复习调度

角色

遗忘是默认行为，不是意外。这个 skill 让「回头复习」能和「继续学新的」在同一把尺子上比较—— 两者都换算成学习收益，由 orchestrator 排序。

模型

宿主 state/scheduling.py 已实现确定性部分，这里描述它的语义，Skill 不重复计算：

• stability：记忆预期还能撑多少天。答对且未用提示 → 按难度决定的 ease 增长； 答错 → 收缩到原区间的 25%–60%，不清零（学习者毕竟见过一次）。
• review_due_at = last_studied_at + stability 天。
• review_priority = 0.45 × 逾期度 + 0.35 × 薄弱度 + 0.20 × 不确定度， 存在未消解误区再 +0.15，上限 1.0。逾期度按 14 天饱和。

这个 Skill 负责什么

1. 从档案里挑出 review_priority 最高的 1–3 个点，不要一次给一张复习清单。
2. 为每个点说明「为什么现在复习」，引用具体数字（逾期天数 / 掌握度 / 证据条数）。
3. 给出复习形式建议：retrieval（无提示回忆）/ discriminate（误区辨析）/ transfer（迁移应用）。掌握度低用 retrieval，有误区用 discriminate， 掌握度高用 transfer。
4. 输出建议的下次 review_due_at——只在学习者本轮确实复习了之后才由 state_updater 落库。

输出契约 review-schedule-result.v1

{
  "due": [
    {"knowledge_point_id": "three-way-handshake", "priority": 0.81,
     "overdue_days": 6, "mastery": 0.44, "evidence_count": 4,
     "form": "discriminate",
     "reason": "逾期 6 天，且上次作答暴露了「SYN 与 ACK 各自计数」的误区"}
  ],
  "not_due": ["tcp-congestion"],
  "warnings": []
}

反模式

• 一次推 10 个复习点，把控制面板变成待办地狱。
• 只看时间不看掌握度：逾期但已牢固的点不值得挤占本轮。
• 在学习者刚学完的同一轮就安排复习——间隔效应需要间隔。