已知词标注 重建中
AI 模型会逐句判断哪些词你已经认识,让不认识的词凸显出来,再用 JLPT 等级等筛选条件划定边界。JLPT 自 2010 年起没有公布官方词汇表,所以筛选会使用明确标注来源的第三方词表。基于词表的版本,早先曾作为 Firefox 扩展做过原型。
大雨の影響で、電車に遅れが出ています。現在、一部の区間で運転を見合わせています。
这则通知中 40% 是你认识的词(10 个中的 4 个)
Langdogu 以个人本体为核心,也就是一张关于你知道什么、不知道什么、词与词如何相连的地图。单词表只能告诉你见过某个词。这张地图则被设计成能知道:你掌握的是哪个义项,你在哪个句子里遇见它,它和你学的其他语言有什么共通之处,以及你什么时候快要忘了它。
重建中本体核心正在重建。本页的每张图都是展示设计思路的示例。
本页跟随一个词発車(发车),从一则铁路通知一路走到复习。
每个词挂在一个概念上,而不是挂在它的拼写上。像看地铁线路图一样看这张地图:每个概念是一条线路,各种语言里表达它的词就是线上的车站。
概念信
概念卫生纸
手紙在日语里是信。手纸在中文里是卫生纸,其中纸是紙的简体。字相同,线路却是两条。
概念出发
一个概念,三种语言,同样两个字的日文字形、繁体和简体:発車、發車(발차的汉字写法)和发车。学会其中一个,另外两个在地图上就已经有了位置。
概念学习
概念不情愿地
勉強在日语里是学习的意思。中文的勉强则是不情愿,或者刚好够得上(強和强是同一个字的两种写法)。同时读这两种语言的人,需要地图把它们分开。
概念工具
概念舞台道具
道具在日语里是工具,韩语的도구也是同样的意思。而在中文里,道具是舞台道具,工具叫作工具。
日语的発車、韩语的발차和中文的发车都在“出发”这一条线上。它们共用同样的汉字,只是分别写成日文字形、繁体和简体,三种语言里的读音也听得出相似之处。所以学过一次的词,在每种语言里都有落脚的地方。
同样的字也可能意思完全不同。手紙在日语里是“信”;中文的手纸却是卫生纸。地图把它们放在两条不同的线上,只用一条写着“相同汉字”的淡淡虚线相连,所以认识其中一个,永远不会让另一个被标为已知。
每一步都从读音确定的最小单位出发,到一条看得见的终点线结束:一个完整的句子。你读完的句子,会成为下一步的材料。
单独一个発有不止一种读法。但在発車里它只有一种读法,所以这条线从这个词出发。每经过一站就多一点,线路的终点是一个你能完整读下来的句子。
层级也是这样叠起来的:词、短语、句子、对话。上一层的终点线就是下一层的起点,所以进步是有形状的,从一开始就看得见终点。
第 1 站,共 4 站起点:读音可以确定的最小单位
発車
はっしゃ
(列车)发车
第 2 站,共 4 站再往前一站
3番線から発車します
さんばんせんから はっしゃします
从 3 号站台发车
第 3 站,共 4 站终点线:一个完整的句子
まもなく、3番線から電車が発車します。
まもなく、さんばんせんから でんしゃが はっしゃします。
列车即将从 3 号站台发车。
第 4 站,共 4 站下一层从读完的句子出发
次の電車はどこから出ますか。
つぎの でんしゃは どこから でますか。
下一班车从哪里发车?
まもなく、3番線から電車が発車します。
まもなく、さんばんせんから でんしゃが はっしゃします。
列车即将从 3 号站台发车。
这一站新增的部分
在具体句子中,按义项记录你是否认识一个词。你可能在一个句子里认识読む,换个句子却不认识。
你已经把本を読む(读书)标为已知。接着一个漫画气泡里出现了空気を読む:察言观色,字面意思是“读空气”。还是那个読む,却是你还没掌握的义项,而且这个表达的意思并不等于各个词意思相加。
Langdogu 会把它作为一个固定表达提出来,作为一个有自己复习进度的整体,由你确认。在第一个版本的应用里,“认识”是你自己标记的;根据你的阅读逐句判断,会在之后实现。
読む的义项
一本电子书
毎晩、寝る前に本を読む。
我每天晚上睡前都会读书。
已知:由你标记
漫画气泡
ちょっとは空気を読んでよ。
你也稍微察言观色一下吧!
一个你还没掌握的义项
建议:把空気を読む作为一个固定表达保存
在你确认之前,什么都不会改变。
那个页面、那格漫画、那一行。复习时带回来的是那个瞬间,而不是一张只写着释义的卡片。
每次遇见都会连同句子和出处一起保存。在另一种语言里遇见,也会落在同一条概念线上,所以中文公交时刻表上的发车,和你从日本铁路通知里保存的是同一个概念。
第 0 天已连同原句保存
铁路运行通知,在 Firefox 中阅读
強風の影響で、発車が10分ほど遅れています。
受强风影响,列车发车时间延误约 10 分钟。
第 12 天
漫画气泡
発車まであと5分!走れ!
还有五分钟就发车了!快跑!
每个词、每个固定表达都有自己的间隔重复(FSRS)状态,根据你自己的作答来安排。
FSRS 会估算你记起某一项的可能性,并在这个概率即将跌破 90% 时把它带回来。每次复习顺利,下一次复习就会往后推得更远。
你的历史只追加,从不覆盖。遇见和复习只会新增一行,所以你是怎样学会一个词的,多年后依然清楚可查;而你仍然可以删除任何一项、它的出处,或你的整个账号。
记起発車的概率
第 0 天自保存以来的天数第 120 天
记起発車的概率在 120 天里的示例。第 2 天(良好)、第 8 天(困难)和第 17 天(良好)的每次复习,都发生在记忆概率降到 90% 的时候,而且每次间隔都比上一次更长。今天是第 41 天,有一次复习到期。
完成今天的复习今天到期复习,第 41 天
历史只会新增,不会改动。
概念、义项和固定表达是大家共有的基础。你保存了什么、认识什么、怎样复习,都留在你自己的记录里,永远不会写回共享词典。
计划中你的数据属于你:随时可以用开放格式完整导出;取消付费方案也永远不会妨碍你阅读、复习或导出已有的内容。
你的记录指向词典
你的记录不会写回共享词典
你在一门语言里学到的东西,应该通过共通的意思、词根和汉字,让你在下一门语言里抢先起步,同时准确告诉你两门语言在哪里分道扬镳。
法语、西班牙语、意大利语和葡萄牙语的中层语法大部分是共通的,相同的汉字也把日语、韩语和中文的词连在一起。Langdogu 会去测量这种领先,而不是想当然。相近语言之间共享规则的做法在早期原型中就有,现在正在重建。
Français法语
Jelisunlivre.
Español西班牙语
无代词Leounlibro.
Italiano意大利语
无代词Leggounlibro.
Português葡萄牙语
无代词Leioumlivro.
我在读一本书。
在这四种语言里,动词和名词都来自相同的词根,词序也一样。
法语必须带主语代词 je;另外三种通常省略。别的语言写 un 的地方,葡萄牙语写作 um。
一个词,相同的汉字,三种读音
早期原型中的两个部分,正在这张地图之上重建。
AI 模型会逐句判断哪些词你已经认识,让不认识的词凸显出来,再用 JLPT 等级等筛选条件划定边界。JLPT 自 2010 年起没有公布官方词汇表,所以筛选会使用明确标注来源的第三方词表。基于词表的版本,早先曾作为 Firefox 扩展做过原型。
大雨の影響で、電車に遅れが出ています。現在、一部の区間で運転を見合わせています。
这则通知中 40% 是你认识的词(10 个中的 4 个)
预处理和大部分句子交给 Claude Haiku 这样的轻量模型;习语和有歧义的段落交给 Claude Opus 这样更强的模型。早期原型按成本做路由,并让更强的模型抽查较便宜模型的一部分输出;按难度升级是新的做法。
预处理和大部分句子
习语和有歧义的段落
概念层是为 11 种语言设计的,涵盖六种书写系统,有从左往右写的,也有从右往左写的。11 种是这张地图的起点,而不是终点。
目前,Lingua Layer 可将中文和日文翻译成韩语。应用的首批用户是在网上阅读日文的韩语使用者;简体中文和英语也在范围之内。
这张地图在 Langdogu 有名字之前就已设计,并做过部分原型。那个原型已经退役,设计正在重建。
2026 年初
早期原型围绕一张 11 种语言的图谱,做了一个早期本体原型。现已退役。
2026 年年中
重建中方法重新设计:历史只追加,语言作为数据。
2026 年 8 月
早期原型一个基于词表的已知词标注工具,以 Firefox 扩展的形式做了原型。
2026 年 10 月
重建中Langdogu 应用开始开发,本体核心正为它重建。
这张地图才是真正的资产。扩展、应用、你常用的 AI 助手和你自己的服务器,都是通往同一份记录的门。
你在网上遇见一个词的地方。0.2.1 版在 Firefox 中把中文和日文翻译成韩语。它还不会保存词库或学习历史。
了解 Lingua Layer负责记录和复习:连同原句保存一个表达,用 FSRS 复习它,下次阅读时看到你认识的表达被区分出来。
了解应用Claude、ChatGPT 和其他兼容 MCP 的助手可以打开你的词库,和你聊聊今天学了什么,但必须在你添加 Langdogu 并批准之后。
开放设计在你自己的电脑、NAS 或服务器上运行同样的学习功能、API 和 MCP 服务器。永久免费;AI 使用你自己的密钥,费用直接付给服务商。
开放设计你学到的每样东西,都应该有个安放之处。
关于这张地图的问题或想法:[email protected]