LearnKit

你有没有过这样的经历：读了很多笔记，回头却想不起来自己到底记住了什么？

威廉·盖伊（William Guy）显然也问过自己这个问题。2026 年 1 月，他决定把笔记和记忆这件事彻底打通——在 Obsidian 这款流行的知识管理工具里，塞进一套完整的记忆学习系统。就这样，LearnKit 诞生了。短短半年时间，它在 GitHub 上收获了 147 颗星，虽然数字不算惊人，但考虑到它瞄准的是 Obsidian 用户中真正有学习需求的那批人，这个增长曲线值得关注。

图1：LearnKit 欢迎横幅，展示其与 Obsidian 的深度集成

我们不妨把 LearnKit 理解成一个「装在保险库里的记忆教练」。传统上，一个学习者如果想用闪卡复习，往往需要打开 Anki 或者其他专门的记忆软件，笔记在一个地方，闪卡在另一个地方，两个系统之间永远要靠手动同步。LearnKit 直接把这个墙拆掉了——你的闪卡就嵌在 Markdown 笔记里，和你的知识本身绑定在一起。

FSRS（Free Spaced Repetition Scheduler）是 LearnKit 的核心技术。这套算法脱胎于 SM-2，是目前间隔重复领域公认效果最好的开源实现之一（open-spaced-repetition/ts-fsrs）。简单来说，它的原理是根据你对每张卡片的记忆牢固程度，动态调整下次复习的间隔——记牢了，下次可能 10 天后再见；记模糊了，明天就得再战。LearnKit 通过 ts-fsrs 库（版本 5.2.3）将 FSRS-6 算法完整移植到 TypeScript 端，让浏览器里的 Obsidian 插件也能享受自适应调度。

在卡片类型上，LearnKit 走得相当远。除了常规的 Basic（问答卡）和 Cloze（完形填空），它还支持 Reversed Card（正反双向卡）、Multiple Choice（选择题）、Image Occlusion（图片遮挡卡）等高级类型。图片遮挡卡尤其适合医学或解剖学场景的学习——你可以在解剖图上遮住某个器官的名称，然后让自己辨认。这种多模态的记忆组织方式，是纯文本闪卡难以企及的。

图2：LearnKit 支持多种闪卡类型，包括 Cloze、Basic、Reversed、Multiple Choice 和图片遮挡

另一个值得关注的模块是 Note Review Mode（笔记复习模式）。传统的闪卡复习只针对独立卡片，而 Note Review 会把整篇笔记纳入间隔重复计划。你不仅能记住「名词解释」，还能记住「这篇论文讲了什么」，知识结构的保持更加完整。

2026 年，随着大模型能力爆发，LearnKit 也引入了 AI 层——一个名为 Companion 的内置 AI 学习助手。它不需要你额外付费订阅，直接用自己的 API Key 接入，支持 Google、OpenRouter、Anthropic、OpenAI、Perplexity 等主流模型提供商。Companion 可以帮你从笔记自动生成闪卡和测试题，也可以在阅读时实时回答关于当前笔记的问题，甚至还能帮你改写和重构笔记内容。需要明确的是：AI 功能是完全可选的，不用 AI 也能完整使用 LearnKit 的所有核心功能。

图3：LearnKit 内置 FSRS-6 自适应间隔重复算法，动态调整复习计划

音频功能是 LearnKit 的另一个亮点。它内置了 Text-to-Speech 引擎（soundtouchjs + fflate），支持将卡片内容朗读出来。对于语言学习者来说，边听边记的听写练习非常有价值。同时还支持导入导出 Anki 格式的数据（deck + media + 调度数据），方便从 Anki 无缝迁移过来——虽然图片遮挡卡暂时还不支持导入导出。

图4：内置 Text-to-Speech 朗读功能，适合语言学习和听写练习

安装方面，LearnKit 通过 Obsidian 官方社区插件库分发，搜索「LearnKit」一键安装；也支持手动从 GitHub Releases 下载。不过需要注意的是，LearnKit 是 Obsidian 的插件，而不是独立运行的 Web 服务，因此它没有 Docker 部署选项，也不提供命令行界面。最低需要 Obsidian 1.7.2 版本，移动端和桌面端均可使用。

代码架构上，LearnKit 是一个典型的 TypeScript 前端插件项目。源码组织清晰：src/engine/ 下是核心学习引擎（调度算法 scheduler/、解析器 parser/、卡组管理 deck/、笔记索引 indexing/）；src/platform/ 下是 Obsidian 平台适配层（插件入口 plugin/、编辑器 editor/、服务 services/、集成 integrations/）；src/views/ 下是各个功能视图（闪卡复习 reviewer/、笔记复习 note-review/、分析面板 analytics/、AI 助手 exam-generator/）。

构建工具链也相当专业：esbuild 做 JS 打包（比 webpack 快很多），Tailwind CSS 4.2 做样式（用 CVA 做组件变体管理），Vitest 做单元测试（含覆盖率报告），ESLint + TypeScript 严格模式保质量。还有完整的国际化（i18n）检测流水线，支持社区贡献翻译。测试覆盖率和代码规范检测都跑在 GitHub Actions CI 里。

图5：LearnKit 的卡片创建界面，支持直接在笔记内嵌入闪卡内容

对于普通用户，LearnKit 的上手门槛非常低——只要你会用 Obsidian，就能直接上手。它的受众非常明确：备考医学生、程序员（记语言/算法）、写论文的学者，以及任何想让自己的笔记「不只是存着，而是真正记住」的人。对于开发者来说，它的源码结构干净、测试完善，是一个学习如何构建 Obsidian 插件以及如何实现 FSRS 调度的好范本。

当然它也有局限：目前 Companion AI 功能对复杂附件（多图、长 PDF）的处理能力受限于模型水平，免费模型和付费模型的表现差异较大；此外作为插件，它强依赖 Obsidian 生态，不能独立运行，这既是特色也是限制。

总体而言，LearnKit 代表了一个趋势：将知识管理工具和主动学习工具深度融合。随着 Obsidian 用户规模持续增长，类似 LearnKit 这样「让笔记本身成为学习资产」的项目，生命力值得关注。