📖 重大升级：Cappy 从'陪聊天'变成了'陪读绘本 + 练口语'

前面几篇（到 Cappy 的两个用户）讲的 Cappy，本质是个会聊天的口语伙伴 —— 跟小菠萝你一句我一句，把他从”不敢开口”哄到”愿意说”。

这次是一个我自己都挺兴奋的升级：Cappy 现在能陪小菠萝读绘本了。

而且我要的不是”放一段绘本音频让他听”。我要的是真·一起读一本书 —— 像一个会陪读的大人坐在他旁边，先读给他听，再听他读，读不顺的地方陪他再来一遍，读完还跟他聊聊这本书讲了啥。

一本绘本，四步走

我把”读一本绘本”拆成了四步，每一步 Cappy 干的事不一样：

① Cappy 读 —— 先范读给他听。 Cappy 把整本带着语气读一遍：“Uh-oh.” 是惊讶的、“You must take a bath!” 是有点凶的、平铺直叙的旁白是温柔的。不是机器人念字，是像老师在读绘本。每句英文下面配着中文，看不懂也不慌。

② 自己读 —— 轮到他了。 小菠萝自己读这一页，Cappy 在旁边听着，悄悄记下哪个词卡了一下。不催、不打断，读完才反应。

③ 一起精读 —— 一页页聊。 这是我最喜欢的一步。Cappy 带着他一页页往下，每页问一两个超好回答的小问题（“Is Flubby clean or dirty?” 这种二选一），他答对了就一起乐，卡过的词悄悄再带他练一遍。整本读完，再用中文跟他聊聊”这本书到底在讲啥、想说个什么道理” —— 抽象的东西，中文聊才聊得动。

④ 总结 —— 发颗月亮。 读完发一颗小月亮🌙，把他这次蹦出来的好句子、学会的词、读过的这本书，都记进他的成长档案里。下次见面，Cappy 还会提起”还记得那只不肯洗澡的猫吗？“。

让”读”成立的幕后：先得让 Cappy 看懂这本书

这一步最难的，其实不是”读”，是让 Cappy 真的看懂一页绘本。

一开始我用 OCR 把整页文字抠出来再读 —— 结果它会把瓶子上的标签、拟声词（ZOOM！）、甚至页码都当正文念出来，顺序还经常是乱的。因为 OCR 只看到一堆字，看不到版面。

后来我接了豆包视觉模型：让它看一眼整页图，直接按真实的阅读顺序，挑出”该念的句子”，顺带标好每句的语气和中文 —— 哪些是正文、哪些是画里物品上的字、哪些是音效，它一眼分得清。这是 Cappy 能”陪读”而不是”瞎读”的前提。

口语这条线也升级了：把 Cappy 从”老师”拧成”朋友”

借这次大改，我把另一条线 —— 口语对话 —— 也重做了一遍，核心是一件事：把 Cappy 彻底从”老师”拧成”朋友”。

我写了一份共享的”伙伴人设”，让数学、绘本、聊天里都是同一个 Cappy：它会记得小菠萝喜欢马里奥、记得他上次读的书、记得他说过的厉害的话，开场就来一句”还记得那只乌龟吗？不是恐龙——哈！“；反应每次都不一样，绝不每句都”Great job, can you say…”。

孩子愿不愿意多说一句，靠的从来不是更难的内容，是一个让他不害怕的伙伴。

顺带：家长这边也有了入口

这次也给家长加了两件事（都能用语音）：用中文问 Cappy 孩子最近怎么样（它像最懂这孩子的朋友，用真实数据回你，而且我死磕”只讲事实、一个字都不许编”）；用着别扭直接跟 Cappy 反馈问题，它帮我分类整理好。家长那条焦虑链，我还在一条条接。

（实现上我也顺手把 Cappy 从 iOS 搬成了网页版 —— 一个链接 iPad 打开就能用，更好发给别的家庭试。但这次升级的重点不是换了壳，是它会的事变多了。）

几个小总结

“读”和”说”放在一起，才是完整的语言。 以前 Cappy 只会”说”。但语言不只是对话 —— 读一个好故事、跟着读、聊聊它讲了啥，是另一半。把绘本共读和口语放进同一个伙伴里，小菠萝才像在”用英语过日子”，而不是在”上英语课”。

让 AI 陪读，第一关是让它先看懂版面。 我卡了很久才想明白：Cappy 读得对不对，根上不是”会不会读”，是”看不看得懂这一页”。OCR 看到的是文字，视觉模型看到的是版面 —— 哪是正文、哪是瓶子上的字、哪是音效。换成”看图”的那一刻，瞎读的问题就化了。

朋友比老师更能让孩子开口。 完美的老师像机器人，会犯傻、记得你的朋友才像活人。我把”老师味”全删了，换成”伙伴味”，小菠萝明显更愿意接话。

---

下一篇我想单独细讲一块 —— 豆包视觉到底是怎么让 Cappy 从”瞎读”变成”看懂版面”的，那块踩的坑值一篇。