学习工具不缺App，缺一条管道：笔记自动变成合格记忆卡，再交给间隔重复排进长期记忆。Anki 加本地 LLM 的具体做法和卡片设计原则。

📜 目录

• 一、先明确分工
• 二、卡片设计：三条硬规则
• 三、提示词：把格式约束死
• 四、导入 Anki：格式别踩坑
• 五、挖空卡：适合定义和公式
• 六、复习节奏：别贪多
• 七、按科目选卡片类型
• 常见问题

AI学习工具：Anki + LLM工作流让记忆卡更聪明

真正的学习瓶颈不在"知识难"，在"卡住的地方没有反复出现"。笔记记完就沉底，看过一遍的东西三天后只剩一个模糊印象。间隔重复解决的正是这个：在快要忘记的那一刻复习一次，记忆曲线就被拉平。

问题在于做卡太累。一本教材手工做三百张卡要一整天，所以大多数人放弃了。这条管道把做卡的体力活交给模型，把判断对错的权力留给自己。

一、先明确分工

模型擅长：把一段话拆成问答对、找出可考的知识点、换个角度重述。 模型不擅长：判断哪个知识点值得记、保证事实正确、控制卡片粒度。

所以流程是"模型批量产出草稿 → 人筛 → 导入复习"，不是"模型全自动生成"。跳过筛这一步，你会得到几百张带错误事实的卡片，复习越勤错得越牢。

二、卡片设计：三条硬规则

做卡质量比做卡数量重要一个数量级。这三条决定你三个月后还在不在复习。

规则一：一张卡只考一个点。 "请说明TCP三次握手的过程、作用和常见攻击"是坏卡，它逼你同时回忆四个东西，答错时不知道错在哪。拆成三张。

规则二：问题要能被一句话答完。 如果答案需要超过两行，说明这张卡该拆。例外是公式推导和代码题，那类内容本就不适合纯记忆卡。

规则三：用你自己的话提问。 照抄教材的小标题做问题，你记住的是那个标题的视觉位置，不是知识本身。让模型"用另一种说法提问"，比让它"提取原文关键词"效果好得多。

三、提示词：把格式约束死

你是学习卡片生成器。输入是我的一段笔记。

要求：
1. 每张卡只考一个知识点，正面是一个具体问题，背面是答案（不超过2行）
2. 用不同说法提问，不要照抄原文句式
3. 只输出CSV，三列，无表头，字段用英文双引号包裹
4. 事实性内容不得推测；笔记里没有的信息，一律不出卡
5. 生成15到25张，优先覆盖定义、因果关系、易混淆对比

笔记：
{note}

第 4 条是关键。不写这句，模型会拿训练时的常识补齐笔记里没写的内容，而你无法分辨哪张卡是笔记里的、哪张是模型编的。

四、导入 Anki：格式别踩坑

Anki 的 CSV 导入对分隔符敏感。用逗号做分隔符，正文里只要有逗号就会错位。稳妥做法是用制表符或分号，并在导入对话框里显式指定。

import csv
rows = parse_llm_output(text)  # 每行 [正面, 背面]
with open("cards.txt", "w", newline="", encoding="utf-8") as f:
    w = csv.writer(f, delimiter="\t")
    w.writerows(rows)

导入时注意三件事：字段分隔符选 Tab；允许 HTML 打开（要显示代码或公式时）；目标牌组选对，别一股脑塞进默认牌组——后面按主题复习会很难受。

五、挖空卡：适合定义和公式

问答题适合概念，定义和公式用挖空更快。格式是 {{c1::被挖掉的部分}}。

TCP 建立连接需要 {{c1::三次}} 握手，断开需要 {{c2::四次}} 挥手。

一张卡里可以放多个挖空，Anki 会生成多张复习卡，但同一张卡里的挖空必须是同一主题，否则复习节奏会乱。

六、复习节奏：别贪多

新卡每天二十张是多数人的上限。设成五十张的结果是两周后积压三百张待复习，然后彻底放弃。

如果 Anki 版本支持，调度器选 FSRS（新版默认）。它按你的实际回忆表现估算记忆强度，比老的固定间隔算法更贴合个人。

七、按科目选卡片类型

常见问题

Q：AI 能生成卡片了，还需要自己复习吗？ A：更需要。生成省的是做卡时间，复习省不了——记忆只能靠重复建立，这一步没有捷径。

Q：模型生成的事实有错怎么办？ A：必须人工过一遍，尤其是数字、日期、人名。发现错误的卡片当场改，别留着"以后再说"，错误记忆的清除成本比建立高得多。

Q：一张卡复习时总答错，怎么办？ A：先怀疑卡片本身。是不是一张卡考了多个点，是不是问题太抽象。改卡比硬背有效，改完复习间隔会重置。

Q：能直接把PDF丢给模型吗？ A：能，但先分章。整本书一次生成，模型对后半部分的关注会明显下降，而且你的审查成本会高到不想做。

注：Anki 版本与导入对话框字段可能随更新变化，具体以官方文档为准。