ReadWise · 让读过的书成为你的一部分
在线体验：https://readwise.waywise.tech · 示例书页：《最小阻力之路》
输入一本书的书名，ReadWise 会用 AI 为它生成一份「书籍回顾」：先听一段双人播客，再限时逐块精读、闯关检测，把书里的道理用到自己身上，最后还能向“作者”提问。书库里的每一本都公开，谁都可以免费读。
为什么做这个
很多书读完就忘了。合上书的那一刻觉得收获很多，过几个月只剩一个书名和一点模糊的印象。
问题往往不在读得不够多，而在读完之后没有再和这本书发生关系：没有回头整理它到底在说什么，没有检验自己是否真的懂了，也没有把它和自己的生活连起来。
两本讲“怎么读”和“怎么学”的书，给了这个问题很好的答案：
- 《如何阅读一本书》：读懂一本书，要依次回答四个问题：整体在谈什么？细节怎么说？说得有道理吗？和我有什么关系？
- 《学习之道》：记得住靠的是限时专注、把知识切成小块、主动回忆、交错检测和间隔复习，而不是反复重读。
ReadWise 想做的，就是把这两套方法变成一份可以直接用的回顾页。你不用自己做笔记、出题、想问题，打开书页，跟着走 60 分钟，这本书就有机会真正成为你的一部分。
一份书籍回顾里有什么
| 模块 | 时间 | 做什么 |
|---|
| 推荐 | 先看 | 一句话讲清这本书解决什么问题，适合谁、不适合谁 |
| 双人播客 | 15–20′ | 领读人和提问者聊这本书，适合通勤或睡前先听一遍 |
| 检视 | 5′ | 这是一本什么书、要回答什么问题、全书的结构图 |
| 分析 | 40′ | 8–10 个知识块：核心观点、关键概念、例子、常见误解，每块读完马上自测 |
| 检测 | 5′ | 12 道闯关题，连对有连击，答错会告诉你回看哪一块 |
| 内化 | 10′ | 填空回忆、批判性思考、和自己的处境联系起来 |
| 向作者提问 | 读后 | AI 以作者的视角回答你的问题（AI 模拟，非作者本人观点） |
| 接着读哪一本 | 读后 | 书库里和这本书相连的书，并说明是互相印证、观点相左还是把问题推得更远 |
以《影响力》为例（在线查看）：
书库按“这本书能帮你解决什么问题”分类，比如“总是拖延”“想不清楚做不好决定”“不会沟通表达”。按问题找书，比按图书分类找更贴近人为什么会去读一本书。
书籍网络（在线查看）把书库里的书按思想上的联系连成一张 3D 星图（three.js + 3d-force-graph，辉光后期），可以环绕、巡游和全屏录屏。每加入一本新书，模型会读它和其他书的摘要，找出最多 6 条真正有意义的联系，分成呼应、对话、互补、延伸、同源五类，每条写明两本书共同涉及的概念和具体联系在哪里。
怎么做的
生成流程
书名 ──► 联网检索书籍资料 ──► 评估资料是否充分可靠
│ 不够 → 请用户上传原文；同名多本 → 请用户指定作者
▼
生成结构化书页（JSON）──► 结构校验
▼
质检：编造、误引、题目答案错误 ──► 按意见修正
▼
内容安全审核 ──► 入库，渲染成书页
▼
播客稿 ──► 双人语音合成 问作者：以书页为上下文流式回答
几个关键设计：
- 先查资料，再动笔。模型很容易把一本没读过的书“编”得头头是道。每本书都先联网检索，再由另一个模型给资料的充分度打分，资料不够就不生成，宁可请用户上传原文。
- 生成和质检分开。生成用一个模型，质检用另一个模型，专门找编造的例子、张冠李戴的引用和答案有误的题目，发现问题就修正。质检分会存下来，方便人工抽查。
- 模型只输出数据，不写网页。模型输出结构固定的 JSON（schema 见
engine/schema.mjs），由模板渲染成页面。改样式不用重新生成内容，以后做 App 也能用同一份数据。
- 生成失败时自动换模型。主模型偶尔会截断或超时，这时自动换备用模型重试，不让用户白等。
- 豆瓣评分直接取自豆瓣，书页上可以点击核对。
- 每次模型调用都记账：tokens、花费、用时都记下来。一本书的书页大约 ¥1.5–3，播客大约 ¥2.5。
用到的模型和服务
| 环节 | 当前选择 |
|---|
| 联网检索 | 博查 Web Search |
| 资料评估、质检、备用生成 | DeepSeek |
| 书页生成、播客稿 | 腾讯混元 Hy4（TokenHub） |
| 问作者 | 腾讯混元 Hy3 |
| 播客配音 | MiniMax 语音（TokenHub） |
| 内容安全 | 腾讯云文本内容安全 |
模型都通过 OpenAI 兼容接口调用，每个环节用哪个模型可以在 config/models.mjs 或环境变量里换。仓库里还有一个对比脚本，可以用同一份书单横向比较多个模型的质量、成本和速度（npm run compare）。
技术栈
- 网站：Next.js 15（App Router），服务端渲染，SQLite（better-sqlite3）
- 后台任务：独立的 worker 进程排队生成书页和播客，同时生成的数量有上限，全站每天的模型成本也有上限
- 部署：一台 4 核 8G 的云服务器，用 systemd 跑网站和 worker，Caddy 反向代理并自动签发 HTTPS 证书
- 账号：邮箱验证码登录；积分、等级、排行榜、用户主页
- 游戏化：读完一本书并闯关及格能得积分，首位生成的书被别人读完也能得积分，等级从书童到翰林
本地运行
需要 Node.js 20+；解析 PDF 原文需要 pdftotext（macOS：brew install poppler）。
npm install
cp .env.example .env # 填入模型和检索服务的 API key，ADMIN_EMAILS 填自己的邮箱
npm run dev # 网站：http://localhost:3000
npm run worker # 另开一个终端：后台任务进程（生成书页、合成播客）
本地开发时邮件默认是 dev 模式，登录验证码会打印在 npm run dev 的终端里。
只想试试内容引擎、不起网站的话，可以直接用命令行：
npm run generate -- "原子习惯" --author 詹姆斯·克利尔 # 检索 → 生成 → 质检，输出到 out/books/
npm run render -- fixtures/最小阻力之路.json # 把书页 JSON 渲染成单个 HTML
部署、运维、积分规则等更多细节见 docs/DEPLOY.md。
目录
config/ 模型与价格、问题分类表、套餐与积分规则
engine/ 内容引擎：检索、资料评估、生成、校验、质检、播客、问作者、豆瓣评分、书籍网络
renderer/ 书页模板与渲染
app/ Next.js 网站（页面、接口、管理后台）
lib/ 数据库、登录、额度与积分、任务队列、邮件、内容审核
worker/ 后台任务进程
scripts/ 命令行工具和运维脚本
deploy/ 部署脚本、systemd 和 Caddy 配置
fixtures/ 人工整理的样例书页，作为质量基准
反馈
欢迎在 Issues 里提建议；书页里的内容有错，可以直接点页面底部的“发现内容有误？告诉我们”。如果觉得这个想法有意思，点个 Star 让更多人看到。
书籍回顾、播客和“问作者”的内容都由 AI 基于公开资料生成，可能有错误，不能替代阅读原书。
许可证
代码以 MIT 许可证开源。网站上由 AI 生成的书籍回顾内容不在此列。
