词库与词频

管理方案词库与附加词库、维护用户词、调频与候选置顶，以及候选排序的基本原理

打过的字词、手动造的词、调频记录都属于用户数据，与方案自带的预置词库分层存放。设置工具的「词库」页面统一管理这些数据，所有修改即时生效。

词库管理界面

打开设置工具（Ctrl + Shift + ]），进入「词库」页。顶部「词库类型」下拉选择数据域——快捷短语（全局）或某个输入方案；下方子标签切换具体数据类别。

下拉里含全部已安装方案，不限于已启用的，也包括英文、快符这类特殊方案——它们各有独立的用户词库与词频记账，与主方案互不干扰。

选择方案后，可管理的数据类别随方案引擎类型变化：

方案类型	可管理数据
码表	用户词库、临时词库、词频、候选调整
拼音	用户词库、临时词库、词频
英文 0.114 新增	用户词库、词频、候选调整
混输	候选调整

快符这类特殊方案按码表处理，四类齐全。英文少一个「临时词库」，原因见下文。

通用操作：

搜索 —— 输入编码或词条即时过滤，编码支持中段匹配 0.113 新增：搜 ya 也能搜到 haoya，不必从头打起
排序 —— 点击表头按该列排序
分页 —— 用户词库、词频等数据量大时分页浏览
删除、清空等破坏性操作均有二次确认

快捷短语的管理见自定义短语，本页聚焦方案词库与词频。

拼音编码带音节空格 0.113 新增

拼音词库的编码在列表、搜索回显与「出码」按钮里一律显示成带音节空格的形式（ni hao 而不是 nihao），让词库真实的音节结构可见。存储侧不变，仍是扁平码，用户词库与临时词库都已统一。

由此多出一个用法：在编码框里手打空格即显式声明音节切分，优先于程序的自动推导——自定义切分或生僻音的词，打个空格就能把边界给准。搜索时带不带空格都能匹配。

直接打开到指定方案 0.113 新增

从输入法菜单选「词库管理」时，直接落在你当前正在用的那套方案上，不再停在「快捷短语」让你再选一次。

要跳得更准，可以用命令行参数指定方案与数据类型：

wind_setting.exe --page dict --schema wubi86 --type shadow

也可以挂成短语，用编码一键直达：

cods = $CC("五笔候选调整", setting.open("dict", "--schema=wubi86 --type=shadow"))

取值与降级规则见设置工具的命令行参数。

附加词库开关

方案除主词库外，还可随附若干附加词库（表情、符号、地名等）。它们与主词库共同参与候选排序，可按需独立开关，是在不修改方案文件的前提下调整候选范围的最常用入口。

在「方案」页选中方案后点「设置」，打开方案设置对话框，其中「附加词库」区块列出该方案的所有附加词库（主词库不在此列出）。每个条目一个开关，下方小字说明该词库的内容范围（由方案作者预设）。

五笔方案内置的附加词库：

词库	默认	说明
极点五笔主词库	——	主词库，始终启用，不在附加词库列表中
扩展词库	启用	新词、网络用语、生僻词等非常用词条
Emoji 表情	启用	按五笔编码检索 emoji；输入 `emoj` 可查看常用表情
行政区域	关闭	省市县区等地名词条，按需启用

即时生效，无需重启

保存后开关立即生效，停用的词库即从候选中移除。开关状态写入用户数据目录下的 schema_overrides\<方案ID>.toml，仅保存与方案默认值不同的项；升级安装包不会覆盖你的开关设置。

开关只记「开或关」，不冻结词库定义

覆盖层按词库 id 只接受启用状态一个字段，词库的路径、名称、顺序等始终以方案文件为准。因此方案升级后新增或调整过的词库都能正常透传，不会被你点过的开关冻结在旧版本。若想替换词库文件本身，见同结构覆盖机制。

用户词库

用户词库收录你手动添加的词，以及自动造词转正后的词条。

手动添加 —— 输入词条后可点击「出码」按钮自动生成编码，也可手动填写；支持设置权重。此外可编辑、删除、清空。

导入 / 导出 —— 导出对话框可勾选用户词库、临时词库、词频、候选调整，一并写进同一个 WindDict YAML（.wdict.yaml）；导入支持 WindDict、Rime 词库、TSV 文本（按内容自动识别）。导入前先预览识别格式与新增 / 更新 / 跳过条数，再选择：

合并导入 —— 保留本地已有词，追加新词
替换导入 —— 清空当前方案词库后导入

文件格式规范、格式识别判据、跨引擎类型校验与合并去重键见导入与导出。

英文方案的用户词库 0.114 新增

英文方案有自己的用户词库，收专有名词、缩写、项目内部词汇这些词库里不会有的词。编码就是单词本身的小写——英文词库以小写码做大小写不敏感的前缀匹配，加 WindInput 后打 wind 就能出。

三种词加不进去，加词会提示无法计算编码：

带空格的（如 thank you）—— 带空格的编码会让前缀查询永远命中不到，加了等于没加
非 ASCII 的（如 café）—— 英文词库的编码空间就是 ASCII
一个字母都没有的（如 123）—— 纯数字或纯符号不是英文词

英文没有临时词库：临时词库是自动造词的暂存区，而英文没有造词流程。因此英文方案在词库页只有「用户词库 / 词频 / 候选调整」三个子标签。

临时词库与自动造词

启用自动造词 / 自动学习后（码表与拼音各有独立开关），连续选字产生的新词组会先进入临时词库，记录使用次数，尚未进入正式用户词库。

在「临时词库」子标签中：

转正 —— 将临时词条转入正式用户词库
全部转正 —— 一键转正当前全部临时词条
删除 / 清空

词频与调频

清风的候选排序由两个彼此独立的维度决定：

权重（weight） —— 候选自带的静态排序分，来自词库或语言模型，是默认排序维度
词频（frequency） —— 你实际使用候选的统计（用了多少次、最近何时用），是完全独立的另一维度

关键在于：词频不加到 weight 上，而是排序阶段作为独立维度与权重组合，排序时绝不修改任何候选的 weight。

词频记录（count 使用次数与 last_used 最近使用时间）按「方案 + 编码 + 文本」存储在 userdata.redb。在「词频」子标签中可删除单条记录（该词回落原始排序）或清空列表。

记账用哪个编码：码表与拼音相反 (0.114)

这里的「编码」两类方案取法不同，是刻意的：

码表 —— 记你实际敲的输入码。d / de / def 是三个独立码位，各自的首选独立调整。这也是下文「首选保护按码长分级」成立的前提
拼音 / 英文 —— 记候选自身的编码。候选码恒是这个词完整的读音或拼写，打 d 选了「东西」之后打 dongxi 也该受益；而且拼音下不能用输入缓冲——双拼的 siyr 与候选码 siyuan、带分隔符的 xi'an 与 xian 都对不上

0.113 及以前码表侧也走候选码，导致在 de 下选中「有」（它带的是全码 def）后，打 d 时它也跟着前移。0.114 已按候选来源分流修正。

调频策略

码表方案的词频以基础排序为基底调整候选顺序，设置页「调频策略」三选一：

策略	设置页标签	语义	行为
`top`（默认）	置顶	一次到顶	选一次立刻置于已用档之首（按最近使用时间排）
`step`	步进	逐次提升	按累计次数爬升，抗误选
`position`	位次渐进 0.114 新增	位次减半	每用一次把该候选的位次前移一半，逐步靠前

top 与 step 的本质都是布尔的「用过优先」：只要用过一次就整体跳到未用过的那批之前，策略只决定已用过的内部怎么排。这在候选以精确匹配为主时没问题，但对前缀匹配为主的方案过于粗暴——英文几乎所有候选都是前缀匹配（打 hel 出 hello / help），选过一次就顶到最前，一次误选就很显眼。

position 没有这道台阶：位次连续表达强弱，用一次前移一半，第 8 位 → 4 → 2 → 1 → 0，四次到顶；久未使用则按半衰期回落。这也是英文与前缀匹配类方案的推荐策略。

提升只在档内发生

候选按来源分档（精确全码 / 简码 / 前缀补全…），position 的提升跨不出档位——前缀补全的词再怎么提升也排不到精确全码之前，「五笔优先」不受影响。

补全词参与调频 0.114 新增

设置页「补全词参与调频」控制前缀补全出来的候选是否参与位置提升，码表与拼音各有一项，三选一：

取值	设置页标签	语义
`none`	不参与	前缀补全的候选一律不提升
`single`	仅单字/单词	只提升「单个语义单元」的候选：一个汉字，或一个西文单词
`all`	全部	全部提升

判据是语义单元数而不是字符数：「东西」是 2 个单元，hello 是 1 个，thank you 是 2 个。用字符数判会把英文整个挡死（hello 有 5 个字符），语义单元让同一条规则在中英文下都成立。

拼音出厂 single——只打半个音（如 d）时所有候选都是补全，让「的 / 得」这类单字正常上浮，但不让「东西」这种词组跑到单字前面。码表出厂 all，因为码表的前缀补全已由档位隔离、跨不到精确档之前，无需再收窄。

码表侧只在「位次渐进」下生效

top / step 走布尔「用过优先」，根本不读这一项，故设置页把码表的「补全词参与调频」挂在策略为「位次渐进」时才可用。拼音侧没有策略选择，只要开了调频就生效。

首选保护：把基础排序原本的前 N 个候选按原序回填到最前，即使某候选词频极高，不在保护集内也进不了前 N 位。仅码表 / 混输方案生效。

保护档位按本次输入的码长分级 0.113 新增，设置页对应四项：

设置项	配置键	出厂	说明
一简位保护前 N 项	`protect_top_n_len1`	`1`	一简每个编码通常只有两个字，误选一次就会永久换掉首选，故默认保护
二简位保护前 N 项	`protect_top_n_len2`	`1`	同上
三简位保护前 N 项	`protect_top_n_len3`	`0`	三简的固定程度弱于一二简，默认不保护
全码位保护前 N 项	`protect_top_n`	`0`	4 码及以上，默认不保护，让调频正常起作用

保护名额只在精确匹配的候选里取，不足则少保护——名额多于精确候选时不会把前缀补全的长词一并钉死。分级的来龙去脉与老配置的迁移注意事项见方案与引擎配置 · 首选保护按码长分级。

码表的 top / step 下，「用过」是永久的，用一次即可稳定上浮。position 与拼音则带时间衰减，久未使用的记录会逐渐褪色、落回原始序。

拼音调频：位置提升模型 0.114 新增

0.113 及以前，拼音的「用过」是一道布尔闸门——只要用过就排到没用过的之前，无论权重差多少个数量级。于是打一个 d，只选过一次的「的样子」会把「的」挤下去。

0.114 起换成与码表 position 同一套位置提升模型：

目标位次 = 原始位次 / 2^有效使用次数
有效使用次数 = 累计次数 × 时间衰减

要点：

提升速度与权重无关。位次天生是归一化的——第 2 位就是第 2 位，与它的绝对权重是 1.5 千万还是 2 万无关。所以不管候选之间差 486 倍还是 2 倍，第 2 位的候选都是用一次到首位
只在层内提升。整句候选与精确码短语恒占顶部、不参与提升；简拼、前缀补全、子短语等匹配层级也是硬约束，词频不得跨层提拔
同位次时用得多的在前
累计有效使用不足半次的记录不提升——避免一年前用过一次、已衰减到几乎为零的记录仍把第 2 位顶上首位

衰减仍由 half_life（半衰期，出厂 72 小时）控制。这也意味着用过 50 次的词，一个月不用也会完全失效——墙钟衰减的固有行为，30 天约等于 10 个半衰期。

base_scale 与 recency_peak 已不再生效

拼音词频不再打分，只调位次，schema.pinyin.frequency 下的 base_scale、recency_peak 两项因此改动无任何效果。保留是为了将来可能恢复打分模型，现阶段不必调。half_life 仍然生效。

调频开关

码表与拼音的词频调整各有独立开关，随附方案默认开启。开关与策略在「方案」页的对应引擎配置对话框中调整。

调整候选顺序

短语的 position

position 是短语专有字段，用户词条没有这个字段。它只在同一编码、且权重相同的多条短语之间决定先后，详见自定义短语 · position。

候选调整（置顶 / 隐藏）

「候选调整」控制特定候选的显示行为，不修改原始词库数据，规则以一层 shadow 规则持久化在 userdata.redb：

添加 —— 指定编码与词条，类型选固定位置（并填目标位置）或隐藏
编辑 —— 修改已有规则
撤销 —— 取消调整规则，恢复该候选的原始显示
清空 —— 移除全部规则

日常使用中也可直接在候选窗口用快捷键置顶或删除候选（见快捷键定制），产生的规则同样在此管理。

拼音方案下的置顶

拼音候选权重是百万级，单纯把用户词的 weight 调到几千不足以稳定压过常用拼音词。更可靠的做法是给它一个不易与自然词碰撞的精确编码（例如 4 字母的 cobd），让它只在该精确编码下出现。

词库缓存与重建

首次加载 .dict.yaml 时会解析成二进制缓存（.wdat），存放在 %LOCALAPPDATA%\WindInput\cache，之后直接内存映射读取，省掉重复解析。

缓存按内容指纹校验，不看修改时间。以下任一情况会自动重建，用户无需手动干预：

词库文件内容变化（哪怕只改一个字节）
缓存文件或其指纹文件缺失、损坏
拼音词库的 import_tables 子表增删或改动
程序升级带来了解析语义变更
词库的 type 在 english 与其他类型之间切换

因为指纹基于内容而非时间戳，用 scp 部署、从版本控制签出等刷新 mtime 的操作不会触发无谓的重建；把文件改回原样也能重新命中旧缓存。

改了 .dict.yaml 之后不需要做任何事

下次加载该词库时自动重建。改方案文件（.schema.toml）同样不需要——base_order、default_weight、base_sort 作用在查询期的排序器上，根本不进缓存。

需要强制全量重建时（例如怀疑缓存异常），用命令行：

wind_input schema rebuild

它会清空整个缓存目录。输出里若提示「M 个仍被占用」，是文件还处于内存映射中，再执行一次即可清掉，不影响正确性。详见命令行工具。

只投放 .wdat 而无 .dict.yaml 的词库无法重建

词库也可以只分发编译好的 .wdat 而不带 yaml 源。这种词库直接映射加载、完全绕过指纹校验；一旦加载失败会明确报错，此时只能更换词库文件，改 yaml 没有意义（根本没有 yaml）。

删除操作不可恢复

删除与清空操作不可撤销。重要数据建议提前备份用户数据目录（%APPDATA%\WindInput\），或用设置工具一键备份，见备份与还原。

本页目录