分割线 样式

下文以 图片 + css + 代码部分解释 的形式给出，自行挑选。 image.png 上面代码中 var(--hr-color) 为分割线颜色，可以修改为别的颜色值，例如 斜着的和平着的 image.png css .markdown-rendered hr, .markdown-source-view.mod-cm6 .hr { position: relative; display: block; margin-top: 4em; margin-bottom: 4em; height:

Huajin

Pkmer

更多

边注 注释

在 obsidian 中优雅的实现边注

使用 obsidian 自带的 callout 语法，不污染笔记，且用法非常简单。 image.png <center>主题：Obsidian Nord</center> 添加好 css 后，在正文中直接用边注的 callout 即可（如何添加 css 可以看这篇：Obsidian的CSS代码片段） 如果想要左边的边注，可以这样写 如果想要右边的边注，可以这样写 如果想要边注可折叠，可以用 callout 的折叠语法 边注基于 callout 实现，因此可以像 callout 一样使用不同的样式 本

Huajin

Pkmer

更多

安装 基础使用

Obsidian 社区插件的安装，社区插件安装教程，第三方插件安装方法

通过 Obsidian 内置的“第三方插件”-“社区插件”直接进行下载。但会不可预测的遇到“无法打开”的情况，即存在网络问题。  也可以通过 PKMer 安装的手把手教程，用同样的方法安装其他插件 可以通过 OB 官方的列表： https://obsidian.md/plugins，来查询 OB 插件的下载链接（以下选一即可）。 上一步获得是该插件官方认可的（

OS

Pkmer

更多

增量学习

本文根据SuperMemo 18 文档翻译而成，原项目文档请见 https://help.supermemo.org/wiki/Incremental_learning

本文介绍了如何获取一生中在脑中坚如磐石的知识的途径：增量学习。 增量学习是在学生写作时能用上的最快并且最全面的学习方式 (2013 年)。 增量学习是以计算机为基础的技术整合，这种整合能够加速和优化在所有可以以电子形式的提供的所有可能的材料中学习的过程，当然也不仅仅如此。 目前，SuperMemo。这些学习材料，会逐步通过软件的使用，转化为您持久的知识，最终它们可以持续一生，不会被遗忘掉。 在增量学习中，学生通常会记住他或她的最优先级别的材料的 95％。知识是相对稳定的，只要保持增量学习的过程的继续，它们就会一直存在于学习的

Quorafind, Jason-XJ

Pkmer

更多

增量学习

本文根据SuperMemo 18 文档翻译而成，原项目文档请见 https://help.supermemo.org/wiki/Incremental_learning

对于增量学习，有很多人持赞成态度，但同时也有人持比较强烈的批评态度。下面两节主要介绍了增量阅读的两面性。 下面是对一些谈及 增量阅读 的博客的摘录。 在 bobo23.net 你会看到以下内容： 整篇文章的详情请访问: 增量阅读——处理信息溢出问题 Len Budney 写道：

Jason-XJ

Pkmer

更多

增量学习

本文根据SuperMemo 18 文档翻译而成，原项目文档请见 https://help.supermemo.org/wiki/Incremental_learning

人类的知识资源浩瀚无边。我们对获取知识的欲望通常超过我们的学习能力。渐进式学习使我们很容易输入大量的知识。然而，如果你不能有效地处理所有导入的知识，就有可能被不那么重要的学习主题所淹没，从而忽略了更重要的知识。这种状况是在 SuperMemo 中引入 优先级 的主要原因。 在增量学习中，所有的 元素 被组织成一个由 优先级 决定的序列。这个序列被称为优先级队列。优先级 是由该 元素 对学生的重要性决定的。当学生在某一天的学习时间不足时，优先级 较低的 元素 将首先被剔除。因此，只有高 优先级 的 元素 才能获得所需的记忆/保留 水

Jason-XJ

Pkmer

更多

增量学习

本文根据SuperMemo 18 文档翻译而成，原项目文档请见 https://help.supermemo.org/wiki/Incremental_learning

在 增量阅读 中，您始终需要快速恢复问题或文本的上下文。快速恢复上下文的最简单方法是通过引用。引用从 element 传播到元素，因为您生成 抽取 和 完形填空删除。使用标记为引用的给定文本生成的所有 子元素，您永远不必担心丢失问题的上下文。 例如: 没有上下文就无法回答。但是，以下问题已经更容易理解: 为了加快学习速度，在增量阅读过程中，上述问题自然应该替换为: 引用不存储在包含您的文章的 HTML 文件中，而是存储在引用 注册表 中 (即在单独的数据库中)。引用注册表也不包含引用文

Quorafind, Jason-XJ

Pkmer

更多

增量学习

本文根据SuperMemo 18 文档翻译而成，原项目文档请见 https://help.supermemo.org/wiki/Incremental_learning

一张图片可以透露很多的信息。这句话表达了一个来自神经学的众所周知的事实：我们每个人都拥有一个极其有效的视觉记忆系统，应该经常使用它来补充用于更抽象知识的记忆系统。这是增量学习的主要目标。图片具有强大的记忆功能，应该大量使用图片作为学习材料。SuperMemo 实现了图片操作，通过 SuperMemo，只要您掌握了可视化学习的基本技能，您的图片处理功能就会比任何时候更容易。 可视化学习的工具和技术也可用于学习只有图片形式的文本（如书本快照、只读 PDF 屏幕打印、纸质笔记等）。可以用扫描仪或数码相机来拍摄笔记的照片。然而，除非使

Jason-XJ

Pkmer

更多

增量学习

本文根据SuperMemo 18 文档翻译而成，原项目文档请见 https://help.supermemo.org/wiki/Incremental_learning

Quorafind,Jason-XJ

Pkmer

更多

增量学习

本文根据SuperMemo 18 文档翻译而成，原项目文档请见 https://help.supermemo.org/wiki/Incremental_learning

增量阅读 的最佳文章是事实丰富且背景丰富的。您需要制定自己的规则来选择高质量的阅读材料。没有什么可以替代您自己的经验。您将学习识别难以处理的文本并降低阅读效率。 让我们考虑两个极端: 许多文章介于 维基百科 和极端小说之间。如果 维基百科 会说“http 协议”，一篇典型的文章可能只会说“协议”(如果前面的段落中有“这个”)。有些文字充斥着“正如我在上一章中提到的”，或“转到下一部分”，或“前一章中解释的三点”等。在文本写作中滥用工作记忆使 增量阅读 变得更加困难。这意味着如果作者使用了大量的“引用歧义”，那么这些文本对于

Quorafind, Jason-XJ

Pkmer

更多

增量学习

本文根据SuperMemo 18 文档翻译而成，原项目文档请见 https://help.supermemo.org/wiki/Incremental_learning

增量学习是强大的。尽管我们坚信它可能会带来一场学习上的革命，但它目前的化身只会影响到社会的一小部分人。具体原因如下：

Jason-XJ

Pkmer

更多

增量学习

本文根据SuperMemo 18 文档翻译而成，原项目文档请见 https://help.supermemo.org/wiki/Incremental_learning

增量视频是一种学习或观看视频记录的方法，目的是对所看的材料形成长久的记忆。增量视频使得进行多个视频而不忽视其中任何一个的学习方式成为可能。它对各个视频的处理是同时进行的，对各个视频的时间分配取决于学习者决定的优先次序。增量视频对于视频来说就像 增量阅读 对于对于电子文本的学习一样。在增量视频中，由用户来决定视频中哪些重要部分需要被记住。这些部分是 SuperMemo 其他应用程序已知的标准学习过程的一部分。这些视频的每一部分都将形成一个独立的 主题，并以越来越长的 时间间隔 进行复习。即使和成百上千的视频打交道，但你也不会感到迷失，

Jason-XJ

Pkmer

更多