我给自己做了一个离线背单词 App,顺便上了一堂工程课

OFFLINE · ANDROID · 一个人的项目

事情的起因很简单：我想在手机上刷一本词根词汇书。结果刷着刷着，刷出了 30 个单元、1,200 个词条、3,220 道题，还有一个不联网、没账号、没广告的安卓应用。这篇文章讲讲它是怎么长出来的。

2026 年 8 月 · 文中截图全部来自真机操作，未裁切未修图

01 · 先看看成品

我对“做完”的定义很朴素：打开应用，从第一单元一路滑到第三十单元，每一张卡片点进去都有真东西。

图 1 书架首页。30 个单元全部就位，当前学的单元用浅色卡片标出来。

图 2 滑到底，Unit 27–30 还在，编号连续，没有空壳卡片凑数。

图 3 点开一个单元：40 个词、8 个拉丁词根、108 道题、学习进度，一眼看清。

底部五个入口各管一件事：书架选内容，概览看进度，课程负责学，测验负责考，练习负责用。各管各的，互不抢戏。

02 · 课程

图 4 每个单元拆成五个主题阶段。阶段标题、词根顺序、配色，全部来自数据，不是写死在界面里的。

做 Unit 1 的时候，我偷了个懒，差点把阶段信息直接写进代码。Unit 2 一来就发现不行——于是把整套结构搬进数据模型。后来的事实证明这一步很关键：之后 28 个单元只需要喂数据，一行界面代码都不用改。

03 · 双语设计

图 5 词条默认全英文：释义、例句、词源故事，还能点喇叭听系统朗读。

图 6 看不懂？点开这一个词的中文就行，别处的英文氛围不受影响。

我的想法是：先逼自己用英文理解，实在扛不住再叫中文来救场。中文是脚手架，不是天花板。而且展开精度可以到单个词条、单段词根，很克制。

04 · 测验

图 7 答题前，界面干干净净，不会提前泄题。

图 8 答错了：错的标红、对的标绿，你选了什么、答案是什么，写得明明白白。

图 9 有的题本来就有两个正确答案，界面自动从单选圈变成复选框，而不是硬把题改成单选。

测验题严格保留原书的题干和选项——内容忠实，交互现代。即时出分、逐题解析、最佳成绩存在本地。

05 · 练习

题目从已审核的单元数据里现场出，不要网络，也不会冒出莫名其妙的随机知识。

图 10 词义辨认：看着单词挑释义。

图 11 答对立刻反馈，顶部的正确率同步刷新。

图 12 拼写：给中文提示和音标，自己把单词敲出来。

图 13 词根分类：把单词送回它的词根老家。

图 14 例句填空：从真实例句里挖空，让单词回到语境里去。

四种模式分别练识别、主动回忆、结构归类、语境运用——同一份数据，四条记忆通路。

06 · 写作工坊

图 15 每个词要写三个不同的原创句子。会认不算会，能用才算。

图 16 本机先做一轮“老实人检查”：含不含目标词、首字母大写没、结尾标点有没有、词数够不够、三句重不重。逐条列给你看。

图 17 检查全过后，才解锁“复制批改请求”和“分享到 AI 应用”。

图 18 应用只把整理好的请求交到你手上，自己绝不联网偷跑。

图 19 拿 elevation 造三个句子，形式检查全绿，放行。

图 20 句子 1 拿了三项高分，评语原样存回本地。

图 21 句子 2 被抓出搭配问题：“elevation map”不地道，改法也给了。

07 · 隐私

图 23 每个单元的进度各记各的账，互不干扰。

图 24 应用被系统杀掉再打开，还会回到你上次学的那个单元。

• 所有内容打包进安装包，运行时一个字节都不下载；
• 应用根本没申请网络权限——想联网都没门；
• 没有账号、没有统计上报、没有广告、没有云同步；
• 连系统备份都关了，学习记录不会悄悄跑进云端；
• 发音用的是手机系统自带的 TTS。

进度和成绩存在本地，靠稳定 ID 挂靠：以后加新单元，旧的学习记录纹丝不动。

08 · 内容工程

这本书有四份来源文件：结构化英文、英文 PDF、双语 PDF、OCR 文本。听起来很多？问题是它们互相打架。双语 PDF 里断词、错字、栏目错序是家常便饭，OCR 更是只能用来定位，不能直接信。

所以规则是：每一段中文、每一个音标、每一道答案，都要对着渲染出来的页面人工核一遍。程序能证明“这个字段有值”，但证明不了“这个翻译是对的”。

09 · 生产线

Unit 1是探路：设了六道关卡，从工具链到样本、到完整数据、到网页预览、到原生预览、最后才打包安装。内容不靠谱之前，绝不动手写界面。

Unit 2逼着架构长大：书架、目录、数据驱动课程、双答案题、进度隔离，全在这一步补齐。Unit 3跑通了从审核到上架的完整流水线，还正式复了一次盘。

后面 27 个单元就上了流水线：最多三个单元同时备料，但真机验证只有一条通道，进“正式书架”也只有一条通道。备料可以乱序完成，上架必须按 4、5、6……30 排队——慢的不挡路，快的不插队。

10 · 踩坑记录

• 校验规则太紧也会误伤
  ：早期规则只认短词条，真实的三词词条被拒收。系统停下来，人工批准后才谨慎放宽——这种“拦错了”比“放错了”值钱。
• 环境抽风 ≠ 产品坏了
  ：构建缓存、沙箱权限抽风时，正确姿势是记录环境、重跑检查，而不是安慰自己“大概没问题”。
• “我建了任务”不算数
  ：批处理时一个内部子任务被误当成正式任务，其实根本没启动。从此任务必须绑定外部可见的 ID 和产出物。
• 不可信的草稿整个扔
  ：词数不对、题目缩水、占位题的旧草稿，不打补丁，回到原书完整重建。
• 格式合法 ≠ 人人会读
  ：有个字段允许为空数组，结果安卓端压根没处理这种情况，真机一跑就露馅——端到端验证省不得。

11 · 一点感想

模型会不会写代码，不是交付的关键。可信来自另外一些东西：明确的授权、每条结论背后的证据、人来做的内容判断、可复现的构建、受控的并行，以及——证据不够的时候敢于停下来。

• 上下文长不等于记得清
  ：窗口再长，也分不清“三个月前的禁令”和“昨天的新授权”，项目记忆得按事件建模。
• 批准会漂移
  ：同意做架构 ≠ 同意批量生产 ≠ 同意发布。授权最好变成机器可检查的清单，而不是靠回忆。
• 并行有隐形成本
  ：三个任务同时跑，速度不是乘三——模拟器、构建目录、状态文件都是共享的。这个项目最有效的一句话是：

写在最后

回头看，这个项目做的不只是一个背单词应用。它验证了一件事：当输入是四份互相矛盾的双语材料，当干活的是人加一堆 AI 代理，当任何一处“看着没问题”的错译都会顺着流水线灌进 30 个单元——工程要做的事，远比“生成代码”多。