新概念英语在线学习平台这类产品的单词模块，我前后经手过三版，从最早的“词表+朗读”到今天带调度算法的卡片系统，中间踩的坑比写的代码多。很多人以为单词记不住是“重复次数不够”，于是把每个词刷三十遍，两周后照样一片空白。真正的问题在于：单词被从语境里摘出来、被单独塞进一个孤零零的卡片，大脑根本没有可以挂钩的地方。这篇文章讲的就是我在这条路上摸索出来的东西——一个以经典分级教材为骨架的在线学习平台，单词模块应该怎么设计，以及五个真正能落地、能被平台功能承接的高效记忆单词的方法。文中有数据结构、调度算法、参数计算和实操排程，也有我在真实运营中遇到的典型故障和排查思路。适合两类人看：正在做英语学习类产品的开发同学，以及想把手里的教材资源用出效果的老师和个人学习者。哪怕你只是自己拿表格管理词库，里面的方法逻辑和复习节奏照样能用。

1. 先把“背单词”这件事拆开看：平台该解决什么问题

1.1 单词记不住的三个真实原因

我在做用户访谈时收集过一批典型抱怨，归归类其实就三类。第一类是孤立记忆没有挂钩点：用户看到apologize只会想到“道歉”，但让他造个句子就卡住，因为他脑子里存的是一个中文标签，不是一个可使用的语言单位。第二类是复习节奏靠情绪：今天心情好刷两百个，明天忙就断更，一周后系统里堆了八百个待复习，直接放弃。第三类是只做输入不做输出：认得词形、选得对选项，但写不出来、听不出来。

这三类问题的共同点是：它们都不是“意志力问题”，而是产品设计问题。人的记忆机制决定了，孤立的、无节奏的、单向的信息流就是会漏。所以平台要干的事很清楚——给每个词造挂钩点（语境）、给复习上发条（调度）、给记忆加一道输出闸门（检验）。这三点对应后面的五个方法，也对应平台的三块核心功能。

顺带说一个常被忽略的点：教材体系的词汇是分层递进的。第一册的词以高频功能词和日常动词为主，第二册开始出现大量短语动词和抽象名词，第三册、第四册的词汇密度陡增。如果不按课次做难度分层，把第四册的词和第一册的词混在一个词库里随机推送，用户体验会非常割裂。我在第一版就犯过这个错，结果新用户第一天就抽到一堆长难词，次日留存直接掉了十几个百分点。

1.2 从教材体系倒推词库结构

做词库最容易犯的错，是把“词典”当“词库”。词典是按字母序排列的义项集合，而学习平台需要的是按学习路径排列的、带语境的学习单元。这两者的差别很大。

我给词库定的第一条规矩是：一个词条只承载一个义项。book作为名词“书”和作为动词“预订”，在我的系统里是两个独立词条，各自有独立的记忆状态。原因很实际——用户对这两个义项的熟悉度完全可能天差地别，如果共用一个状态，调度算法就会误判。比如他早就熟“书”这个义项，但“预订”一次都没记住，系统却因为“书”答对了把整个词的复习间隔拉到三十天，那个没记住的义项就被埋了。

第二条规矩是词条必须绑定出处和例句。出处是课次编号，例句直接从课文语料里抽，或者由编辑按课文难度重写。这样用户在复习时看到的不是一个孤立的词，而是“第三册某课那个句子里出现的词”，记忆的挂钩点就建立起来了。第三条是给词条打词族标签，比如apology / apologize / apologetic共享一个族标签，这是后面“构词拆解”方法的数据基础。

这里有个细节值得说：词形还原一定要做。课文里出现的是apologized，词库里的原形是apologize，如果匹配时不做词形归一，例句抽取会漏掉大量实例。我最初的匹配脚本只做小写化和去标点，覆盖率只有六成左右，加上简单的规则还原（去掉-ed、-ing、-s再比对）之后提到了九成以上。不规则动词单独维护一张映射表就行，量不大。

1.3 平台的边界：什么该做，什么不该做

这一点我想单独强调，因为很多同类产品死在做太多。单词模块不应该承担“语法教学”和“阅读训练”的职责，那是课文模块和练习模块的事。单词模块的核心指标只有一个：在给定的时间预算内，把一个词的长期留存率做到尽可能高。

具体到功能取舍，我坚持三条。第一，不做无限词库。用户可以导入自己的生词，但主学习流永远围绕教材词表展开，因为教材词表是有难度梯度和复现设计的，自建词表往往没有。第二，不做纯选择题。选择题的干扰项会提供额外线索，用户经常靠排除法答对，系统记下“他记住了”，其实没有。第三，不做花哨的动画奖励。单词复习是高频、短时的动作，任何超过两秒的过场动画都是对注意力的消耗，用户一天要过一百多张卡，累积起来就是几分钟的浪费和持续的打断感。

2. 五个方法的原理与平台落地方案

2.1 方法一：语境锚定——单词只跟句子一起出现

原理层面，记忆的提取强度取决于编码时的线索数量。一个词如果只在“英文—中文”这种单一通道里出现过，线索就只有一条；如果它同时和一句话的场景、一个句子的语法结构、一个搭配关系绑定，线索就有好几条，任何一条被触发都能把它捞回来。这就是为什么很多人背单词表记不住，但看剧记住的词特别牢。

平台落地的做法是：每张卡片正面不显示单词，而是显示一个挖空句子，比如He ______ for being late again, but nobody listened.，让用户在语境里回忆。回忆失败可以点提示，提示先给首字母，再给中文释义，最后才给完整单词。这个“阶梯式提示”的设计很关键——它让用户在失败和成功之间有一个缓冲带，而不是直接翻面对答案。翻面看答案这个动作会制造“我懂了”的错觉，实际上大脑什么都没做。

注意事项：例句长度要控制。我实测下来，8 到 18 个词是最舒服的区间。短于 8 个词，语境信息不足，用户还是靠中文猜；长于 18 个词，移动端一屏放不下，用户要滚动，节奏被打断。另外目标词不要放在句首，句首大写会让用户一眼认出来，挖空就失去意义了。还有个坑是例句里不要出现第二个生词，否则用户的注意力会被分走，我在编辑规范里明确要求“一句一难点”。

2.2 方法二：构词拆解——把生词变成“熟词家族”

原理层面，人脑对“有结构的东西”的容量远大于“无结构的清单”。一个完全陌生的unpredictable看着吓人，但拆成un-（否定）+predict（预测）+-able（可…的），三个部件里有两个是熟的，记忆负荷立刻从“记一个长词”降到“记一个组合规则”。这也是为什么拉丁词根词缀在备考人群里那么流行——它把记忆从线性累加变成了指数复用。

平台落地有两个功能点。一是词族聚类视图：用户点开apologize，页面下方直接展开同族词apology / apologetic / apologetically，每个都带自己的例句和掌握度。这样他复习一个词，顺带把一族的薄弱环节都扫了一遍。二是拆解卡片：对于符合构词规律的词，卡片正面显示拆分后的部件和各自含义，让用户做“组装”——给出un- + predict + -able，让他拼出完整词形并说出意思。

参数与边界：这个方法的适用范围是有限的。我统计过教材词表里能有效拆解的词大约占三到四成，主要是派生词和部分复合词。剩下大量的基础动词、功能词是拆不了的，硬拆反而增加负担。所以平台要做的是按标签选择性启用，而不是给每个词都配拆解卡。另外一个坑是“伪词根”——有些看起来像词根的部分其实只是巧合，比如把understand拆成under + stand去解释，会误导用户。编辑规范里我加了一条：拆解必须能追溯到明确的构词来源，存疑的一律不进拆解卡。

2.3 方法三：间隔重复加主动回忆，把复习交给算法

原理层面，遗忘是有规律的：新学的内容在最初几天掉得最快，之后趋于平缓。间隔重复的核心就是在“快要忘但还没全忘”的那个时间点安排一次提取，每次成功提取都会把遗忘曲线的斜率压平一点。而“主动回忆”是说，复习必须是从大脑里往外掏，不是从外面往里看。翻着看十遍，不如闭眼想一遍。

平台落地靠的是调度算法加卡片交互。评分我用了四档映射：完全想不起来记 1 分，看了提示才想起记 3 分，想起来了但慢记 4 分，秒答且拼写正确记 5 分。注意这里没有 0 分和 2 分，四档对用户来说已经够用，档位太多他每次都纠结该点哪个，反而增加认知负担。

关键细节：评分按钮的位置和文案很有讲究。我把“想不起来”放在左下角，“秒答”放在右下角，形成从左到右的强度梯度。而且文案不用“简单/一般/困难/忘记”这种抽象词，直接写“没想起来 / 提示后想起 / 想起了但慢 / 秒答”，用户不需要思考映射关系。就这一个改动，我观察到评分分布的合理性明显改善，之前大量用户扎堆点中间档，导致调度算法的信息量很低。

2.4 方法四：听写加跟读，把单词从“眼睛的”变成“耳朵的”

原理层面，词汇的存储形式不止一种。看得懂但听不出、写不对，说明这个词只在视觉通道里编码过。多通道编码的价值在于，任何一条通道被激活都能通向同一个词。而且听写这个动作天然绕不开拼写，它把“认词”和“写词”两件事合并到一次操作里，效率比分开做高。

平台落地设计了两个模式。听写模式：播放目标词所在的句子音频（目标词处静音或弱化），用户填出缺的词。跟读模式：播放整句，用户录音，系统做基础比对，重点不是评判发音准不准，而是让用户把这句话完整说一遍——说出来和在心里念，肌肉参与程度完全不同。

拼写校验容错：这里必须提一下，直接用字符串相等判错体验很差。用户少打一个字母、大小写不一致、多个空格，全判错会让人崩溃。我用的是编辑距离加规则预处理的方案：先做小写化和去多余空格，然后算编辑距离，距离为 0 判全对，距离为 1 且长度超过 5 的话判“拼写近似”，提示差异位置让他改，改对了记 3 分而不是 1 分。这样既保住了拼写的要求，又不至于因为手滑打击积极性。

提示：听写模式不适合在通勤、嘈杂环境里用，产品上要做场景区分，把听写卡单独归到一个“需要安静环境”的队列，避免用户在没法听的时候被判失败。

2.5 方法五：输出倒逼输入——造句、复述、改写

原理层面，这是五个方法里最难、也最有效的一个。前面四个还停留在“识别”和“提取”层面，造句要求的是生成——你得同时调用词义、搭配、语法结构，还要把意思表达清楚。生成一次的记忆强度远超识别十次，因为调用的大脑资源完全不同。

平台落地分三级，难度递增。第一级是搭配填空：给出______ an apology，让用户填动词，练的是固定搭配。第二级是限制造句：要求用目标词造一个不少于六个词的句子，系统做机械校验（含目标词、词形正确、长度达标、不以冠词开头这种明显敷衍的形式），通过后进入待评队列。第三级是课文复述：给出一段课文的几个关键词，让用户用这些词串起来复述大意，这个适合中高级用户。

批改的现实方案：纯机器批改造句的准确率我实测下来勉强够用，但误判会打击用户，所以我的方案是“机器预筛 + 人工/同伴复核”。机器只做明确的错误标注（拼写、词形、明显搭配错误），语义通顺度交给同伴互评，每天只需要每个用户评三条别人的句子，成本很低，学习效果反而好——看别人的错误句子本身就是一次辨析训练。

3. 平台侧的核心实现：数据、算法与交互

3.1 词库与记忆状态的数据结构设计

数据结构定错，后面全是补丁。我第一版把词条信息和用户的记忆状态放在同一张表里，结果多用户场景下直接崩了，因为同一个词被不同用户复习的进度是独立的。后来拆成两张表：词条表放公共数据，记忆状态表按“用户—词条”建联合主键。

CREATE TABLE words ( id INTEGER PRIMARY KEY, lemma TEXT NOT NULL, -- 原形，用于匹配和查重 surface TEXT NOT NULL, -- 课文中出现的形态 pos TEXT, -- 词性 sense_zh TEXT, -- 中文释义，一词条一义项 phonetic TEXT, example_en TEXT, example_zh TEXT, lesson_no INTEGER, -- 出处课次，用于难度分层 family_tag TEXT, -- 词族标签 need_split INTEGER DEFAULT 0 -- 是否生成拆解卡 ); CREATE TABLE memory_state ( user_id INTEGER NOT NULL, word_id INTEGER NOT NULL, ef REAL DEFAULT 2.5, -- 难度因子 reps INTEGER DEFAULT 0, -- 连续正确次数 interval_d INTEGER DEFAULT 0, -- 当前间隔（天） due_at TEXT, -- 下次到期时间 lapses INTEGER DEFAULT 0, -- 遗忘次数 last_grade INTEGER, PRIMARY KEY (user_id, word_id) );

这里lapses字段值得单独说。它记录的是这个词被遗忘了多少次，用途是给易错词加权。复习队列的排序不能只看due_at，一个词被忘了五次，另一个词只忘了零次，两者同时到期，显然应该先复习前者。我的排序公式大致是优先级 = 逾期天数 × 1.0 + lapses × 1.5，逾期越久、忘得越多，排得越前。

3.2 复习调度算法：SM-2 的实用改法

调度我用了间隔重复里最经典的 SM-2 思路，但在实现上做了几处适配。核心逻辑是：根据评分更新难度因子，再根据难度因子拉长或重置间隔。

from datetime import timedelta def schedule(state, grade, now): ef = state["ef"] reps = state["reps"] interval = state["interval_d"] lapses = state["lapses"] if grade < 3: # 没想起来，重置 reps = 0 interval = 1 lapses += 1 else: if reps == 0: interval = 1 elif reps == 1: interval = 6 else: interval = round(interval * ef) reps += 1 # 先用旧 ef 算间隔，再更新 ef，顺序不能反 ef = ef + (0.1 - (5 - grade) * (0.08 + (5 - grade) * 0.02)) ef = max(1.3, round(ef, 2)) return { "ef": ef, "reps": reps, "interval_d": interval, "lapses": lapses, "due_at": now + timedelta(days=interval), "last_grade": grade, }

拿具体数字走一遍，方便对照。新词第一次评分 5：reps从 0 变 1，间隔为 1 天，ef = 2.5 + (0.1 - 0) = 2.6。第二天又评 5：reps变 2，间隔固定为 6 天，ef = 2.6 + 0.1 = 2.7。六天后评 4：reps变 3，间隔round(6 × 2.7) = 16天，ef = 2.7 + (0.1 - 0.1) = 2.7，评分 4 恰好不改变难度因子。再过十六天评 5：间隔round(16 × 2.7) = 43天。可以看到熟练词的复习频率会迅速稀疏下来，这正是我们想要的——把时间省给真正没记住的词。

如果某次评 1：reps归零，间隔回到 1 天，lapses加一，ef = 2.7 + (0.1 - 4 × (0.08 + 0.08)) = 2.7 + (0.1 - 0.64) = 2.16。难度因子掉得很快，意味着这个词后续的间隔会拉得慢一些。1.3 是下限，防止难度因子无限往下掉导致间隔永远是一两天。

两个工程上的改法：第一，加了每日新词上限和复习上限，默认新词 15 个、复习 120 个。不加这个，逾期词一堆积就形成雪崩，用户打开看到 500 个待复习直接关掉。第二，加了逾期衰减，一个词逾期超过 30 天，重新出现时先降级处理，间隔砍半，避免系统误以为用户还记得。这个改动上线后，“复习队列过长导致的流失”明显下降。

3.3 卡片交互与防作弊设计

交互上我坚持极简。整张卡只有三个区域：内容区（句子或音频）、提示区（按需展开）、评分区。键盘快捷键固定为空格翻提示、1 到 4 对应四档评分，移动端做整屏手势，上下滑动切换提示层级，左右滑动评分。

防“假熟练”是重点。用户会不自觉地把评分往高了打，因为点“秒答”感觉爽。我的做法是抽样复查：系统随机抽取当天评为 5 分的词，隔天以另一种形式（比如从拼写模式换成听写模式）再测一次，如果没通过，自动把这个词的评分降级并缩短间隔。这个机制不需要告知用户具体哪张卡被抽中，只要在数据看板上体现“复查通过率”就行。实测下来，复查通过率只有七成多，说明确实有相当一部分“秒答”是水分。

4. 从零跑通一遍：实操流程与现场记录

4.1 语料清洗与例句抽取

第一步是把教材语料整理成可处理的纯文本，一课一个文件，文件名带课次编号。清洗规则包括：去掉行首编号、合并断行、统一引号、保留标点。这一步看着枯燥，但后面例句抽取的质量完全取决于它，我见过太多项目在这一步偷懒，结果抽出来的例句全是断句。

然后是词条匹配。核心思路是遍历所有句子，做分词和规则还原，看能不能命中目标词表。

import re from collections import defaultdict def normalize(tok): return re.sub(r"[^a-z\-']", "", tok.lower()) def candidates(word): """生成可能的词形，覆盖常见的屈折变化""" forms = {word} if word.endswith("e"): forms.add(word + "d") forms.add(word[:-1] + "ing") forms.add(word + "s") forms.add(word + "ed") forms.add(word + "ing") if len(word) > 3 and word[-1] not in "aeiou": forms.add(word + word[-1] + "ed") forms.add(word + word[-1] + "ing") return forms def build_index(sentences, targets): lookup = {f: w for w in targets for f in candidates(w)} index = defaultdict(list) for s in sentences: hits = set() for tok in re.findall(r"[A-Za-z][A-Za-z\-']*", s): w = normalize(tok) if w in lookup: hits.add(lookup[w]) for h in hits: index[h].append(s) return index

抽出来之后还要过一遍质量过滤：句子长度不在 8 到 18 词之间的丢掉，目标词在句首的丢掉，一句话里命中两个以上目标词的丢掉（除非是刻意设计的搭配句），含大量超出当前课次难度的词的丢掉。过滤完如果某个词还剩下三句以上候选，按“长度接近 12 词”排序取第一句，太短信息量不足，太长读着累。

4.2 首周学习排程是怎么定的

新用户进来我给的是这样的排程：第一天新词 10 个、复习 0，第二天新词 10 个、复习前一天的，第三天开始新词降到 8 个，让复习量自然长起来。这个曲线是拿实际数据调出来的，不是拍脑袋。

原因在于前三天是习惯养成的窗口，如果第一天就给 30 个新词，用户当天可能硬扛下来，第二天复习量叠加新词量，直接劝退。我把首周的总时长控制在每天 12 到 15 分钟，正好是一段通勤或者午休的长度。到了第二周，用户的复习队列里自然会有几十个词，这时候新词降到 8 个，总时长还是稳定在 15 分钟左右，但记忆的复利开始显现。

周期性的周复盘也要排进去。我设的是每周日一次，不推新词，只做三件事：把本周评为 1 分的词集中过一遍、把复查没通过的词重测、让用户看一眼本周的数据看板。看板上只放四个数字：本周新学词数、平均正确率、易错词数量、连续学习天数。数字越少，用户越会看。

4.3 数据看板与人工介入的判断线

看板上还有个内部视图，给运营和教研看的，重点看三个指标。首周留存：新用户第七天还在学的比例，低于三成就说明排程太重或者方法门槛太高。评分分布：如果 5 分占比超过六成，基本可以判定用户在瞎点，需要收紧复查抽样。卡点词分布：统计哪些词被最多人反复评为 1 分，如果同一批词集中卡住，通常是例句质量或者释义的问题，不是用户的问题。

我印象很深的一次，某个单元的十几个短语动词全军覆没，查下来是例句都从同一篇长课文里抽的，句子结构复杂、上下文依赖强，脱离课文根本看不懂。后来让编辑重写了例句，把这批词的通过率拉回了正常水平。这件事让我确认了一条：例句是单词模块的核心资产，比算法重要。算法决定什么时候复习，例句决定能不能记住。

5. 踩过的坑与排查速查表

5.1 复习堆积与节奏失控

这是所有间隔重复系统都会遇到的病。症状很明确：用户待复习数持续上涨，某天打开看到几百个，然后不来了。根因不是算法错，是没有做上限和分流。

我的处理分三层。第一层是硬上限，每日复习卡在 120 个，超出的自动顺延，但顺延时会按前面说的优先级公式排序，保证最重要的先出现。第二层是降级处理，逾期超过 30 天的词不直接全量放出来，而是按每天 10 个的节奏慢慢回填，间隔先砍半。第三层是止损提示，当用户的待复习量超过上限两倍时，界面上给一个“重置本周计划”的选项，让他主动砍掉一部分，而不是被数字吓跑。承认用户会中断、允许用户放弃一部分，反而能留住人。

5.2 假熟练与假遗忘：两个方向的误判

假熟练前面提过，表现为评分虚高、选择题全对但造句写不出来。除了抽样复查，还有一个手段是换通道检验：一个词如果在视觉通道连续三次评 5 分，下一次强制走听写通道。跨通道能通过，才算真会。

假遗忘更容易被忽略。有些词用户其实记得，只是当时的例句太难或者状态不好，评了 1 分就被打回原点，间隔重置到 1 天，之后反复出现，用户会觉得“这词我明明会，系统怎么老让我复习”，产生厌烦。我的改法是：引入“连续两次评 1 才重置”的缓冲，单次评 1 只缩短间隔不归零。这个改动让复习队列的无效重复减少了不少。

5.3 常见问题速查表

再说两个不写在表格里的小坑。一是同形异义词的状态污染，前面提过一词条一义项的原则，但执行时容易漏，比如light作名词和形容词，编辑时合并成一条，后面调度就会错乱。二是音标和音频不一致，有些词的音频是从别处批量抓的，口音和音标对不上，用户跟读时会产生困惑，这块要么统一录制，要么至少保证同一课次内口音一致。

最后分享一点我在实际运营里的体会。这个平台做到第三版，最大的认知变化是：别指望用算法解决动机问题。算法能让记忆更高效，但用户为什么明天还来，靠的是他今天确实感觉到“我记住了”。所以我后来在每个词的掌握状态变化时，给了一句很朴素的反馈——从“生词”变“熟悉”的那一刻，界面上就显示这个词从哪一课来、他在第几次复习时拿下的。就这么一个不起眼的细节，用户反馈里被提到很多次，说“看着词一个个从红变绿，有成就感”。方法再好，也得让人愿意明天再来一次。