一口气打完一句话
整句拼音连着打，不用逐词确认。引擎先在词库里找出完整的句子，本地语言模型从中挑选，再对照你打的拼音和前文，修正个别同音错字。一键一键打出来，和一次输完，得到的候选是一样的。
翩若惊鸿，
言如泉涌。
言泉是一个开源的 Windows 拼音输入法。没有广告，不捆绑软件，也不会上传你的输入记录——词库、设置和学习数据都只存在本机。代码全部公开，它做了什么，你随时可以查证。
开源
代码、词库、构建脚本都在 GitHub 上，任何人都能查看，也能自己编译。
本地
输入内容全部在本机处理，没有云端联想，也没有遥测上报。
干净
安装时不带别的软件，不改浏览器首页；卸载干净，词库和设置留不留由你决定。
它能做什么
不联网、不上传是底线。在这之上，每一项功能都只为把字打准、打顺。
同音词看前文
同一个拼音对应好几个词时，语言模型会结合刚上屏的文字来判断该用哪个。没有前文可参考，或者把握不够，就按词库和你平时的选择来排，不乱改。
词库里没有的说法
三到五个音节、词库没有收录的短语，比如 jiuguize，会由语言模型结合前文拼成「旧规则」，而不是把常用字硬凑在一起。首选不对时，选一次后面的，它就记住了。
原创的一键补全
言泉原创的候选窗补全：输入至少两个完整音节后，把握足够时底部只给出一个方案，按 Tab 或反引号接受。它能补完正在打的词，也能续上一小段后文；拿不准就不提示，被你拒绝过的也不会再冒出来。
越用越顺手
常打的词会排得越来越靠前，分几段确认出来的词组也记得住。在可以读取的编辑窗口里，当前文档中反复出现的术语和人名会得到照顾；这些临时信息只留在内存中，密码框不会读取。学习数据可以在设置里一键清空。
全拼、双拼与模糊拼音
除了全拼和首字母简拼，还内置六种双拼：微软、小鹤、自然码、搜狗、紫光和拼音加加，并可分别启用 11 组常见声母、韵母模糊规则。不管用哪种方案，简繁词库、候选排序和学习数据都是同一套。
快捷输入与标点
ufh 出符号，uxh 出序号，usx 出数学符号，urq、usj 出当前日期和时间；i123.45 转成中文数字和金额大写。连着打数字时，句号键自动给出小数点。中文标点下，# * - 等 Markdown 符号默认保持半角，可在设置里调整。这些都由本地规则生成，不占用户词。
可展开的三行候选
想多看一些候选时，可在设置中开启「翻页时展开多行候选」。翻页或按上下箭头，候选窗最多同时显示三行；当前行高亮并显示数字编号，数字键只选择当前行，底部的补全区保持不变。
中文状态下直接打英文
不用切换中英文：打 markdown、pro、Effie 这类英文单词和名字，或者带大写字母的词，原样的字母会排到候选最前面，按空格就上屏。bug、mac 这种同时也是拼音的输入，由语言模型结合前文判断你更可能要哪个；选过一次字母，下次会优先考虑。中文候选的数字编号不变，双拼仍按中文处理，不需要时可在设置里关闭。
自定义短语
常用的句子、签名、地址或多行模板，可以在设置里配一个字母快捷码。打完快捷码，短语出现在底部补全区，按 Tab 原样上屏，换行也保留。短语单独保存，不进学习数据，可以用 JSON 导入导出。
古诗词随手补全
收入中小学课本、《唐诗三百首》《千家诗》《宋词三百首》中的 7,747 句诗词，多音字按诗意定读音。打 chunmi 就能按 Tab 补出「春眠不觉晓」；整句打完，再按 Tab 连同标点接上下一句。
Windows 原生集成
基于 TSF（文本服务框架）开发，同时支持 64 位和 32 位程序，在 Windows 10 和 11 上原生运行。候选窗口适配高分屏和多显示器，切换快捷键可以自行设置。安装一次，同一台电脑的所有账户都能用，用户词库和设置各自独立。首次切换时先给出基础候选，语言模型在后台加载，不拖慢当前应用。
现在的输入法功能越来越多，但很多人想要的其实很简单：
打字准一点，别弹广告，别偷偷传数据。
言泉就是照着这个想法做的。
一个模型，管全部选词
同样的拼音可以拆出很多种结果：yanquan 是「言泉」，也可以是「眼圈」「烟圈」。句子越长，可能的组合越多，引擎要在几十条路径里挑出你想说的那条。从 v2.0.0 起，这件事交给同一个本地语言模型，全程不联网。
-
一路加模型
v1.x 的每个版本几乎都靠「再加一个模型」来改进：先是统计语言模型，然后是神经网络重排器、参与路径搜索的模型、受约束的 Transformer，再到拼音约束的局部纠错。每一步都让选词更准，也让整套东西越来越重：动一处，要重新校准一串。
-
共享语言模型出现
v1.30.0 引入基于独立中文语料训练的共享字符级语言模型，把整句连贯性和前文语境用于长句选词、上下文短词和 Tab 续写；v1.31.0 升级模型，并让它参与补全的选择。到这时，安装包里有 11 个神经模型文件，引擎里还编译进 43 组模型参数，一次选词往往要依次经过其中好几个。
-
只留一个
v2.0.0 把它们清掉了：神经模型从 11 个减到 1 个，引擎里的模型参数从 43 组减到 7 组。留下的是一个约 1.5 亿参数的字符级语言模型，由本项目自己训练，长句、短词、补全和同音纠错都问它；加载模型占用的内存从约 447 MiB 降到约 183 MiB。
这不是一次功能堆叠，而是一次收拾：以后的改进只需要做在一处，语言模型变好，所有输入场景一起受益。
详细改动见各版本发布说明。
发布前：离线训练
语言模型在发布前训练完成：从独立的中文语料学习字与字的接续，同时学会对照拼音修正同音字。另有四个很小的决策策略，用引擎的实际运行记录拟合，决定什么时候听模型的。基准测试语料不参与训练，发布产物不附带训练语料原文。
安装时：随包部署
模型随安装包一并提供，量化后由外部 Host 进程加载；统计先验写入本地 SQLite 词库，其余排序参数直接编译进引擎。无需另装模型或推理环境，使用时不联网、不下载数据。
打字时：按输入分路
长句由受词库约束的搜索给出完整候选，模型从中选择，再对照拼音和前文修正。短词默认保持词库顺序，模型有明确理由时才调整。词库里没有的短语，先由词库词拼出整句方案，再交给模型挑选。字母串既像英文又像拼音时，也由模型结合前文比较两种读法。补全先显示有把握的方案，模型随后在后台重排。
模型只在外部 Host 进程中加载，后台就绪、仅用 CPU；未就绪或超时的时候，候选照常给出，只是不经过模型排序。代价是延迟：每个决定现在都要经过一个更大的模型，下面各项基准的耗时大多高于 v1.31.0（长句整句解码平均 72 ms 对 61 ms）；日常逐键输入时，每个按键的响应通常仍在几十毫秒以内。以下各套基准测试的语料都与训练数据隔离，成绩里没有「背题」的水分。
基准测试
长句、短词与一键补全测试语料都取材于开发者自己的小说《永恒的舞动》，并与模型训练数据保持隔离。测试方法、案例构造和指标定义见 BENCHMARK.CN.md。
长句与短词上下文基准从 v1.11.0 起，将同一位置的“他”和“她”视为等价；表中斜体数字为严格区分二者的旧口径结果。后续版本统一使用新口径，两套一键补全基准的评分规则另见各表说明。v2.2.0 改正了 43 条测试案例中读错的多音字拼音（长句 38 条、短词 5 条，两套补全基准随之沿用），此前版本的结果基于改正前的案例。
长句基准测试-16300
对 16300 条长句一次性设置完整拼音，检查完整候选的准确率与引擎解码耗时。
| 版本 | Top1 | Top2 | Mean (ms) | P95 (ms) | Max (ms) |
|---|---|---|---|---|---|
| v2.2.0 | 13397 / 16300 82.19% | 14281 / 16300 87.61% | 72.10 | 110 | 328 |
| v2.1.0 | 13381 / 16300 82.09% | 14270 / 16300 87.55% | 75.28 | 125 | 343 |
| v2.0.0 | 13380 / 16300 82.09% | 14268 / 16300 87.53% | 74.79 | 125 | 344 |
| v1.31.0 | 12940 / 16300 79.39% | 13534 / 16300 83.03% | 61.29 | 94 | 282 |
| v1.30.0 | 12828 / 16300 78.70% | 13514 / 16300 82.91% | 55.25 | 94 | 266 |
| v1.29.0 | 11997 / 16300 73.60% | 12970 / 16300 79.57% | 39.89 | 63 | 234 |
| v1.28.0 | 11987 / 16300 73.54% | 12964 / 16300 79.53% | 63.72 | 109 | 484 |
| v1.27.0 | 11978 / 16300 73.48% | 12955 / 16300 79.48% | 63.08 | 109 | 468 |
| v1.26.0 | 11974 / 16300 73.46% | 12947 / 16300 79.43% | 62.83 | 109 | 453 |
| v1.25.0 | 11698 / 16300 71.77% | 12830 / 16300 78.71% | 57.49 | 94 | 438 |
| v1.24.0 v1.23.0 |
11679 / 16300 71.65% | 12813 / 16300 78.61% | 57.09 | 94 | 438 |
| v1.22.0 | 11672 / 16300 71.61% | 12809 / 16300 78.58% | 55.17 | 94 | 407 |
| v1.21.1 | 11080 / 16300 67.98% | 12395 / 16300 76.04% | 59.33 | 109 | 407 |
| v1.20.0 | 11065 / 16300 67.88% | 12376 / 16300 75.93% | 59.53 | 110 | 406 |
| v1.19.0 | 10917 / 16300 66.98% | 12248 / 16300 75.14% | 55.99 | 94 | 437 |
| v1.18.0 | 10731 / 16300 65.83% | 12128 / 16300 74.40% | 51.78 | 93 | 454 |
| v1.17.0 | 10595 / 16300 65.00% | 12023 / 16300 73.76% | 42.68 | 78 | 406 |
| v1.16.0 v1.15.0 |
10553 / 16300 64.74% | 11921 / 16300 73.13% | 41.5 | 78 | 484 |
| v1.14.0 | 10345 / 16300 63.47% | 11903 / 16300 73.02% | 58.78 | 172 | 766 |
| v1.13.0 | 10131 / 16300 62.15% | 11320 / 16300 69.45% | 65.94 | 203 | 1047 |
| v1.12.0 | 9767 / 16300 59.92% | 10996 / 16300 67.46% | 63.03 | 187 | 1062 |
| v1.11.0 |
9760 / 16300 59.88% 旧口径 9340 / 16300（57.30%） |
10990 / 16300 67.42% 旧口径 10773 / 16300（66.09%） |
59.82 | 187 | 1031 |
| v1.10.0 | 9279 / 16300 56.93% | 10708 / 16300 65.69% | 60.39 | 188 | 1046 |
| v1.9.0 | 9121 / 16300 55.96% | 10685 / 16300 65.55% | 59.65 | 187 | 1172 |
| v1.8.1 | 8285 / 16300 50.83% | 9067 / 16300 55.63% | 72.44 | 281 | 1594 |
| v1.7.0 | 7940 / 16300 48.71% | 8642 / 16300 53.02% | 71.55 | 235 | 2047 |
| v1.6.0 | 7936 / 16300 48.69% | 8637 / 16300 52.99% | 66.99 | 219 | 1687 |
| v1.5.0 | 7459 / 16300 45.76% | 7966 / 16300 48.87% | 63.42 | 203 | 2140 |
| v1.4.0 | 7168 / 16300 43.98% | 7617 / 16300 46.73% | 66.23 | 218 | 2578 |
| v1.3.0 | 7155 / 16300 43.90% | 7601 / 16300 46.63% | 64.54 | 203 | 2188 |
| v1.2.0 | 6895 / 16300 42.30% | 7303 / 16300 44.80% | 59.89 | 188 | 2078 |
| v1.1.0 | 6677 / 16300 40.96% | 7067 / 16300 43.36% | 73.18 | 234 | 2750 |
| v1.0.0 | 6106 / 16300 37.46% | 6857 / 16300 42.07% | 71.49 | 219 | 5344 |
| v0.8.5 | 6097 / 16300 37.40% | 6847 / 16300 42.01% | 520.05 | 1203 | 13297 |
| v0.7.0 | 5368 / 16300 32.93% | 6110 / 16300 37.48% | — | — | — |
| v0.6.0 | 4905 / 16300 30.09% | 5378 / 16300 32.99% | — | — | — |
| v0.5.0 | 4834 / 16300 29.66% | 5243 / 16300 32.17% | — | — | — |
| v0.4.0 | 4371 / 16300 26.82% | 4744 / 16300 29.10% | — | — | — |
| v0.3.1 | 3845 / 16300 23.59% | 4651 / 16300 28.53% | — | — | — |
| v0.2.0 | 2671 / 16300 16.39% | 2863 / 16300 17.56% | — | — | — |
Top1：整句首选即正确的比例；Top2：前两个候选中含正确结果的比例。Mean、P95、Max 为引擎整句直设解码耗时（ms），不代表逐键输入到候选窗口显示的端到端延迟。v2.0.0 起所有决定都经过同一个更大的语言模型，耗时高于此前版本。
短词上下文基准测试-65000
65000 个二至四字词案例保留输入位置之前已经上屏的文本，用于评估短词精确候选和上下文消歧。Contested 是同一拼音对应至少两个目标词的歧义子集。
| 版本 | Top1 | Top2 | Contested Top1 | Contested Top2 | Mean (ms) | P50 (ms) | P95 (ms) | Max (ms) |
|---|---|---|---|---|---|---|---|---|
| v2.2.0 | 63364 / 65000 97.48% | 64292 / 65000 98.91% | 10533 / 11728 89.81% | 11244 / 11728 95.87% | 4.509 | 2.201 | 12.289 | 41.085 |
| v2.1.0 v2.0.0 |
63363 / 65000 97.48% | 64291 / 65000 98.91% | 10533 / 11728 89.81% | 11244 / 11728 95.87% | 4.637 | 2.205 | 12.621 | 40.883 |
| v1.31.0 | 63036 / 65000 96.98% | 64104 / 65000 98.62% | 10491 / 11728 89.45% | 11196 / 11728 95.46% | 4.582 | 3.262 | 10.352 | 22.327 |
| v1.30.0 | 62926 / 65000 96.81% | 64073 / 65000 98.57% | 10449 / 11728 89.09% | 11169 / 11728 95.23% | 3.525 | 3.192 | 7.660 | 21.122 |
| v1.29.0 | 61971 / 65000 95.34% | 63568 / 65000 97.80% | 9675 / 11728 82.49% | 10776 / 11728 91.88% | 2.999 | 2.198 | 7.316 | 27.596 |
| v1.28.0 | 61860 / 65000 95.17% | 63562 / 65000 97.79% | 9596 / 11728 81.82% | 10775 / 11728 91.87% | 4.453 | 3.908 | 9.214 | 34.468 |
| v1.27.0 v1.26.0 |
61860 / 65000 95.17% | 63549 / 65000 97.77% | 9596 / 11728 81.82% | 10775 / 11728 91.87% | 4.474 | 3.908 | 9.310 | 35.645 |
| v1.25.0 | 61859 / 65000 95.17% | 63549 / 65000 97.77% | 9596 / 11728 81.82% | 10775 / 11728 91.87% | 4.705 | 4.103 | 9.817 | 40.027 |
| v1.18.0 - v1.24.0 | 61827 / 65000 95.12% | 63517 / 65000 97.72% | 9596 / 11728 81.82% | 10775 / 11728 91.87% | 4.584 | 3.985 | 9.653 | 39.36 |
| v1.15.0 - v1.17.0 | 61827 / 65000 95.12% | 63516 / 65000 97.72% | 9596 / 11728 81.82% | 10775 / 11728 91.87% | 3.817 | 3.239 | 8.376 | 39.881 |
| v1.14.0 | 61782 / 65000 95.05% | 63516 / 65000 97.72% | 9560 / 11728 81.51% | 10775 / 11728 91.87% | 3.998 | 3.132 | 8.665 | 68.147 |
| v1.13.0 | 61515 / 65000 94.64% | 63516 / 65000 97.72% | 9384 / 11728 80.01% | 10775 / 11728 91.87% | 4.748 | 3.652 | 10.337 | 103.689 |
| v1.12.0 | 61343 / 65000 94.37% | 63474 / 65000 97.65% | 9304 / 11728 79.33% | 10745 / 11728 91.62% | 4.400 | 3.417 | 9.462 | 104.316 |
| v1.11.0 |
61343 / 65000 94.37% 旧口径 61227 / 65000（94.20%） |
63474 / 65000 97.65% 旧口径 63461 / 65000（97.63%） |
9304 / 11728 79.33% 旧口径 9191 / 11728（78.37%） |
10745 / 11728 91.62% 旧口径 10732 / 11728（91.51%） |
4.217 | 3.284 | 9.110 | 75.503 |
| v1.10.0 | 61214 / 65000 94.18% | 63448 / 65000 97.61% | 9191 / 11728 78.37% | 10732 / 11728 91.51% | 4.425 | 3.446 | 9.591 | 84.68 |
| v1.9.0 | 61215 / 65000 94.18% | 63448 / 65000 97.61% | 9191 / 11728 78.37% | 10732 / 11728 91.51% | 4.214 | 3.268 | 9.113 | 71.004 |
| v1.8.1 | 61206 / 65000 94.16% | 63430 / 65000 97.58% | 9182 / 11728 78.29% | 10725 / 11728 91.45% | 4.85 | 3.721 | 10.413 | 107.714 |
| v1.7.0 | 61053 / 65000 93.93% | 63424 / 65000 97.58% | 9154 / 11728 78.05% | 10723 / 11728 91.43% | 4.668 | 3.468 | 10.013 | 158.471 |
| v1.6.0 | 61043 / 65000 93.91% | 63414 / 65000 97.56% | 9154 / 11728 78.05% | 10723 / 11728 91.43% | 4.455 | 3.295 | 9.580 | 160.817 |
| v1.5.0 | 61045 / 65000 93.92% | 63364 / 65000 97.48% | 9159 / 11728 78.10% | 10677 / 11728 91.04% | 5.033 | 4.113 | 9.968 | 142.372 |
| v1.4.0 | 60676 / 65000 93.35% | 63251 / 65000 97.31% | 8993 / 11728 76.68% | 10602 / 11728 90.40% | 5.573 | 4.521 | 11.157 | 158.687 |
| v1.3.0 | 59078 / 65000 90.89% | 62881 / 65000 96.74% | 8326 / 11728 70.99% | 10386 / 11728 88.56% | 5.460 | 4.396 | 10.939 | 176.912 |
延迟为启用上下文轨道后的引擎单次完整查询耗时，不包含 TSF 调用、候选窗口渲染和真实按键间隔。
一键补全上下文基准测试-12831
从固定短词语料构造 12831 个逐音节拼音前缀机会，读取候选窗实际显示的唯一补全方案，评估补全是否准确、能节省多少按键，以及继续输入时是否保持稳定。
| 版本 | 补全命中率 | 平均节省按键 | 逐键稳定率 | 按键 P95 (ms) | 最终显示 P95 (ms) |
|---|---|---|---|---|---|
| v2.2.0 | 10456 / 12831 81.49% | 2.632 | 2131 / 2193 97.17% | 1.508 | 19.728 |
| v2.1.0 v2.0.0 |
10440 / 12831 81.37% | 2.633 | 2124 / 2186 97.16% | 1.521 | 20.445 |
| v1.31.0 | 10336 / 12831 80.55% | 2.638 | 2123 / 2185 97.16% | 1.238 | 11.881 |
| v1.30.0 v1.29.0 |
9420 / 12831 73.42% | 2.548 | 1691 / 1749 96.68% | 0.968 | 0.968 |
| v1.18.0 - v1.28.0 | 9419 / 12831 73.41% | 2.549 | 1691 / 1749 96.68% | 2.026 | 2.026 |
| v1.17.0 | 9273 / 12831 72.27% | 2.554 | 1652 / 1718 96.16% | 1.880 | 1.880 |
| v1.16.0 | 8752 / 12831 68.21% | 2.570 | 1649 / 1676 98.39% | 1.509 | 1.509 |
| v1.15.0 | 7265 / 12831 56.62% | 2.542 | 1278 / 1323 96.60% | 0.777 | 0.777 |
补全命中率按唯一参考目标严格统计；平均节省按键已扣除一次接受补全的按键。按键 P95 不包含后台重排等待；最终显示 P95 在提示发生替换时计入后台重排耗时。v1.30.0 及更早版本没有这一异步阶段，两项延迟相同，均不包含候选窗口渲染和实际按键间隔。
长句一键补全基准测试-16300
固定保留每条长句末尾四个完整拼音音节不输入，评估候选窗实际显示的唯一局部续写。正确结果必须扩展目标前缀，并且仍是参考句的前缀。
| 版本 | 局部续写命中率 | 预测提示覆盖率 | 总节省按键 | P95 (ms) |
|---|---|---|---|---|
| v2.2.0 | 3766 / 16300 23.10% | 16121 / 16300 98.90% | 9271 | 128.998 |
| v2.1.0 | 3758 / 16300 23.06% | 16123 / 16300 98.91% | 9272 | 141.519 |
| v2.0.0 | 3755 / 16300 23.04% | 16123 / 16300 98.91% | 9265 | 133.001 |
| v1.31.0 | 3513 / 16300 21.55% | 15815 / 16300 97.02% | 7478 | 116.682 |
| v1.30.0 | 855 / 16300 5.25% | 7203 / 16300 44.19% | 1822 | 77.819 |
| v1.29.0 |
449 / 16300 2.75% 旧口径 424 / 16300（2.60%） |
6778 / 16300 41.58% | 1023 旧口径 987 |
53.085 |
| v1.28.0 | 426 / 16300 2.61% | 6776 / 16300 41.57% | 989 | 78.689 |
| v1.27.0 | 425 / 16300 2.61% | 6769 / 16300 41.53% | 987 | 80.099 |
| v1.26.0 | 410 / 16300 2.52% | 6488 / 16300 39.80% | 967 | 80.437 |
| v1.25.0 | 409 / 16300 2.51% | 6489 / 16300 39.81% | 959 | 74.936 |
| v1.22.0 - v1.24.0 | 407 / 16300 2.50% | 6474 / 16300 39.72% | 953 | 77.103 |
| v1.21.1 v1.20.0 |
357 / 16300 2.19% | 6475 / 16300 39.72% | 861 | 118.064 |
| v1.19.0 | 202 / 16300 1.24% | 3834 / 16300 23.52% | 571 | 92.453 |
| v1.18.0 | 143 / 16300 0.88% | 3957 / 16300 24.28% | 478 | 109.060 |
预测提示覆盖率表示出现预测补全的比例，并非提示准确率，不包含仅转换已输入拼音的词库拼接结果。该测试采用单参考答案评分，其他合理但不同于原文的续写仍计为未命中。v1.17.0 与 v1.16.0 使用旧的整句严格命中口径，仅保留为历史结果，不能与当前局部续写口径直接比较。
从 v1.30.0 起，本项基准将相同位置的“他”和“她”视为等价。v1.29.0 的常规数字为对已保存结果按新口径重评分的数据，斜体数字保留旧口径结果，预测提示覆盖率与延迟不变。v1.28.0 及更早版本仍为旧口径，后续版本只公布新口径结果。
名字的由来
Cassotis
Cassotis 是古希腊德尔斐（Delphi）神庙旁的一眼圣泉。传说女祭司皮媞亚在颁布神谕之前，会先饮下这眼泉水，人们相信预言便是从这泉中来的。
这个名字里还藏着一点巧合：言泉是用 Delphi 语言写的。泉眼与工具，恰好同出一地。
言泉
中文名取自「言如泉涌」——话语像泉水一样自然涌出，不必费力。做输入法，想达到的也就是这种状态：想到什么，打出来就是什么。
一个是预言之泉，一个是言语之泉，说的其实是同一件事。
开发计划
项目还在早期，更新比较频繁。v2.0.0 之后，改进集中在同一个语言模型上。
正在做的
- 继续改进这一个语言模型：训练数据、规模和量化
- 缩短从按键到候选出现的时间，尤其是长句
- 把同音纠错和词库外短语扩展到繁体、模糊音等输入
- 扩充词库覆盖，在更多编辑器、浏览器和 IDE 里测试兼容性
之后想做的
- 让剩下的排序器和策略继续减少，语言模型能接管的就退役
- 扩充独立基准，包括词库外短语，弄清各类出错的原因
- 强化用户词库的质量控制和配套工具
- 保持项目能被任何人检查、构建和接手维护
想跟进进展或者提建议，欢迎到 GitHub 仓库来。
下载安装
Windows 10 / 11 x64 安装包，约 290 MB，词库和语言模型都在里面，装上就能用，不用再下载或配置什么。旧版本用户直接运行新版安装包就能升级，不用先卸载，也不会要求重启系统；安装时还开着的应用，重新打开后即用上新版。卸载时词库和设置留不留，由你决定。