给词汇量有限的读者读外语原版书的网页阅读器生成器。一本书产出一个纯静态阅读器：默认每个词都不认识（高亮），逐个认领；查词走预构建词典（即时），整句翻译实时调 任意 OpenAI 兼容 LLM API。任意语言（法 / 英 / 德 / 俄 / 西 / 日 / 中…）、任意一本书都适用。
在线示例：凡尔纳《从地球到月球》(公有领域) → https://felix021.github.io/terre-a-la-lune/ （仓库；部署见 design.md §9）
- 学习模型：每个词原形（lemma）一个整数
k。某次出现是否高亮 = 抽签draw(lemma,位置) < 0.5^k。k=0恒亮（生词），k≥1按概率复查（已认领）。点「标记为认识」k+1，点「标记为生词」k=0。多次确认后趋于稳定——避免"标一次就当会了"的假掌握。 - 词典预构建：把全书 lemma 切成 ~12 片 → 派 N 个 Claude subagent 并行，各直接凭模型自身语言知识给分片出词典条目（注音/词性/释义/变位/例句）→ 合并成
dict.json。查词零延迟，不依赖运行时 LLM。 - 运行时翻译：划选词组/整句 → 实时调你配置的 OpenAI 兼容 LLM。
# 1) 装依赖 + 语言模型（法语为例）
pip install -r build/requirements.txt
python -m spacy download fr_core_news_sm
# 2) 原文 -> 结构化 JSON（每书写个抽取器；build/extractors/ 下有个《小王子》示例）
python build/extractors/extract_le_petit_prince.py book.html structured.json
# 3) 结构化 JSON -> book.json（分词 + 词形还原 + seed）
python build/build_book_json.py structured.json book.json fr_core_news_sm
# 4) 预构建词典：切分 -> 派 Claude subagent 并行 -> 合并
python build/split_chunks.py book.json 12 # 产出 chunk_0..11.json
# （在你的 agent 客户端里派 12 个 subagent，各读 chunk_i.json 生成 dict_part_i.json；
# subagent 任务模板见 design.md §5）
python build/merge_dict.py book.json # 合并 dict_part_*.json -> dict.json，校验覆盖率
# 5) 部署阅读器：把 reader/ 的三件 + book.json + dict.json 放到任意静态服务器
cp reader/{index.html,style.css,app.js} /your/static/<book>/
cp reader/config.example.js /your/static/<book>/config.js # 改里面的配置
cp book.json dict.json /your/static/<book>/不想用 subagent？
build/build_dict.py可用任意 OpenAI 兼容 API 串行建词典（慢，断点续传）：LLM_BASE_URL=... LLM_KEY=... python build/build_dict.py book.json。
复制 config.example.js 为 config.js，改：
| 字段 | 说明 |
|---|---|
title |
顶栏 / 标签页标题 |
ttsLang / ttsRegex |
朗读语言 / 选语音的前缀（如 fr-FR / fr） |
llmBase |
默认 LLM 接口地址（OpenAI 兼容）；留空则用户在 ⚙ 设置里填 |
idb |
IndexedDB 库名，每本书必须唯一（同源多本书共享存储，重名会串数据） |
cfgKey |
localStorage 键前缀，每本书唯一 |
朗读按钮只在设备装了 ttsLang 对应语音时才显示（没有就不显示，避免用错语言语音硬读）。
| 语言 | spaCy 模型 | TTS | 注音 |
|---|---|---|---|
| 法语 | fr_core_news_sm |
fr-FR |
国际音标 |
| 英语 | en_core_web_sm |
en-US |
国际音标 |
| 德语 | de_core_news_sm |
de-DE |
国际音标 |
| 俄语 | ru_core_news_sm |
ru-RU |
国际音标 + 重音 |
| 西语 | es_core_news_sm |
es-ES |
国际音标 |
| 日语 | ja_core_news_sm |
ja-JP |
假名/罗马音 + 声调 |
| 中文 | zh_core_web_sm |
zh-CN |
拼音 |
日 / 中无空格，分词质量依赖 spaCy 模型，先验证分词效果再建词典。
reader-builder/
├── reader/ # 阅读器前端（模板，各书共用）
│ ├── index.html style.css app.js
│ └── config.example.js # 复制为 config.js 改配置
├── build/
│ ├── build_book_json.py # 结构化 JSON -> book.json（通用分词）
│ ├── split_chunks.py # book.json -> 分片（通用）
│ ├── merge_dict.py # dict_part_*.json -> dict.json（通用）
│ ├── build_dict.py # 可选：用任意 OpenAI 兼容 API 串行建词典
│ ├── requirements.txt
│ └── extractors/
│ └── extract_le_petit_prince.py # 示例抽取器（不含原文）
├── design.md # 设计 + 避坑规则
└── AGENTS.md # agent 工作指南
MIT。各书原文的版权各自负责（示例抽取器针对的是公有领域文本）。