LingoRecall AI

智能划词翻译与记忆助手 - 在浏览网页时轻松学习英语词汇

English | 中文

---

✨ 功能特性

核心功能

功能	描述
🎯 智能划词分析	选中英文单词/短语，AI 根据上下文提供准确释义
📝 长文本翻译	支持段落级别的中英翻译
📚 词汇收藏	一键保存单词到个人词库，支持标签分类
🧠 艾宾浩斯复习	科学的间隔重复算法，帮助长期记忆
🔗 原文定位	点击即可跳转到单词的原始出处并高亮
🌍 21 种界面语言	支持中文、英文、日文、韩文等多语言界面
🎨 深色模式	支持浅色/深色/跟随系统三种主题

AI 服务支持

Provider	说明	适用场景
🤖 Gemini API	Google 官方 API，免费额度充足	日常使用
🔧 OpenAI 兼容	支持各种 OpenAI 格式的 API	CLI Proxy、第三方服务
💻 本地模型	支持 Ollama、LM Studio 等本地部署	隐私优先、离线使用

---

🚀 快速开始

安装扩展

1. 克隆仓库

git clone https://github.com/YuancFeng/LearnWordsFromPage.git
cd LearnWordsFromPage

2. 安装依赖并构建

npm install
npm run build

3. 加载扩展
   • 打开 Chrome，访问 chrome://extensions/
   • 启用「开发者模式」
   • 点击「加载已解压的扩展程序」
   • 选择项目的 dist 目录

---

⚙️ AI Provider 配置

方式一：Gemini API

配置简单，适合大多数用户：

1. 获取 Google AI Studio API Key（免费）
2. 在扩展设置中选择「Gemini」
3. 填入 API Key 即可使用

💡 提示: Gemini API 提供免费额度，足够日常学习使用。

方式二：OpenAI 兼容 API

适合使用 CLI Proxy 或其他 OpenAI 兼容服务的用户：

1. 在扩展设置中选择「OpenAI 兼容」
2. 配置 API 端点，例如：
   • CLI Proxy: http://localhost:8317/v1/chat/completions
   • 其他服务: 根据服务商提供的端点配置
3. 填入模型名称和 API Key（如需要）

💡 CLI Proxy: 可以将 Claude CLI 等命令行工具转换为 OpenAI 兼容的 API 服务，详见 CLIProxyAPI。

方式三：本地模型

适合注重隐私或需要离线使用的用户。本地模型完全在您的电脑上运行，数据不会上传到云端。

⚠️ 注意: 本地模型的响应速度取决于您的硬件配置，通常比云端 API 慢。

支持的本地模型工具

工具	默认端点	特点
Ollama	http://localhost:11434	易用，模型丰富，跨平台
LM Studio	http://localhost:1234	图形界面，适合新手
llama.cpp	http://localhost:8080	轻量，高性能

翻译专用模型：TranslateGemma

TranslateGemma 是 Google 基于 Gemma 3 架构开发的专业翻译模型，针对翻译任务进行了专门优化。

模型	大小	内存要求	适用场景
translategemma:4b	3.3GB	≥8GB	速度较快，日常查词
translategemma:12b	8.1GB	≥16GB	翻译质量较好
translategemma:27b	17GB	≥32GB	翻译质量最高

通用大语言模型

如果您已有其他模型或需要额外功能，这些通用模型也可使用：

内存	可选模型	模型大小	适用场景
< 6GB	llama3.2:1b	1.3GB	基础查词，快速响应
6-8GB	llama3.2:3b	2GB	平衡速度和质量
≥8GB	llama3.2	4.7GB	通用模型，功能全面
Apple Silicon	qwen2.5:7b	4.4GB	中文优化

安装步骤（以 Ollama 为例）

macOS:

# 1. 下载安装 Ollama
# 访问 https://ollama.ai/download 下载 .dmg 文件并安装

# 2. 下载模型（根据需要选择）
ollama pull translategemma:12b
# 或
# ollama pull llama3.2

# 3. Ollama 会自动在后台运行，无需额外启动

Windows:

# 1. 下载安装 Ollama
# 访问 https://ollama.ai/download 下载安装程序

# 2. 打开命令提示符，下载模型
ollama pull translategemma:12b

Linux:

# 1. 安装 Ollama
curl -fsSL https://ollama.ai/install.sh | sh

# 2. 下载模型
ollama pull translategemma:12b

# 3. 启动服务（如果未自动启动）
ollama serve

扩展中配置本地模型

1. 打开扩展设置，选择 AI Provider 为「本地模型」
2. 选择您使用的工具（如 Ollama）
3. 端点会自动填充，确认模型名称（如 translategemma:12b）
4. 点击「测试连接」确保配置正确
5. 保存配置

如何选择模型？

┌─────────────────────────────────────────────────────────────┐
│                    模型选择参考                              │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│  您的内存有多少？                                            │
│       │                                                     │
│       ├── ≥16GB ──→ translategemma:12b (翻译质量较好)       │
│       │                                                     │
│       ├── 8-16GB ──→ translategemma:4b (速度较快)           │
│       │                                                     │
│       └── <8GB ──→ llama3.2:1b 或 llama3.2:3b              │
│                                                             │
│  已有其他模型？                                              │
│       │                                                     │
│       └── 可以继续使用现有模型                               │
│                                                             │
└─────────────────────────────────────────────────────────────┘

🔒 隐私说明: 本地模型完全在您的设备上运行，不需要 API Key，翻译数据不会发送到任何服务器。

---

📖 使用说明

基本用法

1. 划词分析: 在任意网页选中英文单词，点击弹出的 🔍 按钮
2. 查看结果: AI 会显示单词的释义、音标、词性和用法示例
3. 保存单词: 点击「保存词汇」将单词加入个人词库
4. 复习提醒: 扩展会根据艾宾浩斯曲线提醒你复习

进阶功能

功能	触发方式
长文本翻译	选中超过 100 字符的文本
跳转原文	在词库中点击单词的「跳转来源」
批量添加标签	进入批量选择模式后选择多个单词
双击查词	在设置中开启后，双击单词即可查询

设置选项

设置项	说明
交互方式	双击查词、显示悬浮图标、复习提醒
外观	主题（浅色/深色/跟随系统）、界面语言
翻译语言	选择翻译目标语言（支持 30+ 种语言）
黑名单	设置不启用划词的网站
标签管理	创建和管理词汇标签

---

⚡ 性能优化

LingoRecall AI 采用多层缓存架构，显著提升响应速度：

优化项	效果	说明
AI 结果缓存	重复查询 <10ms	LRU 缓存，500 条目，24h TTL
配置缓存	节省 10-30ms	避免每次请求读取 storage
Prompt 优化	节省 100-300ms	精简 token 数量

响应时间对比

首次查询：1.5-2s → 1-1.5s （减少 20-30%）
重复查询：1.5-2s → <10ms （减少 99%+）

提速建议

1. 选择更快的模型: gemini-2.0-flash-lite 比其他模型更快
2. 启用 GPU 加速: 本地模型确保安装了 GPU 驱动
3. 使用云端 API: 相比本地模型，延迟通常更低

---

🏗️ 项目架构

目录结构

src/
├── background/          # Service Worker
│   ├── index.ts         # 消息处理、AI 调用
│   ├── alarms.ts        # 复习提醒调度
│   └── handlers/        # 业务处理器
├── content/             # Content Script
│   ├── index.ts         # 文本选择检测
│   └── components/      # React 弹窗组件
├── popup/               # 扩展弹窗页面
│   └── components/      # 词库管理 UI
├── options/             # 全屏设置页面
│   └── components/      # 全屏词库 UI
├── services/            # AI 服务层
│   ├── aiService.ts     # 统一 AI 接口
│   ├── geminiService.ts # Gemini API
│   ├── openaiCompatibleService.ts  # OpenAI 兼容
│   ├── localModelService.ts        # 本地模型服务
│   └── analysisCache.ts # 缓存模块
├── i18n/                # 国际化
│   └── locales/         # 21 种语言翻译文件
└── shared/              # 共享模块
    ├── messaging/       # 消息系统
    ├── storage/         # IndexedDB 存储
    └── types/           # TypeScript 类型

技术栈

类别	技术
前端框架	React 19 + TypeScript 5
构建工具	Vite 6
样式方案	Tailwind CSS
数据存储	IndexedDB (idb)
AI SDK	@google/generative-ai
国际化	react-i18next

开发命令

# 开发模式（热更新）
npm run dev

# 构建生产版本
npm run build

# 运行测试
npm test

---

🧠 复习算法

采用艾宾浩斯遗忘曲线算法，科学安排复习时间：

复习次数	间隔时间
第 1 次	1 天后
第 2 次	2 天后
第 3 次	4 天后
第 4 次	7 天后
第 5 次	15 天后
第 6+ 次	30 天后

---

🤝 贡献

欢迎提交 Issue 和 Pull Request！

1. Fork 本仓库
2. 创建特性分支 (git checkout -b feature/amazing-feature)
3. 提交更改 (git commit -m 'Add amazing feature')
4. 推送到分支 (git push origin feature/amazing-feature)
5. 创建 Pull Request

---

📄 许可证

MIT License

---

Made with ❤️ for language learners

报告问题 · 功能建议