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。