训练器概览
FSRS 自带默认模型权重，但你可以用自己产品的复习日志重新训练它们，让间隔更贴合所服务的用户。训练器（Optimizer）运行在 @open-spaced-repetition/binding 之上：把复习日志 CSV 转成训练项、估算参数，并报告结果对留出复习的预测质量。训练出的权重通过 weights 直接喂回 DefaultScheduler 或自定义 defineScheduler。权重的含义见模型，权重的使用位置见调度器。
Optimizer 目前仍处于 beta 阶段，API 方法可能随时调整。
复制这段提示词，让 AI Agent 遵守训练器契约：复习日志 CSV 进、训练权重出，经由共享的 binding。
一个包，两种运行时
binding 用同一个导入暴露同一套 API，加载时会按运行环境自动解析构建：搜索可用的原生包，在浏览器或 Worker 中回退到 WebAssembly。按需安装对应包：
原生模块（Node、服务器与 CLI）：
WASI Preview 1（wasip1）WebAssembly：
wasm32-wasi WebAssembly：
你的运行环境会解析到匹配的构建：服务器或 CLI 用原生模块，浏览器或 Web Worker 用 wasm 构建。
WebAssembly 可运行 threadless 或多线程。threadless wasm 无需 Cross-Origin-Opener-Policy 或 Cross-Origin-Embedder-Policy 头即可工作，进度经 Worker 消息回传而非共享内存。多线程构建要求页面处于 crossOriginIsolated，即以带 COOP 与 COEP 头的方式提供。
复习日志流程
训练由几个 binding 调用组成一条短流程：
convertCsvToFsrsItems把复习日志 CSV 转成一组FSRSItem。computeParameters根据这些项训练权重并返回权重数组。evaluateWithTimeSeriesSplits衡量这些参数对留出复习的预测质量。
你还可以用 computeOptimalSteps 让 binding 推荐学习与再学习步骤。逐个调用见训练与评估；想跑一次真实训练，用Playground页的训练器。