前几轮我们聊过智能家居、量化交易、无人机、航海，这一轮换个赛道：语言学习。多邻国股价起飞、Grammarly 卖出数百亿、Anki iOS 版靠一份 25 美元的买断制养活整个开源项目——这条赛道早已被验证能赚钱，但它的地基几乎全是开源的。本期按「沉浸输入 → 查词制卡 → 科学复习 → 写作翻译基建」这条流水线挖了 8 个仓库，既有 2 万星的老牌航母，也有三个星数还没破 2000 的遗珠。文中 Star 数为发稿前约数，以仓库主页为准。
链接：github.com/ankitects/anki ｜ Star 约 2 万+ ｜ 持续活跃更新
一句话定位：全球最流行的间隔重复记忆软件，语言学习的「操作系统级」底座。它解决的问题是反人性的——背过的单词必然遗忘，而 Anki 用算法替你决定「哪张卡今天该复习」，把遗忘率压到最低。
核心拆解：桌面端（Rust + Python + Qt）、AnkiWeb 云同步、AnkiDroid 全免费，配合数万个共享牌组。2006 年至今近二十年迭代，插件生态是它真正的护城河：涂鸦、语音、语法检查、AI 生成卡片，几乎任何需求都有人写过插件。架构上 Rust 重写后端让同步性能上了一个台阶。2023 年底的大版本把 FSRS 纳入内置调度算法，是近年最大的架构升级。
上手难度：⭐⭐
适用人群：所有要长期记忆东西的人——单词、法条、解剖、乐理。商业样本更值得玩味：桌面和安卓免费、iOS 版 AnkiMobile 卖 24.99 美元买断，一个人维护的核心靠终端收费反哺开源，是「免费核心 + 收费终端」的经典教科书。
链接：github.com/open-spaced-repetition/fsrs4anki ｜ Star 约数千 ｜ 社区活跃
一句话定位：用现代机器学习算法 FSRS（Free Spaced Repetition Scheduler）取代诞生于 1987 年的 SM-2 算法。老 SM-2 对所有人用同一套参数，FSRS 则根据你本人的历史复习数据，拟合出专属于你的记忆模型。
核心拆解：项目起于一个「野路子」方案——用 JavaScript 脚本注入 Anki 客户端替换调度器，因为效果显著（同样复习量下记住率明显提升，或同样记住率下复习量大幅减少），最终被 Anki 官方收编，从 23.10 版本起 FSRS 成为内置可选项。算法基于 DSR 三变量模型：难度（Difficulty）、稳定性（Stability）、可提取性（Retrievability），参数可用你的复习记录一键优化。围绕它还长出了参数优化器、模拟器和 benchmark 仓库，是少见的「民间项目倒逼官方升级」案例。
上手难度：⭐⭐（Anki 新版里开个开关即可）
适用人群：牌组过千卡的重度用户。二开方向：任何需要记忆功能的 App 都可以直接接入 FSRS 系列算法库，这个赛道刚刚开始。
链接：github.com/open-spaced-repetition/ts-fsrs ｜ Star 约 1.5k ｜ 持续更新
一句话定位：FSRS 算法的 TypeScript 实现，一个 npm install 就能把「科学排程记忆」塞进你自己的产品。它解决的是开发者痛点：想做一个背单词 App，最难的从来不是卡片 UI，而是「这张卡什么时候再出现」的调度逻辑。
核心拆解：纯 TS 编写、零重依赖，核心 API 围绕「创建卡片 → 打分（忘了/困难/良好/简单）→ 返回下次复习时间与记忆状态」展开，状态对象完整暴露难度和稳定性，方便你做可视化或数据分析。同组织还有 Python、Rust、Java、Go 等十来种语言实现，属于罕见的多语言算法家族。文档齐全，示例覆盖主流后端框架的集成姿势。
上手难度：⭐⭐⭐（需要会写代码）
适用人群：独立开发者、教育类创业团队。商业思路直接：市面上背单词 App 一年订阅收数百元的不少见，用 ts-fsrs 做调度核心 + 一个好看的 UI，就是一个小而美的 SaaS 雏形。
链接：github.com/FooSoft/yomitan ｜ Star 约数千 ｜ 活跃维护
一句话定位：浏览器扩展，鼠标悬停在任意网页的日语词上，即时弹出词典释义，并可一键把这个词连同上下文、截图、发音送进 Anki。它把「沉浸式学习」的摩擦降到接近零——读你真正想读的内容，顺手完成查词和制卡。
核心拆解：前身是传奇扩展 Yomichan，2023 年初原作者停止维护后，yomitan 作为社区接棒者延续至今，支持 Chrome 和 Firefox。亮点在工程细节：支持十几种词典格式导入（JMdict、JMnedict 等开源日语词典体系），高亮分隔词组、自动识别动词变位还原原形——日语的活用变形是查词最大障碍，这一步做得极细。与 Anki 联动通过 AnkiConnect 实现，字段模板完全可自定义。
上手难度：⭐⭐⭐（配置词典和模板需要一点耐心）
适用人群：日语 N3+ 的沉浸式学习者；思路完全可以平移到其他语言。它证明了「工具 + 方法论」型项目能积累极高粘性，社区贡献词典包就是它的生态飞轮。
链接：github.com/jzohrab/lute ｜ Star 约 1.5k ｜ 持续更新
一句话定位：自托管的「文本精读」工具，名字直译「学习即使用文本」。它解决的问题是：语言学习经典方法（LWT，Learning With Texts）的祖师爷软件还停在十年前的技术栈，Lute 用现代 Python 栈把它整个重写了一遍——粘贴一篇外文文章，所有生词按掌握程度自动标色，点词即查词典，读完自动进入复习循环。
核心拆解：Docker 一键起服务，Flask + SQLAlchemy + 前端 Vue 的经典组合，代码量克制、结构清晰，非常适合二次开发。功能上覆盖：生词多级标色、词干与变形自动归并（西班牙语动词变位不再重复计词）、多词典一键跳转、配套音频逐句跟读、批量导入网页正文。数据全在自己机器上，学多久、学什么，没有任何平台比你更清楚。
上手难度：⭐⭐⭐（会用 Docker 即可）
适用人群：喜欢读原版书和新闻的中高级学习者；小众但忠诚度高。商业方向：面向外语培训机构或自学社群做托管版，是典型的「小众刚需 + 私有部署」生意。
链接：github.com/simjanos-dev/LinguaCafe ｜ Star 约 1.5k ｜ 更新以仓库为准
一句话定位：如果 Lute 是极简主义的精读工具，LinguaCafe 就是「全家桶」：阅读、词典、生词复习、统计面板一个平台全包，Docker Compose 拉起来就能给一家人或一个班用。
核心拆解：亮点是多用户设计——建多个用户、各自独立的生词本和复习进度，这是它和单机工具的本质区别。内置词典支持多语言组合，阅读器支持导入网页、文本和电子书，点击任意词即弹出释义并可加入复习队列；复习模块自带间隔重复逻辑，统计页把阅读量、词汇量增长画成曲线。作者持续按社区反馈迭代语言支持，论坛和文档对新手友好。
上手难度：⭐⭐⭐
适用人群：家庭学习小组、语言角社群、小机构。它目前星数不高、讨论度远低于实力，是本期「最被低估」的有力候选——做多租户改造后就是现成的 B2B 小产品。
链接：github.com/languagetool-org/languagetool ｜ Star 约 1.3 万+ ｜ 大厂级活跃
一句话定位：开源语法和拼写校对引擎，支持几十种语言，是 Grammarly 之外唯一认真的选择。痛点明确：写外语邮件、论文时，拼写检查管不了「时态错了」「介词用错」「这个词不地道」，而这些正是 LanguageTool 的规则引擎所擅长的。
核心拆解：Java 编写，核心是一套可扩展的规则体系（语法规则以 XML 描述，社区可以给自己母语加规则），配合 n-gram 语言模型做上下文纠错，近年加入了基于神经网络的纠错能力。产品形态齐全：浏览器扩展、桌面客户端、LibreOffice 插件、HTTP API。商业上走「开源内核 + 订阅增值」：免费版够用，Premium 提供高级改写和更多检测，API 按调用量收费——开源语法校正做成可持续生意的全球样板。
上手难度：⭐⭐（用客户端）／⭐⭐⭐⭐（自托管全栈）
适用人群：外语写作者；企业可自托管保证文本不出内网，这是对数据敏感行业（法律、医疗、政务）的真实卖点。
链接：github.com/LibreTranslate/LibreTranslate ｜ Star 约 9k ｜ 活跃维护
一句话定位：完全自托管的机器翻译 REST API，底层是开源的 Argos Translate 神经翻译引擎。它解决的是依赖问题——Google/DeepL 的翻译 API 按字符计费且数据出域，LibreTranslate 让翻译能力变成你自己机房里的一条 curl 命令。
核心拆解：Docker 单容器部署，开箱即得兼容 OpenAPI 规范的 REST 接口：检测语言、翻译文本、互译多语言对，模型文件按需下载，断网也能跑。性能上支持 GPU 加速，语言对可通过离线模型包扩充。官方提供的托管服务（libretranslate.com）本身按 API Key 订阅收费，等于官方示范了商业闭环。
上手难度：⭐⭐（Docker 起服务）／⭐⭐⭐（扩语言对、调性能）
适用人群：要给应用加翻译能力的开发者。二开方向清晰：出海客服系统、多语言 CMS、跨境电商商品描述本地化，把 API 成本从「按字符付给云厂商」变成「一次部署随便用」。
| 仓库 | 类型 | Star（约） | 上手难度 | 适用场景 |
|---|---|---|---|---|
| ankitects/anki | 记忆卡片应用 | 2万+ | ⭐⭐ | 长期记忆一切知识 |
| fsrs4anki | 调度算法 | 数千 | ⭐⭐ | 提升 Anki 复习效率 |
| open-spaced-repetition/ts-fsrs | 开发者库 | 约1.5k | ⭐⭐⭐ | 自研学习类 App |
| FooSoft/yomitan | 浏览器扩展 | 数千 | ⭐⭐⭐ | 日语沉浸式阅读 |
| jzohrab/lute | 自托管精读 | 约1.5k | ⭐⭐⭐ | 原版书/新闻精读 |
| simjanos-dev/LinguaCafe | 自托管平台 | 约1.5k | ⭐⭐⭐ | 家庭/小组学习 |
| languagetool-org/languagetool | 语法引擎 | 1.3万+ | ⭐⭐~⭐⭐⭐⭐ | 外语写作校对 |
| LibreTranslate/LibreTranslate | 翻译 API | 约9k | ⭐⭐ | 应用内翻译自建 |
mindmap
root((开源外语自学工具链))
沉浸输入
yomitan 悬停查词
lute 精读标色
LinguaCafe 全家桶平台
记忆引擎
Anki 卡片复习
fsrs4anki 科学排程
ts-fsrs 嵌入自研应用
语言基建
LanguageTool 写作纠错
LibreTranslate 翻译接口
把这条流水线跑起来大致是：
flowchart TD
A["读到一篇外文材料"] --> B["yomitan 或 lute 查生词"]
B --> C["一键送入 Anki 制卡"]
C --> D["FSRS 计算最佳复习时点"]
D --> E["到期复习 巩固记忆"]
E --> A
F["写外语内容"] --> G["LanguageTool 纠语法"]
G --> H["LibreTranslate 做辅助互译"]
注：因检索环境受限，本文 Star 数为基于公开信息的约数，仓库更新状态请以 GitHub 主页实时数据为准。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。