花费3.14元，用DeepSeek Harness打造个人专属的背单词工具

最近，大模型领域的技术迭代持续加速。从模型能力的提升，到 API 定价策略的调整，再到各类 Agent 开发框架的涌现，每一次更新都在降低 AI 应用的技术门槛。在众多新工具中，DeepSeek 推出的 Agent Harness 引起了我的关注——它能够直接访问本地计算机，为个人开发者提供了前所未有的自动化能力。我决定用它来实现一个自己一直想要但迟迟没有动手的小工具：个人专属的 Anki 单词卡片生成器。

四步闭环：从遇到生词到持续复习

回顾我们的日常学习场景：阅读英文文章时遇到生词，观看视频时记下的表达方式，或者聊天时顺手保存的图片和例句——这些内容往往散落在不同的应用和平台中。随着时间推移，要么再也找不到当初收藏的资料，要么即使找到了，手工整理到 Anki 也需要耗费大量精力。结果往往是：明明已经「遇到了」这个单词，却始终没有真正「学会」它。我的目标很明确——缩短从「遇到生词」到「开始复习」之间的距离。

个人语境的独特价值

整个自动化流程设计得非常简洁高效： 第一步，用户通过飞书发送单词、例句和图片等素材；第二步，OpenClaw 自动接收并整理这些内容，提取关键信息并格式化；第三步，整理后的数据被推送至 Anki，自动生成带有个人语境的单词卡片；第四步，借助 Anki 的间隔重复算法进行科学复习。这个流程的本质并不是让 AI 替我们背单词，而是彻底消除「背单词之前那些重复、繁琐的准备工作」。从素材输入到卡片生成，整个过程无需手动复制、粘贴和整理。

成本与实现

这套方案最吸引我的地方在于：所有学习内容都完全来源于个人真实场景。卡片里的单词不是在固定词库中随机挑选的，而是在阅读、工作或娱乐中真正遇到并主动收藏的；例句和配图也是自己精心选择后发送的。相比背诵现成的词汇表，这种方式让每个单词都带有明确的个人记忆锚点。当我再次看到某张卡片时，不仅在记忆一个孤立的单词，更是在回忆当时遇到它的具体场景。AI 在这里扮演的角色并非「替我决定学什么」，而是「把我真正想学的内容，更顺畅地送进记忆系统」。

整个功能的实际花费仅为 3.14 元。这个数字或许只是一个象征，但它让一个过去停留在想法阶段的需求真正落了地。通过 Agent Harness 创建和调试功能的过程比我预期的要顺畅许多。素材通过飞书输入，经过 OpenClaw 处理后自动推送至 Anki，最终生成的卡片直观展示了单词、例句和图片的完整组合。从发送素材到生成卡片，每一步都无缝衔接。

如有侵权，请联系删除。