帮你练英语#

概述#

基于用户的美剧笔记文件，生成听说读写四个模块的线性训练任务流。触发技能后自动创建 5 个任务，完成一个自动推进下一个。

首次使用配置（约 10 分钟）#

1. 准备美剧笔记#

在 references/notes.md 中按以下格式记录笔记：

markdown

### Entry 1
- **例句：** risking our liquor license, our livelihood?
- **词汇：** livelihood /ˈlaɪvlihʊd/ n. 生计

模板文件： references/notes.md

2. 配置百度 TTS（可选）#

听力模块需要百度语音 TTS 生成音频。免费注册获取 API Key：

1. 访问 https://console.bce.baidu.com/ai/#/ai/speech/app/list 注册百度智能云
2. 创建应用 → 领取免费额度（新用户有免费额度）
3. 将 API Key 和 Secret Key 填入 references/baidu_credentials.md
4. 如不配置，听力模块会自动降级为"自念模式"

3. 搭建 Whisper（口语模块，约 5 分钟）#

口语模块使用本地 faster-whisper 进行语音识别。一次性搭建：

bash

# 安装依赖
~/.workbuddy/binaries/python/versions/*/python.exe -m venv ~/.workbuddy/binaries/python/envs/default
~/.workbuddy/binaries/python/envs/default/Scripts/pip.exe install faster-whisper huggingface_hub

# 下载模型（base，约 150MB，国内用 hf-mirror.com 镜像）
~/.workbuddy/binaries/python/envs/default/Scripts/python.exe -c "
from huggingface_hub import snapshot_download
snapshot_download('guillaumeklay/faster-whisper-base',
    local_dir='~/.workbuddy/binaries/python/whisper_models/base'.replace('~', 'C:/Users/你的用户名'),
    endpoint='https://hf-mirror.com')
"

如果 Whisper 不可用，口语模块会自动降级为"文字输入模式"。

---

核心规则#

出题规则：不露词#

绝对不要在题目中展示目标单词的完整拼写。只能使用：

• 首字母 + 字母数： l_______d（9字母）
• 首字母提示： （l开头）

批改格式：三段式#

text

题目：[中文翻译]
你写：[用户答案]
正确：[原句]

临时文件#

所有临时文件放在 .workbuddy/tmp_audio/，训练完成后自动清理。

---

模块一：写 — 句子默写#

1. 从笔记读取所有条目，出中文翻译题（不露词）
2. 用户一次性写出所有句子
3. 逐句三段式批改

---

模块二：听 — 听力练习#

1. 用百度 TTS 生成 5 句语音（BAIDU 不可用时降级为自念模式）
2. 生成播放页面 listen.html
3. 用户听后写下内容
4. 三段式对比批改

---

模块三：说 — 口语练习#

ASR 引擎： 本地 faster-whisper（base 模型），通过 Python HTTP 服务器（端口 8765）提供语音识别。

训练流程#

1. 从笔记选 3 个含多个目标词的句子
2. 读取 references/speak_template.html，注入句子 → .workbuddy/tmp_audio/speak.html
3. 写入 server.py 到 .workbuddy/tmp_audio/
4. 启动服务器，告知用户在 Chrome 打开 http://localhost:8765/speak.html
5. 用户录音 → Whisper 识别 → 提交 → 三段式批改

server.py 模板：

python

from http.server import HTTPServer, SimpleHTTPRequestHandler
import json, base64, tempfile, os, sys

# 根据实际路径修改
WHISPER_MODEL = "~/.workbuddy/binaries/python/whisper_models/base".replace("~", os.path.expanduser("~"))
sys.path.insert(0, os.path.expanduser("~/.workbuddy/binaries/python/envs/default/Lib/site-packages"))

class Handler(SimpleHTTPRequestHandler):
    def do_POST(self):
        if self.path == "/transcribe":
            length = int(self.headers["Content-Length"])
            data = json.loads(self.rfile.read(length))
            audio_bytes = base64.b64decode(data.get("audio", ""))
            tmp = tempfile.NamedTemporaryFile(suffix=".wav", delete=False)
            tmp.write(audio_bytes); tmp.close()
            from faster_whisper import WhisperModel
            model = WhisperModel(WHISPER_MODEL, device="cpu", compute_type="int8")
            segments, _ = model.transcribe(tmp.name, language="en")
            text = " ".join([s.text for s in segments]).strip()
            os.unlink(tmp.name)
            self.send_response(200); self.send_header("Content-Type", "application/json")
            self.end_headers()
            self.wfile.write(json.dumps({"text": text}).encode())
        elif self.path == "/submit-results":
            length = int(self.headers["Content-Length"])
            data = json.loads(self.rfile.read(length))
            with open("speech_results.json", "w") as f:
                json.dump(data, f, indent=2)
            self.send_response(200); self.end_headers()

if __name__ == "__main__":
    os.chdir(os.path.dirname(os.path.abspath(__file__)))
    HTTPServer(("127.0.0.1", 8765), Handler).serve_forever()

---

模块四：读 — 阅读理解#

1. 从笔记选 1-2 段台词
2. 出 2-3 道理解题（词义/句意/造句）
3. 逐题解析 + 用户造句

---

模块五：复习 — 基于遗忘曲线#

遗忘曲线规则（Ebbinghaus）#

级别间隔说明L0当天首次错误L11天后L23天后L37天后L415天后L530天后达标，移出

复习池格式（ references/review_pool.md）：

text

| 单词 | 正确拼写 | 中文释义 | 级别 | 上次复习 | 下次复习 | 来源例句 |

支持每日自动推送到期词汇（通过 WorkBuddy 自动化功能）。

---

资源配置#

文件用途用户需配置references/notes.md美剧笔记✅ 必须（填入自己的笔记）references/baidu_credentials.md百度 TTS API 凭证🟡 推荐（听力降级也可用）references/review_pool.md遗忘曲线复习池自动生成references/speak_template.html口语练习页面模板无需修改references/notes_path.md笔记路径记录自动维护