Anki调度算法中关于卡片埋葬对每日学习量影响的深度解析

问题背景

在Anki 24.10版本中，用户报告了一个关于卡片埋葬功能影响每日学习量计算的异常现象。尽管在PR#3516中已经对调度算法进行了优化，但实际测试发现埋葬卡片仍会导致每日学习量的增加，这与预期行为不符。

技术原理

Anki的调度系统采用基于间隔重复的算法来管理学习进度。每日学习量(Load)是系统根据用户的学习历史和当前卡片状态计算出的预期每日复习量。理论上，埋葬卡片应该暂时移出学习流程，不应影响长期的学习量预测。

问题复现与分析

通过测试发现：

1. 当埋葬少量卡片时，每日学习量保持稳定（符合预期）
2. 当大规模埋葬卡片（特别是新卡片）时，每日学习量出现明显增长

深入代码分析表明，问题源于新卡片被埋葬时其队列状态被设置为"buried"，而调度算法在计算每日学习量时错误地将这些被埋葬的新卡片纳入了统计范围。

影响范围

该问题主要影响：

• 大量使用埋葬功能的用户
• 新卡片比例较高的学习集
• 长期学习计划的准确性

解决方案建议

1. 修改调度算法，确保被埋葬卡片（无论新旧）都不计入每日学习量
2. 优化状态检测逻辑，区分临时埋葬和永久移除的不同场景
3. 增加对学习量计算的边界条件测试

用户建议

当前版本用户可采取以下临时措施：

• 避免大规模埋葬新卡片
• 使用"推迟"功能替代埋葬
• 定期检查学习统计数据

总结

这个案例展示了间隔重复系统中状态管理的重要性。看似简单的功能如卡片埋葬，实际上需要与整个调度系统深度整合。Anki团队需要持续优化算法，确保各功能模块间的数据一致性，为用户提供准确的学习预测。

未来版本应考虑：

• 更精细化的学习量计算模型
• 状态转换的完整测试覆盖
• 用户界面对计算逻辑的透明展示