内容层
单元集、题型、模板、文本与音频资源。人类可读、可 diff,能被任意工具编辑。
新的模型、新的界面并没有自动带来新的学习机制:状态、策略与过程仍然没有被系统化地表示。
大多数 AI 学习产品从“生成”开始:用户提问,模型回答;会话结束,学习过程也随之结束。学生是否记住、何时会忘、下一步该练什么,往往仍然由人判断。
学习历史散落在对话、文档和人的记忆里。系统不知道学生已经掌握了哪些概念、在哪些地方反复出错,也不知道距离遗忘还有多久。每次新对话都从零开始,模型只能根据当前几句话猜测水平,无法把长期变化写进一个可计算、可检查的状态。
今天练什么、隔多久复习、换不换题型、什么时候让模型解释,这些决定要么写死在代码里,要么交给用户临时判断。策略没有成为可比较的数据,无法测试、复现,也很难针对不同学科、班级或学习目标调整。
一次答错之后,很难还原系统当时看到了什么状态、依据哪条策略、生成了什么内容。缺少事件记录与重放,测试只能看到最终分数,无法判断问题出在状态估计、策略选择还是生成质量。
HeurAMS 不把生成能力当作学习系统的全部。状态、策略与生成被拆成三层:算法维护可回放的学习状态,Lispite 描述可比较的调度策略,大模型只提供候选内容。
状态估计、策略调度与内容生成分别处理。
每次作答写入事件流;SM-2、FSRS、NSP-0 等算法更新记忆状态。状态是可序列化、可回放的数据。
确定性 / 可测试Lispite 策略决定何时复习、抽什么题、何时请求生成。策略以数据存在,不写死在客户端。
可替换 / 可比较大模型只接收经过状态层筛选的生成任务;输出经过结构校验后,才回到学习流程。
受约束 / 可回退模型不直接修改学习状态。
内容、状态、生成三层分离;模型能力可替换,学习状态保持连续。
单元集、题型、模板、文本与音频资源。人类可读、可 diff,能被任意工具编辑。
作答事件、记忆状态、调度决策。给定同一事件流与策略,应得到同样的状态变化。
LLM、TTS、模板与外部模型。只提供候选内容,不直接改写状态。
;; 策略是数据,不是客户端里的 if
(when (due? item)
(ask item
:type (select-type item)
:hint (context item)
:generate #t))基于 HeurAMS 核心,我们开发了一系列应用程序,为不同平台、不同场景的教育需求设计。 它们数据互通,共用核心,共享生态。

旧版终端界面,用来验证单元集、调度、作答与状态更新。
面向桌面与移动端的原生客户端,目标是接入新内核的完整学习界面。
面向移动端的原生客户端,计划复用同一套状态与调度策略。
面向教研的单元集创建与编辑工具,计划接入内容与策略工作流。
旧版 TUI 截图为真实原型;KiriMemo、ArkMemo、HeurStudio 暂无公开截图。
设备保存状态并完成即时调度,云端按需生成与同步。
本地保存记忆状态与缓存内容,无网也能继续复习;到网后增量同步事件流。
按需请求变式题、解释与语音,同时接收学习事件,更新策略与内容。
用 Lispite 编写和比较策略,查看可回放的学习记录,而不是只看分数。
先从需要自定义策略的教研团队与学校开始验证,再考虑个人学习者与端侧设备。
Anki 是成熟的间隔重复工具;HeurAMS 关注生成内容如何进入可回放的学习调度。
| 维度 | Anki | LLM 问答 | HeurAMS |
|---|---|---|---|
| 内容 | 手工制作卡片 | 即时生成 | 生成 + 模板,统一进流程 |
| 学习状态 | 间隔重复数据 | 无长期状态 | 显式状态层,可回放 |
| 调度 | 固定 / 插件算法 | 由提示词临时决定 | Lispite 策略,可比较 |
| 可回放 | 强 | 弱 | 设计目标 |
| 当前状态 | 成熟产品 | 广泛使用 | 研究原型 |
当前仓库状态与下一阶段。
TypeScript 核心、Lispite 解释器与基础调度路径。
旧版 Textual 界面,用于验证学习闭环。
目标客户端,尚未与新内核完成整合。
还需要小范围试用、指标设计与教师反馈。
TS 核心、Lispite 策略、旧版 TUI 可用。
KiriMemo / Web host / 内容管线接入同一状态与策略。
收集真实学习事件,评估调度质量与可用性。
设备端离线状态与云端生成内容的协同。
HeurAMS 最初只是一个传统间隔重复应用程序,现由来自多个院校的本科生团队协同创作。 我们组成一个精益的团队,围绕以下四个方面开展工作:
收集遥测信息,归纳并比对学习反馈模式并组织规模化教育实践。
梳理用户场景、成本与落地路径,解析痛点并给出解决产品策略。
设计用户交互,实现不同前端,完成学习界面、状态可视化与交互。
编写、迭代与部署 TypeScript 核心,测试、构建与发布软件并维护服务器。
Anki 是成熟的间隔重复工具;HeurAMS 把学习状态、调度策略和内容生成拆成三层,关注的是生成内容如何进入可回放的学习过程。
生成层只提供候选内容;结构校验失败或置信度不足时,可以回退到模板或缓存内容。模型不直接改写学习状态。
对话模型解决的是单次生成;HeurAMS 关心的是跨会话的学习状态、策略与可回放性。大模型可以被替换,状态和策略需要连续。
还没有完整产品。旧版 HeurAMS-TUI 原型可用;新内核与 KiriMemo 正在联调。当前页面主要说明架构与进度。
设计方向是本地优先:状态由事件流表示,设备保存自己的学习记录;云端同步是后续工作。当前没有公开的在线数据服务。
可以通过 GitHub 仓库联系,也欢迎教育、认知科学、设计、经管和客户端方向的同学参与。
当前主要通过 GitHub 协作。合作方向包括教育研究、认知科学、客户端开发、设计、经管与早期试用。
GitHub 是当前主要协作入口;仓库中的 Issue 与讨论都可用于联系。