昨天下载了一个Youtuber的高频英语句子的pdf, 类似<英语900句>, 打算学习和背诵一下.

于是让Agent给我做了一个学习的课件, 让AI生成语音, 并且可以跟读打分, 测验等等, 并且支持多用户.

全部材料只有一个pdf和一段提示词. 当然, UI需要经过多轮的调整. 最后启动另外的session, 让它们自主测试了一轮. 发现几个小bug, 并修复了.

以下是AI总结整理, 可以用来抄作业:

这个项目一共花了多少

对话轮数

• 你发的消息:77 条(含中途插话,比如"再给我一段简短总结")
• 我的回合:968 个(每个回合含若干工具调用,工具结果 936 条)

Token 用量(全程只有本地模型 qwen3.8-27b-nvfp4)

费用:0 元——全程本地推理,没有一分钱 API 开销。

几点解读:

1. 9960 万缓存命中 vs 797 万新输入:93% 的输入是缓存命中的历史上下文——这是长 session 的常态,真正的"新信息"只有 ~800 万 token(你的消息 + 工具返回的真实内容)
2. 78.5 万输出 token 是这个项目真正"产出"的部分:代码、HTML、报告、帖子,加上大量思考过程
3. 968 个回合平均每个回合 ~10 条工具结果,符合这个项目大量"改文件→传 ai5000→curl 验证"循环的特点

简短总结

把一本英语听力教材(PDF)做成了全家共用的网页学习系统:16 个单元、472 个句型、16 篇课文共 900 多条内容,每句都能播放、跟读还能被 AI 打分点评,外加听写、测验、进度管理。整套推理跑在家里机器上,零云费用,局域网内 Mac/iPad/手机都能用。

关键实现手段:

• 内容提取:PDF 双栏坐标级解析成结构化 JSON,逐条核对零缺漏才放行
• 语音:edge-tts 批量预生成 903 条 mp3(句型双音色,课文按 19 个说话人分 13 种声线),不用浏览器实时合成
• 跟读打分:录音 → Qwen3-ASR(CPU)转写 ∥ OpenPronounce 音素级发音分析 → 本地 27B 大模型出中文点评,稳态 ~3 秒
• 部署:两个自启容器(web 服务 + 打分服务),https 自签证书解决浏览器"非安全上下文不给麦克风"的问题,打分 API 走同源代理避免混合内容拦截
• 多用户:两个家庭成员档案,点卡片即登录,进度完全隔离,同设备开两个标签页可以同时学、互不干扰

项目书规格书: 英语听力教材-网页课件规格书.md
英文PDF: 英文聽力高頻句小綠書｜克雷英文 Claire's English（學生用版）（Last update_ April 20, 2026).pdf