mirror of
https://github.com/qingjian-team/qingjian.git
synced 2026-11-06 08:13:51 +00:00
yenharvey
af9d3def2d
之前打简拼时：ss 读得出几万个两字词，排序前按结构与词频预选会把首字母的单字全部砍掉，前 500 条里一个单字都没有； 其余的词一直排到五十多页之后单字才出来。用全拼选过的词，打它的简拼不算选过； 低主词库一档的词（知意词表里的 屎山）即使在 ss 下选过几次，也排在几千个主词库两字词后面被截掉。 同一个词连打几遍（屎山 屎山）还会被合成新词 屎山屎山。 现在： - 多音节输入的首音节单字单独排、单独留 100 个（FIRST_SYLLABLE_CHARS_KEPT），简拼也是几个词之后就是单字。 - 单字之前的词封顶 30 个（WORDS_BEFORE_ALL_SINGLE_CHARS），再多的排到全部单字之后。按输入日志定： 冻结日志与一份本机日志共一万四千条多音节选词，没有一条选在第 30 位以后。 - 这串键下选过的词不进预选，并和主词库的词一起比选择次数。 - 全拼选一个多音节词时，选择按简拼另记一份（键 ^ss），下次打简拼排在没选过的词前面； 排在真在这串键下选过的词后面，判断中英文谁在前也不看它。 - 前后两个相同的词不自动合成。 取舍：简拼另记的选择和真选择分开，是因为混在一起时冻结回放里 cd / kl / qq 的英文被全拼选过的 才对 / 看来 / 全球 挤到第二。仍有少量回退：长输入里单字偶尔后挪一两位（woshishi 的 我 2 → 5）。 测试：冻结回放三组（无模型 / 知意 / 通变）词首选 8203 → 8199、8301 → 8300、8188 → 8184，整句与英文首选不变， 知意整句平均名次 2.11 → 2.35；开发集、回归集不变。本机学习数据副本加知意词表与通变模型实测 ss 首选 屎山、cd 首选英文 cd。
docs
README.md 只介绍项目（各语言译本在 i18n/），所有技术内容放在这里，分四类：前三类是给开发者看的内部文档，user/ 是给用户看的、官网渲染的文档。
| 目录 | 放什么 |
|---|---|
| design/ | 设计：现在是什么样、为什么这么定 |
| plan/ | 计划：接下来做什么、按什么顺序 |
| notes/ | 工程记录：性能优化史、事故复盘、踩坑，按时间顺序写，以后复习与面试用 |
| user/ | 用户文档：官网「文档」页的内容源，按目录结构渲染；中文原文在这里，各语言译本在 user/i18n/；维护约定见 user/README.md |
| i18n/ | 根目录 README.md 的各语言译本（繁體中文、English、日本語、Español、Tiếng Việt、Deutsch）；改 README 时一起改 |
| 文件 | 内容 |
|---|---|
| contributing.md | 开发约定：架构约束短版、代码组织、版本号、提交信息、文档同步、提交前检查、发版与外部 PR 流程（CLAUDE.md 直接载入它） |
| design/architecture.md | Core 与平台层的划分、crate 结构、必须遵守的架构约束、.qj 数据容器 |
| design/candidate-ui.md | 候选窗口、按键约定与翻译 annotation 的设计 |
| design/landscape.md | 同类项目（水杉、Rime）、可用数据源及其许可 |
| design/rendering.md | 跨平台 UI 与自绘渲染器（2026-09-13）：显示面与控件面的区分、Flutter / Avalonia / WebView 的调研结论、主题的两条路、tiny-skia + cosmic-text 的 spike 结果与两平台接入 |
| design/aux-code.md | 辅码（2026-09-14）：触发键与过滤语义、Rime 码表导入、笔画原生表与大陆序覆盖、候选注记与设置界面 |
| design/core-internals.md | Core 与显示层拆解（2026-09-23）：Engine 的字段分组与线程归属、一次按键的数据流、三条异步旁路、上屏写回、缓存，三个平台的显示层与还各写一份的地方 |
| design/voice-and-swipe.md | 语音与滑行输入（2026-10-20）：Rust 与平台壳的分工、语音结果怎么经 Core 上屏、识别方式接口 Transcriber、火山引擎豆包流式识别、入口与面板交互；滑行的范围、解码接口 SwipeDecoder、按词表打分的 ShapeDecoder 与判定 |
| design/contacts.md | 通讯录里的名字（2026-11-05，#876）：Kotlin、Core 与会话的分工，收哪些名字、读音怎么定、怎么排进第一页，上屏后给电话邮箱的通道，隐私边界 |
| plan/roadmap.md | 分阶段路线图、各阶段的依赖关系与已完成项 |
| plan/zh_tw_support_plan.md | 繁体输出与台湾注音支持的分析与方案（贡献者 pinchiu，#22）：读音标准差异、台湾用语、简转繁一对多；两条路线 |
| plan/todo.md | 待办清单，按「从自用到能给别人用」排 |
| plan/wubi.md | 五笔（形码）支持方案（2026-09-15）：为什么不能按双拼的方式接、两条平行管线、码表与词频、[general] scheme 收敛、分期 |
| notes/crate-notes.md | 各 crate / app / tool 的实现要点：入口类型、数据文件、常数、生成命令 |
| notes/linux-fcitx5.md | Linux 默认面板构建、协议、安装与排错 |
| notes/linux-packaging.md | Linux 发行包（2026-09-23）：build.sh 在容器里打 deb / rpm，各包装了什么、能装哪些发行版、装法与限制，smoke/run.sh 在五个发行版的干净容器里装包自检 |
| notes/linux-dual-frontend.md | Linux 双前端（Fcitx5 / IBus）怎么验（2026-09-21）：能自动跑的三套、只能真会话手测的六条及其判据、现在验不了的两件事、踩过的四个坑 |
| notes/linux-bringup.md | Linux 走 IBus 那次的工程记录（2026-09-14，路线已改走 Fcitx5，留作双框架支持的参考）：分层怎么切、五个只有真机才暴露的坑（总线地址 / Shift+数字 / GVariant 嵌套 / 把 / 当仓库根 / 锁毒化）、合成客户端验不了什么、装机验收数字 |
| notes/linux-fcitx4.md | Ubuntu 22.04 的 Fcitx4 源码适配、安装与验证 |
| notes/android.md | Android 输入法：键盘、候选条、面板、剪贴板、快捷翻译怎么接到 Core，取舍与踩坑 |
| notes/performance.md | 历次性能优化：起因、定位方法、改法、数字前后对比与经验 |
| notes/release.md | 发版流程：CHANGELOG、标签触发的 CI 打包、产品数据包、签名公证的 Secrets、官网用的 releases.json |
| notes/model-identities.md | 含章·通变与含章·知微的正式名称和检查点编号 |
| notes/phrase-layer.md | 短语层（2026-09-12）：常用词表收不到的 我的 / 不知道 怎么从语料挖、怎么进语言模型而不伤整句、两把尺子的前后数字 |
| notes/domain-words.md | 领域词（2026-09-12）：从输入日志人工挑 48 条进基础词库的挑法、低频词当 token 统计为什么伤整句、两把尺子的前后数字 |
| notes/constant-sweep.md | 排序常数扫描（2026-09-12）：插值与敲错代价在冻结日志上扫网格，全在平台区不改；没命中的构成与复现步骤 |
| notes/windows-win10.md | Windows 10 与设置程序（2026-09-13）：Reactor 早期绑定 Windows 11 才有的 AppModel API 导致加载期失败，改自包含部署 + 延迟加载 |
约定：文档写中文，代码标识符一律英文。实现与文档产生分歧时以代码为准，并同步更新文档。