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
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:
- 是什么
- 出现的背景
- 解决什么问题
- 一个类比
- 要点
- 常见误区
- 应用场景
- 代码实例
- 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 | function nextReview(card, correct) { |
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 | 浏览器(纯静态) EdgeOne Pages Turso (libSQL) |
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。