Effect size over opinion
依效果量選擇
我們不會因為一個功能「看起來不錯」就把它做出來。在採用某種學習方法或行為設計之前，我們會確認效果有多大、能否重複驗證、適用範圍在哪裡。這表示不只讀原始論文，還要依問題的需要去看預先註冊研究、系統性回顧與後設分析。
我們採用某樣東西，是因為它已被證明有效，而不是因為它流行。反過來也成立：沒有被證明有效的東西，無論聲量多大都不會上線。重要的不是方法的名字，而是它對誰有效、效果有多大、在什麼條件下成立。
前提：沒有人能拿到更多時間
一天是 24 小時。這個數字對誰都沒有商量的餘地。
如果問題是「想做，卻沒有時間」，那麼剩下的唯一辦法就不是找出更多小時，而是提高每小時得到的成果。一旦承認供給是固定的，設計問題就變了：不是「怎樣佔用你更多的一天」，而是「同樣的一小時能把你帶多遠」。
所以 mibuki 不做「更努力的方法」。我們做的是實作效率科學的產品。我們不試圖增加你擁有多少意志力，而是讓你已有的意志力走得更遠。
下面這三條原則，是我們實際使用的判斷標準。它們不是口號，而是決定一個功能能不能上線的規則。
我們不會做的事
這些承諾比原則更強，因為一旦我們違背，你可以當場指出來。
- 01
不做無法驗證的效果主張
不會出現「記憶速度快 5 倍」這類說法。我們公布數字時，比較基準和測量方式一定與數字寫在同一句話裡。
- 02
不使用誘導性設計（dark patterns）
我們不會隱藏取消訂閱的入口，也不會把按鈕放在容易誤觸的位置。想離開的人，應該一眼就能找到離開的方式。
- 03
不靠成癮性來賺停留時間
不會傳送把連續紀錄當作人質的通知。我們想增加的數字不是你待在 App 裡的時間，而是你拿回來的時間。
- 04
不做披著學習外衣的遊戲
不會用背後沒有真實學習的獎勵演出，製造「正在前進」的錯覺。如果動的只有一個計數器，那就什麼都沒動。
三條原則
任何我們考慮做的東西，都必須先通過這三條。
Remove friction, not add willpower
消除摩擦
人們放棄，不是因為意志力薄弱，而是因為設計裡有摩擦。開始之前要點幾下、有多少項設定、需要你做多少個決定——這些共同決定了一個習慣能不能活下來。
我們不會叫你更努力，而是刪掉步驟。更少的設定、預設狀態就能用、更少的決定。理想的產品，是完全不需要意志力的產品。
Measure it, then publish it
測量之後，就公開
如果我們主張某種效果，就要以你能查核的形式公開它。這是對我們自己的約束，不是賣點：拿不出數字，我們就不主張有效果。
而且我們不只公開結論。比較基準、資料與評估指標同樣公開，因為一個不寫條件的數字，只能用來把自己說得好看。只有當讀者能依同樣的步驟看到同樣的結果時，一個結果才算可以公開。
關於廣告
不同產品的答案不一樣，所以我們依產品分別說明，並寫出理由。
凡是直接介入專注或學習的產品，都不放廣告。Lofi Station 賣的是專注，把專門用來打斷專注的東西放在同一個畫面上，說不通。LangDict 同理——任何在學習途中把注意力拉走的東西，都在破壞這個 App 存在的意義。
kikeruka 和 Atom 確實有廣告。它們是免費的，而我們還沒有做出足以合理收費的付費方案。目前這兩款 App 都沒有付費移除廣告的途徑。等到有值得收費的付費方案時，我們會選擇取消廣告，或者讓廣告變成可以關掉的東西。
所以這不是理念，而是產品與資金當下的真實狀況。狀況變了，這個頁面就會更新。
| 產品 | 廣告 | 理由 |
|---|---|---|
| Lofi Station | 無 | 專注的工具裡，不該放會打斷專注的東西 |
| LangDict | 無 | 不在學習途中放任何拉走注意力的東西 |
| kikeruka | 有（無法移除） | 為了持續免費提供 |
| Atom | 有 | 為了持續免費提供 |
原則在產品中如何體現
沒有被實作的原則不算原則。以下是目前各自落地的位置。
LangDict
- 生效的原則
- 01 + 03
- 如何體現
- 採用間隔重複，並在公開基準測試上公布其預測準確度
Atom
- 生效的原則
- 01 + 02
- 如何體現
- 依據行為科學，把習慣設計成最小單位與觸發點
Lofi Station
- 生效的原則
- 02
- 如何體現
- 打開即進入專注——設定這一層摩擦被移除了
kikeruka
- 生效的原則
- 02
- 如何體現
- 掃一下再等著；主動回去確認這件事，不再需要你做
References
此處只列出作者、年份與發表刊物已對照原文核實過的文獻。
- 01
open-spaced-repetition. FSRS: Free Spaced Repetition Scheduler. GitHub.
- 02
open-spaced-repetition. srs-benchmark: Benchmark of Spaced Repetition Algorithms. GitHub.
- 03
open-spaced-repetition. anki-revlogs-10k: Anki review logs from 10,000 users. Hugging Face.
- 04
Settles, B., & Meeder, B. (2016). A Trainable Spaced Repetition Model for Language Learning. Proceedings of the 54th Annual Meeting of the ACL.
- 05
Ebbinghaus, H. (1885). Über das Gedächtnis: Untersuchungen zur experimentellen Psychologie. Leipzig: Duncker & Humblot.
Last updated: July 2026