Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

Anki VN Sorter

Posted on 2026-05-04

Anki VN Sorter

嗨,我用 Vibe 编写了这个插件

GitHub – bee-san/anki_sorter:Anki 插件,用于对新的 Kiku 卡片进行优先级排序,并专注于 VN 的新卡片排序。

用于优先排序新 Kiku 卡片的 Anki 插件,专注于 VN 的新卡片排序。 – bee-san/anki_sorter

Anki VN SorterGitHub bee-san

Anki VN Sorter

这是一个用于对 Anki 中的新单词卡片进行排序的插件。

其他排序算法:

  • 仅根据使用频率来判断,因此相似的汉字不会被归为一类。

这个插件使用了一种高级算法(实际上是我写的,但由人工智能实现的。我不知道它是否是最优的,但我一直在反复检查我的新卡牌顺序,目前看来这个方案可行)。

其理念是:

减少搜索难度。除非你漏掉了一个高频词,否则优先显示所有汉字都已知的词或只有假名的词。

基本上,如果你认识所有的汉字,这个词就非常简单,所以你应该先看它。

它不仅适用于视觉小说,也适用于其他事物。

算法

  1. 候选人选择:默认查询语句为note:Kiku is:new -is:suspended 。复习和学习卡片将被忽略。
  2. 已知汉字提取:该插件使用matureQuery或生成的matureDays查询搜索已成熟的 Kiku 卡片。它读取这些已成熟的 Kiku 笔记中的Expression字段,并提取汉字。如果汉字出现在 Expression 字段中,则视为已知汉字。
  3. 频率源选择:当前列表来自jitenFrequencyListId 。默认值为global 。该插件尝试使用:
    • 所选列表的最新缓存
    • 所选列表的实时 Jiten 导出 API
    • 所选列表的过期缓存
    • 当选定列表为global时,捆绑的Global快照
    • 仅当没有 Jiten 数据可用时才使用 Kiku FreqSort
  4. 每张卡片的功能:每张候选人卡的附加信息如下:
    • Expression
    • 提取的汉字数量
    • 已知汉字数量
    • Jiten 在选定列表中排名
    • Kiku FreqSort排名作为备选方案
  5. 混合评分:默认分数为:这意味着:
    • Jiten 的绝对频率得分,或者FreqSort作为备选方案
    • 乘以可读性调整值:
      • all_kanji_known : 1.00
      • kana_only : 0.92
      • 未知汉字: 1 - min(0.18 * unknown_kanji_count, 0.54)
    • 外加少量已知信息:
      • 0.04 * coverage_score
  • 出现频率相近的已知汉字卡片通常比只有假名的卡片效果更好。
  • 非常常见的仅包含假名的卡牌仍然可以早期崛起。
  • 非常常见的只有一个未知汉字的卡片,其排名可能高于较弱的简单卡片。
  • 除非出现频率非常高,否则较难识别的生僻汉字卡片仍然会沉没。

最终排序:卡片按以下方式排序:如果您想要严格的分组,则旧的easy_first_tiered_v1模式仍然存在。

  • 更高的综合得分
  • 那么原始排名就更好了。
  • 当preferShorterExpressions = true时,表达式长度会缩短。
  • 然后是当前到期
  • 然后是卡片模板订单
  • 然后是卡号

重新排序:该插件调用 Anki 内部的新卡重新排序 API。它从符合条件的卡片中最低的排序开始,仅重新排列匹配的新卡。不匹配的卡片则尽可能保持不变。

还有可选策略easy_first_tiered_v1和balanced_ease_v1 ,但默认和推荐的路径是frequency_first_soft_v1 。

原文: https://skerritt.blog/anki-vn-sorter/

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • A List Apart
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Alin Panaitiu
  • Anil Dash
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Big Technology
  • Bits about Money
  • Brandon Skerritt
  • Brent Simmons
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • HeardThat Blog
  • Henrique Dias
  • Herman Martinus
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Maggie Appleton
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • PostHog
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Slava Akhmechet
  • Small Good Things
  • Steph Ango
  • Stephen Wolfram
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2026 搞英语 → 看世界 | Design: Newspaperly WordPress Theme