fix(client): 学习算法修复——FSRS初始稳定性对齐权重/sm2缺失字段防御/复习写失败可恢复

- ALG-H1: FSRS S0(G) 从 FSRS-4 硬编码常量 [0.4,0.6,2.4,9.0] 改为权重 w[0..3]（fsrs-rs 官方语义 S0(G)=w[G-1]）；修正误导注释（权重为项目自定义非官方默认、w[6] 为保留位不参与 difficulty 更新、D0 为固定表近似并标注官方公式）；同步更新测试断言
- ALG-M1: sm2 easeFactor 缺失/NaN/0 防御（回退 2.5），消除 NaN interval → Invalid Date 无限传播
- ALG-M2: rateCard 中 updateCard 改为 await + try/catch——异步写失败不再 unhandled rejection；review 已落库时继续推进 UI（内存态最新，DB 旧值下次复习覆盖，不丢数据不重复调度）
- ALG-L1: SM-2 历史 interval 反推 stability 的近似性注释说明
- ALG-L2: goldenErrorMultiplier 历史遗留接口注释（实际由 store 层 compressForGoldenError 后处理生效）

验证: lint 0 errors + 875 tests passed + build 成功（FSRS/SM2 44 项算法测试全通过）

Author: Aparencia

client/src/features/flashcards/store/useStudySessionStore.ts

@@ -318,16 +318,24 @@ export const useStudySessionStore = create<StudySessionState>((set, get) => {
 
       // 同步 flashcard store 中对应的卡片状态（含操作日志）
       const flashcardState = useFlashcardStore.getState();
-      flashcardState.updateCard(card.id, {
-        easeFactor: result.easeFactor,
-        interval: effectiveInterval,
-        repetitions: result.repetitions,
-        lapses: result.lapses,
-        dueDate: effectiveDueDate,
-        stability: result.stability,
-        difficulty: result.difficulty,
-        lastReviewDate: updatedAt,
-      });
+      try {
+        // ALG-M2: updateCard 为异步写（原未 await 的 rejection 是 unhandled）。
+        // 若此处失败（review 已落库、card 未更新），捕获并继续推进 UI——
+        // 内存态（updatedCards）已是最新，DB 旧值将在下次复习时被覆盖，
+        // 不丢数据；失败仅造成一次性的调度偏差，而非半写卡死或重复调度
+        await flashcardState.updateCard(card.id, {
+          easeFactor: result.easeFactor,
+          interval: effectiveInterval,
+          repetitions: result.repetitions,
+          lapses: result.lapses,
+          dueDate: effectiveDueDate,
+          stability: result.stability,
+          difficulty: result.difficulty,
+          lastReviewDate: updatedAt,
+        });
+      } catch (updateErr) {
+        console.error('[StudySession] 卡片状态更新失败（复习记录已保存）:', updateErr);
+      }
 
       const nextIndex = currentIndex + 1;
       const isLastCard = nextIndex >= sessionCards.length;

client/src/lib/fsrs.test.ts

@@ -40,8 +40,8 @@ const W = [
   2.8278, 0.7846, 0.2,
 ];
 
-/** 初始 stability 按评分索引：S0 = [0.4, 0.6, 2.4, 9.0] */
-const S0 = [0.4, 0.6, 2.4, 9.0];
+/** 初始 stability 按评分索引：S0(G) = w[G-1]（ALG-H1 官方对齐后为 W[0..3]） */
+const S0 = [W[0], W[1], W[2], W[3]];
 
 /** 初始 difficulty 按评分索引：D0 = [4.3, 3.3, 2.6, 1.0] */
 const D0 = [4.3, 3.3, 2.6, 1.0];
@@ -76,7 +76,7 @@ describe('FSRS-5 算法', () => {
   // ── 新卡片首次复习 ─────────────────────────────────────────────────────
 
   describe('新卡片首次复习（stability=0，interval=0）', () => {
-    it('Again 评分：应使用 S0[0]=0.4 和 D0[0]=4.3', () => {
+    it('Again 评分：应使用 S0[0]=w[0] 和 D0[0]=4.3（ALG-H1: S0 取权重而非旧常量）', () => {
       const result = fsrs(NEW_CARD, Rating.Again, NOW);
       expect(result.stability).toBe(S0[Rating.Again]);
       expect(result.difficulty).toBe(D0[Rating.Again]);
@@ -85,21 +85,21 @@ describe('FSRS-5 算法', () => {
       expect(result.lapses).toBe(0);
     });
 
-    it('Hard 评分：应使用 S0[1]=0.6 和 D0[1]=3.3', () => {
+    it('Hard 评分：应使用 S0[1]=w[1] 和 D0[1]=3.3（ALG-H1）', () => {
       const result = fsrs(NEW_CARD, Rating.Hard, NOW);
       expect(result.stability).toBe(S0[Rating.Hard]);
       expect(result.difficulty).toBe(D0[Rating.Hard]);
       expect(result.repetitions).toBe(1);
     });
 
-    it('Good 评分：应使用 S0[2]=2.4 和 D0[2]=2.6', () => {
+    it('Good 评分：应使用 S0[2]=w[2] 和 D0[2]=2.6（ALG-H1）', () => {
       const result = fsrs(NEW_CARD, Rating.Good, NOW);
       expect(result.stability).toBe(S0[Rating.Good]);
       expect(result.difficulty).toBe(D0[Rating.Good]);
       expect(result.repetitions).toBe(1);
     });
 
-    it('Easy 评分：应使用 S0[3]=9.0 和 D0[3]=1.0', () => {
+    it('Easy 评分：应使用 S0[3]=w[3] 和 D0[3]=1.0（ALG-H1）', () => {
       const result = fsrs(NEW_CARD, Rating.Easy, NOW);
       expect(result.stability).toBe(S0[Rating.Easy]);
       expect(result.difficulty).toBe(D0[Rating.Easy]);

client/src/lib/fsrs.ts

@@ -42,15 +42,17 @@ export interface FSRSResult {
 }
 
 // ---------------------------------------------------------------------------
-// FSRS-5 核心参数（参考 open-spaced-repetition/fsrs-rs）
+// FSRS-5 核心参数（结构参考 open-spaced-repetition/fsrs-rs）
 // ---------------------------------------------------------------------------
 
-/** 初始 difficulty 按 rating 索引：D0(G) = [4.3, 3.3, 2.6, 1.0] */
+/**
+ * 初始 difficulty 按 rating 索引（项目自定义近似表，结构对齐 FSRS）。
+ * ALG-H1: fsrs-rs 的 D0 由 w[4]/w[5] 经指数公式计算，本项目采用固定表近似；
+ * 已知与官方值存在偏差，但保持了单调性与量级一致性。若需完全对齐官方，
+ * 应替换为 D0(G) = clamp(w[4] - exp(w[5]*(G-1)) + 1, 1, 10) 并重训权重。
+ */
 const D0 = [4.3, 3.3, 2.6, 1.0];
 
-/** 初始 stability 按 rating 索引：S0(G) = [0.4, 0.6, 2.4, 9.0] */
-const S0 = [0.4, 0.6, 2.4, 9.0];
-
 /** 目标保留率 */
 const REQUESTED_RETENTION = 0.9;
 
@@ -59,17 +61,20 @@ const DECAY = -0.5;
 
 /**
  * FSRS-5 的 19 个核心参数 w[0]-w[18]
- * 来自 open-spaced-repetition/fsrs-rs 默认参数
+ * ALG-H1: 结构对齐 fsrs-rs v5（w[0..3]=初始稳定性、w[4..5]=难度初始化、
+ * w[7]=难度回归强度、w[8..14]=稳定性更新、w[15..18]=惩罚/奖励/短时稳定性），
+ * 具体数值为项目自定义（与 fsrs-rs 官方默认值存在偏差，禁止与官方工具混用）；
+ * 参数间存在耦合，禁止单独微调。
  */
 const W = [
-  0.4872,   // w[0]  — S0 相关
-  1.4003,   // w[1]  — S0 相关
-  3.7145,   // w[2]  — S0 相关
-  13.8206,  // w[3]  — S0 相关
-  5.1618,   // w[4]  — difficulty 相关
-  1.2298,   // w[5]  — difficulty 相关
-  0.8975,   // w[6]  — mean reversion weight (used in difficulty update)
-  0.031,    // w[7]  — mean reversion weight (used in difficulty update)
+  0.4872,   // w[0]  — 初始稳定性 Again
+  1.4003,   // w[1]  — 初始稳定性 Hard
+  3.7145,   // w[2]  — 初始稳定性 Good
+  13.8206,  // w[3]  — 初始稳定性 Easy
+  5.1618,   // w[4]  — difficulty 初始化
+  1.2298,   // w[5]  — difficulty 初始化
+  0.8975,   // w[6]  — 保留位（不参与 difficulty 更新，维持数组索引完整）
+  0.031,    // w[7]  — 难度均值回归强度
   1.6474,   // w[8]  — stability after success
   0.1712,   // w[9]  — stability after success
   1.0872,   // w[10] — stability after success
@@ -83,6 +88,15 @@ const W = [
   0.2,      // w[18] — short-term stability
 ];
 
+/**
+ * 初始 stability 按 rating 索引：S0(G) = w[G-1]（fsrs-rs 官方语义），
+ * 即 w[0..3] 分别对应 Again/Hard/Good/Easy 的初始稳定性。
+ * ALG-H1: 原实现使用 FSRS-4 时代硬编码常量 [0.4, 0.6, 2.4, 9.0] 且未参与
+ * W 权重计算，与"权重来自 fsrs-rs"的注释相矛盾，造成系统性调度偏差；
+ * 现改为直接取权重 w[0..3]（须在 W 定义之后求值，避免 TDZ）。
+ */
+const S0 = [W[0], W[1], W[2], W[3]];
+
 // ---------------------------------------------------------------------------
 // 工具函数
 // ---------------------------------------------------------------------------
@@ -112,8 +126,9 @@ function intervalFromStability(stability: number, retention: number): number {
 
 /**
  * 计算初始 difficulty（均值回归更新）
- * D' = w[7] * (D - w[6] * (D - D0(G))) + (1 - w[7]) * D
- * 简化：D' = D - w[7] * w[6] * (D - D0(G))
+ * D' = w[7] * D0(G) + (1 - w[7]) * D，等价于 D' = D - w[7] * (D - D0(G))
+ * ALG-H1: fsrs-rs v5 的难度回归仅使用 w[7]（回归强度），w[6] 不参与
+ * difficulty 更新（保留在参数数组中仅为维持索引完整性）
  */
 function updateDifficulty(oldD: number, rating: Rating): number {
   const d0 = D0[rating];
@@ -183,8 +198,10 @@ export function fsrs(card: FSRSCardInput, rating: Rating, now?: Date): FSRSResul
   } else {
     // 首次使用 FSRS：根据历史 interval 推算初始 stability
     if (card.interval > 0 && card.repetitions > 0) {
-      // 已有 SM-2 历史：从 interval 反推 stability
+      // 已有 SM-2 历史：从 interval 反推 stability（ALG-L1: 近似值）
       // interval ≈ 9 * S * (1/R - 1) → S = interval / (9 * (1/R - 1))
+      // 该反推基于"理想遗忘曲线 R=0.9"假设，忽略用户实际复习表现
+      // （真实 R ≠ 0.9），迁移卡片的首次 FSRS 间隔可能与预期有一次性偏差
       S = card.interval / (9 * (1 / REQUESTED_RETENTION - 1));
       D = card.difficulty ?? D0[Rating.Good];
     } else {

client/src/lib/sm2.ts

@@ -95,9 +95,15 @@ export function sm2(card: SM2CardInput, rating: Rating, options?: SM2Options): S
   const q = toQuality(rating);
   const lapses = card.lapses ?? 0;
 
+  // ALG-M1: easeFactor 缺失/非法防御——历史数据缺字段、迁移列错位等场景下
+  // easeFactor 为 undefined/NaN/0 时，原实现产生 NaN 并无限传播
+  // （NaN interval → Invalid Date 时间戳损坏 → 后续复习全部异常）
+  const rawEF = Number(card.easeFactor);
+  const baseEF = Number.isFinite(rawEF) && rawEF > 0 ? rawEF : 2.5;
+
   // 更新难度因子（EF）
   let newEF =
-    card.easeFactor + (0.1 - (5 - q) * (0.08 + (5 - q) * 0.02));
+    baseEF + (0.1 - (5 - q) * (0.08 + (5 - q) * 0.02));
   newEF = Math.max(newEF, 1.3);
 
   let newInterval: number;
@@ -137,6 +143,9 @@ export function sm2(card: SM2CardInput, rating: Rating, options?: SM2Options): S
   newInterval = Math.min(newInterval, 1825);
 
   // Golden error：高自信答错时缩短间隔
+  // ALG-L2: 本参数为历史遗留接口——实际黄金错误加速由 store 层
+  // compressForGoldenError 后处理实现（useStudySessionStore.ts），
+  // 本参数未传入时保持默认不调整；两套机制并存但仅后处理生效
   const multiplier = options?.goldenErrorMultiplier;
   // 下界取 >= 0：传 0 表示尽可能缩短，经 Math.max 收敛到最小间隔 1 天；
   // 上界仍为 < 1，因 1.0 的语义就是不调整