让 CapsWriter-Offline 从你的修改中学习 —— 一个本地自学习纠错回路：把「语音原始转写」和「你改完的终稿」配成语料，每天自动把反复出现的纠错学成热词。
English: A self-learning correction loop for CapsWriter-Offline (a popular offline Chinese dictation tool for Windows). Pair the raw ASR transcript with your edited final text via one hotkey; a daily miner turns recurring corrections into hotwords automatically. All data stays on your machine — unlike cloud dictation apps (Typeless, Wispr Flow), your correction corpus is yours: plain local files, ready for prompt few-shots today and model fine-tuning tomorrow.
云端听写工具（Typeless / Wispr Flow）的"个性化"锁在它们自己的服务器和界面里：转录历史不能统一导出，你在 Word / 微信里改掉的字它们永远学不到。CapsWriter-Offline 已经把每句听写（文本+音频）按日期归档在你本机——CapsLearn 补上缺的另一半：你的终稿，并把两者变成会自动生效的学习信号。
- 专业术语（医学、法律、代码……）反复被转错？改两次，第三次它就对了。
- 语料（音频 + 原始转写 + 终稿）全在本地纯文本/JSONL 里，将来微调模型就是现成训练集。
听写 ──> CapsWriter 日记归档（原始转写 + 音频）
改稿 ──> 选中终稿按 Pause ──> capslearn_capture 模糊配对 ──> corrections.jsonl
每天 ──> capslearn_miner 挖掘 diff ──> 重复 ≥2 次的纠错自动写入 hot.txt（改前自动备份）
└──> 单次纠错和风格修改进学习报告，供人工确认
为什么不全自动监视你的编辑？ Windows 上没有可靠手段跨任意应用读取"你后来改了什么"，硬做等于键盘记录器。所以采集是半自动（选中+按键，2 秒），学习是全自动（每天）。只有同一处纠错出现 ≥2 次才自动进热词，防止误学。
前提：已安装 CapsWriter-Offline v2.6+（Windows 10/11）。
方式一（推荐，无需 Python）：从 Releases 下载 zip，解压到 CapsWriter 根目录下（如 D:\CapsWriter-Offline\learn\），双击 CapsLearn-Capture\CapsLearn-Capture.exe 启动采集端。程序会自动向上探测 CapsWriter 目录（找 hot.txt + config_client.py），放在 CapsWriter 目录树内即可，无需配置。
若杀毒软件误报：这是 PyInstaller 打包 + 全局热键 + 剪贴板操作的常见误判，代码全部开源可审计，请自行加白或改用方式二从源码运行。
方式二（从源码）：
# 1. 放置：把本仓库放到 CapsWriter 根目录下的 learn\ 文件夹
# （其他位置用 --base 参数或改脚本顶部 DEFAULT_BASE）
# 2. 环境（Python 3.10+，两个依赖）
python -m venv learn\.venv
learn\.venv\Scripts\pip install pynput pyperclip
# 3. 启动采集端
learn\.venv\Scripts\pythonw.exe learn\capslearn_capture.py开机自启（可选）：在启动文件夹（Win+R → shell:startup）放一个 CapsLearn.vbs：
CreateObject("WScript.Shell").Run """D:\CapsWriter-Offline\learn\.venv\Scripts\pythonw.exe"" ""D:\CapsWriter-Offline\learn\capslearn_capture.py""", 0, False每日自动学习（可选，推荐指向打包版 exe）：
schtasks /create /tn "CapsLearnDaily" /tr '"D:\CapsWriter-Offline\learn\CapsLearn\CapsLearn-Miner\CapsLearn-Miner.exe"' /sc daily /st 20:00路径按你解压 zip 的实际位置调整。两点经验：计划任务优先挂打包 exe（不依赖 Python 环境，出错会写
miner.log；pythonw.exe在计划任务环境下失败是无声的，排查很痛苦）；每日比每周好——挖掘是全量累计统计，跑多勤都不影响"重复 ≥2 次才转正"的判定，而每天跑意味着任何纠错攒够第二次出现的当晚就生效。
日常只有一个动作：改完听写文字后，选中最终版本，按 Pause 键（或 Ctrl+Alt+L）。
- 右下角绿色"已记录 ✓" = 配对成功
- 黄色 = 没选中文字 / 最近两天日记里没配上（默认回看 2 天，可改脚本顶部
LOOKBACK_DAYS） - 不想让它学的修改，不按就是了
手动挖掘（不等晚上）：
learn\.venv\Scripts\python.exe learn\capslearn_miner.py # 立即学一遍
learn\.venv\Scripts\python.exe learn\capslearn_miner.py --dry-run # 只看不写
learn\.venv\Scripts\python.exe learn\capslearn_miner.py --all # 重新处理全部语料产出：
| 位置 | 内容 |
|---|---|
corrections.jsonl |
配对语料（转写 → 终稿 + 音频路径） |
denylist.txt |
否决清单（误写 | 正确 每行一条）：人工从 hot.txt 删掉的纠错写进这里，防止全量统计在下次运行时把它学回来 |
reports/*.md |
学习报告：学了什么、候选词、风格修改抽样 |
backups/ |
每次修改 hot.txt 前的自动备份 |
热词即时生效：miner 写完 hot.txt，CapsWriter 客户端 3 秒内热重载。
diff 碎片还原完整术语的三步：difflib 替换片段 → 向两侧扩展相邻相同字符 → 对同一核心的多次出现取公共扩展交集（只有每次都紧邻核心的字符才算术语的一部分，单次出现的上下文被交集自动剔除）。这让「马乏凯泰→玛伐凯泰」在不同句子里出现两次后，学到的是完整药名而非上下文碎片。
一切都在本机：音频、转写、终稿、学习结果。.gitignore 已排除全部运行时数据——如果你 fork 本仓库，不要把 corrections.jsonl、reports/、日记归档提交上去。
- CapsWriter-Offline（Haujet Zhao, MIT）—— 本工具是它的伴生回路，日记归档格式与热词机制均来自该项目
- Built with Claude Code
MIT © 2026 冯灿 (Feng Can)