随着 Vibe Coding 项目的持续深入，你会在与 AI 一轮又一轮的沟通、探讨与推敲中，在反复测试与验证的循环里，在逐步提升的思考过程中，悄然获得成长。因为不断出现的关键决策，会越来越依赖你给出清晰、具体且可验证的方向。否则，AI 很可能会陷入一种看似忙碌、实则原地打转的状态：代码不断生成，问题不断修补，目标却始终若即若离，仿佛深陷泥潭。

言泉输入法今天完成了 v0.4.1。这个版本除了在长句输入方面持续改进之外，最重要的变化，是彻底区分了字词输入与长句输入这两种模式及其状态。最初，言泉输入法是基于我个人按字词输入的习惯而开发的；后来了解到很多人更偏好长句输入，于是从 v0.2.0 开始支持长句输入模式。然而，随着长句模式被不断改进，我逐渐发现：当我自己使用按字词模式输入时，候选中时常会因为受到“污染”而冒出一些生造词。我渐渐意识到，污染源正是长句模式中的寻路算法，于是让 AI 设法解决。但 AI 的表现，却像玩跷跷板：顾此失彼，按下这头，那头便翘起；优化了字词输入，长句效果就受损；强化了长句路径，字词候选又被干扰。最终，在与 AI 经过数轮沟通、修改与验证之后，我自己终于形成了一套更清晰的算法思路。我把这个明确、清晰的结论交给 AI，由它据此重构代码，才终于得到了现在这个还算不错的阶段性结果。当然，它距离理想状态仍然很远，后续还需要继续打磨和优化。

Vibe Coding 并不是你轻描淡写地说一句“要有光”，AI 便立刻为你捧出光来。真正的 Vibe Coding，需要你与 AI 共同进步。AI 模型会持续升级，能力也必然越来越强，但它并不是——至少在短期内还不会是——全知全能的神。倘若把一个需要长期迭代、不断权衡、持续验证的复杂任务完全交给它独自完成，最终你很可能得不到真正可用的结果。你自己的思考，才是校正航向、修正偏差、推动 AI 向目标逼近的关键力量。

官网：https://www.cassotis.org 或者 https://www.yanquan.org
Github：https://github.com/shenmin/cassotis-ime

在 v0.2.0 发布后，我继续让 Codex（gpt-5.4-xhigh）完善长句支持，并增加词库层。

我为输入法设计了一个 Benchmark：将我的小说《永恒的舞动》作为测试语料，选出不包含英文字母和数字的完整语句作为测试案例，转换为拼音后送入言泉输入法的引擎。如果结果的第一候选与原句完全一致，则计入 Top1 Pass；如果第一、第二候选任一个与原句一致，则计入 Top2 Pass。我让 Codex 按照这一测试方法的指标执行优化，由此创下了 Codex 单次任务运行 72 小时的纪录。

然而，没想到这只是 Codex 陷入近两周泥潭的开始。结果总是在“性能（延迟）”、“长句效果”、“短句效果”三者之间摇摆，犹如打地鼠般。直到 gpt-5.5-xhigh 到来，Codex 仿佛获得了新的力量，终于爬出了泥潭。不过，后来在修复另一个小 Bug 时，它却又像跌入了水沟。挣扎了三天后，我开了一个新的 session，相当于给 Codex 换了个脑子（丢弃旧上下文），问题根源终于被找到。

今天，我让 Codex 使用 v0.2.0 的引擎和 v0.3.1 的引擎分别做了 Cassotis 长句 Benchmark-16300 测试，结果如下：

版本	Top1	Top2
v0.3.1	23.59%	28.53%
v0.2.0	16.39%	17.56%

改进显著。

官网：https://www.cassotis.org 或者 https://www.yanquan.org

v0.1.0 版本发布后，收到一些朋友的反馈，我才发现许多人更习惯或偏爱长句输入。于是，我将下一步的开发重点放在了对长句和整句输入的支持上。我向 Codex 征求了技术层面的落实建议，它建议：……（其实我并没有仔细看），我便直接让它按照自己的思路去实现了。

很快便有了初步成果，当时我还颇觉惊喜。但没想到的是，随后的三天仿佛陷入了泥沼。代码越改问题越多，彻底陷入了细节的反复拉扯中。眼看当前的状况已不是多改几轮就能解决问题的，我便提醒 Codex 是否该反思一下现有的策略。Codex 终于承认此前的方向似乎有误，并表示已经找到了正确的新路径。于是，我让它将代码库的 worktree 回退到上一个发布版本，推倒重来。

或许是反思奏效了，所幸这次它没有重蹈覆辙。重新实现的版本一扫前几日的阴霾，在各方面的表现都达到了令人满意的程度。又经过几天的细致打磨，v0.2.0 版本正式出炉。

现在，算是初步支持长句输入了。

当然，Codex 的脚步并未就此停歇。我问它：“长句输入还有没有进一步改善优化的空间？”它回答：“还很大。”很好，那就让它继续加油开干吧。

另外，最近我找到了一种让 Codex 一次性完成整项任务的工作方式，每次它都能连续工作4到6个小时，可谓勤勤恳恳。

官网：https://www.cassotis.org 或者 https://www.yanquan.org

用 Codex 消耗了近三亿 token，写出近五万行 Delphi 代码，开源 Windows 输入法——言泉输入法的首个正式版本 v0.1.0 已经可以在 GitHub 下载了。

我还让 Codex 和 Claude Code 合作设计、优化出了官网：https://www.cassotis.org 或者 https://www.yanquan.org

之前提过，最初萌生 Vibe Coding 一个输入法的想法，是希望尝试让输入法结合 AI 的能力。但经过实际接入本地大模型的尝试后，我认为当下尚不具备实用性，于是便让 Codex 将项目中的 AI 相关代码全部移除。所以，现在实际 release 的版本完全不包含任何 AI 特性。对我而言，她就是一个用来取代十多年前停止更新的谷歌拼音 2.0 的替代品。就连输入风格也是——适合按词输入，而非长句/整句输入。

启动这个项目的另一个原因，是想探索纯 Vibe Coding、完全依赖 AI 写代码究竟能做到什么程度，同时摸索如何驾驭 AI 写出更高质量的生产级代码。与 AI 沟通的过程，会让自己对项目本身产生更深入的理解。我对 Windows 系统的输入法开发框架完全不了解，但在 Vibe Coding 的过程中，随着项目推进，虽然我一行代码都没写，却也逐渐熟悉了整套框架。这和传统开发流程——先研究、熟悉相关框架再动手写代码——有着非常大的差别。

关于 Vibe Coding 当下的心得：

1. 首先你自己需要清楚知道要做什么（才能检验结果）；
2. 要有极强的耐心（可能会遇到与 AI 反复拉扯的情况）；
3. 用最好的模型（不要在低质量的廉价模型上浪费时间）；

言泉输入法还会继续迭代。虽然现在开始流行 AI 加持的语音输入（究其原因，我认为是当下语音模型的效率与性能已达到实用级别），但我个人无法接受对着电脑说话作为输入方式——我爱键盘！Vibe Coding 不就是为了能做市面上找不到满意的而首要服务于自己的东西么？

十几天断断续续的 Vibe Coding，加上 Codex 确实给力了许多，输入法已经具备了初步的可用性。比如：支持接入本地 LLM（虽然在速度和效果上还不尽如人意，尚未达到实用程度）；创建了基础词库；支持简拼；支持词条动态权重；中英文状态切换/显示，以及提升了TSF框架的稳定性等。

Delphi 代码规模已增长到 25000+ 行（首次上传到 GitHub 是 12000+ 行）。

至于后续计划，首先会将言泉输入法切换为个人主力（甚至唯一）中文输入法，实际的高频使用才有可能将不爽、不顺畅的点一一发现并改进；再尝试引入基于上下文预测的 LLM 增强模式。对于本地 LLM，我评估其暂时难以达到工程上的实用性，但作为探索，相信不需要等待太久，LLM 本身就会得到改进并落地。

输入法：https://github.com/shenmin/cassotis-ime
词库：https://github.com/shenmin/cassotis-lexicon

（作者使用言泉输入法输入本文）

2025 年年中，我萌生了一个想法：中文输入法与大语言模型在本质上都有“接龙式”预测的共性。由此自然引出一个设想——能否借助大语言模型的力量，显著提升中文输入体验？

在 Windows 平台上，当前主流的中文拼音输入法几乎全由互联网大厂主导，而开源方案则普遍体验欠佳。多年来，我不得不使用早已停止维护十余年的谷歌拼音输入法 2.0。即便到今天，想要找到一款干净、纯粹且用户体验出色的输入法，也几乎不可能。

想法与现状不断碰撞，最终在“Vibe Coding”的催化下迸发出火花。

“Vibe Coding”概念提出已一年有余，但 AI 编程能力在不同领域、不同开发者眼中的表现始终大相径庭。然而到 2025 年下半年，Codex CLI 在 Delphi/Pascal 语言的代码生成上已具备实际可用性（相比之下，Claude Code 即便搭配 Opus 4.6 仍只会“添乱”）。12月，我借助 Codex CLI（gpt-5.2-xhigh）启动了“Cassotis IME（言泉输入法）”项目。

英文名 Cassotis 源自 Delphi 神庙内的一眼圣泉——女祭司皮媞亚（Pythia）在发布神谕前会饮此泉水，以进入通灵状态。这眼泉水被视为预言与灵感的真正源头，是神谕诞生之地，完美呼应了从 Delphi 到人类语言的神圣路径。中文名“言泉”既契合 Cassotis 作为预言之泉的意象，又取“言如泉涌”的寓意，寄托了对流畅、智能输入体验的期许。

现在，Codex CLI 背后的模型已升级至 gpt-5.3-codex(xhigh)，即便面对 Delphi 这类小众语言，也已近乎“言出法随”。修复 bug 而不引入新问题的能力，已明显超越 codex-5.2。

今天的版本已能正常输入中文单字（数据源自 Unihan）及用户自定义词汇。未来有很多演进路径，我首先想尝试的，是以本地部署的小型 LLM 替代规模巨大的传统静态词库。如果短期内在响应速度或效果上难以达到理想水平，则将转向工程层面的优化策略。

无论如何，这个项目会保持 Vibe Coding 的开发方式。

GitHub地址：https://github.com/shenmin/cassotis-ime