ai-vocabulary-builder

GitHub
993 65 简单 1 次阅读 1周前BSD-3-Clause语言模型插件
AI 解读 由 AI 自动生成,仅供参考

ai-vocabulary-builder 是一款由 AI 驱动的智能英语词汇学习助手,旨在帮助用户高效构建个人专属词库。它解决了传统背单词过程中手动整理生词、释义及例句翻译过于繁琐的痛点,让用户不再因查阅字典后迅速遗忘而困扰。

该工具特别适合广大英语学习者、阅读爱好者以及希望利用碎片时间提升词汇量的普通用户。其核心亮点在于“一键式”词汇构建:只需选中内容,即可自动提取生词并生成对应的定义、例句及中文翻译。此外,ai-vocabulary-builder 创新地引入了“故事记忆法”和测验模式,将枯燥的单词融入生动语境中,显著提升记忆效率。

在技术层面,它支持 OpenAI、Gemini、Anthropic 等多种主流 AI 后端,并能适配超过 10 种目标语言,具备高度的灵活性与扩展性。除了独立的网页应用模式,它还支持与 PopClip 等工具集成,实现划词即存的流畅体验。无论是通过 Python 环境部署还是使用 Docker 容器,用户都能轻松上手,让积累词汇变得简单而有趣。

使用场景

一位正在备考托福的职场人士,每天需要阅读大量《经济学人》英文原版文章以积累高阶词汇。

没有 ai-vocabulary-builder 时

  • 记录效率极低:遇到生词需手动切换词典查询,再逐一复制单词、释义、例句及翻译到 Excel 或笔记软件中,打断阅读心流。
  • 记忆枯燥难坚持:传统的单词列表死记硬背缺乏语境,导致“查完即忘”,难以形成长期记忆。
  • 数据维护繁琐:随着时间推移,手工整理的词汇表格式混乱,复习时难以快速定位薄弱项,最终沦为“僵尸文件”。
  • 多语言支持缺失:若用户母语非英语(如西班牙语或中文),手动寻找精准的双语对照解释耗时费力。

使用 ai-vocabulary-builder 后

  • 一键智能建库:在阅读网页或文档时,只需高亮选中内容,ai-vocabulary-builder 即可自动提取生词,并瞬间生成包含定义、地道例句及双语翻译的完整卡片。
  • 故事化趣味记忆:工具自动将新学的陌生词汇编成连贯的短篇故事或生成互动测验,让用户在情境中自然掌握用法,大幅提升记忆留存率。
  • 结构化自动管理:所有数据自动存入本地标准化数据库,支持按难度、来源分类,随时可启动复习模式,让个人词库持续增值。
  • 多模型灵活适配:内置 OpenAI、Gemini 等多种 AI 后端,能根据用户设定的目标语言提供精准的本地化解释,消除理解偏差。

ai-vocabulary-builder 将原本枯燥繁琐的词汇积累过程,转变为高效、自动化的智能学习闭环,让每位学习者都能轻松拥有专属的动态词库。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明

依赖
notes该工具主要依赖外部 AI 服务(如 OpenAI, Gemini, Anthropic),README 未列出具体的本地 Python 依赖库。支持通过 Docker 部署以确保环境一致性。数据默认存储在用户主目录,可通过环境变量 AIVOC_DATA_DIR 自定义路径。
python3.9+
ai-vocabulary-builder hero image

快速开始

AI 词汇构建器

其他语言版本:[中文]

“AI 词汇构建器”是一款基于人工智能技术的智能英语词汇工具。它可以帮助您快速建立自己的英语词汇库,并更高效地学习。

主要功能:

  • 独特高效的词汇构建方式:一键保存例句、翻译、生词及释义。
  • 富有趣味性的故事模式和测验模式,助您轻松掌握新单词。
  • 支持超过10种目标语言,并集成多种 AI 后端,包括 OpenAI、Gemini 和 Anthropic 等。

产品截图:


↑ 基于 AI 的智能词汇提取

↑ 测试模式,强化记忆

快速开始

本工具使用 Python 开发。请使用 pip 或其他包管理工具进行安装:

pip install ai-vocabulary-builder

pipx

pipx install ai-vocabulary-builder

uv

uv pip install ai-vocabulary-builder
# 或者使用 uvx 直接运行笔记本
# uvx --from ai-vocabulary-builder aivoc notebook

需要 Python 3.9 或更高版本。

安装完成后,运行 aivoc notebook 即可在浏览器中打开应用程序。

Docker

为了更便捷地部署并确保环境一致性,您也可以使用 Docker。有关如何构建和运行 Docker 镜像的说明,请参阅 CONTRIBUTING.md 文件。

功能

最常用的功能均可在笔记本应用中找到。以下是一些高级功能:

配置

本工具的主要配置可在网页上进行管理。此外,还有一些通过环境变量设置的附加配置。

AIVOC_DATA_DIR

指定存储词汇数据文件的路径。默认路径为当前用户的主目录:~/。

示例:

export AIVOC_DATA_DIR="$HOME/Documents"

为什么开发这款工具?

在学习英语的过程中,词汇构建工具至关重要。一个好的词汇构建工具至少应包含:生词、释义、例句以及例句翻译。然而,手动维护这些信息非常繁琐。因此,许多长期学习英语的人并没有属于自己的词汇库。他们常常在阅读时遇到新单词,查完字典后往往20秒就忘记了。

“AI 词汇构建器”旨在利用 AI 的力量,让构建词汇库的过程变得简单而有趣,从而使每个人都能拥有自己的词汇库,并迅速扩充词汇量。

版本历史

v1.4.12025/11/17
1.3.12025/01/13
1.3.02024/12/27
1.2.22024/12/20
1.2.12024/12/19
0.5.02023/04/01
0.4.02023/03/26
0.3.02023/03/12
0.2.12023/03/09

常见问题

相似工具推荐

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

156.8k|★★☆☆☆|今天
开发框架Agent语言模型

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。

100.8k|★★☆☆☆|6天前
插件Agent图像

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|1周前
插件开发框架

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|1周前
语言模型图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|1周前
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85.1k|★★☆☆☆|5天前
图像数据工具视频