打开天窗：374 句口述、1493 个词、1 条别名

2026-08-29 更新：这篇里「词库会随麦作为提示带给识别引擎」的说法，从 0.1.111 起不再成立。真机事故：Grok 识别在列举语境里把几十个词库提示当成了用户说过的话，直接抄进原始转写。现在第一遍识别只听音频、不接收词库；个人常错词改在识别之后按当前句实际命中来匹配，再交给整理 AI。

词典没有被删，「越用越准」也没有变——变的是它参与的时机：从「事前提示」挪到「事后纠正」。经过见 词典自己开口说话了。

上一篇《越用越准，不是换一个更强的模型》讲了流程。流程讲完总有一句反问：空口无凭，数据呢？

行。这是 James 自己这台 Mac 上，今天（2026-08-24）的全部学习数据。不是挑好看的展示， 是原样摊开——连我们自己的毛病一起。

全部家底

Kiosk 那条别名，数据库里长这样

CREATE TABLE aliases (
    wrong TEXT PRIMARY KEY,
    right_term TEXT NOT NULL,
    approved INTEGER NOT NULL DEFAULT 0,
    created_at REAL NOT NULL,
    hits INTEGER NOT NULL DEFAULT 0
);
-- 实际数据（一条不多一条不少）：
-- Kels | Kiosk | approved=0 | hits=0

approved=0：James 还没批准它，所以它现在不生效——候选默认不动手，这是设计。 hits=0：它还没帮上过忙。等它开始工作，这个数字会记下它每一次替换； 如果它误伤，停用和删除的按钮就在词典页。「越用越准」是否成立，看这些数字，不看形容词。

词典里都是什么词

真实样本（这些名字 James 在公开博客里本来就提过）：

Kuvex · Hante · Sunmi · Elavon · Fiserv · Tsys · Kozen
CR100 · D3Pro · P3Mix · P3H · CPadPay · ISV · Agent

这就是一个做支付的人的日常词汇。通用模型不认识 Kuvex，也分不清 P3Mix 和 P3H—— 这些词进了词典、随麦带给识别，才是「这台电脑认识你」的物质基础。

数据里我们自己的毛病，也摊开

原样贴两条真实词条：

Keyus是类似的      ← 这不是词，是纠正时被切碎的句子片段
汉特支付公司 在做   ← 同上，抽取规则过宽的产物

1493 个词里混着这样的碎片。抽取规则还不够聪明，这是已知问题—— 写在这里，不是等被人发现才承认。开放数据的头一天，数据里就有毛病，这才是真实的产品。

让大家参与进来

我们就是做工具的，没有魔法。你可以：

• 在自己的 Xtype 里打开词典，对照这篇看你自己的数据长什么样；
• 觉得学习闭环缺了哪一环、哪个数字该公开没公开——App 里点「AI 提需求」直接说， 或写信 [email protected]；
• 以后每当我们说「越用越准」，都会像这篇一样带上原始数字。说到做不到，你拿这篇对质。

你的数据永远只在你的机器上——这篇公开的是 James 自己的，他愿意。