缘起
很早以前我就有这么一个想法，但因为编辑、校订的工作量很大，就不了了之了。不过，现在乘着 ai 的东风，似乎又可以重新捡起，一些繁琐劳累的编校工作，比如统一体例、核查错误、缩减过长释义等交给大模型预处理，然后人工审核即可。
就此各位有什么主意？
6 个赞
以《现代英汉词典》、OALD-8、ODE-2为底本，我初步编辑了一个样稿，收词量在10万左右。现在只是一个最简陋原始的起点，错谬不少，此后还有大量的编校工作需要去做。例如词典当中的某些百科词条释义过长，我尝试着用ai精简缩写，效果还可以，但因为还没有审校过，我并没有把它合并进底稿。
open_ecdict 样稿.txt (11.8 MB)
ai 释义缩减示例：
def_long.txt (990.4 KB)
def_short.txt (634.8 KB)
补充一个 GitHub 链接，在那里校改文本会更方便一些。
1 个赞
务必考虑 LLM 的幻觉问题，这和词典的准确性（相对）是相悖的。
ai只是用来做预处理，只有人工审核过才会添加进底稿。
本来更基础的词汇释义我打算用《英语专业四八级词汇表》，但它太简略了，确实是词汇表，而不是词典，一些并不生僻的义项也缺失。
搞这个开源项目，目前也不是真的编词典，确实需要查词，用正规出版的词典好了，选择也很多。它的主要目的是提供查询的快速参考，力求释义准确，简洁精炼，以供程序调用等。
现存的一大障碍是版权和所谓的“抄袭”问题，它只能通过此后的不断编辑、校改、修订来逐步解决。
为了便利编辑修改，词典采用纯文本格式，但也为了程序可以部分准确处理，给文本加了三种分界符：词头 ⇒ 音标 ※ 释义 〇 来源。➜ 符号指的是链接跳转。至于〈3〉指的是什么，自己去研究就知道了。目前文中注明来源，以保证释义的准确和权威。
abduction ⇒ [əbˈdʌkʃən] ※ noun, [mass noun] 1. 诱拐，劫持，绑架 → （法律用语）诱拐儿童 2. [生理] （肢体或其他部位的）外展。 adduction 的反义词[见 adduct] 〇〈4〉
abductor ⇒ [æbˈdʌktər] ※ n. 1.劫持者；绑架者；绑匪 2.(解)展肌 〇〈3〉
Abduh ⇒ [ˈæbdu:] ※ 阿卜杜，穆罕默德（1849—1905，埃及伊斯兰教学者、法理学家和自由主义改革家） 〇〈4〉
Abdul Hamid II ⇒ [ˌæbdʊl ˈhæmɪd] ※ 阿卜杜勒哈米德二世（1842—1918，1876—1909年土耳其最后一位苏丹，独裁专制统治者，在青年土耳其组织起义后被废黜） 〇〈4〉
abeam ⇒ [əˈbi:m] ※ adv. 正横地（即与船的龙骨或飞机的机身成直角） → 横对着（船或飞机等）的中部 〇〈4〉
a beam in one’s eye ⇒ （与他人相比）自身特别重大的缺点 〇〈5〉
abeam of ➜ abeam
abecedarian ⇒ [ˌeibi(:)si(:)ˈdɛəriən] ※ adj. 按字母顺序排列的 〇〈4〉
abed ⇒ [əˈbed] ※ adv. (old use)在床上 〇〈3〉
- 从0干起仿佛没有必要吧，楼主的想法，The Little Dict 多功能百宝箱都能满足，收词量足够大，查得率接近100%，基础词汇涵盖了常见考试词汇，词义、发音、词频等应有尽有。就连以前总为人诟病的释义，从个人使用经验来看，在线词典中也是比较权威的。最令我喜欢的是，作者提供了常用的七种权威词典单词发音，搭配得当，几乎所有的单词都有词典发音，包括牛津、朗文、剑桥、柯林斯、韦氏、Vocabulary.com、Dictionary.com，就缺麦克米伦了。哪怕词典小白也可以DIY。
- 美中不足的是，词典制作过去很多年了，作者此后再没维护。如有高手出手更新修复词典数据，则实属论坛一大幸事！
萝卜白菜，各有所爱。词典的主要作用是查语义，就释义不准、不佳这一条，就在我这里pass、淘汰了。其他的，什么考试词级、多种发音，我个人觉得都是没用的干扰信息。
best ⇒ [best] ※ n. 1.最好的事物；最好的状况(或部分) 2.最好(或最优秀、最能干)的人 3.最好的衣服，盛装 4.最诚挚的问候，祝愿 | adv. 1.最好地；最适合地；最有效地 2.最 | vt. 打败；胜过 | adj. 1.最好的，最优秀的 2.最适合的 3.最大的，主要的 〇〈2〉
Best ⇒ 贝斯特，查尔斯·赫伯特（1899-1978，美国出生的加拿大生理学家，协助F· G·班廷于1922年发现胰岛素） | 贝斯特，乔治（1946-2005，北爱尔兰足球运动员，曼彻斯特联队边锋，获1968年欧洲足球先生称号） 〇〈5〉
best在我这里查出来的释义，可以略微对比，The Little Dict不少义项丢失了。像串入的“n.(Best)人名;(英、西、德、葡、法)贝斯特”，也是莫名其妙，应该是合并了专门的人名翻译词典。它的释义数据好像是基于skywind的ECDICT，里面的差错不胜枚举。
A：如果只是输出上述案例，借鉴 Vibe Coding，先定义规范 + 精心维护的词表，然后让AI逐个处理，最后在人工审核，理论上是完全可以的。
B：如果 A 的质量很好、需求火爆，那么鉴于词典的应用场景很多，很可能会要求在原始版本基础上增加很多特性，但这样复杂性就产生了，难以平衡不同的需求，或许就会衍生很多分支版本，或许需要委员会/理事会之类的协调机构精心构建规范（类似 Python 发展过程），或许需要配套工具，原始数据 + 个性化配置 ==> 输出个性化结果。
The Little Dict 词典数据来源不确定，有网友说是youdao，可以确定的是，释义准确度好过大多数在线词典。个人开源词典，如不借/抄鉴/袭未必好过TLD。也正是发现TLD有较多没用的干扰信息，才需要进行修订维护，相比从零开始，事半功倍，不是吗？
词表用的是ODE 2的词头数据，10万左右，加上衍生词和短语，13-14万之间。这个词汇量我认为一般情况下是够用了，规模再扩大，就有点失控了，个人无法有效管理审核。先把这个数据做扎实，以后有必要可以进一步扩充。
以现在ai的性能，只给词头，定义清楚体例，同时给若干样本，是能够编辑出相当不错的简释词典的，但这么做审校修正的工作量有点大。为了避免错误和幻觉，还可以加一个RAG流程，给ai提供若干权威词典作为数据库，让它在这个基础上检索提取释义。
另一种思路，就是找一个相对可靠的开源英文词典，然后让ai翻译成中文，再予以审核校订。我大略搜了搜，好像没有很理想的底本，比如有个 The Online Plain Text English Dictionary (OPTED)，是以1913年的Webster词典为基础的，它显然陈旧过时了。
1 个赞
老老实实“抄袭”专业词典，我认为是强于虽然还是抄袭，但为了避免这个名头，遮人耳目，而找一些廉价大学生把别人的词典洗稿胡搅蛮缠乱改一气的。像有道、海词、（必应）等在线词典，按理说不缺钱买断别人的词典版权而后开源，或者聘请业界人士来编辑审校4-5万个基础词汇的释义，但它们就是不这么做，一通胡来，流毒天下。
如果觉得The Little Dict很好，自己去改进完善它好了，并没有人拦着你。
这么整的话，
1.涉及版权问题；
2.你是觉得ODE不够好吗？
我不认为用ODE的词头存在版权问题，词汇并不属于哪家出版社或者公司。王力的古汉语字典明确在前言里说用的是《辞源》的字头数据，没听说有人就此提出版权指控。
不过就目前的状况open ecdict在释义上存在版权问题，我在前面已经讲过了，它是一个需要长期逐渐解决的障碍。
ODE算我用的主力词典了，没什么不好，但我同样也已经就此说过：
搞这个开源项目，目前也不是真的编词典，确实需要查词，用正规出版的词典好了，选择也很多。它的主要目的是提供查询的快速参考，力求释义准确，简洁精炼，以供程序调用等。
像在ePub阅览器里需要快速看一下词义，ODE这些就未必合适。
维基词典成于多人之手，泥沙俱下，无法控制质量、程度（详或略）、范围，中文版尤其如此了。
那么是否意味着，关键应该是有个核心人物或团队，有较高的质量把关？但这可能会引发很多问题——热情难以持续。
不过想想优秀的开源作品也都是如此，先要有个开创性的东西，即使随着时间流逝，维护断断续续，但只要质量够好，说不定什么时候就会有人跟进。
1 个赞
10万词的简明释义词典，我自己浏览或者通读一遍应该没问题，毕竟早已读过好几种数万词的词典了。目前绝大多数词的释义也不需要改动，它们通常是准确的（从底本复刻），主要检查有没有因为多重转换导致的错误或者文字遗漏。先做到正确，然后再说适当和符合体例的问题。
之前站上网友 shaoshi 有做过一个英文词典常收词，
收了 33217 词头。
可以先从这里开始。
没什么意义，外研社、牛津的词典编撰专家研究什么词头/词汇重要起码几十年了，ODE又是重头戏，用它比啥都强。一个考研、GRE或者Collins词汇失收？我更相信是考研、gre词汇表或Collins编撰者的偏差和错误。