惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

宝玉的分享
宝玉的分享
H
Hackread – Cybersecurity News, Data Breaches, AI and More
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
小众软件
小众软件
月光博客
月光博客
D
DataBreaches.Net
L
LangChain Blog
美团技术团队
S
SegmentFault 最新的问题
MyScale Blog
MyScale Blog
大猫的无限游戏
大猫的无限游戏
博客园 - 司徒正美
aimingoo的专栏
aimingoo的专栏
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
H
Help Net Security
阮一峰的网络日志
阮一峰的网络日志
Y
Y Combinator Blog
I
InfoQ
U
Unit 42
Microsoft Azure Blog
Microsoft Azure Blog
J
Java Code Geeks
博客园 - 三生石上(FineUI控件)
腾讯CDC
Martin Fowler
Martin Fowler

产品发布

小众日历产品上线, 50 个 2 刀优惠码奉上 - V2EX 前字节前端现独立开发做的第三款产品分享: 优秀雅思 - V2EX 前字节前端现独立开发做的第一款产品分享: 优秀同传 - V2EX 做了一个停车优惠信息汇总的小程序 - V2EX [产品自荐] 做了款面向巴西用户的 AI 音乐生成器 [产品自推] ASMR-AI.art,一键创建私人专属 ASMR 解压视频 [产品自荐] 业余两周做了个 AI Visual Agent,自动选模型、写 prompt、调参数,想请 V 友帮忙看看 vibecodeing 了一个 韩语词典 南韩词典 目前只有 ios 版本 推广下下 [产品自荐] 做了一个多模型 AI 图片/视频生成工作台,想请 V 友帮忙看看 Agent 选模型是否靠谱 做了一个记录你各种 Vibe Coding 的 Token 使用量的工具 职场社交新玩法: Queens Answer Today 平台正式发布,助你玩转 LinkedIn 益智挑战 ACE-Step 1.5:性能超越 Suno 的端侧开源音乐模型 开发了动漫自走棋《Anime Auto Chess》主题站 做的第一款 AI 工具产品 做了一个 Dragon Traveler 的游戏主题站 鼓捣了一个拼图网站 Collaigo,非常好用,大伙可以试下
前字节前端现独立开发做的第二款产品分享: 优秀 PTE - V2EX
ricofishing · 2026-08-25 · via 产品发布

大家好,我是从字节出来做独立开发的前端。这是我现在做的第二款产品:优秀 PTE 。产品地址是 https://pte.youshowedu.com 做这个项目时,我发现 PTE 备考里,刷题很容易,知道丢分点和下一小时练什么很难。口语录音听完只能凭感觉,写作缺少即时反馈,阅读和听力错题又散在不同表格里。优秀 PTE 就是从这个问题开始做的,我想把刷题、评分、记录和模考放在一个流程里。 题库覆盖口语、写作、阅读、听力四个部分,共 22 种题型。RA 、RS 、DI 、RL 、ASQ 、SGD 、RTS ,SWT 、WE ,以及阅读和听力里的填空、选择、排序、听写,都能在同一套页面里完成。页面会显示题型供分比例和个人练习记录,也能从最近没有练过的题继续。 我很在意评分能不能解释清楚。客观题即时评分,多选题按正确选项加分、错误选项扣分,RO 按正确的相邻段落计分,WFD 按单词顺序比对。结果页展开得分和选项状态,用户能看到错在哪里。 口语部分接了 Pronunciation Assessment 。RA 会拆到单词级,展示发音、完整度、流利度和韵律; DI 、RL 、SGD 、RTS 再交给 LLM 做内容相关性评估。项目里也在试跑 RA 语速诊断:把示范音频和用户录音转成单词时间轴,对齐后比较词时长和词间停顿。它作为诊断信息展示,不冒充官方分数,首批 20 道题先用来验证反馈是否有帮助。 写作评分覆盖 SWT 、WE 和 SST ,返回内容、格式、语法、词汇、拼写、结构等分项得分和具体错误。WE 还支持作文批改,给出原句、修改建议和改写示例。后端做了 JSON 解析、分数范围校验和 fallback 评分,LLM 偶尔异常时,练习流程仍能返回结果。 模考有完整模考和 30 分钟迷你模考。完整模考约 2 小时、50 多道题,提交后进入异步评分,报告保存 overall 、四项分数以及发音、流利度、词汇、拼写等维度,也支持重新评分。 工程上,我用 Next.js 16 、React 19 和 TypeScript 做前端与服务端,部署在 Cloudflare Workers ,数据放在 D1 ,登录用 Clerk ,支付接 Stripe ,AI 通过统一 LLM provider 接入。题库、练习历史、收藏题目、模考报告、会员状态都有对应的数据结构和 API 。Web 之外,也准备了 iOS 、Google Play 和 Android APK 的下载入口。 目前优秀 PTE 还在持续打磨,题库更新、评分边界、移动端体验都需要继续验证。我在做它时,把 AI 评分拆成评分来源、失败兜底和复盘路径三个部分。目前它已经能支撑日常刷题、AI 评分和模考复盘,后面继续围绕这三个场景迭代。