english-multiple-choice-practice-machine
墨题（English Multiple Choice Practice Machine）是开源的本地优先英语学习工作台，为考研、四六级、高考考生提供题库练习、FSRS 间隔重复词汇复习、错题迭代与 AI 学习辅助。项目内置自建 AI 模拟卷及 7958 词库，支持 Windows/Web/Android 三端运行。
Ficha actualizada 23 sept 2026, 12:04 · upstream 23 sept 2026, 12:01 · release v2.2.0
Qué es english-multiple-choice-practice-machine
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
墨题是一套可持续导入、整理、练习和复盘的英语学习工具，而非封闭题库。项目覆盖 Windows/Web 与 Android 平台，个人数据默认保存在本机。使用者可以导入 Word/PDF/ESQ 格式的题库及听力附件，按年份、卷别与题型进行整卷或整篇练习；选项可打乱顺序以增强记忆效果。
核心功能包括：FSRS 间隔重复词汇复习系统、错题本支持迭代递减（重做时保留文章语境但只针对错题）、AI 学习助手（模型配置、对话、错题分析、题库标注等）、口语陪练与作文批改。题库可通过 ESQ 格式导入导出，个人练习数据不写入分享包。
项目采用 GPL-3.0-only 开源协议，支持本地优先架构，所有题目解析由用户确认后才写入正式题库，确保学习内容的可控性与合法性。
- 考研/四六级备考：通过内置 AI 模拟卷进行全真模拟考试训练，提升应试能力
- 词汇记忆复习：利用 FSRS 间隔重复算法管理四级、六级及考研英语核心词汇的复习进度
- 错题迭代优化：系统自动记录错题并支持重做与迭代分析，帮助巩固薄弱环节
- AI 辅助学习：通过模型配置进行作文批改、口语陪练、题库标注与智能问答
- 多端同步练习：Windows/Web/Android 三端数据互通，支持跨设备复习进度同步
- 内置 12 套项目自建 AI 模拟卷（含考研一/二方向），无需 API Key 即可使用
- 7958 全类别核心词汇库覆盖高中至六级，包含音标与双语例句
- 支持 Word/PDF/ESQ 题库导入导出，支持 ESQ 1.0 及 1.1 格式分享
- FSRS 间隔重复系统自动管理复习队列，错题本支持迭代递减机制
- 本地优先架构，所有数据默认保存在本机，API Key 使用 DPAPI/Keystore 加密存储
- 提供 14 枚成就徽章与学习热力图（GitHub 贡献统计）作为激励反馈
- 题库为自建 AI 模拟卷而非真题，无法完全替代真实考试环境下的训练
- 部分功能如动态组卷、防作弊事件记录处于开发阶段（v2.1.x），尚未稳定发布
- AI 模型依赖外部服务可用性，若 API Key 失效或模型不可用则无法使用相关辅助功能
- PDF 解析对扫描版或水印严重文档支持有限，建议优先使用 Word/DOCX 格式
- Android 端仅支持竖屏上下分区布局，横屏适配待优化
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Windows: 安装 Python 3.12+、Node.js 22+、npm 10+，执行 `py -3.12 -m venv .venv` 创建虚拟环境并运行 `run_app.py`,Web: 使用 Docker Compose 启动服务（Dockerfile 已内置），支持 Nginx + Vue 前端部署,Android: 通过 Android Studio 构建 debug APK，需配置 Keystore 加密 API Key,数据库：默认使用 SQLite 本地存储，可通过 `db.sqlite` 文件备份数据,模型服务：支持 Ollama、LM Studio 等本地模型运行器，也可连接 OpenAI-compatible API,CI/CD: GitHub Actions 自动构建 Docker 镜像并部署到 Docker Hub
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.