浏览器里的英语学习

Milo 产品图标

Milo

让阅读里的遇见,留下来。

Milo 是一款浏览器AI翻译插件,与传统翻译插件不同,Milo更像是你的学习搭子,在你使用工具的同时它也能帮助你学习,适用于对专业翻译有需求语言学习人群。

产品的重心不仅放在如何让翻译的内容更好,还有如何能让语言学习者更好的学习。

时间
2026.09 至今
角色
独立产品设计与开发
当前形态
桌面浏览器扩展
工作范围
需求、交互、实现与验证
查看开源项目
播放动图暂停动图
在 Wikipedia 真实文章中划词,查看中文释义和原句,再保存到 Milo。查看 GIF 大图 ↗
在 Wikipedia 阅读《Spaced repetition》时,查词、看语境、加入单词本。真实页面与实时翻译。
01起点

不断记录又不断翻找

Milo 的起点,是我高中时用过的一本生词本。阅读时遇见、查词、誊写,刚开始很管用。后来,记录越来越多,翻开的次数却越来越少。少了原来的句子,很多词只剩下一条孤立的中文释义。

当阅读转移到电脑端,查词变得更方便,但这个断层仍然存在。看文章、读帖子、看英文视频时,我可以立刻知道一个词的意思,几分钟后,它又随着页面一起被关掉了。

因此,我把 Milo 的重点放在一条连续的路径上:先理解眼前的内容,顺手留下生词和语境,再给它一个能够回来的入口。 翻译、记录和练习,由这条路径连接起来。

02按需理解

可以随时翻译

阅读英文时,始终摆在下方的中文很容易先吸引视线。我想给读者留一点自己理解的空间,也保留随时获得帮助的自由。

Milo 的学习模式会模糊译文,原文保持清晰。读者先看英文,遇到不确定的地方,再把鼠标移到译文上揭示中文。这个小小的停顿,把“什么时候需要答案”的决定交回读者。

对需要快速获取信息的内容,仍可以直接使用双语阅读。学习模式提供另一种可选择的节奏,读者不必每次都练习。

播放动图暂停动图
YouTube 字幕学习模式:中文先模糊,需要时移入查看,再移开继续听英文。查看 GIF 大图 ↗
YouTube 学习模式实录:先听英文,需要时再揭示中文。用户录制的 GIF。
03留下语境

记录一个词,也记录下遇到这个词的语境

收藏一个词时,Milo 同时保存释义、原句、网页标题、来源链接和时间。回看时,读者可以沿着这条线索,找回自己当时为什么需要它。

同一个词再次被记录时,会进入已有词条的遇见记录;学习中的词也可以在后续阅读中被标出。这个列表是由用户的使用经验而不断丰富,而不是从一份通用词表开始。

“遇见次数”记录的是阅读中的接触,不直接代表掌握程度。因此,学习中与已掌握仍由用户自己判断。

播放动图暂停动图
回到刚才保存的 technique 词条,展开 Wikipedia 原句与来源,并切换掌握状态。查看 GIF 大图 ↗
回看刚才真实保存的词:展开原句与来源,再切换学习状态。词库没有预填演示数据。
04视频记录

即使看视频也可以随时随地记录单词

在开启翻译的情况下,在观看视频的过程中如果遇到生词,可以随时选中单词并进行翻译和记录。

播放动图暂停动图
在 YouTube 的 TED 视频中,从英文字幕查看词义与语境,再加入 Milo。查看 GIF 大图 ↗
YouTube / TED 字幕查词与收藏实录。用户录制的 GIF,保留实际操作过程。
05随时练习

随时随地练一点

只有记录功能,词汇还是容易停留在表面,用户能随时随地练习或许更好。

在网页右侧的 Milo 按钮上稍作停留,可以进入当前词库的拼写练习,结束后关掉弹窗,继续原来的阅读。单词本里也可以听发音、查看语境,或将词标为已掌握。

如果更习惯纸笔,词表可以导出为 Excel 或 PDF。默写练习支持随机排列,可以看中文默写英文,也可以看英文默写中文。练习的材料仍然来自自己的记录。

播放动图暂停动图
在同一篇 Wikipedia 文章中,从右侧 Milo 进入拼写练习,输入刚刚保存的 repetition,完成后回到阅读。查看 GIF 大图 ↗
不离开刚才的文章,从侧边入口进入练习,输入刚刚遇见的词,再关掉弹窗继续阅读。
播放动图暂停动图
用刚才记录的三个词,切换中文意思留白、随机排列、重新打乱,再导出真实 Excel 文件。查看 GIF 大图 ↗
同一批真实记录,切换留白方向、打乱顺序,最后下载 Excel。预览与导出保持一致。

从屏幕,也可以回到纸上

原顺序或随机排列,英文留白或中文留白,再选择 Excel、PDF。练习方式由读者决定。

06控制成本

不为还没读到的内容提前付费

当用户使用自己的模型 API 时,每次翻译都是一次真实的资源消耗。我的优化重点是减少没有必要发送的内容,以及可以共享的重复工作。

网页随阅读位置逐步翻译,字幕按播放位置预取;重叠内容共享进行中的请求,提示与术语表合并发送。关闭或跳转时取消不再需要的任务,重复阅读则尽量复用已有结果。

优化后的收益取决于具体行为。只读开头时,可以避免提前翻译整篇;读完整篇时,后续段落仍会产生用量。因此,我用有明确条件的样本对比展示结果,不把它概括成面向所有用户的固定省费比例。

三组固定样本的 Token 用量对比:重复并发减少 36.5%,术语表合批减少 52.0%,完整翻译同样内容增加 0.7%,基本持平。
相同任务条件下的三组对照样本。点击图表可放大查看。
查看数据与测试条件
真实 API 用量对比 DeepSeek Flash · 2026.10.28
同一场景优化前优化后总 Token 变化
重叠并发任务480305减少 36.5%
4 段正文与相同术语表675324减少 52.0%
完整翻译同样的 8 段正文571575增加 0.7%

输入与输出 Token 的合计,来自固定样本的真实接口响应;不是日常平均值,也不等于账单降幅。

这轮前后对比共进行了 28 次真实 API 调用。两版使用同一模型,各场景从空的本地缓存开始;每个场景每版测量一次。网页和字幕的按需请求另有“只消费开头”的样本,完整条件与原始用量汇总见记录。

下载完整测试记录(Markdown)

仍在继续

从“这次看懂了”,
走向“下次还记得”。

桌面端已经连接起阅读、记录和练习。接下来,我会继续优化插件在不同网站的可靠性、以及翻译的稳定性、翻译质量的提升以及Token成本如何继续进行优化等问题,该插件将在不久上架Google。

实录原文:Wikipedia 贡献者 / Spaced repetition(CC BY-SA 4.0);视频案例:TED / Angela Lee Duckworth,Grit: The Power of Passion and Perseverance,由用户录制操作 GIF。素材为网页和插件操作的节选实录,无模拟翻译回复。查看录制来源。

部分浏览器基础设施基于 Saladict 的 MIT 开源代码,保留许可与署名。此案例聚焦我对 Milo 产品层、数据层、交互和请求调度的设计与实现。

图片预览