人人都能用英语：38.8k Star 的开源项目，如何把一本书长成 AI 英语训练生态

Tue, 13 Oct 2026 08:00:00 +0800

项目速览

项	内容
项目	everyone-can-use-english（人人都能用英语）
组织	ZuodaoTech（李笑来等 75 位贡献者）
Star / Fork	38.8k / 5.3k（2026-10-13 查询）
许可	GPL-3.0
官网	1000h.org（训练体系）/ enjoy.bot（Enjoy 网页版）
主要技术	Electron、React、Vite、VitePress、Nuxt 3
提交数	1,400+（2019-03 创建，最近推送 2026-06）

大多数人对这个仓库的印象可能还停留在「一本开源电子书」。实际抓一遍仓库你会发现：它早就不是一本书了，而是一本书 + 一套训练体系 + 一个本地优先的 AI 助教应用 + 一个浏览器插件的完整生态。本文基于 2026-10-13 的 GitHub API 数据与仓库文档写成。

一、从一本书说起

2010 年春，李笑来在上海写下《人人都能用英语》初稿。这本书的前言里有两句被反复引用的话：

@maozhu1: @xiaolai 还请李老师用 140 字概括一下怎样才能学好英语？

其实一个字就够了：「用」。

这本书里的文字，全部的意义，只有两个字：「启发」。

作者把自己的知识分了两类：一类需要 What / Why / How 完整学习（如开车、创业）；另一类是「只要知道就能够瞬间全部发挥作用」的知识——比如概率统计里的「独立事件」，知道的那一刻作用就已全部发挥完毕，且不可逆。这本书要传播的是后者。

它同时也是《把时间当作朋友》的具体延续：把「正确的事情」聚焦在「用英语」上，再看看「正确的方式」究竟是什么。

原著共八章——起点、口语、语音、朗读、词典、语法、精读、叮嘱，外加一篇后记。2015 年制作网络开放版本，2019 年 3 月上传 GitHub，就是今天这个仓库的起点。

二、一个仓库，四个世界

拉取全量文件树（3,645 个条目）后，仓库的真实结构如下：

flowchart LR
 ROOT["everyone-can-use-english
GPL-3.0 · 38.8k Star"]
 ROOT --> B["book/
《人人都能用英语》2010 原著
8 章 + 后记"]
 ROOT --> S["1000-hours/
「一千小时」官网 · VitePress
训练任务 · 语音塑造 · 大脑内部 · 自我训练"]
 ROOT --> A["enjoy/
Enjoy 桌面 App
Electron + React"]
 ROOT --> P["1000h-portal/
门户站 · Nuxt 3"]
 ROOT --> N["new-edition-drafts/
新版草稿 · 讲解 / 音频 / 视频"]

 style ROOT fill:#8b5cf6,stroke:#6d28d9,stroke-width:2px,color:#fff
 style B fill:#f59e0b,stroke:#b45309,stroke-width:2px,color:#fff
 style S fill:#3b82f6,stroke:#1e40af,stroke-width:2px,color:#fff
 style A fill:#10b981,stroke:#047857,stroke-width:2px,color:#fff
 style P fill:#64748b,stroke:#334155,stroke-width:2px,color:#fff
 style N fill:#64748b,stroke:#334155,stroke-width:2px,color:#fff

五个部分各司其职：

book/：2010 年原著全文，纯 Markdown，是整個仓库的源头；
1000-hours/：2024 年上线的「一千小时」官网（VitePress 构建），是整个生态的内容中枢，下设四个训练模块；
enjoy/：Enjoy 桌面 App 完整源码（Electron 工程）；
1000h-portal/：Nuxt 3 门户站；
new-edition-drafts/：新版图书的草稿与素材（含 Jupyter notebooks、音视频）。

官网的一句话描述精准概括了方法论：

用注意力填满 1000 小时就能练成任何你需要的技能……

三、1000 小时训练体系：不教方法，直接干活

「一千小时」官网的内容分四块：训练任务（9 篇）、语音塑造（美式英语语音教程，从音素、字母一路讲到发音器官与 14 个辅音分类）、大脑内部（14 篇）、自我训练（11 篇）。

其中「启动任务」开篇第一句话就定调了：

第一步，不是教学，不说方法，没有技巧，只有直接干活。

每天的功课归纳起来只有三句话：

说自己想说的话

每天至少三小时

每天都要交作业

整个训练任务的关键是：只靠自己——没有他人教学、没有他人纠正、没有他人督促。

几个值得单独拎出来的设计：

1. 「说自己想说的话」必须靠 AI 辅助。 流程是：先用母语写下 100～150 字自己想说的话 → 用 AI 工具转换成英文表达 → 用 AI 工具把文字转成语音 → 跟读、朗读、直至完整背诵。官方给出的方案里，付费推荐 OpenAI，免费推荐 LM Studio、Google Translate、MS Edge TTS；李笑来还专门做了两个 GPTs——管书面表达的 Translation Hands 和管口语表达的 NY Speak Easy。文档特别强调：不要偷懒随便找段录音跟读，要尽量自己准备文本。

2. 起作用的只有大声开口练习。 小声嘟囔不算数，但也没必要喊——练的是舌头、嘴唇、喉咙和呼吸，不是声带。一天之内累计三小时即可，碎片时间可以把跟读录音存进播放器循环播放（这部分不计入三小时）。

3. 每天交作业，是交给自己的档案。 作业包括最终文字与语音、第一遍和最后一遍朗读录音、以及过程中遇到的困难与感悟，按日期打包存档。文档说得很直白：这些记录是将来「在社群里当老师、在家里当老师，或者起码给自己当老师、给自家孩子当老师」所必需的资格证明。

4. 核心只有两件事：语音塑造 + 记忆扩展。 「不要被误导，认为死记硬背是不好的——其实，死记硬背还有另外一个说法，叫做博闻强识。到最后，连人工智能都得靠大数据。」文档里算过一笔账：一天完整记住 1 分钟内容，一年就是 300 多分钟、约 5 个小时——「如果你能滔滔不绝连续讲 5 个小时的话，你的语言能力必然能够超越 99% 以上的人群——无论使用哪一种语言」。

5. 「大脑内部」14 篇负责回答「为什么」。 开篇从神经科学讲起：人类大脑约 11,000 亿个脑细胞，其中 1,000 亿个神经元，约 150 亿个位于大脑皮层——皮层褶皱展开约 45 厘米见方、2,000 平方厘米上下（引 Donahue et al., 2018：1,843 ± 196 cm²），「一个人的世界，实际上全都发生在这 1000 立方厘米不到的空间里」。

四、Enjoy App：AI 做助教，不做老师

如果说 1000h.org 是方法论，Enjoy 就是把方法论塞进 daily workflow 的工具。README 的定位句只有一句：

AI 是当今世界上最好的外语老师，Enjoy 做 AI 最好的助教。

目前有三个形态：

网页版：enjoy.bot，全新版本已上线，直接浏览器使用；
浏览器插件：Enjoy Echo（Chrome Web Store），支持 YouTube 和 Netflix；
桌面版：官方说法是「对网页版的套壳和增强，即将发布」。

核心功能

闪卡/语块练习是整个设计的缩影：一个生词（如 garage）带出语块 / 词典 / 笔记三个页签；语块直接取自真实影视语料（示例来自《Riot Women》S01E01，带时间戳）；下方是跟读录音与波形；练习结束后自评认识 / 不认识 / 很熟悉，系统据此安排复习节奏。

课程与生词本界面则展示了完整的信息密度：侧栏分为素材库（音频 / 视频 / 电子书 / 课程）、学习工具（聊天 / 生词本）、生成资料（智能翻译 / 语音合成）、插件与同步；主区是一个词组的完整学习卡片——短语出处解释、翻译、带音频的例句，以及音调轮廓可视化（把朗读的音高曲线画出来，跟标准发音直接比对）。

其他能力包括：YouTube 视频直接粘贴网址添加（单文件限 100 MB）、电子书阅读、AI 聊天、生活助手等。

技术架构

翻 enjoy/package.json 与源码目录，这是一套相当典型的「本地优先」Electron 工程：

flowchart TD
 U1["影子跟读
视频 / 音频 / 语块闪卡"]
 U2["课程 / 电子书 / 生词本"]
 U3["AI 聊天 / 智能翻译 / 语音合成"]
 C1["echogarden 语音处理"]
 C2["whisper.cpp 本地语音识别"]
 C3["ffmpeg 音视频转码"]
 C4["LangChain + Ollama
大模型对接"]
 D1["SQLite
Sequelize + Umzug 迁移"]
 D2["MDX 词典
js-mdict"]
 D3["Mozilla Readability
网页正文提取"]

 U1 --> C1
 U1 --> C2
 U1 --> C3
 U3 --> C4
 U1 --> D1
 U2 --> D1
 U2 --> D2
 U3 --> D3
 C4 --> D1

 style U1 fill:#3b82f6,stroke:#1e40af,stroke-width:2px,color:#fff
 style U2 fill:#3b82f6,stroke:#1e40af,stroke-width:2px,color:#fff
 style U3 fill:#3b82f6,stroke:#1e40af,stroke-width:2px,color:#fff
 style C1 fill:#10b981,stroke:#047857,stroke-width:2px,color:#fff
 style C2 fill:#10b981,stroke:#047857,stroke-width:2px,color:#fff
 style C3 fill:#10b981,stroke:#047857,stroke-width:2px,color:#fff
 style C4 fill:#10b981,stroke:#047857,stroke-width:2px,color:#fff
 style D1 fill:#f59e0b,stroke:#b45309,stroke-width:2px,color:#fff
 style D2 fill:#f59e0b,stroke:#b45309,stroke-width:2px,color:#fff
 style D3 fill:#f59e0b,stroke:#b45309,stroke-width:2px,color:#fff

几个工程上的看点：

本地优先的数据层：Sequelize + SQLite + Umzug（数据库迁移）管理学习记录，词典走 js-mdict 解析 MDX 文件（仓库内置 dictionaries 目录），whisper.cpp 提供本地语音识别——学习数据不依赖云端；
AI 层可插拔：通过 LangChain 生态 + Ollama 对接大模型，网页版服务端（enjoy.bot）与本地模型两条路都留好了；
现代前端栈：Electron Forge 7 + Vite + React + Radix UI + Tailwind CSS，Playwright 做 e2e 测试，BugSnag 做错误监控；
CI 三件套：GitHub Actions 上挂着 deploy-1000h（官网部署）、test-enjoy-app（测试）、release-enjoy-app（发布）三条工作流。

当前 enjoy/package.json 版本号为 0.7.9。

五、数据与成熟度

指标	数值（2026-10-13）
Star	38,836
Fork	5,297
贡献者	75（含 dependabot 等自动化账号）
提交数	1,400+
Open Issues	128
许可	GPL-3.0
仓库创建	2019-03-15
最近推送	2026-06-29

判断成熟度有个细节值得称赞：Enjoy 的官方文档在开头就主动标注——

Enjoy App 的开发仍处于早期的快速迭代阶段，文档可能落后于开发，导致功能描述可能不符，以最新发布的软件版本为准。

不掩饰早期状态、把「文档可能过期」写在使用说明第一屏的项目，比满屏「生产级」「企业级」的更值得信任。作为学习生态系统，它已经完整可用；作为开源样本，它同时提供了「VitePress 内容站 + Nuxt 门户 + Electron AI 应用」三种工程形态，想研究本地优先 AI 应用的开发者可以直接抄作业。

六、上手路径

读原著：仓库 book/ 目录或 1000h.org，建立「用」的心态；
跟训练：从 1000h.org 的「启动任务」开始，三件事——说自己想说的话、每天三小时、每天交作业；
用工具：网页版 enjoy.bot 即开即用；看 YouTube / Netflix 就装 Enjoy Echo 插件；桌面版等官方发布；
读源码（开发者）：clone 仓库后进入 enjoy/，yarn install && yarn start 即可跑起桌面版。

参考链接

GitHub 仓库：https://github.com/ZuodaoTech/everyone-can-use-english
「一千小时」官网：https://1000h.org
Enjoy 网页版：https://enjoy.bot
Enjoy Echo 插件：Chrome Web Store 搜索「Enjoy」

本文所有数据取自 2026-10-13 的 GitHub API 及仓库内文档；项目处于快速迭代期，功能与数据以官方最新信息为准。

AI 应用 on 我的博客