Anki记忆算法优化：处理Forget操作后的复习记录问题

问题背景

在Anki的FSRS(自由间隔重复系统)算法优化过程中，发现当用户使用Forget功能后，系统仍会错误地将该卡片之前的复习记录纳入算法优化计算。这会导致记忆状态评估不准确，影响后续学习计划的生成。

技术分析

Forget操作会将卡片重置为"新卡片"状态，此时卡片之前的复习历史理论上不应再影响后续的记忆算法。但当前实现中存在两个关键问题：

1. 优化阶段误用历史数据：即使卡片被Forget，系统仍会读取之前的复习记录(review logs)进行算法参数优化。

2. 特殊操作序列影响：当Forget后接Set Due Date等操作时，历史记录的不当使用会导致记忆状态初始化错误。

解决方案比较

讨论中提出了几种不同的解决思路：

1. 简单过滤法：仅检查最后一条记录是否为Forget操作。这种方法简单但不完善，无法处理"复习-复习-Forget-设置到期日-复习"这样的复杂操作序列。

2. 完整历史过滤：搜索所有Forget操作记录(手动操作且factor=0)，并过滤掉Forget操作之前的所有记录。这种方法更全面，能处理各种边缘情况。

3. 新卡片排除法：直接在默认查询中添加"-is:new"条件，排除所有新卡片。这种方法实现简单但可能过于宽泛。

实现建议

经过讨论，最可靠的解决方案是采用完整历史过滤方法，具体实现要点：

1. 在内存状态初始化代码前插入过滤逻辑
2. 识别Forget操作的特征(手动操作且factor=0)
3. 对每个Forget操作点，过滤其之前的所有复习记录
4. 保持与现有记忆状态初始化逻辑的兼容性

注意事项

1. 需要考虑用户可能通过Set Due Date引入新卡片的特殊情况
2. 处理历史记录被截断的情况
3. 与现有代码的Pull Request可能存在冲突，需要协调合并顺序

总结

正确处理Forget操作后的复习记录对保证Anki记忆算法的准确性至关重要。采用基于完整历史记录的过滤策略能够全面覆盖各种使用场景，确保算法优化只基于相关的学习数据。这一改进将提升Anki的学习计划生成质量，为用户提供更精准的复习建议。

建议开发者在实现时添加充分的代码注释，既便于后续维护，也有助于其他贡献者理解这一重要逻辑的处理机制。