word-atlas

从「背单词」到「数据资产」：拆解 word-atlas 的开放词汇工程

项目背景与痛点

雅思词汇的门槛摆在那里：7,000 词以上才算进入安全区。围绕这块刚需，市面上已经形成两条路径，而这两条路径都有明显缺陷。

一条是 Anki 式的通用记忆工具——算法成熟，但要用户自己找卡组、做卡片、配音频，对非技术用户几乎是劝退门槛；另一条是百词斩、墨墨这类商业 App——图文和算法都做了，可词库闭源、数据锁在云端、核心能力藏在付费墙后。

真正缺的，是**「内容 + 算法 + 开放数据」三者同时具备**的产品。词光 · Word Atlas 切的就是这个缝隙：7,298 个雅思词条、英美双音、配图、FSRS 复习调度，代码开源，词库以 CC BY 4.0 释出。这个组合在国内词汇类项目里并不常见——多数团队愿意开源代码，但很少愿意把清洗好的数据集一并交出。

核心技术揭秘

这个项目最值得分析的地方，是它把系统拆成了静态数据层与客户端调度层两部分，中间几乎没有服务端。这种架构选择直接决定了它的成本结构和可分发性。

数据流的骨架很清楚：词库是只读的，记忆状态是唯一可变的本地数据。前者可以打包进构建产物交给 CDN，后者落在浏览器侧的 IndexedDB 或本地存储里。这意味着应用天然可离线，服务端成本接近于零，也意味着——多设备同步这件事，项目本身大概率没有解决，得靠用户自己补。

真正的技术核心在 G 那个菱形节点。FSRS（Free Spaced Repetition Scheduler）基于 DSR 三元模型：难度 D、稳定性 S、可提取性 R。它用一条带衰减的幂函数刻画遗忘曲线，也就是 R = (1 + FACTOR·t/S)^DECAY，每次用户给出「重来 / 困难 / 良好 / 简单」四档反馈后，反向更新 D 与 S；其中 S 的增长不是线性叠加，而是随复习间隔呈现饱和趋势。

相比 Anki 沿用的 SM-2（靠一个 E-Factor 简单调整间隔），FSRS 的优势在于把「这次记得牢不牢」和「这个单词本身有多难」拆成了两个独立变量，并通过大规模复习日志拟合出全局参数。对 7,000 量级的词表来说，这种区分很关键：抽象词和具体词的遗忘速率本就不同，用同一套倍率粗暴放大间隔，复习队列会迅速失真。

功能亮点与差异

第一，数据集本身就是产品。 CC BY 4.0 意味着它不只能被这个 App 消费——可以导进 Anki、可以做教研词表分析、可以喂给别的记忆类应用。这是绝大多数竞品做不到的开放度，也是这个项目真正的护城河。

第二，图文音三位一体。 配图触发双编码记忆，英美双音覆盖听力口音差异，这两项通常被拆散在不同工具里：词典有音无调度，Anki 有调度无图。

第三，调度与内容解耦。 只要换一份词表，同一套复习引擎就能迁移到四六级、考研、日语 JLPT——架构上的可复用性比功能列表更有价值。

应用场景与落地建议

适合三类人：一是备考者本人，当作轻量离线工具直接上手；二是教育机构或独立开发者，把它当作词汇类产品的底座二次开发；三是教研与数据团队，拿词库做难度分级、例句质量分析。

真正投入生产前，有三点必须提前想清楚：

• FSRS 参数需要校准。 通用默认参数只是起点，若面向真实用户，应当采集评分日志做参数优化，否则调度精度会打折扣。
• 媒体资源的体积与流量。 7,000 词条配图加双音频，包体与带宽都不是小数目，务必做懒加载与分级缓存，别一次性全量预载。
• CC BY 4.0 的署名义务。 商用或衍生分发时必须标注来源与许可，这是法律义务，不是礼貌。

综合评价

优点：数据开放度罕见，算法选型踩在当前最优解上，架构轻到几乎没有运维负担，图文音的组合解决了单纯背单词的记忆效率问题。

缺点：缺少跨设备同步与后端能力，重度用户会感到局限；词条质量依赖人工校对，长期维护成本藏在暗处；FSRS 的参数调优对普通用户是黑盒，学习曲线不如商业产品平滑。

一句话总结：这不是又一个「背单词 App」，而是一套可以被别人拿去继续盖楼的开放词汇基础设施。它的上限不取决于自己做了多少功能，而取决于社区愿意在这份数据上叠加多少东西。