訓練器概覽
FSRS 內建預設模型權重，但你可以用自己產品的複習記錄重新訓練它們，讓間隔更貼合所服務的使用者。訓練器（Optimizer）運行於 @open-spaced-repetition/binding 之上：把複習記錄 CSV 轉成訓練項、估算參數，並回報結果對留出複習的預測品質。訓練出的權重透過 weights 直接餵回 DefaultScheduler 或自訂 defineScheduler。權重的含義見模型，權重的使用位置見排程器。
Optimizer 目前仍處於 beta 階段，API 方法可能隨時調整。
複製這段提示詞，讓 AI Agent 遵守訓練器契約：複習記錄 CSV 進、訓練權重出，經由共享的 binding。
一個套件，兩種執行環境
binding 用同一個匯入暴露同一套 API，載入時會依執行環境自動解析建置：搜尋可用的原生套件，在瀏覽器或 Worker 中回退到 WebAssembly。依需求安裝對應套件：
原生模組（Node、伺服器與 CLI）：
WASI Preview 1（wasip1）WebAssembly：
wasm32-wasi WebAssembly：
你的執行環境會解析到相符的建置：伺服器或 CLI 用原生模組，瀏覽器或 Web Worker 用 wasm 建置。
WebAssembly 可執行 threadless 或多執行緒。threadless wasm 無需 Cross-Origin-Opener-Policy 或 Cross-Origin-Embedder-Policy 標頭即可運作，進度經 Worker 訊息回傳而非共享記憶體。多執行緒建置要求頁面處於 crossOriginIsolated，即以帶 COOP 與 COEP 標頭的方式提供。
複習記錄流程
訓練由幾個 binding 呼叫組成一條短流程：
convertCsvToFsrsItems把複習記錄 CSV 轉成一組FSRSItem。computeParameters根據這些項訓練權重並回傳權重陣列。evaluateWithTimeSeriesSplits衡量這些參數對留出複習的預測品質。
你還可以用 computeOptimalSteps 讓 binding 推薦學習與再學習步驟。逐個呼叫見訓練與評估；想跑一次真實訓練，用Playground頁的訓練器。