@shortawn 没说不保留原文呢，只是利用 AI 提供更多的形式以满足读者的需求

@dedad558 主要面向中文母语者学英语，老外学中文这方面的还没有考虑

用户练习其实要考虑的东西挺多的，比如让用户填空，用户的拼写成本很高，后续继续完善学习评估方面的功能

技术主要是 js ，混阅是我对探索如何英语学习的一个结果，可以看看我以前的帖子

中文阅读比英文更容易可持续，积累足够的阅读量，使用混阅积累到一定词汇量亦可尝试英文阅读

有些理念跟我做的插件相似

这里是可以介绍下我在做的插件混阅 https://mixread.blemon.net/

主是把中文网页内容的部分中文替换为英文单词，使用充足中文 context 实现词汇增长

做好了词频统计，我的词库，聊天室功能

混阅基于自然主义的设计没有必要艾宾浩斯对抗遗忘，只有阅读量足够，单词可以自然记得，记不得的单词说明它不重要

@x86 #5 那个别人就是你吧🤣

追求更真实的 IP 路径，到达一个城市后去问路，这个城市的人都有路由表，他们不知道到达你目标城市的具体路线，但是知道你下一跳应该往哪个城市走

@nevadax #4 如果都能一步到位先写出正确的句子，就不会有那么多 Chinglish 。

你说的“正确写法应该是 [积累 ing]”在我的文档[迭代表达]https://ishare20.github.io/formalizedChinese/docs/iteration 有体现。

先说明下这里有两个产品 [形式中文] 和 [混阅] ， [形式中文] 是一套理念工具， [混阅] 是一个将中文内容转换中夹英的工具。

对于 [形式中文] ，我们理念不一样而已。英语写作表达，我的观点是先写再改，不断地改，错了没关系，重要的是知道错并不断迭代完善，在一次次错误中不断修正对英语表达的认知。你认为最好是一步到位，而修改句子到正确则是浪费时间，我认为这些经验才是最宝贵的，正是迭代的内核所在

我想引用 v 友 @charlie21 评价：

它的一举的意义在于：它让一块难啃的硬骨头变得不那么难啃。如果你非说它“多此一举” 那么你不如直说你牙齿好，就爱用难啃的方式啃难啃的硬骨头，我只能说我给你大拇哥，未来你会遇见很多 learning curve 高的东西在等着牙齿好的你，如果你的牙不是因为硬啃东西而早被磨没了。

对于 [混阅] ，就是我现在帖子的产品，包含了网页、插件，混阅主要使用充足的中文 context 实现词汇的增长。混阅产品涉及的中文转换为中夹英技术是 LLM

@nevadax 非常感谢你的回复。纯英文翻译用的是传统翻译引擎百度翻译，是存在你说的问题，后续我改用 AI 优化。中英夹杂的目的是解决词汇增长问题，而表达方式是语法问题，这个问题我设计过方案，可以参考这个帖子[英语，从可用到用好]https://www.v2ex.com/t/943426#reply68

这不算是一种捷径，因为它要求你大量的可理解阅读，中英夹杂使用的 LLM 方式转换，能保证准确率

@mdyh 目前的词频统计支持查看来源，来源就有句子了，查询单词还没开发好

@sfdev AI 转换可以保证准确，可以到首页的中夹英生成器直接体验下

@linyongqianglal 收到反馈，我看看

@imGol 目前插件是支持英文 -> mix-read ，用 LLM 转换，效果一般，中文 -> mix-read 就很好了，会继续优化，你可以在英文站点试试看

@ingxhe 打开插件设置的使用，请选择 MixRead 进行配置。MixRead 需配置 Key 哦

@ENSAlT LLM 输出不稳定，有时候多有时候少，我用提示词案例是替换词是偏少的，尽量保证可读。

我们现在有翻译加速，加速成功不扣 token ，以后用的人越多消耗的 token 越少

@lovedebug #35 目前大模型的成本的非常低，混阅首次使用赠送 5 万 tokens ，充值的话目前我们定价 3.5 元/100 万 tokens ，现在已经开发好翻译加速功能，成功翻译加速的句子不扣 token

@lovedebug #35 混阅和马大哈是有区别的，马大哈现在基于词典方式（不知道他们以后有没有其他方式哈）匹配，替换用词会不准确，我用的 AI 大模型的方式，可以保证准确率

用词不准确会在英语习得的道路上越走越远，就像我截图中 v 友有说到的现象一样

逛主题帖子效果特别好，全是 topic 相关的单词😂

https://i.imgur.com/60YU462.png

混阅浏览器插件，混阅，一个将中文内容转换为中英混合的阅读工具。混阅使用充足的中文 context 理解英语单词，从而实现渐进式和可持续的词汇增长，帮助用户在阅读中文的同时，提升英语词汇量✨

https://imgur.com/60YU462

插件地址
https://mixread.blemon.net/docs/

@ourongxing 引用 v 友以前的评价，内生表达能力是和任何语言是图灵等价的