Hanzi Flow 是一款圍繞單一構想打造的漢字練習應用：自適應句子挑選。它會依據你目前的掌握程度，從 79,000 個以上的真實例句中挑出含 2 至 5 個生字的句子，讓你維持在 90% 至 95% 的理解區間。不需管理卡片組，只要輸入拼音就能練習。

原始碼：github.com/brianhliou/hanzi-flow

另開視窗 →

現有工具的問題

中文學習應用基本上分成三類，而它們都有缺點。

像 Anki 這樣的字卡應用要你死記孤立的漢字。你花在整理卡片組的時間比真正學習的時間更多。等你終於在真實文本裡看到某個字，卻認不出來，因為你學它時完全脫離了語境。

像 Pleco 這樣的字典應用很適合查東西，但完全是被動的。你讀了、懂了，卻什麼都沒留下。沒有主動回想，也沒有輸入練習。

閱讀應用與家教給你的要嘛是童書（無聊），要嘛是母語內容（難得離譜）。你要嘛覺得乏味，要嘛被壓垮，兩者都無法培養流暢度。

缺的那一塊是維持心流。也就是那個 90% 至 95% 的理解區間，有挑戰但不至於受挫。你需要難度剛好的句子、自動挑選，並透過輸入進行主動回想。

我做了什麼

Hanzi Flow 是以句子為單位、難度自適應的練習工具。你讀中文、輸入拼音，應用會根據你對每個字的熟悉程度挑選下一句。它有 Anki 的間隔重複，卻不用管理卡片組；有 Duolingo 的練習循環，但用的是真實句子而非旅遊手冊例句。

練習介面，顯示逐字輸入句子

這個應用：

  • 來自 Tatoeba 的 79,000 句以上（真實用法，不是教科書例句）
  • 4,000 字以上 － HSK 1 至 9 級，另加約 1,000 個 HSK 之外的漢字
  • 自適應演算法 － 依你的掌握程度挑出含 2 至 5 個生字的句子
  • 掌握度追蹤 － 字級分數搭配間隔重複（EWMA + SRS）
  • 對應 HSK 3.0 － 可依官方課綱等級篩選（1 至 9 級或 HSK 之外）
  • 字形支援 － 簡體、繁體或混合
  • 即時回饋 － 彩色視覺提示，加上 1,598 個音檔（涵蓋所有拼音音節）
  • 100% 本地優先 － 無帳號、無追蹤、可離線使用

你練習符合自己程度的真實句子，透過拼音輸入培養輸入流暢度，系統也會隨你進步而調整。不必手動管理卡片組。

使用體驗

首次執行：設定偏好

第一次開啟應用時，你要選兩件事：

字形類型：簡體、繁體或混合。這會篩選語料庫以符合你的目標。

HSK 等級：篩選是累積的。選「HSK 1-3」就只會得到僅使用 1、2、3 級漢字的句子。選「HSK 之外」則會納入官方課綱之外的約 1,000 個進階漢字。

你隨時可以在設定裡更改。一旦更改，應用會清空目前的句子佇列，並依新的篩選條件重新產生。

設定頁面，顯示字形與 HSK 等級偏好

練習循環

練習很單純：

  1. 讀句子 － 漢字以大字顯示
  2. 輸入拼音 － 逐字輸入，聲調可選（wo3 或 wo 都可以）
  3. 取得回饋 － 當前字以藍色標示，錯誤則紅色閃爍並重試（最多 4 次）
  4. 看到拼音 － 正確答案與聲調顯示在每個字下方
  5. 顯示翻譯 － 完成後可選擇顯示底部的英文
  6. 下一句 － 按空白鍵或點按按鈕

回饋既即時又視覺化。你的注意力永遠在當前的字上（藍色標示）。答錯會閃紅並播放正確發音的音訊。你有 4 次機會，之後系統會往下走，並把那個字標為紫色（放棄）。系統接受多音讀法（地 同時接受 de 與 di），但會顯示符合語境的那一個。

練習中句子的彩色回饋

關鍵機制在於回饋循環。現實中，你可能在書裡看到一個字，猜錯了，卻永遠不知道答案。或者看電視時完全沒聽清發音。那樣的學習循環很慢。輕度學習者可能要花好幾個月，才能累積足夠的接觸量把一個字真正學會。

這個應用壓縮了這個循環。你看到一個字、把它打出來、立刻得到帶音訊的修正、馬上重試、繼續下一個。從頭到尾十秒。一次練習做 100 個字，就跑完 100 次學習循環。主動回想（輸入）、即時修正（音訊加視覺）與高量（句子持續出現）疊加起來，會產生被動接觸給不了的效果。

進度追蹤

統計頁面顯示四項主要指標：

  • 練習過的漢字總數 － 你看過的不重複漢字
  • 已掌握的漢字 － 掌握度 ≥ 0.8 的字
  • 練習過的句子 － 已完成的不重複句子
  • 整體正確率 － 第一次嘗試就正確的百分比

掌握度細分把漢字分成：

  • 學習中（s < 0.6）－ 還在建立熟悉度
  • 熟練（0.6 ≤ s < 0.8）－ 快到了
  • 已掌握（s ≥ 0.8）－ 穩固

每個字都會依間隔重複記錄下次複習的時間。

統計頁面，顯示進度總覽

掌握度細分，顯示漢字分布

自適應演算法（NSS）

隨機挑選很糟。你會太常看到同樣的句子、在已經掌握的內容上浪費時間，或被含 10 個以上生字的句子壓垮。

Next Sentence Selection（NSS）就是挑選你下一句的演算法。它在新學、間隔重複、新鮮感與難度之間取得平衡。

核心構想

最佳區間：每句 2 至 5 個生字。

  • 0 至 1 個生字 － 太簡單，只是複習
  • 2 至 5 個生字 － 剛好，挑戰足夠，語境也足夠
  • 6 個以上生字 － 太難，只能亂猜

演算法也會平衡：

  • 新學（你從未見過的字）
  • 間隔重複（複習到期的字）
  • 新鮮感（不要反覆磨同樣的句子）
  • 多樣性（混合不同難度）

運作方式

NSS 以批次執行。你開始練習時，它會產生 10 個句子。做完 8 個時，它會在背景預取下一批。你永遠不用等。

四個步驟：

1. 篩出符合條件的句子

從完整語料庫（79K）開始。套用你的篩選條件：

  • 字形（簡體／繁體／混合）
  • HSK 等級（你選的範圍）
  • 冷卻時間（排除最近 20 分鐘內看過的句子）

這會得到符合條件的候選池，通常是 20K 至 40K 個句子。

2. 隨機抽取 300 個候選

從候選池隨機抽 300 個。夠大以保有多樣性，也夠小以快速計分（100 毫秒以內）。隨機抽樣確保你每次練習看到不同的句子。

3. 為每個候選計分

針對這 300 個中的每一個，依四項因素計算分數：

  • 基礎收益 － 每個字的 (1 - 掌握度) 之和。掌握度低的字分數較高。若已逾期待複習，收益加倍。
  • 新鮮感 － 依距上次出現的時間給加分。鼓勵多樣性，避免反覆磨同一句。
  • 通過懲罰 － 如果你已多次完美通過這一句，就降低分數。避免過度練習。
  • k 懲罰 － 對落在 2 至 5 個生字區間之外的句子扣分。強制維持難度。

加總起來：score = base_gain + novelty - pass_penalty - k_penalty

4. 取前 10 名、打散、排入佇列

依分數排序，取前 10 名，打散以混合難度，加入佇列。

你練習這 10 句。剩下 2 句時，演算法會在背景再跑一次，預取下一批。

掌握度追蹤

每個字都有一個 0.0 到 1.0 的掌握度分數（s）。

  • s = 0.3（新字的預設值）
  • s → 1.0（穩定答對）
  • s → 0.0（一直答錯）

更新使用 指數加權移動平均（EWMA），α=0.15。近期表現權重較大，但變化是漸進的。一次失誤不會讓你崩盤，一次成功也不會虛胖。

當你答對一個字，它的穩定度（SRS 間隔）會乘以 1.2 倍。從 1 小時開始，接著 1.2 小時，再 1.44 小時。這讓漢字比 Anki 那種激進跳躍（1 天 → 3 天 → 7 天）留在輪替中更久。

為什麼要慢一點？因為當天複習很重要。你需要在一次練習中看到同一個字 3 至 5 次，才能把它從短期記憶搬到長期記憶。跳得太快會錯過那個窗口。

當一個字到期（超過它的 next_review_ts），它在計分中會有雙倍權重。演算法會優先挑含逾期漢字的句子。這就是經典的間隔重複。

資料處理流程

要做到這些，需要完整的資料：帶讀音的漢字、帶翻譯的句子、難度標籤、品質篩選。以下是我建立語料庫的方式。

漢字集

從 Unicode CJK 統一表意文字（U+4E00 至 U+9FFF）開始，共 20,992 個字。涵蓋現代中文的每個字，加上罕見異體與歷史字形。

接著用三個來源的資料為每個字補充內容：

  • Unihan 資料庫 － 拼音讀音、異體字、部件拆解
  • CC-CEDICT － 英文釋義與例詞（学 → 「study; learn」，学生 → 「student」）
  • OpenCC － 簡繁對應，用於字形分類

結果：99.7% 的漢字有拼音，67% 有英文釋義，35% 有異體對應。我也知道哪些字真的出現在 Tatoeba（5,000 個以上），哪些只是理論上存在（罕見的古典用字）。

漢字涵蓋曲線，顯示累積字數

這條曲線顯示漢字如何隨 HSK 等級累積。HSK 1 約有 300 字，HSK 2 再加 300 字，以此類推。到了較高等級，曲線隨著接近約 3,000 字的識讀門檻而趨於平緩。超過之後，邊際效益遞減。

頻率分布符合 Zipf 定律：少數漢字佔絕大多數，多數字都很罕見。前 500 字涵蓋 75% 的文本，前 2,000 字涵蓋 95%。這對自適應演算法很重要，因為先學高頻字能立刻帶來閱讀能力。

頻率分布，呈現冪次法則

HSK 分級

HSK（漢語水平考試）是中國官方的能力測驗。2021 年的修訂版（HSK 3.0）定義了 9 個等級、共 3,000 個漢字。我整合了來自 elkmovie/hsk30 的官方字表（由政府 PDF 經 OCR 取得）。

每個句子依其最難的字進行分級：

  • 全是 HSK 1 的字？標為「1」
  • 最難的字是 HSK 3？標為「3」
  • 含有超出 HSK 9 的字？標為「beyond-hsk」

這驅動了篩選。當你選「HSK 3」，你只會看到每個字都在 1 至 3 級的句子。不會有意外。

詞彙量成長，顯示各 HSK 等級的累積字數

句子在各 HSK 等級的分布

句子處理

我從 Tatoeba 這個群眾外包翻譯資料庫取得 79,000 句以上的中文句子。每一句一邊是英文，一邊是中文。

挑戰：語境感知的拼音。漢字依語境有多種讀音。我先用 jieba 加 pypinyin 做第一輪，再用 GPT-4o-mini 驗證（79K 句約花 2 美元）。修正了 10,336 處錯誤，涵蓋常見多音字如 地（de 與 di4）、著（zhe 與 zhu4）與 谁（shei2 與 shui2）。

多音字範例：

  • 了：le（助詞）與 liao3（完結）
  • 行：xing2（可以）與 hang2（行列）
  • 长：zhang3（生長）與 chang2（長）

你不能只靠查表。你得理解詞語的語境。

步驟 1：jieba + pypinyin。Jieba 把「我们试试看」切成 [“我们”, “试试”, “看”]，然後 pypinyin 為每個詞產生拼音：我们试试看 → wo3 men shi4 shi4 kan4。大多情況可行，但在助詞與口語讀音上會失手。

步驟 2：GPT-4o-mini 驗證。把整個語料庫送進 OpenAI 的 API（79K 句約 2 美元，每次呼叫批次處理 10 句）。提示要求逐字輸出帶聲調標記的拼音。在 79,603 句中找到 10,336 處錯誤。主要修正：

  • 覺（120 處修改）：pypinyin 給 jue2（感覺），OpenAI 給 jiao4（睡覺）
    • 你應該去睡覺了吧 －「You should go to bed」
  • 著（696 處修改）：pypinyin 給 zhu4（穿著），OpenAI 給 zhe（助詞）
    • 生活就是當你忙著進行你的計劃時… －「Life is what happens when you’re busy making plans」
  • 谁（404 處修改）：pypinyin 給 shui2（正式），OpenAI 給 shei2（口語）
    • 你知不知道他们是谁? －「Do you know who they are?」
  • 长（136 處修改）：pypinyin 給 zhang3（生長），OpenAI 給 chang2（長）
    • 我看见一个长头发的女生 －「I saw a girl with long hair」

我人工檢視了出現最多的字，並套用高信心度的修正。OpenAI 的語境理解抓到了規則式方法漏掉的錯誤。

英文翻譯：同樣以 GPT-4o-mini 產生（總共約 1 美元）。Tatoeba 的資料集只有約 2,000 句有翻譯。若只用那些，語料庫會從 79,000 句以上縮到 2,000 句，自適應演算法的效果就毀了。所以我用 GPT-4o-mini 翻譯了全部 79,000 句以上。大型語言模型很擅長翻譯，因為它們會利用語境，而這正是準確中譯英所需要的。範例：

  • 我們試試看！ → Let’s give it a try!
  • 你在干什麼啊？ → What are you doing?
  • 今天是６月１８号，也是Muiriel的生日！ → Today is June 18th, and it’s Muiriel’s birthday!
  • 生日快乐，Muiriel！ → Happy birthday, Muiriel!
  • 密码是”Muiriel”。 → The password is “Muiriel.”

我也套用了品質篩選：

  • 字形分類 － 簡體、繁體、中性或混合
  • 粗俗語過濾 － 濾掉不雅詞語（約 10 句）
  • 長度上限 － 移除超過 50 字的句子（約 270 句），避免需要滾動
  • 後設句子 － 移除 Tatoeba 自我指涉的句子（約 80 句）

最終語料庫：79,333 個乾淨句子。

字形分布，顯示簡體／繁體／混合的細分

架構與效能

以現代網頁技術打造，針對速度與隱私最佳化。

為什麼採用本地優先？

  • 隱私 － 無帳號、無追蹤、無遙測。你的進度永遠不會離開你的裝置。我連分析工具都沒有。資料由你擁有。
  • 效能 － 沒有網路延遲。句子挑選在 100 毫秒內完成。輸入回饋即時。統計載入在 50 毫秒內。
  • 簡單 － 沒有後端要維護、沒有資料庫要擴充、不用驗證。這個應用就是靜態檔案加上用戶端 JS。我免費託管在 Vercel。
  • 取捨：沒有跨裝置同步。在筆電與手機上得分別練習。對一個 MVP 來說可以接受。大多人都有一台主要裝置。之後可以加上匯出／匯入或選用的雲端同步。

技術堆疊

前端：

  • Next.js 15 搭配 App Router
  • React 19 + TypeScript
  • Tailwind CSS
  • 以 Dexie.js 操作 IndexedDB

資料處理流程：

  • Python 3.9+ 用於處理腳本
  • jieba 用於斷詞
  • pypinyin 用於語境感知拼音
  • pandas + matplotlib 用於分析
  • GPT-4o-mini 用於翻譯與拼音驗證

音訊：

  • AWS Polly（Zhiyu 語音）用於語音合成
  • 1,598 個音節，涵蓋所有聲調
  • 採用 OGG 格式以相容網頁瀏覽器

部署：

  • Vercel（零設定）
  • 靜態網站，無伺服器
  • 全球 CDN

資料載入與快取

應用在首次造訪時載入大型資料集，之後積極快取。

初始載入：

  • 79,333 個句子（約 41MB JSON）－ 只取一次，存在記憶體中
  • 漢字對應表 CSV（約 2MB）－ ID、拼音、釋義
  • 音檔 － 依需求取用（每個 1 至 2KB）

記憶體內快取：

  • 句子存在 JavaScript 陣列中
  • 漢字到 ID 的對應存在 Map 中（O(1) 查詢）
  • 練習期間不會重新取用

IndexedDB 持久化：

  • WordMastery 表 － 每個練習過的字一列（掌握度分數、SRS 間隔、下次複習時間、次數）
  • SentenceProgress 表 － 每個完成的句子一列（通過率、嘗試次數、上次出現時間）
  • SentenceQueue 表 － 儲存接下來的 10 個句子（更改偏好時重新產生）

所有資料都留在你的裝置上。除了初始載入，不會有任何網路呼叫。

效能技巧：

  • 音訊預載 － NSS 挑好下一句時，會在背景預載該句的拼音音訊（3 至 5 個檔案，小於 10KB）。等你看到它時，音訊已經快取好了。
  • 佇列預取 － 當你做完 10 句中的 8 句，NSS 會在背景執行，準備下一批。你永遠不用等。
  • 延遲載入 － 統計頁面只在你造訪時才計算分布，而非每次操作都算。

離線： 首次載入後，完全可離線使用。在飛機上、地鐵裡，任何地方都能練。進度會立刻存入 IndexedDB（不需要儲存按鈕）。

關鍵設計決策

聲調數字與聲調符號

應用接受聲調數字（wo3、shi4）而非聲調符號（wǒ、shì）。為什麼？

  • 更容易輸入（不需特殊鍵盤）
  • 是中文輸入法的標準做法（為真正打字做準備）
  • 沒有歧義（v 與 ü 等價，聲調符號需要 Unicode 組合字元）
  • 迫使你明確思考聲調（wo3 是第三聲），而非靠視覺記憶

以句子為基礎的學習

為什麼用句子而不是孤立的詞？

  • 語境 － 在真實用法中學漢字。「我们试试看」教你 我们（我們）、试试（試試）、看（看）以及語法結構。
  • 閱讀練習 － 模擬真實閱讀。培養解析漢字序列的能力。
  • 輸入流暢度 － 為完整句子訓練肌肉記憶，就像你實際會用的那樣。
  • 難度校準 － 句子有天然的難度分布（生字數量）。詞級做不到這點。
  • 動機 － 完成一個句子會有進展感。你在讀真正的中文，不是在磨「的 的 的」的字卡。

接下來

這個應用在日常練習上功能已經完整。如果我再回來做，可能新增：

  • 行動版 PWA（讓它可安裝）
  • HSK 統計細分
  • 複習模式（以 SRS 為主的練習）
  • 句子音訊（完整發音，而非僅字級）
  • 漢字卡（字源、筆順、合成詞）
  • 聲調分析（追蹤你容易混淆的聲調）
  • 自訂語料庫（匯入你自己的句子）
  • 匯出／匯入（跨裝置可攜性）

這是開源專案。有想法嗎？開個 issue 或 PR。

結語

我做這個是為了解決自己的需求。我想練中文閱讀，又不想背負字卡的管理成本。真實句子、自適應難度、乾淨的輸入介面。

結果變成一場對資料處理流程（79K 句以上、語境感知拼音）、自適應演算法（EWMA + SRS）與本地優先架構（IndexedDB + 快取）的深入探索。我對多音字、Zipf 定律，以及如何為當天複習調校間隔重複學到很多。

如果你在學中文，試試看。如果你是開發者，看看這個儲存庫。句子挑選演算法、資料處理與本地優先做法裡都有些有趣的東西。

感謝：Tatoeba 提供句子、MDBG 提供 CC-CEDICT、elkmovie 提供 HSK 3.0 字表、Unicode 聯盟提供 Unihan。

自己試試

造訪 hanzi.brianhliou.com 開始。

  1. 選擇你的字形與 HSK 等級
  2. 用聲調數字輸入拼音（wo3、ni3、ta1）
  3. 到統計頁面查看進度
  4. 每天練習，看掌握度攀升

原始碼在 GitHub，採用 MIT 授權。複製後在本機執行：

git clone https://github.com/brianhliou/hanzi-flow.git
cd hanzi-flow/app
npm install
npm run dev

開啟 http://localhost:3000。