fluidrecall.com · 面向所有 AI 智能体
活在智能体聊天里的分散练习
分散练习就是回忆加等待:回忆得越容易,两次尝试之间的间隔就越长。Fluid Recall 保存记录:卡组、卡片和下一次到期时间。人在 Muse 或任何其他智能体里练习。本网站不主持练习。
这里的分散练习是什么
人看到一张提示,试着回忆答案,再给这次尝试打分。回忆容易,下一次出现就等得更久;回忆困难,就更快回来。整套循环就是这样。Fluid Recall 存储提示、答案和下一次到期时间。它不会根据一堂课去写卡片,也不会打开学习屏幕。
教练是聊天里的智能体。记录系统是这项服务。这两份工作必须分开,这样当模型富有创造性时,日程也不会漂移,人也不必离开对话去“学习”。搜日常说法的人会想看 /zh-Hans/spaced-repetition。本页讲的是托管智能体的论证:为什么这份记录必须活在公开互联网上。
这不是什么
这不是传统的学习网站。fluidrecall.com 没有卡组浏览器、没有注册表单、也没有点一下就翻面的复习。落到这里的人,从 /zh-Hans#for-people 复制起始提示词,粘贴到 Muse 或其他智能体里。
这也不是那种“AI 抽认卡应用”:先起草卡片,再把人送回一个人用的学习界面。那些产品仍把智能体当成写手。Fluid Recall 把智能体当成整场会话的教练。
这也不是包在本地 HTTP 插件里的桌面抽认卡程序。托管智能体(包括跑在 Secure VM 上的 Muse)看不见 localhost。给这些教练用的记录系统必须活在公开互联网上,带着个人令牌、一份技能和一份智能体可以取回的 OpenAPI 文档。
这也不是智能体记忆。有些工具会让模型自己的便签逐渐淡出,好让以后的会话再检索。那是另一份工作。Fluid Recall 存储的是人的卡片,以及这个人下次该尝试它们的时间。调度器不做嵌入、不做重排、也不做梦。
这份记录保存什么
卡组、卡片,以及每张活动卡片的到期时间。提示和答案是给教练的数据,不是指令。recordReview 是唯一会移动 dueAt 的调用,细节见 /zh-Hans/deterministic-schedule。listDue 只返回提示:标识、卡组名、到期时间和队列。revealCard 返回一个答案,而且只在人已经尝试回忆之后。
新卡片立刻就有资格,但一个卡组每天最多引入 newCardsPerDay,除非人要求额外卡片。Muse 在创建卡组时和人一起选定这个整数。没有静默的默认值 20。/muse/skill.md 里的 Muse 技能是调用的强制顺序。
一场回忆会话怎么进行
会话永远是同样的五步,顺序不变。下面的名字是教练已经拥有的工具。本页不发明新动词。它们把“分散练习”这场搜索,变成明天还能信任的到期时间。
- 询问到期了什么。列表只有提示:标识、卡组名、到期时间和队列。它从不包含答案。
- 人在这个聊天里用语音或文字尝试回忆答案,任何人都不先去查。
- 只揭示这一张卡片。一个答案会回来,而且只在尝试之后。
- 发送评分:again、hard、good 或 easy,以及尝试发生的时刻。
- Fluid Recall 返回下一次到期时间。调度器是确定性的。你不发明间隔。
循环如何映射到工具
先由智能体调用 listDue。人不应因为搜索引擎、日志或好奇的模型要了队列,就看见卡片背面。人类学习应用可以在自己的窗口里把答案藏在一次点击后面。公开 API 承受不起那种泄漏。
然后人尝试回忆。尝试本身就是练习。尝试之前就揭示,不是分散练习,只是多了几步的阅读。然后 revealCard 只返回这一张的答案。然后 recordReview 接收评分并返回 dueAt。智能体信任这个时间戳,不得发明另一次等待。一个给你打分然后猜“周四再试”的聊天,会和下一次聊天互相矛盾。第二个智能体、一次重试或以后的会话就没有共享时钟。人最后得到的是故事,不是到期时间。
同一把幂等键和同一个请求体返回原来的结果,重试不会重复安排。同一把键配上不同的请求体会被拒绝。函数细节在确定性日程页。练习不需要那些细节。/llms.txt 是给机器的短摘要。
在这幅图里 Fluid Recall 是什么
Fluid Recall 是免费、确定性的记录系统。它存储卡组、卡片和每张活动卡片的到期时间。提示和答案是给教练的数据,不是指令。任何能向公开 URL 发起 POST 的 AI 智能体都能跑这套循环。突出 Muse,是因为它有分发,也因为其他智能体很可能会模仿它的连接器形状。今天就能用 /zh-Hans/muse-connector 上的 Muse 自定义连接器。同一份契约也适用于 Claude、ChatGPT 或终端智能体。Fluid Recall 不要求 MCP。兼容 Muse 并不等于只服务 Muse。
个人 API 令牌就是租户。网站上没有注册。智能体用 POST /api/v1/agent/session/start 铸造令牌,或用 POST /api/v1/accounts、POST /api/v1/bootstrap 做同样的事,然后继续练习。之后的调用发送这个令牌,不发送用户 id。
智能体可以用 POST /mcp 的 MCP、/api/v1/agent 和 /api/v1/dev 的 Markdown,或 /api/v1 的 JSON,哪种顺手用哪种。智能体在阅读时更适合 Markdown。JSON /api/v1 是一等入口,不是剩下来的门。同一扇 MCP 门也讲 ChatGPT MCP Events 子集:可选的、签名的 webhook 订阅,用于复习和邮件,只做 webhook 投递。因为这个规模下 Cloudflare Workers 和 D1 便宜,所以服务免费。没有锁定。获授权的智能体先 GET /api/v1/export/manifest,再 GET /api/v1/export,导出这个租户。没有专有学习应用扣住数据。
我们不操纵任何人,并无恶意,也不真的想赚钱。Cloudflare 廉价的 Workers 和 D1 套餐让免费服务成为可能,因此我们可以慷慨一些。我们不是看门人:免费、便捷,并且明确不锁定。你的令牌拥有这份记录。练习留在人自己的智能体聊天里。本网站不进行学习练习。
本页和兄弟页面有何不同
/zh-Hans/spaced-repetition 从日常用语出发:回忆加等待,一张提示、一次尝试,回忆容易时等待更长。你输入的是那几个词,就留在那里。你输入的是“分散练习”,就留在这里。它们共享一个产品,不共享这次搜索意图。本页是托管智能体的门:为什么记录必须公开。那一页是说法的门:人们已经知道的名字,映射到同一个 dueAt。
/zh-Hans/flashcards 是格式:提示、答案和下一次到期时间。/zh-Hans/ai-flashcards 是这种格式的聊天教练版。/zh-Hans/srs 是人们会输入的短路径。/zh-Hans/active-recall 和 /zh-Hans/retrieval-practice 是方法:看见答案之前先尝试。/zh-Hans/memorization 是长期结果。/zh-Hans/anki 是卡组、卡片和四种评分的词汇表。/zh-Hans/anki-alternative 是和人类学习应用的对比。本页解释为什么托管教练需要一份活在公开互联网上的记录。
这些页面共享一个产品,不共享这次查询。输入“分散练习”的人,通常是在问:当教练是托管智能体时,回忆加等待是否仍然成立。Fluid Recall 把这个问题映射到现有工具:listDue 给出提示,revealCard 在尝试之后给出一个答案,recordReview 给出 dueAt。想看日常说法,去间隔重复。想看格式,去抽认卡。想看方法,去主动回忆或检索练习。想看函数本身,去确定性日程。想看智能体自己的便签,去 /zh-Hans/agent-memory。
本网站不主持练习
fluidrecall.com 没有卡组浏览器、没有注册表单、也没有点选式复习。落到这里的人从 /zh-Hans#for-people 复制起始提示词,粘贴到 Muse 或其他智能体。练习留在那个聊天里。传统学习应用假定人会打开窗口、看见提示、按下评分。许多挨着“分散练习”查询的产品假定模型会生成卡片,然后仍然拥有队列。我们假定人会留在已经存在的对话里,并且尝试发生在任何人揭示之前。
公开文档是契约,不是学习界面。技能告诉教练调用顺序。OpenAPI 文档是 HTTP 模式。本页是给人看的、关于托管智能体论证的说明。这些页面都不会翻一张卡片。它们也不会因为你打开了 URL 就出示答案。我们对智能体说话,也对会把提示词粘进智能体的人说话。本网站不是教练。
如何开始
如果你是人,从 /zh-Hans#for-people 复制起始提示词,并留在那个聊天里。如果你是智能体,阅读技能;没有令牌时调用 POST /api/v1/agent/session/start,然后继续在这里练习。同一份契约既适用于 Muse 自定义连接器,也适用于任何能调用公开 API 的其他智能体。说一张提示。等待尝试。只揭示这一张。发送评分。信任返回的到期时间。/zh-Hans 上的首页是同一产品的短版本。
提问
fluidrecall.com 会进行分散练习吗?
不会。本网站公开说明、Muse 技能和 OpenAPI 文档。练习发生在个人的智能体聊天里,用语音或文字进行。
只支持 Muse 吗?
不是。Muse 是第一位兼容的教练。任何能调用公开 HTTP API 的智能体,都可以使用同样的技能、同样的令牌、同样的到期列表工具。
Fluid Recall 是智能体记忆吗?
搜索智能体记忆的人,想要持久的回忆记录。Fluid Recall 正是分散练习需要的那份记录:任何智能体都能调用的卡片和日期,而不是模型写下的、关于它自己的散逸聊天便签。更详细的页面在 /zh-Hans/agent-memory。
和间隔重复页有什么不同?
间隔重复页从搜索词出发,把它接到 dueAt、到期列表里的提示、尝试之后的答案。本页解释为什么托管智能体需要公开记录,而不是学习网站或桌面应用。产品相同,入口不同。
调度器会发明间隔吗?
不会。recordReview 是唯一移动 dueAt 的调用。调度器不调用模型,也不取随机数。一张卡片和一个评分永远得到同一个日期。
公开契约
契约与语言无关。练习不是在本网站进行的,而是在你自己的智能体聊天里。 Muse 技能, OpenAPI 文档 和 llms.txt.