# 有没有觉得查词典太麻烦了？优化优化？ **URL:** \ **Category:** 技术交流与词典编修\ **Created:** [2025 年2 月 12 日 08:49 UTC](https://forum.freemdict.com/t/topic/36540 "2025-02-12T08:49:36Z")\ **Posts on this page:** 13\ **Page:** 1
作者： ![20231014](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/2/df788c/32.png) [@20231014](https://forum.freemdict.com/u/20231014)\ 发布日期： [2025 年2 月 12 日 08:49 UTC](https://forum.freemdict.com/t/topic/36540/1 "2025-02-12T08:49:36Z")
一般查词典流程： 1. 打开/呼出查词典软件，输入进行精准/模糊查询单词/词条 2. 翻找目标单词释义/用法 翻找这个过程太费事了，再短也要30秒左右？ * * * 为了解决优化这个过程，让AI来查词典不应该是最优方案吗？ 所以我想这样干： 1. 将mdx词典的数据解析出来（不知道难度如何，解析纯html吗？有更优解？） 2. 让AI来模拟人的查询流程 * * * 细说这个查询交互的基本流程： 1. 程序请求AI查询 “Take you time to think it over.” 中think的用法 2. AI要求单词 “think” 的所有用法 3. 程序将 “think” 的所有用法告知AI 4. AI确定出句中的 “think” 用法为 “think something ↔ over” * * * 或许将词典数据提取出来训练内置到AI中，创造出一个专用于查词典的AI是最/更优解？但是远超我的能力范围了 ---
作者： ![shiruxue](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/s/bbe5ce/32.png) [@shiruxue](https://forum.freemdict.com/u/shiruxue)\ 发布日期： [2025 年2 月 12 日 09:07 UTC](https://forum.freemdict.com/t/topic/36540/2 "2025-02-12T09:07:44Z")
还可以剪贴板取词或划词翻译 ---
作者： ![fufupu](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/f/ac8455/32.png) [@fufupu](https://forum.freemdict.com/u/fufupu)\ 发布日期： [2025 年2 月 12 日 09:54 UTC](https://forum.freemdict.com/t/topic/36540/3 "2025-02-12T09:54:15Z")
我有类似想法，不过这属于建立如何agent方法了，Claude会生成总结，而非输出辞典内容，chatgpt4不会这样，但内容过长又变成输出总结了。 > **[How to Build a General-Purpose LLM Agent](https://medium.com/towards-data-science/build-a-general-purpose-ai-agent-c40be49e7400)** > > A Step-by-Step Guide 目前所有模型在livebench的语言评测除最高的65分o1，其余均分都不及格。 我的设想是，提供例句，词典工具，它定位要查的词，词组，然后确定可能义项序号，划重点，再让用户读辞典。 ---
作者： ![20231014](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/2/df788c/32.png) [@20231014](https://forum.freemdict.com/u/20231014)\ 发布日期： [2025 年2 月 12 日 10:03 UTC](https://forum.freemdict.com/t/topic/36540/4 "2025-02-12T10:03:20Z")
1. 将mdx词典的数据解析出来 _ **这个有没有什么更简单方法或其他想法？** _ 直接把mdx的单词查询展示出的html发给AI，AI也能读懂确定义项。但是太浪费token了 ---
作者： ![fufupu](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/f/ac8455/32.png) [@fufupu](https://forum.freemdict.com/u/fufupu)\ 发布日期： [2025 年2 月 12 日 10:26 UTC](https://forum.freemdict.com/t/topic/36540/5 "2025-02-12T10:26:48Z")
用beautifulsoup解析，删除例句？然后正则校对输出与辞典原文？还是一张图片发过去，我不知道token哪种划算了，不过我设计LLM辅助工具的初步想法示意图时倾向用本地模型。 不过我个人主力辞典是MWOnline，简明，没考虑文本很长的牛津，朗文。请原谅我自以为辞典都是简明扼要的。 ![image](https://forumcdn.freemdict.com/uploads/default/original/3X/e/0/e0ce7dc060ce9783260515fccc71f70b1e57d036.png) ---
作者： ![aimdict](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/a/dbc845/32.png) [@aimdict](https://forum.freemdict.com/u/aimdict)\ 发布日期： [2025 年2 月 12 日 10:48 UTC](https://forum.freemdict.com/t/topic/36540/6 "2025-02-12T10:48:46Z")
感觉毫无必要。GD-ng 连按ctrl+C 查词已经很方便。可以导入一个AI，作为辅助，如本论坛分享的硅基流动，我觉得这样的组合在目前条件下已经相当完美。将来随着AI的不断发展，或许会有更新的工具出现，到时再说吧。 ---
作者： ![Shiro](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/shiro/32/75339_2.png) [@Shiro](https://forum.freemdict.com/u/Shiro)\ 发布日期： [2025 年2 月 12 日 11:06 UTC](https://forum.freemdict.com/t/topic/36540/7 "2025-02-12T11:06:12Z")
我也常有类似的用法，对于有多个释义的词条，挑选最可能的几个释义或者是全部释义（手动复制），扔给ChatGPT，让它选择最符合当前语境的释义 之前有人做过相关的应用，记笔记。帖子里提到了词典数据处理的一种可行的方法，就是针对某一本词典写 JavaScript提取释义。那么对于本帖的问题，把这个提取的数据结构化，再喂给AI，应该是最省token的了 > [@GoldenDict-ng 自编程序分享（添加笔记、记录查询信息）](http://forum.freemdict.com/t/topic/34974/36): > > 摘出 mdx 里感兴趣的信息，主要是释义，需要为每本词典单独写 JavaScript 代码 开头提到的用法可以看成是这个记笔记应用的前置，只不过是把人类浏览释义 ，并挑选最符合的释义的这个过程，优化成了利用AI分析语境的能力 ---
作者： ![步天歌](https://forumcdn.freemdict.com/user_avatar/forum.freemdict.com/%E6%AD%A5%E5%A4%A9%E6%AD%8C/32/29973_2.png) [@步天歌](https://forum.freemdict.com/u/%E6%AD%A5%E5%A4%A9%E6%AD%8C)\ 发布日期： [2025 年2 月 13 日 02:20 UTC](https://forum.freemdict.com/t/topic/36540/8 "2025-02-13T02:20:58Z")
哈哈哈，看到坛友这么活跃，我也抛砖引玉分享下我在这方面的思考吧： > [@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）](https://forum.freemdict.com/t/topic/36554): > > 搜文解字 词典增强生成框架 | A Dictionary-Augmented Generation Framework. 检索增强生成（RAG）是指对大型语言模型输出进行优化，使其能够在生成响应之前引用预训练数据之外的其他数据。 辞典增强生成（DAG）是指对大型语言模型输出进行优化，使其能够在生成响应之前引用权威辞典的解释。 最典型的应用场景：「在辞典解释里查找与上下文语境最接近的释义… ~~其实我就是馋大家的提示词~~ ---
作者： ![mdict6](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/m/8491ac/32.png) [@mdict6](https://forum.freemdict.com/u/mdict6)\ 发布日期： [2025 年2 月 13 日 02:53 UTC](https://forum.freemdict.com/t/topic/36540/9 "2025-02-13T02:53:18Z")
天杀的开屏广告，才点完“跳过”就已经不记得自己想搜索什么了… ---
作者： ![fufupu](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/f/ac8455/32.png) [@fufupu](https://forum.freemdict.com/u/fufupu)\ 发布日期： [2025 年2 月 13 日 03:02 UTC](https://forum.freemdict.com/t/topic/36540/10 "2025-02-13T03:02:02Z")
对我而言，英语处理比较简单，日语汉语这种没有分词间隔（前者变化更复杂，如判断分词）怎么办？我个人模糊知道一些语言大概涉及性，数，格，时，态，体六种变化，有的是变形后形成的新词，有的是可还原到原型的。得重查两次？ 关于supermemo20原则，我倾向在语言学习中占少量比重甚至弃用——日常语言使用，听说读写是语法，词汇，词组是全景的，而不是各种细节细化到各种词义，语法 一些学习者使用anki，学习复习的时间占比过长，渐渐忽略了读听沉浸的重要性。 我倾向使用固定资料+广泛资料来学习，我记得我另一个关于处理单词，词组的帖子，有网友推荐大量例句法，不过语焉不详 我想详细化ta的例句法，一个以大部分内容能理解的多个不同例句（从固定资料中打乱分析，加上上下文）一一呈现，以听力为主，文字为辅，代入切合义项用法解释或者语法书参考项（多种辞典相同释义的不同解释）为答案，采用fsrs的算法评级。 ---
作者： ![20231014](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/2/df788c/32.png) [@20231014](https://forum.freemdict.com/u/20231014)\ 发布日期： [2025 年2 月 13 日 08:44 UTC](https://forum.freemdict.com/t/topic/36540/11 "2025-02-13T08:44:33Z")
”大量例句法“是我在你帖子下推荐的，语焉不详是因为正在深一步摸索，实操起来有一定难度，需要自己造很多轮子。 我还发过一个稍微详细一点点的帖子，站内搜索”理解大量句子学习单词“。 * * * 这里”AI简化查词典流程“也是为”大量例句法“服务的 - 还是这句”…,Take your time to think it over“. 这张卡片学习的idiom是”take your time“ - 但是”think it over“明显是个phrasal verb，但你不了解，所以大概你只能读懂但不会用 那么如果能在这张卡片中利用AI迅速/立即查询出”think something over“的用法。这种行为无异于在此卡片之外复习/新学习了另一个其他单词用法。 量化这个行为给”大量例句法“带来的收益的话，我认为保守至少提升30%以上，甚至可以达到60%以上。 ---
作者： ![fufupu](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/f/ac8455/32.png) [@fufupu](https://forum.freemdict.com/u/fufupu)\ 发布日期： [2025 年2 月 13 日 11:21 UTC](https://forum.freemdict.com/t/topic/36540/12 "2025-02-13T11:21:38Z")
我觉得可以参考类似网址 [vocabulary.com](http://vocabulary.com)，该网址有不少题是根据真实语料的大量例句来用相近词，模糊释义选项来考察理解的，我只不过是选取了以不同解释的相近或是反义词的思想。 不过这种工作很累，个人几乎难以完成——十余年来，[vocabulary.com](http://vocabulary.com) 习题不下1.5亿道，经过筛选大致给用户来学习词汇有二十五万三千道。 与之类似的有AJATT1万例句法，我误解为只用1万例句就够了，但我接触原博客（强调听一万小时日语，读250本书）大体接触ALG等其他方法后，我认为单词，语法学习不能单独列出来，而是应以享受高度沉浸“杂食”材料为主，渐进重复材料而非词汇，语法卡片，增加可理解的语块 然后再说1万句子，材料中查询不下数次都难以理解的点，参考词频，语法复杂程度来做出的大致有一万左右的卡片（是根据接触的语料，选择义项做的，而非以大量辞典例句为主） ---
作者： ![knetxp](https://forumcdn.freemdict.com/letter_avatar_proxy/v4/letter/k/e47774/32.png) [@knetxp](https://forum.freemdict.com/u/knetxp)\ 发布日期： [2025 年2 月 14 日 00:38 UTC](https://forum.freemdict.com/t/topic/36540/13 "2025-02-14T00:38:20Z")
是不是可以利用AI把所有词典的内容遍查整合成一个大词典，合并同义，何必例句，然后直接一次查完？