qingjian/docs/plan/roadmap.md

Roadmap

各阶段有依赖关系：先把 Core 和 CLI 打通再碰平台 API，否则会在没有可测试内核的情况下调试 IMK。

Phase 1 — Core

• 基础 Composition 状态机
• Candidate 数据模型（含词性 + 译文的 annotation 结构）
• 拼音解析（全拼、' 分隔、末尾残缺音节）
• ü 韵母规范化：全拼 lue / nue 与词库 lve / nve 等价，生成与导入统一使用 v
• 中文候选生成（词级）
• 基础词库（TSV 内存词库，assets/sample/ 为手写样例）
• 候选排序（词级规则排序）
• CLI 测试工具（apps/cli：候选 + 词性译文 + 各阶段耗时，序号上屏记入用户词频）
• 音节表查找改为 trie
• 简拼（声母缩写 kf → 开发，与全拼混用，marked text 自动补 '）
• 开发测试词库：曾用雾凇拼音（GPL，不可发布）；2026-09-05 起换成自建词库，见 Phase 2 末尾「产品词库」
• 中→英释义：tools/dict-convert 从 CC-CEDICT 生成 11.5 万条（CC BY-SA 4.0，可发布）
• 带词性的中英 / 中日释义表：tools/gloss-gen 用 LLM 批量生成（2026-09-05 起覆盖整个自建词库 23.9 万词，词性 + 英文译词 + 日文译词与假名，assets/glossary/）， Sense.reading + 汉字注平假名（candidate::furigana）；取代 CC-CEDICT 表做随包数据
• Option+数字上屏候选的译文（Engine::commit_translation，控制器在 handleEvent:client: 里按键码认，其余交父类）
• 整段切不动时取能切分的最长前缀出候选，剩余字母作为未切分尾部保留（kaifv → kai'f'v）
• 整句转换（bigram + Viterbi），含简拼整句（wxqcf → 我想去蹭饭 / jttqhh → 今天天气很好）
• 模糊音（Core fuzzy，配置 [fuzzy]）：z/zh、c/ch、s/sh、n/l、f/h、l/r、an/ang、en/eng、in/ing， 词库按「每个位置多种写法」一次查出，模糊命中词频减半排序，整句转换同样生效
• 偏好设置「关于」页（2026-09-05）：版本 + 构建号、测试版许可（仓库 LICENSE 由 MIT 改为测试版保留所有权利，开源时再定）、数据署名、隐私说明、 「打开日志目录」「复制诊断信息」；日志缺省 info、[general] log_level 热切换
• 双拼（2026-09-05，Core shuangpin）：小鹤 / 自然码 / 微软 / 搜狗四套方案，键 → 全拼解码后复用全拼的切分与整句，配置 [general] shuangpin， 偏好设置「通用」页弹出菜单，CLI --shuangpin
• 查词性能：lookup_pattern / lookup_exact 逐级前缀二分收窄（简拼位置按音节块跳扫，小区间线性）， 同一次查询内前缀模式记忆化，排序键预计算 + 只选前 500 条。长输入 20 ms → 0.2 ms，全简拼 zhgdoima 70 ms → 1 到 3 ms，单字母 30 ms → 3 到 4 ms
• 逐键性能（2026-09-05，qingjian-cli --typing 按前缀逐键计时）：纠错变体先用无分配的「能否完整切分」过滤 （zhzhzh… 16 键 parse 39 ms → 0.2 ms）；整句格子候选跨按键缓存（sentence::SpanCache，上屏 / 学习时清， sss… 15 键 rank 12 ms → 1 ms）；bigram 表改成按前词分组的 CSR 布局；词频 / 语言模型 / 个人 n-gram 的哈希表换 foldhash； 预选键打包成 u128；没开模糊音不逐条对模糊命中。结果：全拼、简拼长句每键 0.3 到 3 ms，单字母首键 5 ms（模糊音全开 8 ms）， 英文模式每键 0.3 ms 以内；启动 0.9 s（词库 0.24 s + LM 表 0.62 s）
• 数据二进制化（2026-09-05，crates/qingjian-format）：.qj 容器 = 头 + 分节表 + META（名称 / 许可证 / 署名）+ 原样落盘的内存数组， mmap 零拷贝打开；词库与语言模型都进了容器（dict-convert pack dict|lm），启动 0.93 s → 0.05 s（词库 12 ms + LM 9 ms）
• 产品词库（2026-09-05，见 Phase 2 末尾）

以上「已完成」指 2026-09-06 的状态：自用能用，词库已是自建的产品数据（基础 + 11 本随包领域词库），学习数据原子写、坏文件容忍（见 Phase 2「崩溃不丢」）。

Phase 2 — macOS

• IMK 空壳（打包、安装、注册、按键到达链路）
• Input Method Kit 接入 Core（apps/macos/src/host.rs 进程级单例 Engine）
• 输入事件处理（字母 / ' / 数字选词 / 空格 / 回车 / 退格 / Delete / Esc / 上下键选词 / 左右键与 Cmd+左右移动拼音光标）
• Composition 显示（marked text 显示原始拼音）
• 自定义竖排候选窗口（candidate_window.rs + candidate_view.rs 自绘，theme.rs 集中可视参数）
• 中文输入
• 候选选择与上屏（上屏后剩余拼音继续组句）
• 候选翻页（PageUp、PageDown / Tab、Shift+Tab / [ ]（缺省）或 , .（配置）翻页，上下键到页边自动翻页，右下角页码；组句期间未识别的编辑动作一律吞掉）
• 拼音光标编辑：左右键移动光标，插入 / 退格 / Delete 相对光标；marked text 里显示真实光标
• 光标作用域：光标停在中间时候选、云端词校验、联想请求都只看光标前的拼音（Composition::scope），上屏吃掉作用域后光标落到末尾
• 整句转换（Core sentence）：词图 + Viterbi + 束搜索，Dictionary::lookup_exact 精确长度查词图格子；整句排第一，CandidateKind::Sentence
• 简拼整句：简拼位置按前缀取词进格子（格子多留到 20 个），语言模型在路径上挑读音；jttqhh → 今天天气很好、wjdzjsg → 我觉得自己是个； 两字母简拼仍是词优先（sj 时间 / zg 这个，Viterbi 单词路径分高就不出句子）；有音节没转成字的不算句子；英文词 / 英文补全留在句子前面
• bigram 语言模型（qingjian-lm，LanguageModel trait 注入）：dict-convert bigram 从中文维基 + LCCC 统计，pack lm 打成 lm.qj 随 bundle 打包，没有时退化为一元
• 个人 n-gram（Core sentence::UserNgram，Learner::user_ngram()）：上屏词序列在线计数，与静态模型插值进 Viterbi；user-ngram.tsv 落盘； 2026-09-06 加三元（绝对折扣回退到二元，Viterbi 前二词取前驱回指，CommitChain 记两个词）
• 自动造词：连着选出的两个词合起来词库没有、记够次数就成用户词（同段拼音两次 / 分段三次）
• 快捷候选（Core shortcut）：rq / sj / xq 出日期 / 时间 / 星期，v 开头表达式模式出四则运算结果与中文数字（见 candidate-ui.md）
• 中文标点（Core punctuation：全角映射、引号配对、数字后的点保持半角；组句期间 , . 把高亮候选上屏再补标点；配成翻页键时只翻页）
• 候选框顶部自绘 preedit 行与光标（不依赖应用画插入点）
• bundle id 改为 app.qingjian.inputmethod（2026-09-06，域名 qingjian.app 注册后；TISInputSourceID 与连接名同步，旧 id com.yenharvey.qingjian 的输入源要在系统设置里删掉重加）
• 中英切换：Caps Lock 亮着 = 英文模式（默认小写、Shift 大写、标点半角）；按住 Shift 的大写字母直接透传；切换输入源时强制收窗
• 单击 Shift 切中英（2026-10-12）：复用 [shortcut] switch_mode 的 shift，偏好设置「快捷键」页勾选；勾上后单击 Shift 切中英、Caps Lock 退化成只管大小写。 IMK 拿不到修饰键的按下 / 抬起，用 30 ms 定时器轮询 NSEvent::modifierFlags_class() 做边沿检测（host/mode/switch.rs）；缺省不勾，Caps Lock 行为不变
• 英文模式候选（Core english，Engine::set_english_mode）：词表精确词 / 前缀补全 / 一处编辑纠正，Tab 与上下键选词（上下键动过之后空格也选），空格回车标点原样上屏； [general] english_candidates 可关；CLI --english-mode
• 按应用关英文候选（2026-09-05）：[apps] english_candidates_off，按 bundleIdentifier 认，缺省终端 / 编辑器 / IDE 名单，* 前缀匹配； 偏好设置「通用」页勾选框；[apps] 分节留给以后的按应用 preedit 模式。2026-10-10 改成白名单 english_candidates_on（缺省浏览器 / 聊天 / 办公）， Photoshop 这类靠单键快捷键的软件列不完
• 个人英文词表（2026-09-05，user-english.tsv）：回车 / 英文模式直通原样上屏的英文词（切不成完整拼音的字母串）与选过的英文候选都记， 与随包词表一起出英文候选且在前；修的是 gist 这类随包词表里没有的词永远出不了候选、回车多少次也学不会的问题
• 中英混输：整段输入在英文词表里即出英文候选，作为拼音「不像话」时排第一，否则排第二（词表 2026-09-05 起来自 assets/lexicon/05_english，ESDB / CSpell，MIT）
• 英文补全：拼音不像话且 ≥ 3 个字母时出该前缀下最常用的 3 个英文词（词频 wordfreq），第一个字母就切不动的输入也出
• 英文直输段：组句中敲 - 后整段原样上屏（no-way），- 不再翻页
• emoji 候选（Core emoji，Unicode CLDR 中文 annotations，assets/emoji/）：紧跟对应词，右侧标注词
• 密钥：输入法进程读配置同目录的 .env（launchd 看不到 shell 环境变量）
• 学习语言、每页候选数、翻页键、外观、模式键从配置文件读取（[general] / [shortcut]），保存后自动热加载
• 应用图标与输入法菜单图标（assets/icon/logo.png → bundle.sh 生成 icns；菜单图标 assets/icon/menu.pdf 模板图随深浅色反色）
• 菜单栏「中 / 英」状态项（NSStatusItem，激活时显示，定时轮询 Caps Lock）
• 输入法菜单（状态项 + 系统输入源菜单共用一份 NSMenu：云联想 / 模糊音勾选、偏好设置、日志目录、版本）
• 退格撤销学习：上屏后整个退格删掉再重打同一段拼音换选，上一次的学习退回去
• 输入日志（2026-09-05）：input-log.jsonl 每次上屏一行（键 / 切分 / 前 5 候选 / 选了第几个 / 来源 / 纠错 / 撤销 / 时间），只写本机， [general] input_log 缺省开，「高级」页开关 + 清空；Core InputLogger trait，学习 crate InputLog 落盘；离线回放评测与个人模型的数据来源
• 回放评测（2026-09-05）：CLI --replay input-log.jsonl，按来源算首选 / 前五命中率、平均名次，打印没命中的例子；内存学习不写文件
• 输入日志 v1（2026-09-12，docs/plan/model-eval.md）：日志当评测基础设施，每个模型假设先有尺子再立项。新增事件 session / retype（组句内退格重打、 跨上屏相近重打）/ passthrough / prediction / break，上屏行加 rescored / app / pages / ms、候选记一页 9 条；空的原样上屏不再记 （旧日志一半是它）；回放报告加重打、联想接受率、隐式信号（命中 / 未命中两组的翻页与耗时）、重排 / 未重排两组命中
• 整句评测集（2026-09-08）：CLI --eval-text <中文文本>...，用户自己的文本切句、按词库读音转全拼、冷启动还原，--eval-save 冻结句子集； 基线（本仓库 docs + 个人技术笔记 8322 句）：首选 37.6%、字准确率 76.9%，技术文本里的行话（候选 / 词库 / 释义表）是主要丢分处
• 删除候选（2026-09-05）：⇧ + 数字（[shortcut] delete_candidate），用户词整个删、词库词清全部学习（Learner::forget，个人 n-gram forget_word），拼音行右侧显示结果
• 拼写纠错：一处编辑（换位 / 换字母 / 多一个 / 少一个）凑出完整音节，拼音行画删除线，回车原样上屏，接受与拒绝都进学习； 2026-09-05 挑选改成噪声信道（纠正后整句得分扣编辑代价仍高于原样才纠，末尾单字母只试换位），修掉 你后妈 / 我峡谷区 这类选错
• 词图内敲错边 + 个人敲错表（2026-09-06）：整句词图里每个完整音节按一处敲错变体（相邻键换位 / 相邻键 / 多键 / 少键）查词并扣代价， meiganxi → 没关系；接受的 (敲的, 要的) 音节对记 user-typos.tsv，代价按次数打折。回放：带数据 词 91.2% → 91.5%、整句持平， 冷引擎整句 89.3% → 87.5%（两条歧义句改读：fayibanben 法语版本、shishao 是啥），每键最慢 3.5 ms → 4.7 ms
• README 安装 / 隐私 / 数据许可（2026-09-06）：pkg 安装与「仍要打开」、卸载；不上传数据、云联想发什么发到哪怎么关、 输入日志缺省开只写本机怎么关怎么清；测试版许可与随包数据署名表（与「关于」页一致）
• 领域词拆成随包的 .qj（2026-09-06）：dict-convert lexicon 把 THUOCL 领域词按来源文件拆成 11 本（语料 ≥ 50 次的留在基础词库）， 基础词库 22 万 → 8.7 万条、dict.qj 10 MB → 3 MB、加载 79 → 25 ms；领域词库合计 13 万条 7 MB 放 Resources/dicts/， [dictionaries] domains 缺省只开成语，偏好设置「词库」页可勾选。回放（614 条冷引擎）：词 前五 96.5% → 96.1%（少一个词），整句持平 87.5%
• pkg 安装器（2026-09-06）：bundle.sh --pkg 出 Qingjian-<版本>.pkg（装 /Library/Input Methods/，关重定位，postinstall 以登录用户身份 qingjian-macos --register 注册并启用输入源，欢迎页 / 许可证 / 结束页），版本号与构建号打包时注入，uninstall.sh 随包； 签名 / 公证做成环境变量开关，等 Developer ID 证书到位就能签。未签名的 pkg 测试者要在「隐私与安全性」里点「仍要打开」
• 崩溃不丢（2026-09-06）：学习数据六张表、config.toml、.env 原子写（临时文件 + fsync + 改名）；学习数据坏行跳过、 编码坏了按替换字符读、真读不了退回内存学习不覆盖文件，输入法照常启动；IMK 回调与定时器边界 catch_unwind，panic 后缓冲区字母原样上屏； 激活期间每 60 秒落一次盘。设计见 architecture.md「崩溃不丢」
• 候选窗口收尾：竖排 / 横排（[general] layout）、拼音行分段样式（Core MarkedSegment，纠错删除线的位置已留好）、 拼音显示位置 行内 / 窗口 / 两处（[general] preedit）、按光标所在屏幕定位并处理屏幕边缘
• 日志按天分文件、只留 7 天；文件被删后下一条日志重建（app/logging/，自己的 LogFile 写入端按 nlink 判断）
• 偏好设置窗口（原生 AppKit，改完即写回 config.toml；密钥写 .env）
• 偏好设置重做（2026-09-05）：六页标签视图（通用 / 候选窗口 / 快捷键 / 模糊音 / 词库 / 云服务 / 高级），用户视角措辞， 快捷键录制按钮 + 「恢复默认快捷键」，「词库」页导入 / 开关 / 移除，编辑菜单让 ⌘V 能粘贴
• 产品词库（2026-09-05）：assets/lexicon/ 自建源（规范字 8105 + 常用词 5.6 万 + THUOCL 领域词 15.7 万），dict-convert lexicon 建 dict.tsv， 读音 Unihan + LLM 多音字标注（gloss-gen pinyin，6.8 万词，含常用词表自带拼音的 288 处纠错），词频用自己的语料统计；成品 20.5 万条， dict.qj 10 MB、lm.qj 27 MB，启动 70 ms；英文词表换成 ESDB / CSpell 9.5 万词。雾凇拼音与其英文词表已全部移除
• 短语层（2026-09-12）：常用词表是词典词头，不收 我的 / 好的 / 不知道 / 有没有 这类人整块打的组合；dict-convert phrases 从语料相邻两三词里挖 （对话语料 ≥ 2000 次 + 边界规则，读音由成分词拼出）5400 条进基础词库，品牌词 青简 也进（brand.tsv）；起因与验收见 docs/notes/phrase-layer.md
• 领域词（2026-09-12）：输入日志里选过、公开语料里出现过、词库与短语层都没有的词人工挑 48 条进基础词库（assets/lexicon/domain_words.tsv：对齐 / 后端 / 词库 / 候选框 / 看看 / 再也）， 语言模型里与短语一样走合成计数（低频词当 token 统计会吸走成分词的二元证据）；回放词级 +34、整句 +6、整句评测集持平，见 docs/notes/domain-words.md

2026-09-06 状态：自用日常在用；bundle.sh 从 assets/（词库源、释义表）与 data/generated/（生成物、.qj、领域词库）打产品数据，没有生成物时打样例； --pkg 出分发包。给测试者发第一版前只剩特殊应用验证；签名等 Developer ID 证书。

Phase 3 — Translation

• Candidate Translation API（Translator trait，Engine::annotate 候选生成后异步补译文；Sense 词性 + 译文 + 读音）
• 中文 → English、中文 → 日本語：tools/gloss-gen LLM 批量生成 6.4 万常用词（词性、译词、日文假名），随包表；日文按汉字段注平假名
• 本地词典：Glossary 内存查表，格式 词\t词性. 译词[|假名]；CC-CEDICT 表保留为备用来源
• 翻译语言设置：[general] learning_language，菜单与偏好设置只列打进包里有释义表的语言
• Option+数字上屏候选的译文
• 释义表随仓库发布（assets/glossary/，2026-09-05）：中→英 / 日覆盖整个自建词库 24.9 万词，多字词 91.6% 有英文释义、98% 日文； 英→中 4.5 万词（wordfreq ≥ 2500 + 技术词），英文候选右侧显示中文（Engine 按候选种类查表）；三张表都进 .qj
• 上屏译词：⌥ + 数字第一条、⇧⌥ + 数字第二条，修饰键可录制；⌃⌥T 翻译应用里选中的文字（云服务）
• 释义兜底（2026-09-06）：Core GlossFiller trait（与 Predictor 分开：独立线程、攒批、不丢请求），随包表查不到的词库词 / 云端词上屏后入队， qingjian-predict::CloudGlossFiller 攒 1.5 秒或 8 个词发一次（提示词与 gloss-gen 同源，只要当前学习语言），结果经 Translator::learn 进 qingjian-translate::PersonalGlossary（user-glossary-<语言>.tsv，格式同随包表，可手改，LayeredTranslator 个人表优先），随 flush 落盘； 壳每秒 Engine::poll_glosses；随云联想开关一起开，发出去的只有那个词
• JMdict 校对假名与日文词性（等级标签已做，见 Phase 4）

Phase 4 — Learning

• 用户词频（user.tsv）、用户词（user-words.tsv）
• 词级排序接语言模型：上一个上屏的词做上下文，同输入串下选过的词优先（user-choices.tsv），非末尾简拼少的切分优先
• 输入习惯学习：个人 n-gram + 自动造词；用户点选的转移记双份、整句路径顺带的记一份，选择次数加分取对数并封顶（否则 的 的 173 次会把 号的 抬过 好的）
• 个人敲错表（2026-09-06，user-typos.tsv）：接受过的 (敲的, 要的) 音节对，词图敲错边与整段纠错按次数打折；退格撤销一并撤销
• 学习数据落盘可靠（2026-09-06）：六张表原子写、坏行跳过、读不了退回内存学习、激活期间每 60 秒落一次盘（Phase 2「崩溃不丢」）
• 输入统计（2026-09-06）：Core UsageMeter trait，每次上屏折成汉字 / 中文词（整句按切词数）/ 英文词 / 次数； qingjian-learning::UsageStats 按天记 usage.tsv，与输入日志无关（日志关掉或清空统计还在），随学习数据每 60 秒落盘； 偏好设置「统计」页：今天 / 最近 7 天 / 累计 三行四列 + 「累计 xx 字，约等于 n 本《某书》」（book_scale，书目从《道德经》到《平凡的世界》）
• 生词识别（2026-09-06）：Core VocabularyTracker trait + Sense::fresh；一条译词在用户上屏时出现在候选窗口里的轮次不到 3（FRESH_UNTIL）算生词， 候选里橙色画译词，看熟了变回灰。「看到」按上屏那一刻屏幕上那一页算（壳 Engine::note_displayed），上屏带译词的候选记「上屏过」，⌥+数字 打出译词记「用过」； qingjian-learning::VocabularyBook 一个译词一行 user-vocab.tsv（语言 / 译词 / 看到轮次 / 上屏 / 用过 / 首见 / 末见），只记译词与次数
• 学习词汇统计（2026-09-06）：偏好设置「统计」页词汇块：见过 / 看熟 / 上屏过 / 打出过 / 本周新见的译词数（VocabularySummary）， 再按等级分行（词表总数 / 见过 / 看熟 / 上屏过）：英文 CEFR A1–C2（CEFR-J 1.5 + Octanove，8,845 词）、日文 JLPT N5–N1（Tanos 经 elzup，7,757 词）， qingjian-translate::LevelTable 读 assets/levels/levels-{en,ja}.tsv（tools/corpus/levels.py 生成），VocabularyBook::with_levels；等级不进候选窗口
• 可选复习功能

Phase 5 — Cross-platform

• [~] Windows TSF（apps/windows/{server,tsf}，真机自用中；细节见 docs/design/architecture.md「Windows：TSF」）
  • Server 进程 + TSF DLL 骨架、命名管道 IPC、多会话分派、端到端上屏
  • preedit 内联下划线、候选窗（词性 + 译文 + 分页 + 阴影）、云联想、失焦上屏、中英切换、设置界面、Inno 安装器
  • 候选窗渲染搬进 Server 进程 + uiAccess + 自签，覆盖微软商店 / 任务栏搜索等高 z-band 宿主
  • 中英切换可配置（2026-09-15，issue #81）：[shortcut] switch_mode 选单击 Shift / 单击 Ctrl / 不切换， [general] english_mode 关掉则内置英文模式整体停用（固定中文、不再登记语言栏按钮、状态条也不切）； 四项都在「设置 → 通用」，DLL 激活时读一次配置
  • 发版：Certum 开源代码签名证书、windows-v<版本> 标签与 CI
• Linux Fcitx5 第一阶段：Rust Server、默认候选面板、用户目录安装与手动启动（2026-09-18）；未改系统 Fcitx5 的 GTK4 / Qt6 X11 输入已验证
• Linux 后续：Server 自绘 X11 窗口、Server 向 GNOME 扩展发送位图、神经重排、自动启动与 Debian 包；各自独立 PR，IBus 暂缓
• [~] Android（apps/android，feat/android 分支）：输入核心、学习与统计、词库与繁体、高级、云联想已与 PC 对齐，外观（主题）进行中； 实现要点见 docs/notes/android.md
• 移动端与平板：iOS、iPadOS、HarmonyOS
  • 分工：候选条（显示面）由 qingjian-render 出位图，Android 现在的键盘与面板（输入面）由 Kotlin 自绘。 只有 Android 一个移动端时这种分法可以接受；做第二个移动平台时，键盘与面板统一移到 Rust，各平台只接输入框连接、触摸转发、震动与无障碍
  • 统一之前先做：主题推导只留渲染器一份（键盘配色也从主题算出，壳只读）；键位表与尺寸计算挪进共享 crate、按宽度出布局； 渲染器补彩色 emoji（Android COLRv1、Apple sbix）与只重画变化区域；在 Android 上验证 Rust 画九宫格的按键延迟与手感
  • Android 壳里还写在 Kotlin、统一时要搬进 Rust 的规则：
    • 键位表与角标：keyboard/layout/KeyboardLayout.kt（全键盘、九宫格、注音大千、日语、数字键盘、符号页）
    • 尺寸与排版：keyboard/layout/KeyboardMetrics.kt（行高、按宽度分键、九宫格列宽）
    • 游戏键盘（横屏悬浮）的尺寸档与拖动：settings/GameKeyboard.kt 的 Size（占屏宽比例、行高）、service/GameFrame.kt（位置按可挪范围的比例记）
    • 滑行起判阈值：keyboard/SwipeTrail.kt 的 START_KEYS；上滑判定：keyboard/KeyboardView.kt 的 FLICK_DP（往上多远、不偏出本列）；Shift 双击锁定的间隔：service/input/Composer.kt 的 DOUBLE_TAP_MS
    • 键位排法：settings/Settings.kt 的 Arrangement（左手便捷：符号面板分类列在左、返回在左下）
    • 写死的颜色并进主题推导：ClipboardPanel 代码高亮的数字色、AppColors 的生词标签色与危险操作红、TranslateBar / ProcessTextActivity 的失败红
  • 平板与 iPad 有两种形态：接实体键盘时只剩候选窗，按 PC 方式工作（翻页键、Shift 切换等手机上不搬的项要用上）； 不接时是屏幕键盘，要适配全宽、浮动与分屏等宽度，面板在大屏上排多列
• 配置同步
• 跨平台词库

Phase 6 — 云联想

Core 定义 Predictor trait（与 Translator / Learner 同一模式），网络实现放独立 crate qingjian-predict， Core 永远不联网。第一个实现接 DeepSeek（OpenAI 兼容接口），接口做成 provider 无关。

• 本地输入历史：InputHistory（内存环形 4096 字符，可清除；落盘与查看界面待做）
• Predictor trait：submit / poll 非阻塞，请求带序号，Engine 只认最新序号；NoPredictor 缺省
• qingjian-predict：CloudPredictor，async-openai 走 OpenAI 兼容接口，后台线程防抖 300 ms、缓存 64 条、超时 5 s
• 云端词：模型给「拼音对应的词 + 全拼」，Core 逐音节校验；词库没有的选中后记成用户词（user-words.tsv）
• 云端词位置（2026-09-05）：到了只补进第一页末尾 [predict] slots 格（缺省 2），前面的本地候选一格不挪，不预留不画占位； Core CandidateLayout 出排布，壳 Session 只管高亮与页码；偏好设置「云服务」页可选 0–4 格
• 触发：只在组句中，停键后同一次请求要云端词和整句补全（preedit 右侧，Tab 接受）；上屏后不联想
• 整句补全进学习（2026-09-05）：Tab 接受的句子按语言模型切词（sentence::segment_text）记进个人 n-gram，可随退格退回
• 纠错：云端词按容错编辑距离校验（简拼不算错），模型可纠正错字 / 漏字 / 多字；本地历史不进请求
• 提示策略（2026-09-05）：本地候选与本地整句在提示词里标成「可能全错的本地猜测」，模型独立判断、只给本地给不出的词，没有就空；不再照抄本地候选
• 上下文来源：IMK attributedSubstringFromRange: 读 marked text 前后，应用不支持时退回本地输入历史
• 展示：云朵图标（SF Symbols cloud）区分，不重排已有候选、不阻塞输入
• 隐私：默认关闭；开启时菜单栏「中 / 英」带 ☁︎；Secure Input 绝不发送；观察长度在 Core 裁剪
• 配置：~/Library/Application Support/Qingjian/config.toml 的 [predict]，首次运行写模板；密钥可填配置或环境变量
• 问字模式：? + 问题拼音，PredictionKind::Question 走同一条 Predictor 通道、单独的提示词，答案带声调读音、不校验拼音（见 candidate-ui.md）
• 问字只答字不复述（2026-09-05）：请求带本地整句转换出的问题汉字（guess），提示词只答被问的字，restates_question 剔掉把问题写回来的「答案」
• 菜单开关、偏好设置窗口里的开关 / 接口 / 模型 / 密钥
• 释义表进 .qj（2026-09-05）：Glossary 双存法（TSV 哈希表 / 映射的 arena + 词条表 + 释义表 + 哈希索引），pack glossary --language，启动回到 50 ms
• 翻译选中文字读不到选区时候选窗口提示 2.5 秒（host/presenting/notice.rs）
• 语料挖新词（dict-convert mine）：分词落成连续单字的段按子串计数，虚词规则 + 相邻字对 PMI≥3 过滤（2026-09-07 从会话脚本进工具，oov_filter.rs），lexicon --extra-words 并入词库
• 多词库与词库管理（2026-09-05）：Engine 附加词库列表；用户目录 dicts/ + [dictionaries] disabled；偏好设置「词库」页导入（TSV / Rime yaml / .qj → .qj）、开关、移除
• 翻译选中的文字（2026-09-05）：⌃⌥T 把应用里的选区交给云端翻译，译文在候选窗口里回车替换、Esc 保留；快捷键可改； 双向：中文选区译成学习语言，外文（拉丁字母 / 假名）选区译回中文，方向按字符统计定（translation_target）
• 输入历史落盘与清除（2026-09-05）：input-log.jsonl + 偏好设置「高级」页开关 / 清空（查看界面没做，文件是 jsonl 直接看）
• 密钥进钥匙串（等签名定了再做）；云联想按应用禁用
• 请求量控制：按分钟限流、统计本月请求数并显示

Phase 7 — 个人模型

目标是「输入法越用越像自己」。分两步，第二步有评测门槛。

• 个人 n-gram：bigram 计数 + 与静态模型按证据量插值，随上屏在线更新，直接进整句转换的 Viterbi 打分（见 Phase 2）。 个人数据量级（一年几百 KB 到几 MB）上，这一步拿到绝大部分个性化收益，成本接近零
• 个人 trigram（2026-09-06）：与二元一起在线计数，绝对折扣（D = 0.75）回退到二元，不训练；--replay 在 423 条日志上与二元持平 （冷 词 77.7% / 整句 87.0%，带数据 90.2% / 97.1%），三元要数据攒起来才见效，--typing 每键最慢 2.7 ms 不变
• 小 Transformer 实验分支（2026-09-08）：qingjian-neural（candle，Metal / Accelerate / CPU），用途「重排整句转换的前 6 条路径」； CLI --neural 接，壳未接。回放上词 +0.5、整句 −1.1（静态替换 λ 0.25、前文 64），没过门槛，且尺子有偏，见 docs/notes/neural-rescoring.md
• 整句评测集上过门槛（2026-09-08 晚）：冻结集 8322 句，基线整句首选 37.6%，small λ 0.75 前文 64 到 41.9%（+4.3）， 不给前文也有 +2.2；翻好 382 句、翻坏 54 句，见 docs/notes/neural-rescoring.md
• 进壳（2026-09-08 晚）：前文 KV 缓存（64 字前文 × 8 条 133 → 28 ms）、Core engine/rescoring 异步重排（后台线程 + 文本分数缓存，壳停键 80 ms 请求）、 应用光标前文当前文、λ 缺省 0.5、[model] enabled 开关与「云服务」页勾选、知微模型现随包放 Resources/models/hanzhang-zhiwei/；TextEdit 端到端 候选声称 → 候选生成
• 模型单文件 .qjm（2026-09-12）：.qj 容器新种类 Kind::Model，三节原样装三件套；find_model 先 .qjm 再目录；pack model / tools/release/pack-model.sh； data Release 上传 model.qjm，mac Resources/models/hanzhang-zhiwei/ 与 Windows data\models\hanzhang-zhiwei 只带这一个文件
• 本地模型后续：个人微调（闲时训练）；权重许可已定与代码一致 GPL-3.0-or-later（2026-09-12，写在 pack-model.sh）
• 闲时训练：门禁包括接电源、温度、空闲时长；训练数据来自本地输入历史；模型与数据都可一键清除
• 评测门槛：留出用户文本上比 n-gram 的困惑度与 top-1 命中率，赢了才默认启用；每次按键推理延迟有上限
• 模型文件的版本与迁移

规模参考

项目	量级
librime（C++）	约 5 万行
Phase 1 + 2 到 macOS 自用级别	全职约 2 到 3 个月