分享一个我给自己做的英语学习工具：** lianxi.site **。省流版： 符合认知科学原理。
沉浸式学习，支持 Vim 风格快捷键。高质量语料。
数据驱动学习。这个产品是从我自己的需求出发，逐步设计出来的。
我想解决的核心困境是：看得懂但反应慢、听不清、说不出。以及，作为一个教育产品，必须符合认知科学，能持续学习，看到进步。
为了满足 action -> feedback -> iterate 的学习循环，我把学习流程设计为： 强制盲听 → 主动输入 → 原理解析 → 整组测试 → 反馈强化 → 数据激励 → 间隔重复 开始练习就会播放音频，句子模糊处理。这样可以让大脑聚焦在听音上，避免一眼就看出来造成的假阳性。
同时，也可以一键重播、查看翻译来辅助听力。同时可以练习复述能力，听得清、听得懂，不代表能复述。
比如，随机说一串数字无法复述，但说一句中文很容易复述。这个现象可以比作 ASIC 专用电路：CPU 把高频的算法直接放到硬件层了。
我们学习就是在打造这个“神经元”硬件识别系统。在盲听后，揭开“云雾”，看到文字和大脑中听到相对应的时候，大脑会给予奖励，强化反馈。
主动输入。语言学习面临长期被动的大量输入，对大脑负荷很大。
这种场景很像小朋友没法做到默读，需要一边说一边读。所以，我需要一种低难度的主动输出方式，来避免这种情况，而键盘是目前我找到的最优解。
我考虑过语音识别的方案，但这样一方面有开口的压力，二来技术实现上对识别阈值不好把控。我不想做成“口音警察”。
语言是用来说的，口音是个人的特色。其他的交互方式，比如重排句子，会降低产品的严肃感。
这个感觉是很重要的，大脑会区别对待。原理解析。
支持翻译和解析两种。翻译可以在首次盲听后解锁，解析需要在完成输入后解锁（我想尽量避免上来不动脑子就开始看解析）。
我不想学一大堆语法术语，所以解析不会教语法，而是告诉你为什么要用这个表达，还可以用在哪些场景。这是分析对比、可迁移的场景。
测试反馈。在每次学习结束后，会有一个简单的测试。
它不是考试，术语上叫 Retrieval Practice 。大脑不是靠被动重复来加强记忆，而是主动提取信息，强化神经连接。
同时，这个测试环节也能加强产品的严肃学习感。数据激励。
语言学习是漫长的过程，需要额外的数据刺激。首页展示了相关学习数据：练了多少词、听了多久、学了多久、学了多少节、坚持了多少天、总时长等。
这些数据会激励大脑，更能够坚持学习。间隔重复。
会根据测试的结果来做记忆反馈给 SRS 算法做间隔重复，根据每次的测试表现更新复习安排，在合适的时间进行复习。语料来源与学习数据。
所有用户数据都在前端，提供了 JS 接口自由导入导出。在 Agent 时代，我认为可以把数据最大价值，充分利用数据，比如根据学习数据安排 AI 口语练习等等。
所有的学习内容都来自教材《 Key Words for Fluency 》。关于这套教材，知乎上有很多讨论。
他对词汇要求不高，理念先进，基于高频语块，这正是我们追求高效学习所契合的。在产品上，它只有学习一个单一功能，不需要注册登录，没有广告，没有 AI 英语游戏。
作为一个严肃的学习工具，打开就能用。而且，为了保证学习效果，它也不支持移动端。
这个项目凝聚了我对学习的很多思考、想法、经历。我花了很多心思来设计学习流程和内容整理；它也是我自己每天都会用的产品，每天都会用它来学习 1–2 小时。
欢迎大家使用我的产品 lianxi.site ，有什么感受和建议，欢迎回来聊聊。 （本文采用古法手搓）