做了一个 99 概念的 AI 知识图鉴:纯静态站的架构与间隔重复设计

学 AI 这一年多,我最大的困扰不是”找不到资料”,而是概念又多又碎、看一遍忘一遍:RAG、Function Calling、CoT、Agent Memory……每个都”好像懂了”,面试里被追问一层就露馅。

所以我给自己做了一个学习网站 AI_learning(在线地址):把 AI / Agent 相关的 99 个核心概念做成卡片图鉴,配论文精读和实战项目教程,内置间隔重复自测和跨设备云同步。这篇讲它的设计和实现。

内容设计:99 概念 × 9 层

内容结构比技术实现更重要。每个概念固定 9 层:

  1. 是什么
  2. 出现的背景
  3. 解决什么问题
  4. 一个类比
  5. 要点
  6. 常见误区
  7. 应用场景
  8. 代码实例
  9. 延伸阅读

“类比”和”误区”这两层是我刻意加的:类比是检验自己是否真懂的最快方式,误区则是实际学习中最贵的信息(踩过的坑才写得出)。概念之间互相跳转,比如从 Function Calling 跳到 MCP 再跳到 Agent Memory,知识的连接方式本身就是内容。

除此之外还有:6 个实战项目(智能客服、LLM 网关、日报 Agent、多 Agent 流水线、秒杀系统、CI/CD 流水线,各配架构图与事故复盘)、《Attention Is All You Need》逐节小白串讲。

纯静态、零依赖的取舍

技术上这个站是”反向内卷”的:不用框架、不用构建工具,原生 JS SPA,所有内容是 JSON 数据文件。

这样选的理由:

  • 内容站的生命周期以年计,框架会过时,原生 JS 不会;零构建意味着数据文件改完即生效
  • 部署到 GitHub Pages 就是纯静态托管,免费、稳定、无需运维
  • 搜索、筛选、跳转这些交互的复杂度,原生 JS 完全 hold 得住,为它们引入框架不值

代价是状态管理全靠手写,但这个站的状态其实很简单(当前概念、复习队列、同步队列),手写反而清晰。

间隔重复:Leitner 盒子

防止遗忘的核心是主动回忆 + 间隔重复。实现选了 Leitner 盒子系统,比 SM-2 简单得多但完全够用:

  • 5 个盒子,间隔分别为 1 / 3 / 7 / 14 / 30 天
  • 自测时先看问题主动回忆,再翻答案自评:答对进下一盒,答错回第一盒
  • 复习队列 = 所有”到期”的卡片,按盒子优先级排序
1
2
3
4
function nextReview(card, correct) {
const box = correct ? Math.min(card.box + 1, BOXES.length - 1) : 0;
return { ...card, box, due: Date.now() + BOXES[box].interval * DAY };
}

配套的学习统计:近 12 周复习热力图、分类掌握度(按概念分类聚合盒子分布)、连续打卡天数。数据可视化本身也成了坚持的动力——热力图断一天真的很难受。

云同步:localStorage 乐观写入 + Turso

进度只存浏览器是不够的(换设备就清零),所以加了云同步。但主站部署在 GitHub Pages——没有后端。方案是把同步 API 放在 EdgeOne Pages 的 Node Function 上,数据库用 Turso(libSQL):

1
2
3
4
5
浏览器(纯静态)                EdgeOne Pages              Turso (libSQL)
┌──────────────────┐ fetch ┌──────────────────┐ HTTP ┌──────────────┐
│ localStorage │◀──────▶│ api/progress.js │──────▶│ review_events│
│ 离线缓存+乐观写入 │ /api/ │ (token 在环境变量) │ │ │
└──────────────────┘ progress └──────────────────┘ └──────────────┘

几个关键设计:

  • 乐观写入:复习记录先写 localStorage,立即返回;同步引擎后台批量上传,失败自动重试
  • 离线补传:断网时的记录暂存队列,恢复后自动补传,不丢数据
  • LWW 合并:导入/同步冲突按时间戳最后写入胜出,学习数据没有真正意义上的”并发编辑”,LWW 足够
  • 凭证安全:数据库 token 在 Node Function 环境变量里,前端永远接触不到

双平台部署的真实取舍

这是个真实的踩坑记录:GitHub Pages 是主站(稳定、永久链接),但 Node Function 只随 EdgeOne Pages 部署——所以主站上同步徽章显示”离线模式”(进度仅存本机,功能不受影响),完整同步链路要走 EdgeOne,而 EdgeOne 默认域名对大陆网络有访问限制,正式启用需要绑定自定义域名。

最后的策略是接受双平台的差异:核心学习功能全离线可用,云同步作为增强能力存在。这也再次验证了做 FitFlow 时的结论:纯前端 + 本地存储的应用,”降级体验”应该是设计出来而不是碰到的。

小结

这个项目技术密度不高,但内容密度极高——99 个概念的 9 层内容全部要自己写、自己验证。最大的收获反而是:整理这套概念卡的过程,比任何一遍看教程都更能暴露理解的漏洞。写不出”类比”层的概念,就是没真懂的概念。

工具的所有代码在 GitHub,概念卡内容还在持续补充中。