ProWords AI 背單字工具實測：職業例句生成搬回自己電腦

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

在網路上搜 ProWords，找到的介紹文多半會說它是一款免費、無需註冊的 AI 背單字工具，然後給你官網網址 prowords.zeabur.app。2026 年 9 月實際打開這個網址，畫面上只剩一行 Not Found。介紹文裡那個打開就能用的服務，已經不在了。

專案本身沒有跟著網址一起消失。原始碼還留在 GitHub 上（winterfx/ProWords，386 顆星），我把整包抓到自己的電腦，從安裝到單字卡完整跑了一輪：跑得通，而且它發給 AI 服務的每一個請求，我都用本機端點原封不動收了下來。這篇把三個面向攤開講：官方站發生了什麼、自己架一套會遇到什麼，以及一件幾乎所有介紹文都沒寫的事實，它內建的兩萬五千多個單字，與另一個開源專案 Qwerty Learner 的詞庫逐位元組相同。

先說結論給趕時間的人：單純想背單字、不想管伺服器的人，直接用 Qwerty Learner 的線上版就好，詞庫同源又免維護。ProWords 值得看的地方在於「職業情境例句」這個設計，以及它如今只剩自架一條路，想接手的人最好先知道自己在接什麼。

它設計上想解決的問題：例句跟你的工作無關

背單字最常見的失敗方式，是單字卡上的例句跟你的生活毫無關係。軟體工程師背 abandon，例句講的是農夫放棄田地；隔天在程式碼審查裡遇到 abandon a commit，還是想不起來。ProWords 的切入點就是把例句的情境換掉：先選職業身分，AI 再針對每個單字生成那個職業會真正用到的句子。

介面流程很短。首頁選職業，內建程式設計師、設計師、商人、醫生、教師、律師六種，也可以自己填一個身分描述，一次最多同時選三個。接著選詞庫與章節，每章固定 20 個單字。進入單字卡後，畫面是單字、英美音標、詞性釋義，以及每個入選職業各一張例句卡，每張卡都有單獨的重新生成鈕，對例句不滿意就再換一次。章節讀完可以整章重看，但沒有跨章節的記憶排程、也沒有錯題本，它是一個例句客製化的單字卡引擎，不是排程複習系統。

Pin

詞庫共有七本：CET-4、CET-6、GRE、TOEFL、IELTS、PTE、考研，合計 25,685 個單字。以 CET-4 的 2,607 個單字計，會被切成 131 章。職業標籤與介面文字全部是簡體中文，沒有語言切換，這點後面談限制時會再提到。

免費示範站停在 2025 年春天

把時間線排出來，這個站的生死其實看得很清楚。

2025 年 2 月 28 日，倉庫在 GitHub 上建立。3 月 7 日，網頁檔案館出現第一筆成功存檔，代表官網當時已經上線。3 月 17 日，作者把自動部署的 GitHub Actions 設定整個移除，那是一段「推送到 main 就自動部署到 Zeabur」的腳本。3 月 31 日，main 分支迎來最後一次提交，內容是升級 Next.js 版本。此後的十八個月，程式碼再沒有動過。

使用者的反映接著出現。2025 年 4 月 3 日與 4 月 6 日，兩則 issue 分別標題寫著單字載入失敗與 can’t use；8 月 18 日又有一則，說選了考研詞庫第一章就跳出載入失敗的訊息。下面唯一的留言給出的解法很直白：自己購買 OpenAI 的金鑰，寫進設定檔。這句話等於承認了這個工具的實際形態，它是自帶金鑰的自架專案，官方站只是作者順手墊錢開的示範。

檔案館對官網根網址的最後一次成功存檔停在 2025 年 4 月 8 日前後，2026 年 9 月 14 日的存檔已經是 404。我在 2026 年 9 月 20 日實際連線，網域解析還在，伺服器給的就是 404，連同那行 Not Found。一個免費 AI 服務的死亡劇本大致如此：作者停止維護、金鑰額度耗盡或部署被平台收走，然後介紹文繼續在搜尋結果裡招呼大家上門。

自己架一輪：從 clone 到單字卡的實測

整個自架流程在 macOS 上實測完成，環境是 Node.js 26，不需要資料庫。倉庫附了 Dockerfile，習慣容器部署的人有現成的鏡像可以建；以下用最直接的 npm 路線。

前置只有兩個環境變數：NEXT_PUBLIC_BASE_URL 填一個 OpenAI 相容的端點網址，NEXT_PUBLIC_OPENAI_API_KEY 填你自己的金鑰。任何相容 OpenAI 格式的服務都吃，不限 OpenAI 本家。接著把倉庫 clone 下來，跑 npm ci 裝妥 369 個套件，再 npm run dev，開發伺服器 3.1 秒就緒。

實際指令就四行，macOS 與 Linux 通用：

git clone https://github.com/winterfx/ProWords.git
cd ProWords
NEXT_PUBLIC_BASE_URL=你的端點 NEXT_PUBLIC_OPENAI_API_KEY=你的金鑰 npm ci && npm run dev
瀏覽器打開 http://localhost:3000

要長期掛著用的人，倉庫裡的 Dockerfile 是多階段建置的正式映像，起一個容器就能常駐；被移除的那份 Zeabur 自動部署腳本也還留在 git 歷史裡，想照原樣開一台雲端實例有跡可循。開發模式與容器正式跑的差別只在效能與常駐方式，功能面完全相同。

打開本機網址，首頁完整渲染：六張職業卡、已選身分清單、開始學習按鈕，右下角掛著作者的 GitHub 與贊助連結。選了程式設計師與醫生兩個身分進入學習頁，詞庫選 CET-4、章節選第 1 章，單字卡出現：單字 cancel、英美音標、釋義、兩張例句卡各帶重新生成鈕，底部進度條顯示 1/20，頁首標著這本詞庫 2,607 個單字、131 個章節。深色模式與進度自動保存這兩個 README 上的宣稱，在介面上都對得上。

Pin

Pin

這裡有一個誠實的但書：我沒有花錢接真正的模型。端點被指到本機的一個模擬伺服器，它照著 OpenAI 的格式假造答案，讓我把應用送出的每個請求原樣收下。所以這篇能擔保的是自架流程與請求形狀全部屬實，不能擔保的是真實模型生出來的例句好不好，這件事留給接手的人用自己金鑰試第一章就知道。

一章單字背後，是八個同時發出的請求

實際收下的請求比想像中熱鬧。選定一章 20 個單字、兩個職業，應用會把單字切成每 5 個一組、共 4 組，再乘上 2 個職業，一口氣發出 8 個並行的生成請求。每個請求的提示詞是簡體中文，內容是那 5 個單字加上職業名稱，要求模型以 JSON 格式給出詞性、中文釋義與專業例句。

幾個關鍵設定直接寫死在 src/app/api/words/route.ts 裡：模型名是 o3-mini，溫度參數 0.7。想換模型或調參數，辦法是改原始碼，好處是整個檔案百來行，改一個字串的事；換供應商則不用動碼，改環境變數指向別的相容端點即可。

還有一個耐人尋味的細節：詞庫檔案本身就內建每個單字的中文釋義，但程式在取單字時把現成釋義丟掉，交給模型重出一份。從功能上說得通，釋義與例句一起生成，語氣一致；代價是每次都為本機已經有的資料多付一筆生成費用。自架的人若想省這條錢，把取詞邏輯接原始詞庫欄位是最先可動手的地方。

費用怎麼抓？不代各位問價，只給計算式：一章一個職業等於 4 個請求、兩個職業 8 個，費率照你自己選的供應商套用；目前正在讀的這一章會存在瀏覽器本機，重開頁面或原地重看不會再發請求；但前進到下一章之後，回頭重選之前讀過的章節會重新生成、重新計費。

兩萬五千個單字，是從別的專案搬來的

這是整個專案最值得攤開講的一層。我把七本詞庫與 Qwerty Learner 倉庫裡的對應檔案逐一比對，七本全部逐位元組相同，連檔名都只是改名：GRE_3_T.json 換名 GRE_T.json、PTE_junior.json 換名 PTE_T.json。Qwerty Learner 是 GitHub 上兩萬三千多顆星的開源打字練單字專案，以 GPL-3.0 授權散布，站上先前也寫過它的完整教學。

ProWords 倉庫裡找不到任何一處標註這批詞庫的出處；倉庫本身沒有 LICENSE 檔，GitHub 授權欄位顯示 None，README 底部倒是寫著採用 MIT，宣告與檔案並不一致。這件事對讀者有兩層含義。自己背單字的人，實際內容與用 Qwerty Learner 完全相同，不必有心理負擔；想把這包原始碼或詞庫拿去做別的事的人要多留意，來源倉庫以 GPL-3.0 散布，ProWords 端的授權宣告與檔案對不上、詞庫又無出處聲明，公開不等於可自由商用，這個判斷每個人要自己做。

順帶一提，這不是 Qwerty Learner 第一次當詞庫上游。它的詞庫本身就是社群打包的考試字彙合集，週邊像是把電影字幕變單字庫的 MuJing、用打字複習錯字的 Type Words，走的都是同源資料配不同練習法這條路，差別在那些專案把自己的定位講清楚了，ProWords 沒有。

進度存在瀏覽器，例句經過你自己的伺服器

自架形態下的資料流向值得畫清楚。學習進度存在瀏覽器的 localStorage，兩個鍵：一個存完整學習狀態，包括詞庫、章節、走到第幾個單字，以及 AI 生成過的釋義與例句；另一個存選過的職業身分。資料結構帶版本號，倉庫裡有舊版搬到新版的遷移邏輯，看得出作者處理過資料格式變更。沒有帳號系統，換瀏覽器或清掉網站資料，進度就歸零，這是純前端儲存的天然代價。

AI 這條線則是兩段路：瀏覽器把單字清單與職業設定送到你自架的伺服器，伺服器組好提示詞，再送到你設定的端點。自架時整條路都在你自己手裡，單字學了什麼、選了什麼身分，不出你的機器（端點除外）。對照當年的官方站形態，這條路的終點是作者的伺服器與作者的金鑰，免費無需註冊的意思，是別人替你出 AI 帳單；帳單不出了，服務也就停了，這正是前面那段時間線的另一種讀法。

接手前要認下的四個限制

介面只有簡體中文。六個預設職業的標籤、錯誤訊息、按鈕文字全部寫死簡中，沒有多語系架構。台灣使用者讀沒有障礙，但介面上的職業標籤與提示文字全是對岸用語，連程式設計師與資訊這兩個詞的寫法都與台灣習慣不同，介意的人要自己改文案檔。

模型與溫度參數寫死在程式裡。o3-mini 是 2025 年初的模型，換成別的名字要動原始碼。真實生成品質本篇未驗證，接手後的第一個動作應該是換上自己的金鑰跑一章，親眼看看例句水準再決定要不要留下來。

詞庫結構有地域性。CET-4、CET-6、考研三本對應的是中國大陸的升學考試，在台灣實際用得到的集中在 TOEFL、IELTS、GRE、PTE 四本，合計 17,005 個單字，量仍然充足，但挑詞庫時要知道七本裡有三本是別的考試體系。學測、統測等在地考試沒有對應詞庫。

維運現實。main 分支凍結在 2025 年 3 月，3 個 issue 掛著無人處理，Node 與 Next.js 的依賴都需要接手的人自己盯著升級。三千多行的小型專案，讀通不難，但它是你的了。

有金鑰的人、重視隱私的人、想讀原始碼的人

適合的輪廓大致三種：本來就有 OpenAI 相容金鑰、而且想要職業情境例句這一味的人；想在私有環境跑 AI 學習工具、不讓學習紀錄出門的人；以及想讀一個結構乾淨的 Next.js AI 小應用原始碼的開發者，它把分塊並行生成、JSON 結構化輸出、前端狀態遷移這幾件事都做了最小示範。

不適合的人更簡單：只想打開網頁就背單字的，Qwerty Learner 線上版就是同一批詞庫的現成介面；想要錯題複習與記憶排程的，Type Words 或登入牆後功能更 full 的 多多記單字是更對題的選擇。ProWords 的位置很明確：它是給願意動手的人的原料，不是成品。

自架前最常被問到的四個問題

官方網站有機會重新上線嗎？

沒有任何預告或承諾。作者的自介欄寫著 Nothing，main 分支停了一年半，README 的贊助連結還活著但程式碼沒有動靜。把它當成原始碼尚存、服務已結束的專案看待，是最不會失望的預期。

自己架要花多少錢？

軟體本身零授權費，成本全在 AI 呼叫。一章一個職業 4 個請求、兩個職業 8 個，同一章重開頁面或原地重看不計費，回頭重選讀過的舊章會重新生成並計費。以章為單位慢慢背，花費是可控的；怕爆帳單的人，挑一家有額度上限或預付制的供應商最安心。

它和 Qwerty Learner 是什麼關係？

沒有官方關係。事實層面是七本詞庫逐位元組相同；定位層面兩邊各走一路，Qwerty Learner 以打字肌肉記憶為核心，ProWords 賣的是職業例句生成。想要前者直接用它的線上版，不用架任何東西。

這包詞庫可以拿去編教材嗎？

授權狀態不乾淨：來源倉庫以 GPL-3.0 散布，ProWords 的 README 宣告 MIT 但倉庫內沒有授權檔，詞庫也無出處標註。個人學習使用實務上風險很低，商業散布前請把它當成需要自行查證的問題，本篇不代替任何人做這個結論。

授權與專案現況

ProWords 由中國南京的個人開發者 winterfx 維護，GitHub 上 386 顆星、40 次 fork、3 個未解 issue。README 宣告 MIT，但倉庫裡沒有 LICENSE 檔、GitHub 授權欄顯示 None，宣告與檔案不一致；七本詞庫與 Qwerty Learner 的 GPL-3.0 倉庫逐位元組相同，倉庫內無出處標註。main 分支最後提交 2025 年 3 月 31 日，官方網站已下線，Dockerfile 還在倉庫裡，Zeabur 自動部署腳本則留在 git 歷史可考，自架路徑完整。

一句話收尾：ProWords 是一個設計想法仍然成立、但免費時代已經結束的工具。職業情境例句確實解決了單字卡與真實工作脫節的老問題，只是如今要享受它，你得自己出機器、自己出金鑰，順便自己決定怎麼看待那包借來的詞庫。