FSRS v4.5 알고리즘 기반 LeetCode 학습 자동화 시스템 구축

I Forgot My Own LeetCode Solutions After 10 Days — So I Built This

null_pointer2026년 6월 2일3분intermediate

AI 요약

Context

기존의 수동 기록 방식 및 Anki 기반의 카드 생성 과정에서 발생하는 과도한 오버헤드로 인해 학습 지속성 결여. 단순 주기적 복습이 아닌 개별 기억 곡선을 반영한 정밀한 리뷰 스케줄링의 부재로 인한 지식 휘발성 증대.

Chrome Extension 구조를 통한 LeetCode Submission 데이터의 실시간 자동 캡처로 데이터 입력 단계 제거
기존 SM-2 알고리즘 대비 최적화된 FSRS v4.5(Free Spaced Repetition Scheduler) 도입을 통한 개인 맞춤형 복습 주기 산출
사용자의 정답 및 오답 패턴을 분석하여 기억 유지 확률을 모델링하고 리뷰 간격을 동적으로 조정하는 스케줄링 로직 구현
Python 기반 Local AI Backend Server 옵션을 통해 코드 검증 및 Auto-Fix 기능을 제공하는 확장 가능한 아키텍처 설계
사용자 경험 최적화를 위한 Cyberpunk 테마 기반의 커스텀 UI 구현으로 학습 동기 부여 강화

실천 포인트

1. 단순 주기적 반복보다 데이터 기반의 기억 모델(FSRS 등) 적용 검토

2. 사용자 입력 허들을 최소화하기 위해 브라우저 확장 프로그램과 같은 데이터 자동 수집 레이어 설계

3. 기본 기능(Client-side)과 고부하 기능(Local AI Server)을 분리하여 선택적 확장 구조 채택

태그