WordPecker App: 开发者指南
2026-01-30 04:54:12作者:江焘钦
1. 项目介绍
WordPecker App 是一个个性化的语言学习应用,它结合了 Duolingo 风格的课程与用户自定义的词汇表。用户可以无缝地将单词从书籍、文章或视频中添加进来,并通过交互式测验和 LLM 生成的课程复习这些单词。
2. 项目快速启动
环境准备
- Node.js (版本 >= 16)
- npm 或 yarn
- Supabase 账户
- OpenAI API 密钥
克隆仓库
git clone https://github.com/baturyilmaz/wordpecker-app.git
cd wordpecker-app
安装依赖
# 安装后端依赖
cd backend
npm install
# 安装前端依赖
cd frontend
npm install
初始化数据库
在 Supabase 的 SQL 编辑器中运行以下代码:
-- 创建单词列表表
CREATE TABLE word_lists (
id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
user_id UUID NOT NULL,
name TEXT NOT NULL,
description TEXT,
context TEXT,
created_at TIMESTAMPTZ DEFAULT CURRENT_TIMESTAMP,
CONSTRAINT name_length CHECK (char_length(name) > 0),
FOREIGN KEY (user_id) REFERENCES auth.users(id)
);
-- 创建单词表
CREATE TABLE words (
id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
list_id UUID NOT NULL,
value TEXT NOT NULL,
meaning TEXT,
created_at TIMESTAMPTZ DEFAULT CURRENT_TIMESTAMP,
CONSTRAINT word_length CHECK (char_length(value) > 0),
FOREIGN KEY (list_id) REFERENCES word_lists(id)
);
-- 创建会话表
CREATE TABLE sessions (
id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
list_id UUID NOT NULL,
type TEXT NOT NULL,
score INTEGER,
current_exercise_index INTEGER,
created_at TIMESTAMPTZ DEFAULT CURRENT_TIMESTAMP,
completed_at TIMESTAMPTZ,
CONSTRAINT valid_type CHECK (type IN ('learn', 'quiz')),
FOREIGN KEY (list_id) REFERENCES word_lists(id)
);
配置环境变量
创建 .env 文件,并填写以下内容:
后端 .env
PORT=3000
OPENAI_BASE_URL=https://api.openai.com
OPENAI_API_KEY=your_openai_api_key
SUPABASE_URL=your_supabase_url
SUPABASE_SERVICE_KEY=your_supabase_service_key
前端 .env
VITE_SUPABASE_URL=your_supabase_url
VITE_SUPABASE_ANON_KEY=your_supabase_anon_key
VITE_API_URL=http://localhost:3000
启动项目
# 启动后端
cd backend
npm run dev
# 启动前端
cd frontend
npm run dev
3. 应用案例和最佳实践
- 案例 1: 学习者正在阅读一本英文书籍,遇到不熟悉的单词时,可以直接在 WordPecker App 中创建一个单词列表,添加单词并获取自动定义,然后通过课程或测验进行学习。
- 最佳实践: 定期复习单词列表,结合上下文记忆,可以显著提高单词记忆的持久性。
4. 典型生态项目
WordPecker App 可以与电子书阅读器、浏览器扩展或笔记应用集成,使用户能够在不离开当前平台的情况下添加新单词。此外,开发者社区可以贡献新的练习类型、改进的界面设计和更多的个性化学习功能。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0194
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0121
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook06
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
766
4.99 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
686
1.34 K
Ascend Extension for PyTorch
Python
721
888
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.1 K
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
445
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
253
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
617