> For AI agents: the complete documentation index is available at https://open-spaced-repetition.github.io/ts-fsrs/ja-JP/llms.txt, the full documentation bundle is available at https://open-spaced-repetition.github.io/ts-fsrs/ja-JP/llms-full.txt.

# Optimizer 概要

FSRS は既定のモデル重みを同梱していますが、自分たちの製品の復習ログから再学習して、間隔をサービス対象のユーザーに合わせることができます。Optimizer は `@open-spaced-repetition/binding` の上で動きます。復習ログ CSV を訓練用アイテムに変換し、パラメータを推定し、その結果が保留した復習をどれだけ予測できるかを報告します。訓練した重みは `weights` 経由でそのまま `DefaultScheduler` やカスタムの `defineScheduler` に渡せます。重みの意味は[モデル](https://open-spaced-repetition.github.io/ts-fsrs/ja-JP/guide/model.md)、適用される場所は[スケジューラ](https://open-spaced-repetition.github.io/ts-fsrs/ja-JP/guide/scheduler.md)を参照してください。

:::warning 注意
Optimizer は現在ベータ版であり、API メソッドは随時変更される可能性があります。
:::


For your Agent

FSRS の重み学習を実装または説明する

Prompt をコピー

現在の ts-fsrs Optimizer 契約を使って、次のタスクに対応してください：[タスクを記述]。

1. https://open-spaced-repetition.github.io/ts-fsrs/ja-JP/guide/optimizer/index.md と https://open-spaced-repetition.github.io/ts-fsrs/ja-JP/guide/optimizer/train-evaluate.md を読み、実行環境の選択と復習ログのパイプラインを理解する。
2. convertCsvToFsrsItems で復習ログ CSV を変換し、翌日が始まる時刻とタイムゾーンまたは UTC オフセットを渡す。
3. computeParameters(items, { enableShortTerm, modelVersion }) で訓練し、返された重みを DefaultScheduler かカスタムの defineScheduler で使う。
4. 適合度は evaluateWithTimeSeriesSplits で報告する。復習ログ・評価・状態遷移を正確に保つ。
5. Node ではネイティブ binding、ブラウザの Worker では wasip1 の wasm ビルドを優先する。
6. 現在の public API を使い、実装した訓練パスに焦点を絞ったテストを追加する。

## 一つのパッケージ、二つの実行環境

binding は単一の import で同じ API を公開し、読み込み時に実行環境向けのビルドを自動で解決します。利用可能なネイティブパッケージを探し、ブラウザや Worker では WebAssembly にフォールバックします。環境に合わせて該当するパッケージをインストールします。

ネイティブモジュール（Node・サーバー・CLI）：


```sh [npm]
npm install @open-spaced-repetition/binding
```

```sh [yarn]
yarn add @open-spaced-repetition/binding
```

```sh [pnpm]
pnpm add @open-spaced-repetition/binding
```

```sh [bun]
bun add @open-spaced-repetition/binding
```

```sh [deno]
deno add npm:@open-spaced-repetition/binding
```

WASI Preview 1（wasip1）WebAssembly：


```sh [npm]
npm install @open-spaced-repetition/binding-wasm32-wasip1
```

```sh [yarn]
yarn add @open-spaced-repetition/binding-wasm32-wasip1
```

```sh [pnpm]
pnpm add @open-spaced-repetition/binding-wasm32-wasip1
```

```sh [bun]
bun add @open-spaced-repetition/binding-wasm32-wasip1
```

```sh [deno]
deno add npm:@open-spaced-repetition/binding-wasm32-wasip1
```

wasm32-wasi WebAssembly：


```sh [npm]
npm install @open-spaced-repetition/binding-wasm32-wasi
```

```sh [yarn]
yarn add @open-spaced-repetition/binding-wasm32-wasi
```

```sh [pnpm]
pnpm add @open-spaced-repetition/binding-wasm32-wasi
```

```sh [bun]
bun add @open-spaced-repetition/binding-wasm32-wasi
```

```sh [deno]
deno add npm:@open-spaced-repetition/binding-wasm32-wasi
```

```ts
import { computeParameters } from '@open-spaced-repetition/binding'
```

実行環境が対応するビルドを解決します。サーバーや CLI はネイティブモジュール、ブラウザや Web Worker は wasm ビルドを使います。

:::note COOP/COEP とスレッド
WebAssembly は threadless またはスレッドありで実行できます。threadless wasm は Cross-Origin-Opener-Policy や Cross-Origin-Embedder-Policy ヘッダなしで動作し、進捗は共有メモリではなく Worker メッセージで報告します。スレッドありのビルドは、ページが `crossOriginIsolated`（COOP と COEP ヘッダ付きで配信される状態）であることを必要とします。
:::

## 復習ログのパイプライン

訓練は数回の binding 呼び出しからなる短いパイプラインです。

1. `convertCsvToFsrsItems` が復習ログ CSV を `FSRSItem` のリストに変換します。
2. `computeParameters` がそのアイテムから重みを訓練し、重みの配列を返します。
3. `evaluateWithTimeSeriesSplits` がパラメータによる保留復習の予測品質を測定します。

`computeOptimalSteps` を使えば、学習・再学習ステップの推奨も binding に依頼できます。各呼び出しの詳細は[学習と評価](https://open-spaced-repetition.github.io/ts-fsrs/ja-JP/guide/optimizer/train-evaluate.md)、実際の訓練の実行は[Playground](https://open-spaced-repetition.github.io/ts-fsrs/ja-JP/playground.md)ページのトレーナーを参照してください。