读到一段看不懂的，复制，切窗口，粘进聊天框，问它。它不知道你在读哪本书、读到第几章、这句前后写了什么，也不知道你的英语到什么程度，于是默认按母语者的口径回答你。看完切回阅读器，刚才读到哪儿还得再找一遍——而那个答案是悬空的，想核对原文只能自己翻。
Lantern 是反过来做的。 它是一款 macOS 和 Windows 上的桌面阅读器，本地优先，用你自己的 AI 服务。它不把书一段一段搬进聊天窗口，而是把 AI 放进书里——那些你懒得每次交代的事，它一开始就知道。
具体是五件事：
- 它拿得到上下文——你的英语水平、读到哪、在读哪一本哪一章、选中处前后是什么，都随每一次请求过去。
- 它说的每一句都能点回原文——给的不是一个孤零零的答案，是能带你回到书里那一句的答案。
- 你读过的，它自己在记——哪个词你已经不查了、哪个词你又栽了一次、这本书对你难在哪，都从你读书这件事本身长出来，不用你打卡。
- 它说什么、怎么说，由你写——预设模块不合用，自己写提示词造一个。
- 它甚至可以不是它——通过 MCP 把书库和生词本交给 Claude Code、Codex，换成你惯用的 AI 来读。
一个通用聊天窗口拿到的只有你粘进去的那几行字。Lantern 每次请求带过去的，还有下面这些——不需要你交代，也不需要你重复交代：
| 它知道 | 于是 |
|---|---|
| 你的英语水平 | 解释的用词和句子复杂度跟着变，而不是永远按母语者的口径来 |
| 你读到哪 | 默认不拿你还没读到的地方来回答你 |
| 你在读哪一本、哪一章 | 认得出书里的人名、地名和前情，不用你每次说「这是《XX》里的」 |
| 选中处前后是什么 | 先定住这个词在这里的意思，再展开——而不是罗列词典义项让你自己挑 |
| 整本书 | 答案是从书里检索出来的，不是靠模型对这本书的记忆 |
多数阅读工具的「英语解释」是一个开关：打开，就给你一段接近母语者的英文。对 B1 的读者来说，这段解释本身就是新的障碍。
Lantern 把英语水平当作每一次请求的条件，而不是界面上的一个偏好。你可以直接填 CEFR 等级（A1–C2），也可以填雅思、托福、托业、剑桥英语、DET 或四六级成绩，由应用换算。A1–A2 以准确的中文义打底，配一句当前水平读得懂的英文；B1 以英文为主，抽象和易误解处保留中文辅助；B2–C2 给更自然、更深入的英语解释。
但「照顾水平」很容易滑向另一个毛病：为了简单而牺牲准确。所以还有一条硬规矩——解释里如果非用一个超出你水平的词不可，那就保留它，并且当场就地加注，用几个更简单的英文词或一个中文括注说清楚。不许换成更含糊的词，也不许扔在那儿让你另外去查。
选「英语优先」因此不等于接受看不懂的母语级解释——解释本身也是可理解的输入。
它默认不会拿你还没读到的地方来回答你。 一旦提前知道后面发生了什么，你的思路会不自觉地朝那个方向收拢——你本来会自己琢磨出来的东西，就没有机会出现了。
所以「阅读思考保护」把回答限制在你已读过的范围内，答案上标明「已按你的阅读进度回答（前 X%）」；确实想要完整答案时，点一下「结合全书重新回答」。这个开关可以按书单独设，检索范围也由你定：自动、只看选区、只看本章、或者全书。
这条边界也延伸到人物和术语。读到一个想不起来的人名，或者反复出现却没说透的意象，直接从正文打开一张轻量卡片：身份、别名、已知关系、此前出场，以及这个术语在这本书里的含义。卡片默认只看到你当前读到的位置。 确实需要整书视角时，它会先说明这会包含未读情节再让你确认，而且只对这一次生效——关掉卡片，下次仍然从无剧透的范围开始。
开始读一章之前，你可以先让它把这一章里你可能不认识的词和短语列出来。它给你的是一份长清单——而清单里每一条后面都跟着一个角标，点一下，书就翻到那个词所在的那一句。读到一半想问剧情也一样：它不会甩给你一个答案就完了，而是把依据一起给出来，每条依据同样可以点。
这不是「回答下面附一个参考列表」。做这件事最好的产品是 NotebookLM，但它的引用只能跳到侧栏里的一段文本——Lantern 本身就是阅读器，所以引用跳回的是书里真正的那一页、那一句，落点还会闪一下，告诉你眼睛该看哪。
- 引用是内联的。 回答正文里带角标，末尾再列成一排，两处都能点。一次生词清单引用三十几处也不会乱。
- 定位是按原文找的，不是按页码猜的。 EPUB 拿原文片段在对应章节里精确搜索，找不到就换备用片段，再不行退到章节开头；PDF 跳到对应页；纯文本按字符偏移定位。
- 答案是从书里检索出来的，不是靠模型记忆。全书建了全文索引，配了 embedding 服务还会叠一层语义检索——所以冷门书、新书和你自己的文档，它一样答得准。
- 而且它受上一节那些约束。 引用不会来自你还没读到的地方——所以「读之前列生词」才成立：它扫的是你即将读的这一章，不是整本书。
聊天软件里的历史记录是一条越堆越长的流水：你三天前问的那个句子，混在报销流程和菜谱中间，翻回去找不到，找到了也想不起来当时读到哪。生词本是同一个毛病——词孤零零躺在列表里，和它出现的那一句断了联系，剩下的只能硬背。
Lantern 里存下来的东西都还连着书。生词、笔记、解释、对话各自按书归类，可以搜，每一条旁边都挂着「跳回原文」，点下去落回的不是书的开头，是当时那一句。生词卡上还留着它出现的那段原文，和它在那一句里的意思——不是词典里的第一个义项。
选中一段话点「解释」，结果也不再是看完就没。每一次解释都会自动留一份缓存：下次在同一本书里选中同一段，立刻出结果，不再花一次 API 调用。觉得值得留着，再按一下「保存解释」，它才进入你的解释列表——缓存是省钱的，列表是你挑的，两件事分开；忘了按也没损失，回去重选一次就还在。
笔记不必离开正文去找：页边笔记轨把笔记卡放在它所引用的段落旁边，正文为它让出空间，点一条笔记，原文与笔记仍在同一个视野里。对话更进一步——书打开的同时，那段对话也跟着回到侧栏，你接着上次的话头继续问，里面的角标依然是活的。
所以不只是「它说的每一句能点回原文」，是你在 Lantern 里攒下的一切，都长在书上。
前两节讲的都是「你问，它答」。但读书这件事里，你不问的时间远比你问的时间多。
多数背单词工具把这段时间也变成了任务：推送、红点、连续天数、今天还差几个词。Lantern 定死了三条相反的规矩——不推送、不弹窗、不在应用图标上挂角标，侧边栏入口旁边最多一个灰色数字。灰数字是信息，红点是催促，这一步之差就是分界线。复习永远是你自己走进去的，不是系统推给你的。
不催你，靠什么让词真的往前走？靠你读书这件事本身。
一个词出现在你读过的那一屏上，而你没有查它——这就是「你认识它」的证据。Lantern 把它记下来，够了就自动升一档：新词 → 学习中 → 眼熟 → 已掌握。
反过来也一样：一个已经升上去的词，你又查了一次，它退回一档；反复查，再退一档。「以为会了、结果又查了」不是失败，是一条比任何测验都真实的信号，所以它被当成信号用。
同一章里连着遇到五次，不等于记住了五次——集中重复对长期记忆的贡献本来就小，所以同章内的重复递减计入。但递减不等于清零：你辛苦读了五次进度一点不动，那是明着打击人。
每个词都能翻出**「它是怎么走到这一步的」——哪一天、在哪本书里、跨了几天读到几次没查、哪一次复习把它评成了什么。你不同意，卡上永远有一个「我其实不认识」，按下去立刻退回去。掌握度按词**保存，同一个词在几本书里读到，共用一份进度。
主动想练的时候进来，看到的不是算法排好的队列，而是几堆词，每一堆都写着它为什么成堆：你在《X》里反复查的词（同一本书查了不止一次，它是这本书的拦路虎）、以为会了结果又查了（自动升早了）、刚读完那一章里你查过这些（趁着还有印象）、很久没再遇到的词（收藏了但书里一直没再出现，没有故事可讲，所以就放在这儿）。
真正开始练时，原句不会被丢掉。Lantern 把生词从原句里挖空，第一层提示是读音，第二层是你已保存的中文句意，最后才揭开答案——不拿字母数和首字母替你猜。间隔安排走 FSRS。
读完一章，正文末尾会多出一行小字：「这一章你查了 N 个词。趁着还有印象，过一遍 →」。就一行，不喜欢可以永久关掉。
「这本书是 B2 级」是出版社封底干的事，而且不准。Lantern 回答的是另一个问题：这本书对你来说生词多不多。
导入一本书时，它在本机把全文的每个词映射到一张五万词的词频表上，得到一条频段分布——这条分布本身就是结论，页面上给你的是那根堆叠条和一张逐频段的表。等级只是分布的粗糙摘要，所以结论永远是一句带对冲的话：「这本书的用词，比你平常读的难不少，可能会查得比较累。」
它还有三条自己划的边界：永远不会自己改动你的水平设置（证据再强也只提醒，不代劳）；书太短、或者这个格式取不出正文，就直说不下结论，而不是硬给一个数字，但分布仍然照常显示，因为那是真实统计；全程在本机完成，不联网，也不消耗任何 AI 额度——这是查表统计，和 AI 没关系。
上面这些里，有几件会在你不操作的时候自己调用 AI，用的是你自己的额度。这类功能最容易变成看不见的账单，所以 Lantern 把它们全部收进一个叫「自动分析」的页面，一项不漏：
- 每一项写清它做什么、什么时候触发、会发送哪些数据（比如「会发送：书名、你查过的词和原句」）。
- 每一项旁边是近 30 天跑了几次、大约用掉多少 token，顶部是总数和「相当于你自己动手用量的百分之多少」。
- 用量是服务商返回的确切数字，不折算成钱——缓存命中、峰谷时段、阶梯计价，只有服务商自己算得准。页面直接给出对应服务商的用量页链接。
- 全部关掉也不影响使用：每一项在各自页面里都留着手动按钮，顶部还有一个「全部关闭」。
- 失败不静默：断网、额度用尽、没配 AI、模型出错，都会在对应页面留下一张待生成的卡片。真正不打扰你的，只有你自己把开关关掉这一种。
很多阅读统计最后都变成另一种打卡：连续多少天、今天还差几分钟。Lantern 记录阅读，是为了让你隔一段时间回头时，能看见时间真正留给了哪些书。
同一个入口里三个视角：阅读历程按书回答「读了什么、读到哪、花了多久」，阅读日历按日期找回某一天打开过的书，学习回答这段时间词汇上发生了什么。共用范围和筛选，不设排行、连续天数或惩罚。连续 5 分钟没有阅读活动会暂停计时，少于 30 秒的片段被丢掉——打开书找一句话，不算一次阅读。
更像人写的回顾可以交给 AI 组织语言，但事实先由 Lantern 在本地确定性计算，AI 只负责叙述，不能重新计算，更不能补出不存在的数据。首次生成前会说清服务商、发送范围和大致额度；默认发送可复算的结构化事实，不发送正文、高亮原文、笔记正文或未读内容。
一张查词卡上该出现什么？语境含义、词性、常见义项、搭配、词根词缀、语法角色、近义词、用法、记忆提示、原句出处——Lantern 内置了这些模块，单词卡 11 个、短语卡 8 个、段落卡 9 个，每一个都能单独开关、排序、设默认展开状态和内容密度。
但预设不该限定你的学习方法。 现有模块不够用，你可以自己造一个：起个名字，写完全属于你自己的提示词（最长 2000 字），让它基于当前选区、上下文和书籍信息生成内容，然后加进单词、短语或段落卡片，和内置模块一起显示、隐藏、排序、设展开。设置里能即时预览卡片结构，确认要看真实效果时才调用一次真正的 AI。每种卡片最多 8 个自定义模块，另外还能建 6 个自定义选区操作，绑快捷键或双击触发。
于是你可以做出面向雅思的长难句拆解、用于文学作品的修辞与叙事视角、用于专业书籍的术语与前置知识、用于写作积累的可复用表达，或者只保留最少信息、不打断沉浸阅读的极简查词。
前面几节讲的都是「Lantern 把上下文给了它内置的 AI」。但那些上下文凭什么只有它自己能用？
Lantern 内置了一个 MCP 服务器。打开它，Claude Code、Codex 这些 AI 客户端就能直接读你的阅读数据——你不用复制粘贴任何东西：书目、合集、元数据与索引状态；你的 CEFR 等级和雅思 / 托福等成绩（和内置 AI 用的是同一份）；生词本、掌握状态、统计、查询历史、词形标记；高亮、书签、笔记、书内对话历史、全书与章节摘要。
一共 29 个工具：12 个只读上下文查询、一个「在阅读器中打开」动作、16 个写入工具。默认只读；写权限（导入书、删书、建合集这些）是一个单独的开关，默认关着——把数据交出去和把控制权交出去是两回事，不该捆在一起。删数据或覆盖式导入还会针对那一次操作单独确认；MCP 不会替你的 AI 再去调用模型。
于是你可以在终端里直接问：「按我的英语水平，从我书库里挑三本能读下去的」「把我这个月标为『学习中』的词整理成一份带例句的清单」。它读的是你真实的阅读记录，不是你临时描述给它听的版本。
解释口径、检索范围、卡片模块、标记的颜色和形状、快捷键、朗读音源、三击选中什么、选中文字后弹出什么——Lantern 里几乎没有写死的地方。 但「什么都能调」如果意味着「你得先调完才能用」，那只是把活推给了你。所以每一项都有默认值，而且认真想过。三个例子：
默认值会告诉你代价。 标记样式里加粗和换字体默认关闭——它们会改变文字宽度，分页模式下一个标记就让这一页重新排版。颜色、背景、下划线不会移动任何文字。想要就打开，但你得先知道代价。
默认值会拦你一下。 应用自己也在正文上画东西：朗读位置是一层冷蓝洗色，生词 / 学习中 / 已掌握是三档下划线，从暖橙到青到灰色虚线——那是一条「注意力逐步撤走」的渐变。你挑的颜色如果和它们太接近，设置里会当场提示「正文里可能分不清」，并指出撞的是哪一个。这个判断是把两个颜色在真实纸底上混合之后再算色距，不是比 HEX——一个洗色和一条下划线在色板上离得远，铺到纸上可能就分不开了。
默认值管的是「词」，不是「字符」。 你在书里查了 run，后面出现的 ran / running / runs 按字符匹配一个都标不上，但对读者来说它们本来就是同一个词。所以「标记单词时」有三档：仅当前位置 / 全书相同拼写 / 同单词各词形。词形不用手动录入——点一下让 AI 生成，也可以一键批量补全（分批并发、失败重试、随时可取消）；生成完还能改，改过的记成你自己的版本，不会被后续批量生成覆盖。
排版也是同一套逻辑：先有一套全局默认，一本书可以保留自己的例外。设置面板会明确告诉你当前是「本书单独设置」，并允许你恢复全局、把这本书的效果提升成新的全局默认，或者再挑几本书一起应用——不为了管理作用域再叠一个弹窗。
- 下载安装 —— 从 Releases 取对应平台的安装包。
- 填一个 AI 服务 —— 「设置 → AI 服务」，填 OpenAI 兼容 API、Anthropic、Ollama 或自建网关，测试连接。密钥只存在这台设备上。
- 拖一本书进来 —— 把 EPUB / PDF / TXT 拖进书库，打开它，双击任意一个单词。
想让它更贴合自己：去「设置 → 学习偏好」填英语等级，去「设置 → 划词与卡片」调你想看的模块。
| AI 理解 |
语境查词 · 短语释义 · 段落解读 · 整段翻译 · 书内持续对话 · 每条回答带可点击的原文引用，点一下跳回书里那一句 · 全文索引检索，配了 embedding 再叠一层语义检索 · 回答范围可选自动 / 选区 / 本章 / 全书 · 阅读思考保护：默认只用你已读过的部分回答，可一键改为结合全书 · 人物 / 术语轻卡整理身份、关系、书内含义与此前出场，同样默认截至当前位置 · 明确展示本次带进对话的原文，可随时移除 · 对话与解释按书归档、可搜索，一键跳回原文；解释自动缓存，同一段再选中不花第二次调用 |
| 学习闭环 |
生词本 · 查询历史 · 四档掌握度（新词 / 学习中 / 眼熟 / 已掌握），读到不查自动升、又查一次自动退 · 每个词可查「它是怎么走到这一步的」时间线，随时按「我其实不认识」拨回 · 掌握度按词保存、跨书共用 · 复习页按来由分堆（本书反复查的、以为会了又查的、刚读完那章查过的、很久没再遇到的），不是算法队列 · FSRS 间隔重复 · 原句挖空复习，读音 → 已保存中文句意 → 答案逐层提示 · 章末一行小字提示回顾，可关 · 笔记中心与页边笔记轨 · CSV / JSON 词汇导入导出 · 高亮、生词与备注导出为 Markdown / CSV / Anki CSV |
| 书籍难度 |
导入时在本机统计全书词频，映射到五万词词频表的各频段 · 给出堆叠分布与逐频段表，等级只作粗糙摘要且措辞带对冲 · 与你读完并分析过的书对照给出相对判断 · 不联网、不消耗 AI 额度、永不自动改动你的水平设置 · 文件过短或格式取不出正文时明确不下结论 |
| 正文标记 |
查词后自动标记 · 三档匹配范围：当前位置 / 全书同词 / 同词各词形（AI 一键生成或批量补全，可手动改）· 已保存生词可显示词上小字或页边释义，无需再次调用 AI · 手动高亮 · 手动与自动两套独立样式，各含颜色、透明度、高亮 / 下划线 / 加粗与字体 · 选色撞上系统标记时当场警告 · 不改动原书内容 |
| 阅读体验 |
暖色纸感主题与自定义背景色 · 自定义字体导入与设备本地增强字体包 · 字号、行距、字间距、词间距、页边距、两端对齐、语言断词、段距、首行缩进 · 全局默认与本书单独设置，可恢复或提升为全局 · 滚动与分页切换 · 书签 · 目录侧栏 · 阅读进度 · 页边笔记轨 · 多窗口同时读多本 · 合集文件夹管理书库 · 读完一本时就地标记已读完 |
| 朗读 |
四种音源：词典真人录音 / 系统语音 / Edge 神经语音 / 自定义 OpenAI 兼容 TTS · 自动按内容长短和语言选音源 · 顶部连续朗读播放器：上一句 / 下一句 / 暂停 / 停止 / 语速 · 自动跨段、翻页和章节 · 逐句跟随高亮 · 暂停后从停下的地方继续 |
| 阅读回顾 |
阅读历程 / 阅读日历 / 学习 三视图 · 按范围和书籍筛选 · 5 分钟闲置暂停、30 秒以下片段丢弃 · 本地可复算的时长、会话、书籍和阅读天数 · 可选 AI 回顾只负责叙述结构化事实，主动生成、发送范围可见、结果本地缓存 |
| 额度与自动化 |
一个页面列出所有会在你不操作时调用 AI 的任务，每项写明触发时机、发送哪些数据、近 30 天次数与 token 用量 · 顶部汇总与「全部关闭」· 用量取服务商返回的确切数字，不折算成钱，并给出服务商用量页链接 · 关闭任一项后对应页面仍保留手动按钮 · 失败留下待生成卡片，不静默跳过 |
| AI 服务 |
OpenAI 兼容 API · Anthropic · Ollama · 可选 OpenAI OAuth · 可加多个服务并设优先级 · 每个服务可存多个 Key，输出开始前按优先级自动试可用的 Key 和服务 · 连接测试与模型发现 |
| 集成与工具 |
MCP 服务器——把书库、生词本和笔记开放给 Claude Code、Codex 等 AI 客户端，写权限独立开关且默认关闭 · 扫描版 PDF 的 OCR · 可编辑的书籍来源站点列表 · 书籍元数据编辑 · 应用内检查并安装更新 |
| 平台 | 支持范围 |
|---|---|
| macOS | macOS 12 Monterey 或更高，仅 Apple Silicon（M 系列）。主要平台，功能最全。 |
| Windows | Windows 11 x64 安装包。可本地阅读并使用全部 AI 功能，不含 iCloud 文件夹同步。 |
| Intel Mac · Linux | 当前不提供安装包。 |
| iOS | 开发中，尚未发布。进度见 路线图。 |
| 格式 | 导入方式 | 阅读控制 | 选择与手动高亮 | 自动词汇标记 |
|---|---|---|---|---|
| EPUB | 原生阅读 | 字体、行距、页边距、滚动 / 分页 | ✅ | ✅ |
| TXT · Markdown · HTML | 保留原文件，转换为稳定的内部 EPUB | 同 EPUB | ✅ | ✅ |
| 原生阅读 | 主题、缩放、单页 / 双页、滚动 / 分页 | 有可用文本层时 ✅ | ❌ | |
| MOBI · AZW · AZW3 · FB2 · FBZ | 通过 Foliate 原生解析器 | 渲染器支持时可用流式控制 | ❌ | ❌ |
| CBZ | 原生阅读 | 仅主题 | ❌ | ❌ |
不支持 DRM，也不保证完美渲染每一种出版商特定的文件变体。
- 书库数据本地优先。 书、阅读进度、生词本、笔记和阅读统计都存在这台设备上。
- API Key 与 OAuth 令牌只保存在本机的凭据数据库里，不会返回给界面层，也不参与同步。
- 需要多设备同步时，在设置里选一个你自己 iCloud Drive 里的文件夹，每台 Mac 选同一个。应用把事件日志、书籍和封面放在那里。
- AI 请求默认只发送完成当前任务所需的上下文，不会自动上传整本书。会在你不操作时自动调用 AI 的功能全部集中在「设置 → 自动分析」，逐项写明发送范围，可单独或全部关闭。
- 书籍难度分析完全在本机进行，不联网。
安装包和发行说明发布在 Releases。macOS 安装包的签名状态与安装步骤以最新一次发行说明为准，进展见 macOS 分发。
要求：Node.js 22、npm、Rust，以及目标平台的 Tauri 前置依赖。阅读器引擎（foliate-js）源码已随仓库提交。
git clone https://github.com/KlaraGraff/lantern.git
cd lantern
npm ci
npm run tauri dev常用静态检查：
npm exec tsc --noEmit
npm run lint
cd src-tauri && cargo check技术栈：Tauri 2 + Rust + SQLite（后端），React 19 + TypeScript + Tailwind 4（前端），foliate-js（EPUB 渲染）。仓库协作约定见 AGENTS.md。
Lantern 基于 yicheng47 开发的 Quill，是独立维护的个人版本，并非原项目的官方发行版。原版 Quill 的版权仍归其作者所有；本仓库保留原始 MIT License，包括其中的版权声明。