路线图

M0 · 可运行骨架（已完成，2026-09-16）

FastAPI + SQLite + Alembic；作品 / 会话 / 句子 / 词条 / 义项 / 语境 / 卡片 / 复习记录 / 设备 / 词典 / AI 调用日志。
JMdict 一键安装（218k 条），按写法查词，表达式合并（校验读音）。
OCR 提供者：Apple Vision（已实测）、Windows OCR（未在 Windows 实测）、RapidOCR（可选）、手动粘贴；/ws/hook 接收 Hook 文本。
收件箱确认建卡；FSRS 复习（设备归属）；会后短测（读音/填空/释义）与复盘。
AI 结构化解释（DeepSeek 默认，OpenAI 兼容），Key 存钥匙串，费用估算。
AnkiConnect / .apkg / JSON 导出；备份与恢复。
Vue 3 PWA：桌面侧栏 / 手机底部 Tab；扫码连接。
测试：52 个 pytest（含 Vision 集成测试）、8 个 vitest；CI 覆盖 ubuntu/macos/windows。

区域监视器、三种 Hook 主动连接、剪贴板、字幕导入、引擎对比已合并（#6–#12）。仍开着的是两条 needs-hardware：全局快捷键（#13）与系统音频回环 + VAD（#14）—— 它们要系统授权与真机，CI 和 agent 都验证不了，必须有人在真机上做。

区域监视器：图像哈希变化检测 + 文本稳定后 OCR + 自动去重，"收藏这句"全局快捷键（pynput）。
主动连接 Textractor（6677）/ Agent（9001）/ LunaTranslator（2333）WebSocket，剪贴板监听。
Hook 文本到达后延迟抓图；系统音频回环（Windows PyAudioWPatch，macOS ScreenCaptureKit）+ silero-vad 裁剪原声；听音卡与听音短测。
字幕导入（.srt/.ass + 视频路径 → ffmpeg 切片），沿用 anki_mpv 的媒体逻辑。
引擎对比面板（同一区域多引擎结果并排）。

前端类型从 OpenAPI 生成。 frontend/src/api/types/ 目前是手写的，改后端字段时容易忘记同步——本轮就漏过一次（streak_days、known_term_count），靠 vue-tsc 才发现。用 openapi-typescript 或 @hey-api/openapi-ts 从 FastAPI 的 schema 生成，并在 CI 里校验生成结果是最新的，可以整类消除这种漂移。现在没做是因为手写类型按域组织得更好读，而且类型检查已经能抓住漏字段；等接口稳定、字段变动变频繁时再换。
打包与签名。 见 M4；届时补一份 CODE_SIGNING.md（参考 localsend）。

M1 把采集做强了：一晚上能收五百句。瓶颈因此往后挪了——这五百句里该学哪二十个词？ 别的开源方案都停在「Anki 前端」，没人回答这个问题；jpdb 真正的护城河也不是它的 SRS，而是「开玩之前就知道这部作品对我有多难」。M2 补的就是这一层。

词典与词频数据层：读 Yomitan 词典包（社区日中词典、频率表、音高表都是这个格式）。只支持格式、不打包任何第三方词典——用户自带数据，版权不落在仓库里。
作品覆盖率与开玩前预习：按 token 算覆盖率（认识 100 个高频词 ≠ 认识 100 个生僻词），列出最值得先学的生词，一键建成预习牌组。
已知词批量导入（列表 / Anki / jpdb）：没有它，前面几项对老用户全是噪音—— 词库空的时候，「生词」里全是他早就会的词。
音高重音（Kanjium，CC-BY-SA 4.0，与 JMdict 同一许可）：卡面音高线 + 音高小测。这一条专冲中文母语者——有声调的母语者要么逐字套声调、要么干脆无视，结果是词都认识、一开口不像日语。这是第一版最该有的差异化。
FSRS 参数个人化：py-fsrs 自带 Optimizer，喂用户自己的复习记录算出专属参数与最优保留率。 Anki 要装插件、导出、跑脚本；我们拥有完整记录，可以做成一个按钮。这是「独立应用而不是 Anki 前端」最有说服力的一处。
i+1 例句优选：整句只有一个生词的句子最有效。整句、分词、known_status 我们都有了，只差把它用起来。

M3 是内容源扩展。应用此前只吃 galgame 与带字幕动画，漫画与轻小说这两个日语学习者最大的内容类型完全没覆盖；而且字幕在 M1 里只做了文本那一半，配视频切原声的那一半（#67）在 #7 里被划出范围后一直没人捡回来。M3 补齐多媒介阅读与视听体验。

本轮架构评估结论：不拆服务——分层零违规、services 依赖无环、114 个文件平均 66 行、6 万词条导入 2.3 秒且内存只涨 12MB；唯一要动的是内容定位模型（#51）与离线同步模型（#59），两者都各自有 ADR。

M4 是交付。从开发者使用的命令行启动，走向真正给终端用户开箱即用的产品形态：双击可用、手机离线复习、游戏时不用切窗口。

M5 是质量。工程化债项的系统性清偿：34 个前端组件目前零测试、没有 E2E、没有性能基线、CHANGELOG 缺少强制护栏。