Системы интервального повторения давно доказали свою эффективность, но у них есть одна странная особенность: чем важнее для тебя база знаний, тем меньше ты ей владеешь. Закрытые форматы, базы данных, синхронизация через облако, сложные интерфейсы — всё это постепенно превращает личные знания в «данные внутри приложения».
Проект Hashcards предлагает радикально иной подход: карточки — это просто текстовые файлы. Без магии, без скрытых структур, без привязки к конкретному редактору или платформе.
Что такое Hashcards на самом деле
По функциональности Hashcards близок к Anki или Mochi, но архитектурно — это совсем другой зверь.
📄 карточки хранятся в обычных Markdown-файлах
🧠 интервальное повторение считает алгоритм FSRS
💻 повторение запускается одной командой в терминале
🌐 интерфейс открывается в браузере на localhost
Вместо «приложения с базой данных» у вас — каталог файлов, который можно читать, редактировать и анализировать любыми инструментами.
Почему отказ от базы данных — это фича, а не ограничение
Ключевое решение Hashcards - идентификация по содержимому (content-addressing). Карточка идентифицируется не ID в БД, а хэшем своего текста.
🧩 изменил формулировку — изменилось состояние карточки
🧾 удалил файл — ничего не «сломалось»
🔄 Git прекрасно отслеживает эволюцию знаний
История повторений при этом хранится локально в SQLite, рядом с файлами, но сами знания остаются чистым текстом.
Минимальное трение при создании карточек
Автор проекта справедливо подмечает: главный враг обучения — не лень и не забывание, а трение при создании карточек.
✍️ Markdown вместо WYSIWYG
⌨️ cloze-удаления через квадратные скобки
📚 карточки выглядят как обычные заметки
Если запись карточки занимает больше пары секунд — мозг просто решает «потом». Hashcards старается сделать это «потом» ненужным.
Почему FSRS здесь принципиально важен
Hashcards использует FSRS — один из самых продвинутых алгоритмов интервального повторения на сегодняшний день.
🧠 учитывает сложность карточки
📈 адаптируется под пользователя
⏳ лучше работает на длинных дистанциях
Это важный момент: интерфейс может быть минималистичным, но алгоритм — максимально серьёзным. Пользователь не должен «настраивать расписание», он должен просто учиться.
Git как система управления знаниями
Именно здесь Hashcards внезапно становится особенно интересен для технических специалистов.
🗂 версии карточек как коммиты
🔍 массовое редактирование через grep и sed
🤝 шаринг знаний через GitHub
⚙️ генерация карточек скриптами и Makefile
Карточки превращаются в живой артефакт мышления, а не в закрытую коллекцию внутри приложения.
Где этот подход раскрывается сильнее всего
Hashcards особенно хорошо ложится на сценарии, где знания постоянно уточняются:
📘 изучение технической литературы
🧪 научные и исследовательские заметки
🌍 изучение языков через таблицы и словари
🧠 долгосрочные личные базы знаний
Когда понимание темы меняется, карточки можно переписать так же легко, как обычный текст.
Личное мнение
Hashcards — это не «ещё одна альтернатива Anki». Это попытка вернуть ощущение, что знания принадлежат тебе, а не инструменту. Markdown-файлы переживут любые приложения, Git переживёт любые стартапы, а текст остаётся читаемым даже через десятилетия.
Да, такой подход не для всех. Но если вы цените прозрачность, контроль и долговечность — идея хранить свою память в обычных файлах вдруг перестаёт казаться странной.
Ссылки и источники
🔗 Оригинальная статья Fernando Borretti:
https://borretti.me/article/hashcards-plain-text-spaced-repetition
🔗 FSRS — алгоритм интервального повторения:
https://github.com/open-spaced-repetition/fsrs4anki
🔗 Hashcards (проект):
https://github.com/borretti/hashcards
Иногда лучший инструмент для обучения — это не новое приложение, а хорошо организованный текст, которому дали шанс работать на вас.