# Spaced Review > Алгоритм интервальных повторений (SM-2-like) для фактических знаний предметной области. Триггерься когда нужно решить, что и когда повторять, обновить интервалы после ответа, добавить новый item после введения концепции. Также на "повтори", "что я забыл", "проверь знания", spaced repetition. Основан на классической SM-2. Работает с progress/spaced_review.json. Без этого скилла ученик забывает 80% фактов за неделю (кривая забывания Эббингауза). - Skill: `infinity-kim/spaced-review` (Agent Skill, multi-file: 2 files) - Install (CLI): `npx skillmds@latest add infinity-kim/spaced-review` - Raw SKILL.md: https://api.skillmd.com/api/skills/infinity-kim/spaced-review/raw - Safety review: pending - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: Coding & Dev Tools - Author: infinity-kim (https://skillmd.com/u/infinity-kim) - Updated: 2026-09-17 - Page: https://skillmd.com/skills/infinity-kim/spaced-review --- # Интервальные повторения Кривая забывания Эббингауза: без повторений человек забывает ~80% нового за неделю. Spaced repetition (Cepeda et al. 2006) повышает retention на 10-30% против массированного изучения. В любой области есть пласт **фактов**, которые надо помнить, а не выводить (опорные числа, профили инструментов, дефолтные параметры, мнемонические правила) — именно для них предназначен этот скилл. Этот скилл управляет `progress/spaced_review.json`: решает, что спрашивать сегодня, и обновляет интервалы. ## Что хранится в spaced_review.json **Факты предметной области**, которые ученик должен помнить без подглядывания: опорные величины, профили/категории инструментов, дефолтные параметры, устойчивые правила «когда что», мнемоники. - «Round trip в датацентре ≈ 500µs; память ~100ns; SSD random read ~150µs; CA↔Европа ~150ms» - «1 млн запросов/день ≈ 12 QPS в среднем, ~120 QPS пиково» - «Cassandra — AP-профиль (жертвует консистентностью ради доступности)» - «cache-aside — приложение само читает кеш, при промахе идёт в БД и кладёт в кеш» - «powers of two: 2^10 ≈ 1K, 2^20 ≈ 1M, 2^30 ≈ 1G» - «99.99% availability ≈ 52 минуты простоя в год» **Что НЕ идёт сюда:** - Компетенции/умения (они в `competencies.json`, через BKT и `diagnostics`) - Эмоциональные наблюдения - Конкретные решения отдельных задач Граница: spaced_review — про **факты**, competencies — про **умения**. Не помнит опорное число → spaced_review. Не умеет находить узкое место → competencies. ## Схема item ```json { "concept": "<факт, который надо помнить дословно>", "category": "<категория области>", "introduced": "2026-06-14", "next_review": "2026-06-15", "interval_days": 1, "ease_factor": 2.5, "repetitions": 0 } ``` **Категории фактов доменно-зависимы** — их задаёт доменный слой под свою область (это разбивка фактов на смысловые группы, удобная для тематических warm-up). На механику обновления категория не влияет. `estimation` / `databases` / `caching` / `consistency` / `networking` / `queues` / `reliability` / `architecture` ## Когда добавлять новый item - В уроке введён **новый факт**, который войдёт в рабочий словарь (число, профиль, дефолт) - Ученик сам открыл что-то важное - Повторяется ошибка, требующая закрепления факта **Не добавляй:** слишком гранулярно, дубликаты, абстракции («тема сложная»). Новый item: `introduced` = сегодня, `next_review` = сегодня+1, `interval_days`=1, `ease_factor`=2.5, `repetitions`=0. ## Когда спрашивать Через `session-flow` шаг 3: 1. Прочитай `spaced_review.json` 2. Отфильтруй `next_review <= сегодня` 3. Просроченных > 5 — возьми 2-3 самых старых, остальные перенеси 4. Просроченных 1-5 — пройди по всем ## Форматы вопросов (по repetitions) Формат вопроса усложняется по мере закрепления — от простого recall к применению и обучению другого. Конкретные формулировки зависят от области. | repetitions | Формат | |---|---| | 0 | Простой recall — «вспомни значение/правило» | | 1 | Применение — «дано …, посчитай/выбери» | | 2 | Новый контекст — то же правило в другой постановке | | 3 | Реальная задача — применить в полноразмерной задаче | | 4+ | Обучить кого-то — «объясни разницу X и Y как коллеге» | | repetitions | Пример | |---|---| | 0 | «Сколько примерно round trip в датацентре?» | | 1 | «У тебя 5М записей/день — сколько QPS пиково?» | | 2 | «Нужна доступность важнее строгой консистентности — какой выбор?» | | 3 | «Прикинь storage для сервиса на год» | | 4+ | «Объясни разницу очереди и стрима как коллеге» | ## Обновление после ответа (SM-2) **Правильно:** ``` interval_days = int(interval_days * ease_factor) next_review = сегодня + interval_days repetitions += 1 # ease_factor не меняется ``` **Неправильно / «не помню»:** ``` interval_days = 1 next_review = сегодня + 1 repetitions = 0 ease_factor = max(1.3, ease_factor * 0.8) ``` `ease_factor` нижняя граница 1.3 (иначе застрянет в ежедневных вопросах). ## Реакция на ответ (интеграция с feedback) - **Правильно** → процессно, связывая факт с умением, которое он питает. Не «молодец». - **Неправильно** → нормализация: спокойно освежи факт и перенеси на завтра. - **Частично** → подтверди, что главное помнит, уточни деталь. - Правильно: «Ты помнишь, что Cassandra — AP. Значит, модель выбора БД под профиль доступности у тебя встала». - Неправильно: «Освежим. Round trip в датацентре ~500µs — это в ~1000 раз быстрее, чем запрос в другой континент. Перенесу на завтра». - Частично: «Главное помнишь — что это быстро. Деталь: порядок ~500µs, а не миллисекунды». ## Сколько за сессию 2-3 item в начале (warm-up). Просроченных больше 3 — пройди 3, остальные отложи. Никогда больше 5 за сессию. ## Параметры Начальный ease 2.5, мин 1.3, старт interval 1. Интервалы: 1 → ~3 → ~7 → ~14 → ~30 дней. После 5-й — «изучено», редкие проверки (30+). ## Связь с другими скиллами - **`session-flow`** — вызывает на шаге 3 - **`feedback`** — правила реакции - **`diagnostics`** — параллельный механизм для компетенций (BKT), не фактов - **Субагент `quiz-master`** — генерирует вопросы из items ## Ссылка - [references/sm2-algorithm.md](references/sm2-algorithm.md) — полное описание SM-2