把知识放进去，
剩下的交给重复。
数据、小工具、引擎三层解耦——
用自定义小工具学习任何内容。
DragonCard 不决定你的卡片长什么样，也不替你安排复习节奏。它只提供一个稳定的容器：你把知识放进去，然后每天来。
DragonCard 不是 Anki。
它没有复杂的间隔重复算法，只有一种很简单的分类学习方法。
把知识快速呈现在你面前：标记未掌握的内容，难点靠前，熟词靠后。仅此而已。
它不替你安排复习节奏，也不承诺"多少天记住"。因为记忆的本质从来不是技巧，而是重复。
记忆的本质从来不是技巧，
而是重复。
艾宾浩斯用一生证明：记忆的关键就是重复。所以我们相信的是你——你的坚持本身。
大脑是一个极其擅长偷懒的器官。当你长期坚持做同一件事，它不会一直停留在最初吃力的状态，而会逐渐演变成一件越来越省力的事。
DragonCard 利用的，正是这个机制——它提供的不是魔法，而是一个简单的容器：你把知识放进去，然后把"重复"这件最朴素的事，交给每天都来的自己。
持之以恒，必有收获。
我们不做承诺，只做容器。
DragonCard vs Anki
| 维度 | Anki | DragonCard |
|---|---|---|
| 调度单元 | 单张卡片独立计算下次复习时间 | 完整有序列表为单元，靠排序实现优先级 |
| 时间约束 | 严格日期驱动 | 弹性，什么时候继续、间隔多久由使用者决定 |
| 熟词处理 | 达标后降低复习频率，甚至退出复习池 | 全程保留在列表尾部，轻量刷一遍维持记忆 |
| 优势 | 理论记忆效率上限更高 | 流程简单稳定、断卡后更容易续上、保留词条上下文顺序 |
| 短板 | 任务量不可控，断卡后维护成本高 | 不会精准在遗忘临界点触发复习，单条记忆效率理论上限略低 |
我们把自己的短板也写在表里。DragonCard 不追求理论上限，它追求的是——你还能坚持明天再来一次。
数据、小工具、引擎，三层解耦
一个卡组 = 一份数据 + 一个小工具。框架只提供"货架"：学习流程与后端 API 固定不变。
cardAPI 注入工具；学习引擎（标记 / 重排 / 分页 / 进度）保持不变数据只是数据
卡片内容是纯 JSON 数组，字段名由你自己的小工具定义。想学什么，就填什么——没有任何预设的字段结构。
// cards.json —— 一个词条就是一条（HSK 1–9 卡组） [ { "item_order": 1, "word": "学习", "pinyin": "xuéxí", "part_of_speech": "动", "definition": "to learn/to study", "traditional": "學習", "level": "1" }, { "item_order": 2, "word": "朋友", "pinyin": "péngyou", "part_of_speech": "名", "definition": "friend", "traditional": "朋友", "level": "1" } ]
小工具定义卡片的一切
HTML 结构、CSS 样式、交互逻辑、发音语言、埋点事件——全部装在一个自包含的 H5 目录里，打包成 zip 上传即可。框架只通过 window.cardAPI 与它对话。
// 你的小工具 —— 任意 HTML / CSS / JS var page = await cardAPI.getPage(1, 500); // 取卡片 cardAPI.mark(card.id, true); // 标记未掌握 cardAPI.favorite(card.id, true); // 收藏 cardAPI.track('audio_play', card.id); // 埋点 cardAPI.playAudio(card.data.word); // 朗读
引擎只做一件事：让你重复
标记未掌握 → 重排 → 多轮学习，进度自动持久化。它不认识你的内容，也不知道你在学英语还是化学——它只维护一个有序列表，和你在其中的位置。
// 学习引擎的固定流程 GET /v1/learn/page → 取一页卡片 POST /v1/learn/mark → 标记未掌握 POST /v1/reorder → 重排：难点靠前，熟词靠后 GET /v1/rounds → 进入下一轮
整套机制，就是这四步
下面这个列表是可以真的操作的。点几张卡标记为"未掌握"，再点重排，看看会发生什么。
重排之后：未掌握的词条浮到前面，已掌握的沉到列表尾部——但不会消失，它们只是排在你后面，等下一轮轻刷一遍。
一个小工具能自定义到什么程度
答案是：几乎全部。框架只要求工具能渲染卡片、并通过 cardAPI 取数据，其余交给你。
自定义 HTML / CSS / JS
结构、样式、交互全在你手里。宿主自带的 Tailwind、Font Awesome、Three.js 都能直接用。
语言感知 TTS
工具声明自己的语言（zh / en / ja…），发音自动匹配系统语音，并按语言分组记住用户的选择。
动作即埋点
任何交互都能用 cardAPI.track(action, itemId) 记一笔；框架按卡组聚合，在观测页画出热力图与动作统计。
零构建 · 上传即用
一个 zip 就是一个工具：管理页上传、绑定卡组，立刻可用。不用编译，不用装依赖。
一个工具，多个卡组
同一个工具可以被多个卡组复用，卡组只决定喂给它哪份数据。重新上传 zip 会保留 id、绑定关系与用户进度。
本地优先
Flask + SQLite，开箱即用，数据在你自己的机器上，无需任何外部服务。
你的坚持，应该看得见
不为焦虑而设计，只是把"你来了多少次"如实画出来。
活动热力图
掌握度分布
轮次金字塔
让它跑起来，只需要一句话
安装依赖、建虚拟环境、改端口这些事，交给 AI 工具就好。把仓库交给下面任意一个，让它帮你跑起来。
WorkBuddy
把仓库丢给它，说"帮我跑起来"，剩下的它来做。
Codex
命令行里的 AI 助手，适合直接在仓库目录里操作。
OpenCode
开源终端 Agent，可自由选择模型来部署和调试。
它很简陋，而且是有意的
DragonCard 不是一款“功能齐全”的产品。它是作者基于一个朴素信念做出来的简单版本：把知识放进去，然后每天来。
它没有替你决定该学什么，也没有塞给你一堆用不上的功能。正因如此——它也可以是属于你的那一款。
- 数据是 JSON，工具是一个 HTML/CSS/JS 目录。换一个小工具，它就是另一款学习工具。
- 想学什么，就让 AI 帮你生成：小工具 + 卡组数据一次给全，导入即用。
- 不满意？让 AI 改样式、加字段、换交互——不用等作者更新。
如果你认同这个方向，但它还没有你想要的样子——那就把它交下去。
把仓库交给 WorkBuddy、Codex 或 OpenCode，直接告诉它：你想学什么。
数据和工具都是通用的——简单改造，它就能变成任何你想要的学习工具。