做到了这些，工具就不再是电子闪卡，而像一个经验丰富的阅读老师，依据孩子的实时表现调整节奏。

这个判断也意味着，我们在评估 LettersPractice 或者自己做一个类似项目时，重点不是看它的算法多复杂，而是看它有没有把教学方法嵌入到调度逻辑里。

2. 一个“修改版 SRS 引擎”应该改哪些地方

2.1 复习间隔模型：儿童需要从分钟级开始

传统 SRS 的复习间隔通常会从 1 天、3 天、7 天、14 天这样递增。这个设计适合保持长期记忆，但对儿童阅读新手来说，第一个间隔如果是一天后，基本等于没有复习。

实际的儿童阅读场景，更需要的是一种“短循环巩固 + 长循环稳定”的模式。举个例子，一个五岁的孩子第一次接触“cat”这个词，他可能只是把字母 c-a-t 发音组合出来。这时候，第二次出现应该发生在几分钟之后，比如先学 cat，然后学 hat，再用一张带有猫图片的卡片让他在 cat 和 hat 之间选择。接下来半小时或当天晚上再复习一次，第二天再复习一次，然后间隔慢慢拉长到两三天、一周。

也就是说，修改版 SRS 的初始间隔应该从“分钟级”开始，而不是“天级”。按照我自己的经验，比较稳妥的节奏是：第一次复习在 3-5 分钟以后，第二次在当天会话结束前，第三次在下次开始新会话前，之后才进入按天计算的复习阶段。这样做的原因是，儿童初期形成的记忆痕迹非常弱，必须要靠短间隔连续激活，才能进入稍微稳定一点的状态。

我在原型里常用的一个间隔序列是：

# 简化的间隔序列，单位是分钟 INTERVALS = [3, 15, 60, 1200, 2880, 10080, 43200] # 即 3 分钟、15 分钟、1 小时、20 小时、2 天、7 天、30 天

这个序列并不适合所有孩子，但它是一个“短处密集、后期增长保守”的起点。如果孩子答得又快又稳，可以跳过其中一个短间隔；如果答得犹豫，就停在当前间隔再复习一次。

2.2 卡片模型：从“正/反面”到“音-形-义-语境”四维

成人用的闪卡，很多就是“正面英文单词，反面中文释义”。儿童阅读不能这样做，因为孩子的阅读学习不是把单词和翻译绑定，而是要把字形、读音、意义和上下文整合到一起。

一张儿童阅读卡片，至少应该有这几种类型。

第一种是“听音选字”。播放一个读音，让孩子从两三个单词里选出对应的那个。这种卡片训练音素和字形的连接。

第二种是“看字读音”。给孩子显示一个单词或字母组合，让他读出来。系统需要判断读得是否准确，或者至少让家长/老师来标记是否通过。

第三种是“图文配对”。给孩子看一张图片和几个单词，让他选出匹配的。意义和字形连接。

第四种是“词族建筑”。比如把“-an”作为固定尾巴，让孩子用 b、p、d 等首字母组合出 ban、pan、dan。这会强化音素替换能力，是自然拼读的关键。

在系统的数据模型里，卡片不应该只是“正面字段”和“背面字段”，而应该包含类型、教学层级、音频资源、图片资源、提示文本、可接受的答案变体等。SRS 的调度对象不是一张抽象卡，而是一个“当前学习目标”。

2.3 评分机制：不直接问“记得吗”，而是看行为

传统 SRS 靠用户选择“Again / Hard / Good / Easy”来更新难度。这个交互对孩子来说是不可用的。孩子不会精确报告自己的记忆状态，他们只会通过操作流露出一些信号。

因此，修改后的引擎需要从行为中推断“这次复习是成功还是失败”。常见的输入信号包括：

• 是否在无提示的情况下回答正确
• 是否在点击听音按钮后正确回答
• 是否在多次猜测后选对
• 读音是否正确，发音反应时间是否正常
• 是否跳过了一张卡片，或者中途退出

我一般会把这些信号映射成一个简单的枚举值，比如correct_no_help、correct_with_help、wrong、timeout。然后，根据不同的枚举值调整间隔，而不是让一个只有四五岁的用户去打分。

下面是一个简化版的评分与间隔更新示例，不是 LettersPractice 的源码，而是一个可以跑通原型的思路：

def update_card(card, result, helped, response_ms): if result == "correct" and not helped and response_ms < 2000: # 独立、快速、正确：进入正常复习链 card.state = "review" card.interval = next_interval(card.interval) elif result == "correct" and helped: # 正确但需要提示：缩短复习间隔，继续学习状态 card.state = "learning" card.interval = learning_interval(card.interval) else: # 错误或超时：重置为更短间隔，重新学习 card.state = "relearning" card.interval = reset_interval(card.interval) card.review_count += 1 card.due_at = now + card.interval

这里的关键不是具体的阈值，而是“是否被帮助过”和“反应时间”参与了调度。儿童场景下，一次需要提示才答对的复习，不应该被当作和独立答对一样对待，否则引擎会高估孩子的掌握程度。

2.4 内容顺序：按拼读能力，而不是词频排序

很多语言学习工具喜欢用高频词表排序，先学 the、and、is、you 这类词。这对已经具备音素意识的孩子是有用的，但对刚开始阅读的孩子，反而很容易变成“认图形”。

阅读启蒙更合理的做法，是按自然拼读顺序组织内容。从字母名和字母音开始，然后学短元音和单个辅音，再进入 CVC（辅音-元音-辅音）单词，例如 cat、bed、pig、hop、sun。接着引入常见的词族，比如 -at、-et、-it、-ot、-ut，再逐步加入包含辅音组合、元音组合的词，最后把高频词作为“视觉词”拆开学习。

我把这个顺序称为“从音素到句子”的学习路径。SRS 引擎里每一张卡片都应该知道自己属于哪个层级、需要前置掌握哪些卡片。如果一个孩子还没掌握 b 的音，就不应该让他在“ban”这张卡片上纠缠太久。修改版 SRS 的核心变化之一，就是内容编排和调度算法是绑定的，而不是互相独立的。

3. 落地一个 LettersPractice 风格的系统：核心流程与示例结构

3.1 学习路径分层

如果要自己实现一个类似的项目，我建议先固化成这样一个层级模型。每个层级对应不同的教学目标，也对应不同的卡片类型和复习策略。

这是从教学法里拆出来的通用结构。对 LettersPractice 这样面向早期阅读的项目，这个分层能帮助 SRS 判断“复习间隔”和“新卡引入”的节奏。一个孩子如果还在 Level 2 里频繁出错，系统就不应该往 Level 4 发新视觉词。

3.2 卡片状态机与调度伪代码

每一张卡片在一个孩子的学习周期里，大致会经历几个状态：未学习（new）、学习中（learning）、复习中（review）、重新学习中（relearning）。可以把每个状态看作一个“待办队列”，SRS 引擎只负责决定卡片什么时候从当前状态进入下一个队列。

我经常会用这种状态机来理解调度：

{ "cardId": "level2_cat_001", "state": "learning", "level": 2, "interval": 15, "dueAt": "2025-04-10T10:30:00+08:00", "reviewCount": 3, "lastResult": "correct_with_help", "lastResponseMs": 3400, "metacard": { "type": "picture_word_match", "targetWord": "cat", "words": ["cat", "bat", "hat"] } }

这是一张卡片的基础结构。核心字段除了常规的interval、dueAt、reviewCount外，还应该记录lastResult和lastResponseMs。因为没有这些行为数据，后面很难判断孩子的真实掌握程度。

调度伪代码可以非常轻量。对于每张到期的卡片，流程是：

1. 取出卡片，根据卡片类型展示交互任务。
2. 记录孩子是否独立完成、是否借助提示、反应时间。
3. 根据结果更新卡片状态与间隔。
4. 如果孩子连续答错同一张卡片，复制一张更简化的卡片并降低层级。
5. 如果孩子连续答对多张同层卡片，再引入新的卡片。

这里最关键的是第 4 步：降级。儿童学习工具最容易犯的错，是孩子答错了就无限重复同一张卡片。更有效的方式，是把它变简单。比如“看 cat 图选 cat”答不对，就降级成“听 cat 的音频，从两个发音明显不同的词中选”，而不是继续逼孩子在三个形近词里辨认。

3.3 家庭场景中的关键参数

很多技术人在做这类项目时会沉迷于调算法，反而忽略了真实使用的约束。一个家长或老师，通常只会在孩子精力比较集中的 10 到 20 分钟里使用工具。因此，几个关键参数需要从一开始就设计好。

我认为比较合理的初始值是：

• 单次会话时长：10 到 15 分钟
• 每次会话新增卡片数：3 到 5 张
• 每次会话总复习卡数：不超过 15 到 20 张
• 新卡出现比例：不超过本次总卡数的三分之一
• 会话中途最多休息次数：2 次
• 每次复习最大交互时间：15 秒，超过则自动给提示

这些数值不是公式，而是为了让一个四岁孩子不会在十五分钟内被连续追问十张陌生卡片。很多 SRS 工具默认一次引入 10 张新卡到队列，对成人没问题，对儿童就会造成明显负担。

如果要做自适应，可以从“新卡率”入手。比如上次会话正确率为 90% 以上，且平均反应时间低于阈值，下一次会话可以多引入一张新卡；如果正确率低于 70%，则暂停新卡，只复习旧卡。这个机制比复杂的难度模型更直观，也更符合家长观察孩子状态的直觉。

3.4 数据记录：哪些字段必须记录下来

即使只是做一个本地运行的 MVP，也建议从一开始就把行为日志记录清楚。否则，后面想做任何改进，都没有数据支撑。

我把早期版本的数据字段精简为以下几类：

• 孩子维度：年龄、当前层级、学习总时长
• 卡片维度：cardId、level、类型、内容字段
• 复习事件：复习时间、结果、是否有提示、反应时间、是否中断、会话ID
• 调度快照：复习前间隔、复习后间隔、当前状态
• 环境信息：是否有声音、是否使用了家长辅助模式、使用平台

其中“是否有提示”这个字段最容易忽略。但在儿童场景里，有提示和无提示的答对，含义完全不同。如果你在复盘时不区分这两类事件，就会高估孩子的掌握情况。等到进入更复杂的语音识别、表情识别阶段，也可以以这些基础字段作为标签来源。

4. 从“能用”到“好用”：儿童场景的工程化补充

4.1 减少挫败感：提示、降级路径和“总是答对”策略

技术人做工具，通常关注“答对还是答错”，但儿童教育工具更关注“孩子是否愿意继续玩”。一个孩子如果连续答错三次，他可能不会反思，而是会直接关闭页面。所以，交互策略必须刻意减少挫败感。

我见过比较有效的做法是“总是答对策略”。当孩子连续出错时，系统逐渐加大提示力度，直到孩子最终正确完成。这样做不是自欺欺人，而是为了让每一次学习都以成功结束。SRS 调度器会把这次复习标记为“需要提示才完成”，从而缩短间隔，而不是当作完全掌握。

例如，孩子看不到 cat 的图像，系统可以先播放读音，再显示两个选项，最后高亮正确答案，让孩子点击并跟读。这个过程中，孩子通过一系列提示完成了任务，学习目标依然被强化了，只是复习间隔会被保守地缩短。

4.2 家长仪表盘：进度可视化比算法复杂更重要

对家长来说，打开工具最想知道的是：我的孩子今天学了什么？哪些字还不熟？下周该继续学什么？如果这些信息没有展示，家长很快就会失去长期使用的信心，哪怕算法再高级。

一个合适的家长仪表盘，至少应该展示三块内容：

• 当前学习阶段和已完成卡片量
• 近期掌握率与错误卡片分布
• 明天的学习计划预览

同时，家长最好可以手动干预。比如看到孩子连续几天都在同一个词族上出错，可以暂停这个模块，换成另一个词族。或者把孩子今天学习的卡片导出来打印成纸质版，在公园散步时玩“找单词”游戏。工程上这只是一个导出功能，但产品价值很大。

当然，这里有一个边界：仪表盘要避免过度分析。比如把反应时间做成锯齿状折线图，对家长没有意义，反而会造成焦虑。更应该展示的是“哪些卡片已经稳定”“哪些需要再练”，也就是结论，而不是中间指标。

4.3 理解力与语音能力：SRS 只保证“见过”，不保证“会读”

一个常见的误解是，只要孩子在 SRS 里连续答对了几张卡片，就代表他真的会读那个词。其实不是。SRS 能保证的，只是“这个字形与对应义的联结被复习过了”，至于孩子能不能在真实阅读中流畅解码，还需要另外的能力训练。

所以，一个完整的儿童阅读工具，不能只做闪卡，还需要把语音输出和简单的发音判断加进来。比如孩子看到 cat 后，系统播放发音，孩子跟读，系统录下音频。哪怕暂时不做精准语音识别，只让家长或老师听录音并打勾，也能让 SRS 的“掌握”标签比纯闪卡可靠得多。

如果要做自动判断，则需要考虑口音、年龄差异、环境噪音等问题。初版不建议把语音识别作为硬门槛，否则很多孩子会被误判为“不会读”，导致复习间隔缩短到不合理程度。更稳妥的方式是：语音辅助作为可选模式，在安静环境中用。

4.4 兼容真实学习场景：离线、打印、声音反馈

儿童使用工具的场景，并不总是一台安静的平板前。有时候是外出排队时，有时候是家里网络不好的时候。一个面向儿童的 SRS 应用，至少要优先保证音频和离线资源可用。卡片内容、读音、图片都应当在第一次访问时缓存到本地。

另一个容易被忽视的点是声音反馈。儿童需要听到字母音，而不是只看到高亮提示。所以，卡片的音频资源必须与卡片内容配套，并且要尽量避免使用成年男声或声调变化过大的音色。稳定、清晰的儿童美音或英音，通常更适合作为教学音频。

如果不想做 App，也可以做一个 Web 原型。关键是要确保每次复习事件都能可靠上报，因为 SRS 引擎依赖这些事件来安排下一次出现。如果孩子离线学习，事件应保存在本地队列中，联网后再同步。

5. 如果孩子卡住了：一套排查链路

5.1 先看现象

孩子在使用过程中出现“卡住”时，先不要急着改算法。第一步是明确现象。

我把常见现象分成四类：

• 抵触型：孩子看到应用就哭闹、拒绝打开，或者打开后故意乱点。
• 迟缓型：每个卡片反应时间都很长，经常需要提示。
• 高错误型：错误率明显上升，连续多张卡答错。
• 中断型：使用两三分钟后退出，或者频繁跳到其他页面。

这四种现象对应的处理方向完全不同。抵触型通常和交互设计、时长有关；迟缓型可能是内容难度问题；高错误型更可能是节奏和前置掌握出了问题；中断型则可能和卡片类型单一性有关。

5.2 再查内容和输入

如果问题集中在某几张卡片上，先检查这些卡片的输入是否合格。一个常见坑是卡片里的图片有多义性。比如“bat”配了棒球球棒图片，但孩子刚刚学的是动物蝙蝠，就会产生语义混乱。还有一种情况是音频不清晰，孩子听到的音和字母音不一致。

排查顺序是：

1. 是否所有卡片都有可发音资源？
2. 图片是否明确指向目标词，是否存在多义或歧义？
3. 选项是否过于接近，比如 cat 和 cut 同时出现，可能超出当前水平？
4. 卡片是否和当前层级匹配，有没有提前引入下一阶段的规则？
5. 同一张卡片的音频、图片、文字是否保持了一致性？

如果发现这些输入层面的问题，即使算法调整得再好，也解决不了核心矛盾。儿童对歧义内容的容忍度非常低，一次误解就可能对一组卡片产生长期抗拒。

5.3 再查调度参数

如果内容没问题，再进入调度层。我会按这个顺序调整：

• 新卡率是否太高？如果一次会话新增超过 5 张，绝大多数孩子都会跟不上。
• 复习间隔是否过密？如果一张卡在 10 分钟内出现了 3 次以上，而且都是同样的内容形式，重复感会削弱学习兴趣。
• 复习间隔是否过疏？如果学了新词后，当天没有第二次复习，第二天孩子基本会忘光，反复“重新学”会挫败。
• 提示机制是否有效？如果孩子需要提示，但系统没有提供可用的提示，错误率自然上升。

调整时不要一次改多个参数。每次只改一个变量，然后观察 3 到 5 天。比如先把新卡数量从 5 张降到 3 张，如果错误率慢慢回落，就说明卡点在于新内容过多，而不是调度算法本身。

5.4 最后才是算法干预

当输入和参数都正常，孩子仍然卡住时，才需要动算法层。常用的算法干预手段有三种：

• 重置进度：把某个词族或层级的所有卡片重新分配为 learning 状态，清除复习间隔。
• 降级卡片：把卡片的形态变简单，让“看字读音”变成“听音选图”，降低认知负载。
• 提高容错：把“需要提示但最终答对”的卡片，不视为失败，也不重置到 relearning，而是让它停留在 learning，用较短的间隔继续巩固。

这里的原则是：先保使用体验，再保记忆模型。宁可让 SRS 暂时不那么精确地预测遗忘，也不要让孩子因为连续的失败而拒绝使用。一个孩子在三个月内持续每天使用五分钟，效果一定好于第一周就把所有学习内容完美掌握然后弃用。

5.5 一张排查表

6. 这类项目真正的长期挑战

6.1 算法不是护城河，数据闭环才是

SRS 算法本身并不稀缺。真正稀缺的，是在儿童使用过程中持续获得高质量的行为数据，并用这些数据优化教学路径。LettersPractice 如果继续发展，最有价值的资产应该是“孩子的学习日志”和“不同卡片类型的表现曲线”，而不是那套调度函数。

这给我们做类似项目的启发是：一开始就应该把日志体系和数据模型设计好。哪怕只是本地存储，也要保证每次复习事件都能追溯到具体卡片、具体行为、具体环境。后续无论是做统计报表，还是做自适应学习，都建立在数据完整的基础上。

6.2 儿童使用者无法可靠自评，需要异步评估

传统 SRS 的反馈来自用户自我报告。儿童没有办法做到这一点，所以系统必须通过替代信号来估计掌握程度。但替代信号往往有噪声，例如反应时间受注意力影响，点击准确度受 UI 设计影响，语音识别受麦克风质量影响。

因此，务实的做法是引入异步评估。比如让家长每周进行一次小测，把测试结果输入到系统；或者在阅读记录中增加“孩子是否在真实绘本中认出了这个词”的标注。这类异步评估比实时算法更可靠，因为它来自真实的生活场景。

如果把这些异步信号也接入调度逻辑，系统就会变成一个闭环：SRS 安排复习，孩子在生活中表现出掌握或遗忘，家长/老师把信号反馈回来，系统再调整后续复习。这是儿童阅读工具里最容易被忽略，也是最值得长期投入的部分。

6.3 开源项目能借鉴什么：把 SRS 引擎“修改”成领域引擎

LettersPractice 作为 Show HN 项目，如果能开源，最有价值的不是那个算法，而是隐藏在数据结构里的教学假设。比如它如何分类卡片、如何做词族分组、如何设计提示、如何降级。这些东西比调度代码更能体现“修改版 SRS”的真正含义。

对开发者来说，想借鉴这类项目，不应只复制一个 interval 计算公式，而要先整理自己的领域模型。也就是说，你要先回答：我的学习单元是什么？是字母音、词族、单词还是句子？每个学习单元有哪些前序依赖？什么行为能代表“掌握”？只有在这些问题有了答案之后，SRS 引擎才能发挥真正的作用。

6.4 给想自己做一个的人的建议：先跑通最小闭环，再谈复杂度

如果你也想做一个教孩子阅读的 SRS 工具，我的建议可以浓缩成一句话：先跑通最小闭环，不要一开始就构建庞大的自适应系统。

最小闭环是什么？是选 20 个 CVC 单词，做一个简单的卡片页面，实现一个只能处理四张卡片的调度函数，记录孩子的每次结果，让孩子用一周。这一周里，观察哪些单词需要反复提示、哪些单词在第二天就忘掉、孩子在几分钟后开始烦躁。把这些观察记录下来，再对比数据，比任何高级算法都更有价值。

等最小闭环稳定了，再逐步加入音素分层、词族扩展、语音录制、家长仪表盘、离线缓存。你会发现，大多数功能都不是为了把算法变得更 “聪明”，而是为了让学习过程更顺畅。

另外有两点提醒。第一，不要试图用 SRS 解决所有阅读问题，它更适合记忆巩固和节奏控制，真实的阅读还需要绘本、亲子对话和大量语言输入。第二，儿童产品对鲁棒性要求很高：如果孩子点击页面没有任何反馈，或者声音延迟，哪怕只是半秒，也会让学习体验明显下降。先在交互细节和资源加载上做扎实，再考虑增加复杂度。

回到开头那个场景。如果你也在做类似的工具，与其花时间调更多参数，不如先想清楚一个问题：你手里的 SRS 引擎，到底在调什么？是调记忆间隔，还是调教学节奏。LettersPractice 这个项目给我最大的启发是，“修改版 SRS 引擎”这个词本身就值得琢磨。真正的修改点不在算法，而在你对学习者的理解。教孩子阅读，最难的不是设计精妙的复习算法，而是让每天发生的遗忘变成教学决策的一部分。做到这一点，哪怕只是一套最简单的卡片状态机，也比一个漂亮的闪卡软件有用得多。