Obsidian间隔重复插件架构重构：支持多存储方案与算法扩展的技术解析

背景与需求分析

Obsidian间隔重复插件作为知识管理工具中的重要组件，其原始架构将复习调度信息直接存储在Markdown文件的YAML frontmatter中。这种设计虽然简单直接，但随着用户需求多样化，暴露出三个核心问题：

1. 存储耦合性高：数据与内容强耦合，不利于灵活迁移和扩展
2. 算法单一：仅支持基础SM-2算法，无法适应不同记忆场景
3. 维护困难：代码结构缺乏抽象，新增功能开发成本高

架构重构方案

存储层抽象设计

通过引入存储抽象层，实现了以下关键改进：

• 定义统一数据接口(ISRDataStore)，包含卡片状态读写、复习记录等核心方法
• 实现基于frontmatter的遗留存储适配器(YAMLDataStore)
• 设计插件私有存储方案(JSONDataStore)，解决YAML污染问题
• 建立存储工厂模式，支持运行时动态切换

算法扩展框架

重构后的调度系统具备以下特征：

• 算法接口(ISRScheduler)明确定义难度评估、间隔计算等契约
• 保留经典SM-2实现作为默认选项
• 预留FSRS算法集成点，包括：
  • 记忆稳定性计算模型
  • 难度动态评估机制
  • 神经网络预测支持

数据迁移保障

为确保平滑过渡，设计了：

• 版本化数据格式(DataSchema)
• 双向转换器(DataConverter)
• 自动化迁移工作流
• 数据完整性校验机制

技术实现细节

核心类关系

1. ReviewManager：协调存储与算法模块
2. CardScheduler：实现复习调度主逻辑
3. DataStoreProxy：提供存储访问统一入口
4. AlgorithmRegistry：管理算法实现注册

关键改进点

• 采用依赖注入解耦模块
• 实现观察者模式处理数据变更
• 引入中间层处理数据序列化
• 建立完整的类型定义体系

实际应用价值

用户可见改进

1. 支持在设置中选择存储后端
2. 未来可配置不同记忆算法
3. 保持现有工作流兼容性
4. 提升大数据量下的性能

开发者扩展指南

1. 实现ISRDataStore接口添加新存储
2. 继承BaseScheduler创建新算法
3. 通过插件生命周期管理资源
4. 使用提供的工具类处理数据转换

未来演进方向

当前重构为后续开发奠定基础，重点包括：

1. 完整实现FSRS算法集成
2. 开发可视化算法比较工具
3. 支持多端数据同步方案
4. 优化移动端存储性能

这次架构升级标志着Obsidian间隔重复插件进入2.0时代，通过清晰的模块边界和扩展接口，为社区贡献和长期演进提供了坚实基础。