Wikitionary Copilot 是什么？
用 FastGPT 实现了一个简单的对话机器人，回答时会在线调用 https://ja.wiktionary.org/w/api.php 搜索对应的单词，然后根据返回的结果生成回答。
为什么标题的后半段是：「论辞典应用支持 MCP 的必要性与技术可行性」
MCP 全称「Model Context Protocol」，中文互联网一般叫「模型上下文协议」，简单理解就是给 LLM 调用的工具。具体可参考 What is the Model Context Protocol (MCP)? - Model Context Protocol 。
具体效果可以去试试上面对话机器人，由于通过提示词强制要求参考 Wikitionary，所以（可能）会少说点废话，找不到就会直接回答没有。
虽然我做过一些优化，但很多时候还是会出错，为了抛砖引玉，搞了个最简单的在线原型给大家玩玩。
想讨论的必要性：辞典作为最典型的知识库，可以有效解决 LLM 的幻觉、说废话、回答质量无保障等等问题。（这条应该没什么好讨论的）
想讨论的技术可行性：
- 目前缺乏对辞典用户关于这方面真实需求的讨论。上面的对话机器人并不是 LLM + 辞典的唯一使用场景。具体可参考 AI & 辞典的正确结合方式：搜文解字，一个辞典增强生成框架（DAG）
- 目前论坛主流的辞典软件想支持 LLM 外部调用的话，都得用 GitHub - liuyug/flask-mdict: Flask Mdict Server. Query word online with MDICT dictionary 这样的框架提供 MCP Sever，但目前没有看到有相关工具。
其实就是想撺掇大家帮我踩坑2333 - 直接把辞典转成 txt，整个丢到知识库里效果并不好，因为这种做法其实是跳过了构建知识库最最重要的一步「向量化」——由于辞典的数据结构是类似键值对（词条-解释），和常规知识库的数据结构（标题-内容）并不一样，直接硬套通用的解决方案效果很差。还是要结合具体的场景，发明专门的分块和索引算法。
源码
如果你有兴趣自己优化（比如切换数据源到其他辞典网站），可以使用下面的 JSON 文件在 FastGPT 中快速复现上面的对话机器人，然后把其中调用 https://ja.wiktionary.org/w/api.php 的地方改成你想要的网站即可。
https://fastgpt.io/ 注：这是国际版的官网，虽然可以通过微信和支付宝付款，但官方强调和国内版数据不互通。
Wikitionary Copilot.zip (4.2 KB)