学习即仿真：以词汇为锚点的双语世界模型

August 18, 2026 · View on GitHub

lazeword 的概念文档。所有学术引用均于 2026-08 逐条核实，完整格式见文末参考文献。 姊妹篇：research-physics-simulation.md（物理仿真引擎 × 自动驾驶 × 机器人行业调研）、 scenario-engine.md（核心引擎：词=实体、句=场景、电影=场景序列）。

一、一句话使命

以词汇为锚点，帮孩子构建双语的世界模型 —— 学习即仿真，轨迹即日志。

一·五、为什么还要学英语（AI 时代）

大模型把翻译做得又快又好，为什么还要花这么多时间学英语？ 因为语言不只是知识的容器，还塑造思维方式——transformer 的发明者来自英语世界， AI 的竞争主要发生在中美之间，而香港的教育恰好站在这个交叉点上。 所以学的不只是单词，而是 token——和 AI 交流的最基本单位。

还有一件事：为什么这个项目里，有这么多自动驾驶和仿真的内容？ 因为本质上，单词、语言，就是对真实世界的仿真。人的眼睛和耳朵，就像自动驾驶汽车 的摄像头与雷达——传感器。大脑从来不能直接看到真实世界，它看到的，是对接收到的数据 加工、预测、仿真出来的结果（科学家管这叫「预测加工」：Rao & Ballard 1999；Friston 2010； Clark 2013）。词汇，就是这个世界模型里的一个个锚点——学单词，就是在给自己的世界模型 装传感器、标地标。

很多科幻小说都写过：也许世界本身就是一场仿真。这个问题的科学版还没有答案。 但无论答案是真是假，值得学会一件事：对自己看到的、听到的、学到的， 保持「可验证的怀疑」——像工程师验证传感器数据一样，去验证接收到的每一个世界。 这比相信任何结论都重要。

这个程序本身，就是一台 autoresearch 机器——这是「学习即仿真」最直接的具身证明。

lazeword 不是又一个背单词工具，而是一个确定性的学习仿真系统： 单词是锚点，间隔重复是记忆的模拟器，学习轨迹是可重放的仿真日志， 学科 packs 是可组合的仿真组件。它开源、署名、善意，面向香港「两文三语」教育的真实家庭场景。

二、理论基础（四条已核实的研究线索）

1. 大脑是预测机器，学习是修正预测模型

预测加工理论（predictive processing）是当代认知科学最活跃的框架之一： 视觉皮层以「预测—误差修正」方式工作（Rao & Ballard, 1999）；自由能原理把预测加工 推广为统一的大脑理论（Friston, 2010）；认知科学界对其权威综述见 Clark (2013)。 对学习产品的直接推论：学习不是存储，而是持续修正对世界的预测模型 —— 孩子每一次「记得 / 忘了」都是在更新一个预测：下次见到这个词，我认得的概率是多少？

2. word 是人类可操作的知识锚点

词频服从幂律（Zipf, 1949）：极少数高频词覆盖大部分文本。 Nation (2006) 的实证数据：2,000 词族覆盖小说文本约 87.8%、口语约 89.4%； 98% 覆盖需要 6,000–9,000 词族（视媒介）。 而英语母语青年平均词汇量约 4 万–4.2 万词族（Brysbaert et al., 2016）—— 学习者必须取舍。结论：1,000–5,000 个精选词 + 学科术语，是最优投入产出比的"世界模型接口层"。 词是接口，不是全部知识 —— 配套文章、例句与练习，才是理解本身。

3. 遗忘有规律，复习调度是可计算的

遗忘曲线的开创性实验来自 Ebbinghaus (1885)。一百多年后， Ye et al. (2022, KDD) 用随机最短路径优化把「何时复习」变成可解的最优化问题 （FSRS 算法，现为 Anki 新一代调度器同族）。 FSRS 的核心是把记忆状态建模为可计算的量：稳定性 S、难度 D、保留率 R(t,S) —— 一段记忆何时会忘，是一个确定性的预测。

4. 世界模型：从机器学习到人类学习

机器学习界的「世界模型」思想（Ha & Schmidhuber, 2018；LeCun, 2022）主张 智能体在预测世界的模型中学习与规划。lazeword 取这一洞见的弱版本而非强版本： 不宣称 transformer 证明了什么，只承认一个朴素事实 —— 学科 = 术语集 + 交互方式，词汇是概念的锚点（见第五节 packs）。 习得性输入理论（Krashen, 1982/1985）提示内容难度略高于当前水平（i+1） 最利于习得，这是「可理解输入」的经典表述；学界的批评集中在它的强断言， 故本处仅作为"有影响力的经典理论"引用。

三、三大工程支柱

支柱一：轨迹 = 确定性仿真日志

每次学习行为（认识、答错、记得、忘了、考试、游戏、Anki 复习）追加一条不可变事件 （事件溯源，Fowler, 2005）：{seq, source, type, t, ...}，上限 20,000 条 + 确定性压缩。

  • 状态 = fold(事件)：任何当前状态（含 FSRS 调度状态）都是轨迹的物化视图， 同一事件序列 + 同一时钟 ⇒ 同一状态（时空确定性）。
  • 可复现研究的经典原则（Buckheit & Donoho, 1995）：论文只是学问的广告， 可重放的计算才是学问本身。学习日志同理 —— 热力图、统计、复习队列全部可从日志重算。
  • 与仿真行业的呼应：确定性回放是 Jolt/Chaos Cache 的卖点， 也是 physics-simulation 调研中"确定性是稀缺资产"结论的落地。

支柱二：FSRS = 记忆模拟器

调度器从固定间隔（1→3→7→15→30 天）升级为 FSRS-5（与 Anki 同参数体系）：

  • R(t,S) = (1 + FACTOR·t/S)^DECAY —— 对"多久会忘"的确定性预测；
  • 每次复习按评级更新 (S, D)，间隔 = 保留率目标的函数；
  • 儿童两按钮 UI 只发评级 1（忘了）/ 3（记得）；2/4 由 Anki 导入事件带入；
  • 忘词 = 回炉（错题本立即 / 复习 10 分钟后），这是产品语义对 due 的覆盖，公式不变。

参数即物理常数：默认 FSRS-5 参数是"记忆物理"的公开常数， 同一事件流在 Anki 与 lazeword 中给出同一调度 —— 这就是"学习仿真"的保真度来源。

支柱三：packs = 可组合组件（学科即场景）

「科学就是按科分类」的产品化：每个学科 pack = manifest + 词表 + 可选题型代码， 构建时静态组合进单文件（零运行时插件加载，保持离线单文件形态）。

pack内容词数
english（内置）Vocabineer 947 + 校园 + Oxford 5000（KET/PET/FCE）4,014
mathEDB《數學科常用英漢辭匯》2020 + 算术练习/公式填空题型 + 公式参考页+1,600+
scienceEDB 科学 S.1-S.3 / 生物 / 物理 / 化学辞汇表+5,800+
geographyEDB《中學地理科常用英漢辭彙》2025+3,500+
autodrive（规划）取材自 physics-simulation 调研的自动驾驶术语（sensor fusion / LIDAR / world model / sim2real…）规划
culture（规划）公版经典（三字经/千字文/唐诗）反向词条：中文词 → 英文释义，粤普发音规划

三·五、与 dsh 的契约：时空可组合性

lazeword 的「时空确定性」不是自造概念——它的上游理论是 Cordis 框架的设计论文 《A Programming Paradigm for Spatiotemporal Composability》（Shi, Zhang & Cui，预印本）： 把插件树视为具有时空独立性的可组合单元，声明式组合、生命周期可逆。 我们对照 dsh 的工程约定（参考 antinomie-lab/dsh-explore 的逐行考证）逐条落地：

dsh 约定lazeword 的对应
三段式分包（Definition/Provider/Consumer）lazeword = 消费方插件（inject 6 个 client 包，消费 slots/locale 服务）；宿主 apply 为空 = 合规（纯 UI 插件无注册、无 dispose 面）
注册表式 vs 独占式服务packs = 构建期注册表：新学科/题型以 manifest 登记，构建时静态组合——高频变动停在 pack 层，不惊动核心
声明式组合（cordis.yml/patch 层叠/preset）cordis.patch.yml 一行 insert 进入编排层；构建管线 = 声明式的数据组合（marker 注入 + pack 合并）
一切注册走 ctx.effect（可逆生命周期）单文件内的一切动态注册走事件溯源轨迹（append-only + 确定性折叠）——同样无中间态、可精确回滚

发布前可用 dsh --profile web --dump-config 验证插件树层叠正确（见 README 发布检查清单）。

四、跨平台统一：Anki 是同一世界的另一扇门

  • 推送：词表一键同步进 Anki（createDeck + addNotes）；
  • 拉取：Anki 复习记录导入为 source:"anki" 事件，并入同一条轨迹时间线， FSRS 状态由合并后的完整事件流折叠得出 —— 单一事实源，双平台不打架；
  • 幂等：按 revlog id 游标去重；迁移快照（seed）是确定性 checkpoint。

五、产品决策记录（为什么这样做）

  1. 考试正确不产生调度事件 —— 考试是检验，不是复习；改期复习日程会惊吓用户。 首错仍入错题本（评级 1 + 立即到期）。
  2. 两按钮评级 —— 儿童用户只需要「記得 / 忘了」；Hard/Easy 留给 Anki 生态。
  3. 迁移不删旧数据 —— 旧 {stage,due} 保留 + 合成 seed 事件， 旧版本代码回滚仍可读。
  4. 数学题型不入词库错题本 —— 算术题的错不指向某个单词。
  5. 选项恒为正整数 —— 负数是另一个认知阶段的知识，不混入算术练习。

六、AI 学习队友：进化的诚实定义

lazeword 的 AI 能力（AI 故事、AI 讲解、dsh 集成）是工具，不是自封的"会进化的老师"。 可靠的"学习队友"建立在不自欺的地基上：

  • 事件溯源轨迹 = 队友的记忆（它读的是完整时间线，不是拍脑袋）；
  • FSRS = 队友的遗忘模型（它预测你何时会忘，而不是猜）；
  • dsh 插件化 = 队友的生长方式（新能力以插件加入，版本可审计、可回滚）。

"不断进化"的真实含义是：社区贡献 + 版本迭代 + 数据驱动调参 —— 而不是一个 不可验证的自进化承诺。善意 = 开源 + 署名 + 不夸大。

参考文献（2026-08 核实）

  1. Rao, R. P. N., & Ballard, D. H. (1999). Predictive coding in the visual cortex: A functional interpretation of some extra-classical receptive-field effects. Nature Neuroscience, 2(1), 79–87. DOI:10.1038/4580
  2. Friston, K. (2010). The free-energy principle: A unified brain theory? Nature Reviews Neuroscience, 11(2), 127–138. DOI:10.1038/nrn2787
  3. Clark, A. (2013). Whatever next? Predictive brains, situated agents, and the future of cognitive science. Behavioral and Brain Sciences, 36(3), 181–204. DOI:10.1017/S0140525X12000477
  4. Nation, I. S. P. (2006). How large a vocabulary is needed for reading and listening? The Canadian Modern Language Review, 63(1), 59–82. DOI:10.3138/cmlr.63.1.59（2,000 词族 ≈ 87.8% 小说 / 89.4% 口语；98% 需 6,000–9,000 词族）
  5. Brysbaert, M., Stevens, M., Mandera, P., & Keuleers, E. (2016). How many words do we know? Practical estimates of vocabulary size dependent on word definition, the degree of language input and the participant's age. Frontiers in Psychology, 7, 1116. DOI:10.3389/fpsyg.2016.01116
  6. Zipf, G. K. (1949). Human Behavior and the Principle of Least Effort. Addison-Wesley Press.
  7. Ebbinghaus, H. (1885). Über das Gedächtnis: Untersuchungen zur experimentellen Psychologie. Duncker & Humblot.（英译 1913: Memory, trans. Ruger & Bussenius）
  8. Ye, J., Su, J., & Cao, Y. (2022). A stochastic shortest path algorithm for optimizing spaced repetition scheduling. Proceedings of KDD '22, 4381–4390. DOI:10.1145/3534678.3539081
  9. Ha, D., & Schmidhuber, J. (2018). World models. arXiv:1803.10122；NeurIPS 2018 版：Recurrent world models facilitate policy evolution. NeurIPS 31, 2455–2467.
  10. LeCun, Y. (2022). A path towards autonomous machine intelligence (Version 0.9.2). OpenReview. https://openreview.net/pdf?id=BZ5a1r-kVsf
  11. Krashen, S. D. (1982). Principles and Practice in Second Language Acquisition. Pergamon Press；Krashen, S. D. (1985). The Input Hypothesis: Issues and Implications. Longman.
  12. Fowler, M. (2005, December 12). Event sourcing. https://martinfowler.com/eaaDev/EventSourcing.html
  13. Buckheit, J. B., & Donoho, D. L. (1995). WaveLab and reproducible research. In Wavelets and Statistics (Lecture Notes in Statistics, vol. 103), 55–81. Springer. DOI:10.1007/978-1-4612-2544-7_5
  14. 香港教育局辖下语文教育及研究常务委员会（SCOLAR）：Biliteracy and Trilingualism Campaign. https://scolarhk.edb.hkedcity.net/en/Biliteracy_and_Trilingualism_Campaign/index.html
  15. Shi, Y., Zhang, W., & Cui, T. A Programming Paradigm for Spatiotemporal Composability. 预印本（草稿 2026-08-13，持续修订）github.com/cordiverse/paper。（dsh 时空可组合性的理论根基；机制考证见 antinomie-lab/dsh-explore《Cordis 在做什么：从 DeepSeek Harness 看》）
  16. memvid（2026，Apache-2.0，Rust）：AI 记忆库——全文/向量/时间三层索引合成一个 .mv2 文件（WAL + 数据段 + 索引段）。「好的抽象不是加一层，是把三层合成一个文件」：lazeword 的单文件哲学（轨迹 + 状态 + 词库合一）的行业印证；亦是 dsh AI 老师记忆库的候选基础设施（见应用内生態推薦）。https://github.com/memvid/memvid

路线图：世界模型 × 教育内容（近 / 中 / 远期）

学科融合游戏与本地 AI 内容生成是两条主线。诚实标注硬件依赖：

阶段内容依赖
近期单词五子棋已上线；3D 单词赛车（学科场景：数学/地理/自动驾驶/文化主题赛道）；AI 故事配图Web 技术即可（canvas/WebGPU）
中期本地 LLM（如 antirez 的 ds4：DeepSeek 4 纯 C + Metal 本地推理，21k+★）→ AI 故事/讲解零 API 成本、完全离线；本地语音（voxtral.c / qwen-asr）→ 可靠的跟读打分与语音控制（替代不可靠的浏览器语音识别）Apple Silicon + 16GB+ 统一内存
远期本地世界模型生成学习视频（antirez 的 h3.c：MiniMax-H3 视频生成；iris.c：Flux 2 图像生成）→ 单词场景短片（"red fox walks through snow" 学 forest/fox/snow）、科学演示动画M3 Max/M5 Max 级硬件

与 antirez 系列的哲学共鸣：vertical slices、deterministic first、纯 C 零依赖、本地离线 —— 与 lazeword 的「时空确定性 + 单文件零依赖 + 离线优先」同一 DNA。 这也正是「AI 学习队友」的本地化终局：世界模型在家庭设备上运行，不依赖任何云。

署名

数据与代码的完整来源、许可与用途限制见 ATTRIBUTIONS.md。