macOS 工具
背单词 App(mac_word)
纯本地的背单词工具:输入话题和想背的词,它生成一篇把那些词自然嵌进去的文章;读的时候点词就能标记认识与否,调度器接着安排复习。
- 平台
- macOS(原生)
- 数据
- GRDB / SQLite
- 调度
- FSRS v4 + SM-2
- 仓库
- 私有
01为什么不用现成的背单词软件
主流工具的核心是「给你一张卡,背面是释义」。问题在于:背下来的词在文章里出现时仍然认不出,因为学习场景和阅读场景是割裂的。我想要反过来——先在读得下去的文章里反复遇到,再抽出来复习。
所以产品主路径是:用户说「我想读科技类文章,顺手背 abandon / battle」,软件生成一篇该主题的文章并把这些词嵌进去(同义词自动编排),阅读时目标词高亮,点一下就能标记「认识 / 不认识」,标记直接驱动复习调度。
02数据层是图,不是表
一开始按常规建了 decks / cards / reviews 这套单表模型,做到一半发现它撑不住:一个词和它的同义词、词根、出现过的文章、复习事件之间全是多对多关系,加一种关系就要加一张表、加一套 join。
最后整体改成 ECS + 有向图:nodes 登记实体、edges 登记关系(关系类型是枚举,边的权重/位置等属性放在独立的组件表里,而不是往 edges 上挂列),再加 15 张 comp_* 组件表。物理承载仍然是 SQLite,图查询靠命名方法封装的 WITH RECURSIVE CTE,不另开图数据库。
一条自己定的规矩:UI 禁止直接写 SQL 或改组件表,所有写入必须过 System;所有图路径查询必须走命名方法。这条规矩救了很多次重构。
03内容生成:三档,且能自检
- 档位:进程内本地模型 / 远端(Ollama 或 OpenAI 兼容端点)。默认远端,因为小模型写长文的稳定性不够。
- 生成不是一个 prompt 一把梭,而是 规划 → 正文 → 自检 → 落库 四段:先让模型逐个联想每个目标词与主题的关系并出大纲,再按大纲写正文,最后再来一遍低温度的润色,专门删掉「X means Y」这类释义句。
- 流式输出 + 阶段进度条,长任务挂在全局活动条上——切页签、关设置窗都不会把任务杀掉。
- 模型选择器:读硬件(内存 / 芯片)给出可用结论与推荐量化档,走 hf-mirror 下载,支持断点续传(续传点落盘,重启 App 也能接着下)。
04踩过的两个真坑
- SIGABRT:自检 pass 把整篇文章塞进提示词,超过 llama.cpp 默认的 512 token batch,直接触发
ggml_abort。修法是按 batch 切片喂 prompt。 - 拖分栏崩溃:macOS 27 beta 下 SwiftUI 的
HSplitView拖拽会触发 NSTableView 的 key view loop 重算异常。最后把项目里所有List换成ScrollView + LazyVStack,从根上移掉 NSTableView。
整个过程是 TDD:测试数从一百多涨到三百多,每次改动先红后绿再提交。
05现状
核心闭环可用(导入 → 生成 → 阅读标记 → 复习调度 → 弱词分析),是私有仓库。它也是我目前代码量最大、重构次数最多的一个项目。