mirror of
https://github.com/qingjian-team/qingjian.git
synced 2026-11-06 00:14:40 +00:00
yenharvey
aa3ee8c545
之前安卓选完词，候选条就空了，接着打下一个词要从头敲拼音（#861）。 - 中文词上屏、组句结束后，候选条接着给可能跟在后面的词，最多 8 个；点了直接上屏，再给下一批，可以一路点下去 - 先列个人 n-gram 里用户在这个词后面接过的，再补随包二元语言模型里的常见接续；只给 1–4 个字的汉字词 - 全在本机：二元模型按前词分组，取后继只排前 N 个，常见词也在 0.2 ms 内 - 点过的联想词照常记词频与转移，推进上文；输入日志与统计的来源记为 follow_up，不算选词、不计键数 - 只在候选条上点选：空格、回车、数字、标点照常交给应用，接着打字、挪光标、删字就收起，删除键不先收联想 - 「设置 → 输入 → 上屏后联想」可关，缺省开 取舍：桌面端不做，数字键选词会和联想冲突。三元模型没实现取后继，安卓也不用它。 Closes #861 测试：真机（小米 14 Pro）支付宝淘宝闪购搜索框打 women 空格出 的 都 一起…，点 一起 接着出 去 加油 吃…，删除键照常删字；Core、语言模型、Android 会话加了测试
qingjian-cli
青简 Core 的命令行壳：不依赖任何平台 API，用来查候选、看排序、量性能、回放评测。改 Core 的任何东西都先在这里验证，再去碰输入法。
cargo run --release -p qingjian-cli -- kaifa # 查一个拼音
cargo run --release -p qingjian-cli -- kaifa nihao # 查几个
cargo run --release -p qingjian-cli # 交互模式
性能相关的（--typing、--replay）一律用 --release，debug 构建慢十倍以上，数字没有意义。
数据文件
缺省按优先级找：data/generated/ 里打包好的 .qj → 那里的 TSV → 仓库自带的产品数据（assets/lexicon/、assets/glossary/）→ assets/sample/ 的样例。
语言模型 data/generated/lm.qj（或 lm-unigram.tsv / lm-bigram.tsv）有就加载，没有就退化成一元词频整句；emoji 表在 assets/emoji/。
| 参数 | 作用 |
|---|---|
--dict <路径> |
主词库（.qj 或 TSV） |
--extra-dict <路径> |
附加词库，可给多个，与主词库一起查；领域词库在 data/generated/dicts/*.qj（输入法缺省只开 idioms，回放要对齐就带上它） |
--glossary <路径> |
学习语言的释义表 |
--language en|ja|es|vi |
学习语言（也可用环境变量 QINGJIAN_LEARNING_LANGUAGE） |
--english <路径> |
英文词表（中英混输、英文模式候选） |
--user-dict <路径> |
用户词频文件（user.tsv，同目录的 user-words.tsv / user-choices.tsv / user-ngram.tsv / user-english.tsv 一起读）；给了就在退出时写回，不给则只在本次会话内学习 |
--config <路径> |
配置文件，缺省与输入法共用 ~/Library/Application Support/Qingjian/config.toml；测试时给一份 [predict] enabled = false 的，免得每次查询都等云端 |
行为开关
| 参数 | 作用 |
|---|---|
--fuzzy z-zh,n-l,… / --fuzzy all |
模糊音，覆盖配置里的 [fuzzy] |
--shuangpin xiaohe|ziranma|microsoft|sogou|abc|xiaolang|shoudao|jiajia|ziguang|off |
双拼方案，覆盖配置；off 强制全拼 |
--english-mode |
英文模式（输入法里是 Caps Lock 亮着）：字母不当拼音，候选来自英文词表 |
--predict |
强制开云联想并等结果打印；密钥来自配置或环境变量 QINGJIAN_API_KEY |
--limit N |
只显示前 N 个候选（缺省 9） |
输出
每个查询打印：切分（多种切分用 \| 分开，… 表示简拼 / 残缺音节）、纠错（纠正: nihooma → ni hao ma）、候选列表（序号、候选、[句] 是整句候选、右侧词性与译文、云端词带 ☁）、各阶段耗时。
交互模式
不给拼音参数就进入交互模式：
| 输入 | 作用 |
|---|---|
| 拼音 | 查候选 |
| 序号 | 上屏上一次查询的第 N 个候选并记入学习 |
:raw |
上一次输入原样上屏（相当于回车） |
:del N |
删掉第 N 个候选：用户词整个删，词库词清掉对它的学习 |
:q |
退出 |
性能：--typing
把每个输入当作一键一键敲进去，每个前缀都查一次，打印每键各阶段耗时与最慢 / 平均值。目标每键 10 ms 以内。
cargo run --release -p qingjian-cli -- --typing jintianwanshangwomenquchifan
回放评测：--replay
读输入法记的输入日志（~/Library/Application Support/Qingjian/input-log.jsonl，每次上屏一行），把每行当时的键重新喂给引擎，看现在的排序会不会把当时选的词放在首选：
cargo run --release -p qingjian-cli -- --replay ~/Library/Application\ Support/Qingjian/input-log.jsonl --misses 20
- 按来源（词 / 整句 / 英文 / 其他）算首选命中率、前五命中率、平均名次、不在候选里的条数；云端词、云端整句、原样上屏、译词不评分只计数。
- 只在内存里学习，不写任何文件；按日志顺序回放，命中的候选照样上屏让上文往前走。
- 加
--user-dict …/user.tsv就带上现有的学习数据（回放分支不落盘）。不带是「冷引擎」，量的是词库与模型本身；带上量的是实际体验，两者之差是学习功能的贡献。 --misses N打印前 N 条没命中首选的例子（作用域、当时选的、现在的前三）。
排序、整句、纠错的任何改动，改前改后各跑一次比差值。
日志
终端里日志走 stderr，RUST_LOG=debug 看逐键细节；设置 QINGJIAN_LOG_DIR 时再按天写文件。