自动反馈闭环：你每改对一个词，Typeless 就记下一个写法

个人词典里的"自动添加"分类，本质上是 Typeless 的一个持续学习机制：它不要求你手动配置任何东西，只需要每次听写后把听错的地方手动改过来——Typeless 会默默记录这些"错了 → 改对了"的对应关系，下次再遇到同样的输入，直接用正确的写法。

反馈闭环的完整流程

听写 → 成稿里有错 → 手动修正 → Typeless 检测到修正 → 加入自动添加词典
    ↑                                                           ↓
    └──────── 下次听写同一词，直接输出正确写法 ←──────────────┘

它能学到什么

自动学习覆盖两种场景：

场景一：专有名词

这是最常见的——人名、项目代号、公司名、技术术语、产品名。AI 对这些词的识别率有限（毕竟是小众词），但你每修正一次就帮它标注了一个正确样本。

场景二：拼写偏好

即使是常用词，你可能有个人偏好的拼写方式——比如某些英文缩写、某些技术术语的特定译法。Typeless 会学到你的偏好，以后统一输出你习惯的写法。

它不会学到什么

自动学习也有边界：

临时性错误的修正：如果你只是偶尔听错了一次、下次不会再遇到这个词，被自动添加进词典其实没什么用。——但这是无害的，词典条目不会太多，定期清理即可。
格式错误的修正：自动添加只学习"词"的层面，不学习"格式"。如果你手动调整了段落结构、排版格式，Typeless 不会把这个格式规则存进词典（它靠语言变体设置来统一格式）。
翻译偏好：翻译功能的输出修正不会触发自动添加——翻译模型和听写模型是两套逻辑。

定期清理自动添加词典

自动添加词典里可能积累了一些只用过一次的词，可以定期清理：

打开词典 → 切换到"自动添加"分类。
逐个检查，把已经没用的词删掉。
保留那些高频出现的术语——它们是词典里最有价值的部分。

一般来说，一个重度使用几周后的自动添加词典会有 20-50 个条目，这些是你和 Typeless 协作磨合出来的"专属词库"。