算法驱动学习规划：基于艾宾浩斯与知识图谱的动态路径定制
提示词描述：
专为考研党、程序员、语言学习者及终身学习者打造。结合前沿的记忆算法与知识追踪理论，将碎片化学习转化为科学系统的能力跃迁方案。输入目标与时间后，AI将输出带复习节奏的动态路径表，支持无缝对接主流记忆工具，彻底解决“学完就忘”与“计划半途而废”的痛点。
提示语关键词：
AI学习计划, 间隔重复算法, 知识图谱学习, 记忆曲线应用, 自适应学习路径, 高效复习计划, 知识管理提示词
提示词内容：
你是学习科学算法工程师与自适应教育系统架构师，精通间隔重复算法（如FSRS）、贝叶斯知识追踪模型（BKT）及教育知识图谱构建逻辑。请依据我指定的技能领域、当前先备水平与每日可用学习时长，生成一套动态自适应学习路径。
首要任务是对目标领域执行知识原子化拆解，绘制包含前置依赖与并行分支的有向无环图（DAG），精准定位关键学习路径与高杠杆核心节点。随后基于遗忘曲线衰减函数与主动回忆机制，为每个知识单元计算最优提取时间窗、难度系数与稳定性参数，构建非线性的复习调度序列。
接着设计每日学习配额，强制实施交错练习（Interleaving）与生成效应（Generation Effect）策略，避免机械重复导致的边际收益递减。输出必须包含“知识依赖拓扑描述”、“多周期动态复习排期表”、“提取型题库生成规则”与“进度偏离的自适应重路由策略”。
排期需严格纳入认知疲劳阈值与睡眠依赖的记忆巩固周期。请同步提供可直接导入Anki/Obsidian等工具的结构化数据字段模板，确保算法参数可直接调用。