feat: FAST-0 特殊算法

README.md

@@ -1,21 +1,26 @@
 # 潜进 (HeurAMS) - 启发式辅助记忆程序
 
 ## 概述
-"潜进" (HeurAMS: Heuristic Auxiliary Memorizing Scheduler, 启发式记忆辅助调度器) 是为习题册, 古诗词, 及其他问答/记忆/理解型知识设计的开放源代码多用途辅助记忆软件, 提供动态规划的优化记忆方案  
+
+"潜进" (HeurAMS: Heuristic Auxiliary Memorizing Scheduler, 启发式记忆辅助调度器) 是为习题册, 古诗词, 及其他问答/记忆/理解型知识设计的开放源代码多用途辅助记忆软件, 提供动态规划的优化记忆方案
 
 ## 关于此仓库
-本仓库为 "潜进" 软件组项目的核心部分, 包含核心功能模块以及基于 Textual 框架的基础用户界面(heurams.interface)实现  
-除了通过用户界面进行学习外, 你也可以在 Python 中导入 `heurams` 库, 使用其中实现的状态机, 算法迭代器和数据模型构建辅助记忆功能  
+
+本仓库为 "潜进" 软件组项目的核心部分, 包含核心功能模块以及基于 Textual 框架的基础用户界面(heurams.interface)实现\
+除了通过用户界面进行学习外, 你也可以在 Python 中导入 `heurams` 库, 使用其中实现的状态机, 算法迭代器和数据模型构建辅助记忆功能
 
 ## 特性
 
 ### 间隔迭代算法
-> 许多出版物都广泛讨论了不同重复间隔对学习效果的影响. 特别是, 间隔效应被认为是一种普遍现象. 间隔效应是指, 如果重复的间隔是分散/稀疏的, 而不是集中重复, 那么学习任务的表现会更好. 因此, 有观点提出, 学习中使用的最佳重复间隔是**最长的, 但不会导致遗忘的间隔**. 
+
+> 许多出版物都广泛讨论了不同重复间隔对学习效果的影响. 特别是, 间隔效应被认为是一种普遍现象. 间隔效应是指, 如果重复的间隔是分散/稀疏的, 而不是集中重复, 那么学习任务的表现会更好. 因此, 有观点提出, 学习中使用的最佳重复间隔是**最长的, 但不会导致遗忘的间隔**.
+
 - 采用经实证的 SM-2 间隔迭代算法, 此算法亦用作 Anki 闪卡记忆软件的默认闪卡调度器
 - 动态规划每个记忆单元的记忆间隔时间表
 - 动态跟踪记忆反馈数据, 优化长期记忆保留率与稳定性
 
 ### 学习进程优化
+
 - 元数据配置: 支持配置详细附加数据
 - 自然语音: 集成文本转语音 (TTS) 功能, 支持"电台"回顾功能
 - 多种谜题类型: 选择题 (MCQ), 填空题 (Cloze), 识别题 (Recognition)
@@ -23,6 +28,7 @@
 - 云同步支持: 通过多种协议同步数据到远程服务器
 
 ### 实用用户界面
+
 - 响应式 Textual 框架构建的跨平台 TUI 界面
 - 支持触屏/鼠标/键盘多操作模式
 - 简洁直观的复习流程设计
@@ -30,39 +36,45 @@
 ## 安装
 
 ### 从源码安装
-1. 克隆仓库: 
+
+1. 克隆仓库:
+
    ```bash
    git clone https://gitea.imwangzhiyu.xyz/ajax/HeurAMS
    cd HeurAMS
    ```
 
-2. 安装依赖: 
+1. 安装依赖:
+
    ```bash
    pip install -r requirements.txt
    ```
 
-3. 以开发模式安装包: 
+1. 以开发模式安装包:
+
    ```bash
    pip install -e .
    ```
 
 ### 从包管理器安装
-暂时还没有:(  
+
+暂时还没有:(
 
 ## 启动应用
+
 ```bash
 # 在任一目录(建议是空目录或者包根目录, 将被用作存放数据)下运行
 python -m heurams.interface
 ```
 
-配置文件位于 `./data/config/config.toml`(相对于工作目录).  
+配置文件位于 `./data/config/config.toml`(相对于工作目录).\
 如果不存在, 会使用内置的默认配置.
 
 ## 项目结构
 
 ### 架构图(待更新 0.5.0)
 
-以下 Mermaid 图展示了 HeurAMS 的主要组件及其关系: 
+以下 Mermaid 图展示了 HeurAMS 的主要组件及其关系:
 
 ```mermaid
 graph TB
@@ -123,23 +135,24 @@ graph TB
 
 ## 贡献
 
-欢迎贡献！请参阅 [CONTRIBUTING.md](CONTRIBUTING.md) 了解贡献指南. 
+欢迎贡献! 请参阅 [CONTRIBUTING.md](CONTRIBUTING.md) 了解贡献指南.
 
 ## 许可证
 
 ### 项目本身
 
-本项目基于 AGPL-3.0 许可证开源. 详见根目录下 [LICENSE](LICENSE) 文件. 
+本项目基于 AGPL-3.0 许可证开源. 详见根目录下 [LICENSE](LICENSE) 文件.
 
 ### 第三方代码
 
 项目在 `src/heurams/vendor/` 目录下嵌入了以下第三方代码(可能有修改):
 
 #### py-fsrs
+
 - 上游版本: 6.3.1
 - 位置: `src/heurams/vendor/pyfsrs/`
 - 原项目: [py-fsrs](https://github.com/open-spaced-repetition/py-fsrs)
 - 原许可证: Copyright (c) 2026 Open Spaced Repetition Contributors
 - 原许可证: MIT License, 详见 `src/heurams/vendor/pyfsrs/LICENSE`
 
-本项目受益于他们无私且优秀的工作
+本项目受益于他们无私且优秀的工作