主要观点：20 世纪 70 年代 Douglas McIlroy 在 AT&T 为 Unix 实现拼写检查器时，面临 64kB 内存中容纳 250kB 字典并快速查找的挑战，他利用数据特性开发出接近理论极限压缩比的算法。
关键信息：

• 1970 年代初 Steve Johnson 写了初始版本，不准确且慢，Douglas McIlroy 重写以提高准确性和性能，从词干去除算法到紧凑字典及快速内存查找数据结构设计。
• 起初用 Bloom 过滤器，后因字典增长改用基于哈希压缩技术，计算出 27 位哈希码，发现哈希差异遵循几何分布，用 Golomb 编码压缩，最终分区加速查找。
• 整个过程涉及多种计算机科学概念，如概率数据结构、信息论、概率论和压缩算法等，虽现代拼写检查器技术不同，但该工程经验仍有价值。
  重要细节：
• Steve Johnson 一下午写的初始版本简单，会分割输入文件、预处理、排序等再查磁盘字典，不准确且慢。
• Bloom 过滤器用位表和多个哈希函数，添加元素时设对应位为 1，查找时检查位是否为 1 判断元素是否存在，有假阳性但可调整到可接受率，如 1/2000，初始字典 25000 词用 400000 位表和 11 个哈希函数。
• 字典增长到 30000 词后 Bloom 过滤器不适用，改用存储单词哈希，计算出 27 位哈希码，因哈希会碰撞需压缩，通过信息论计算出理论最小编码位数约 13.57 位，存储哈希差异更易压缩，差异遵循几何分布，用 Golomb 编码，形成自相似码模式，编码和解码算法复杂但有效，最终分区加速查找，总存储约 14 位每词。
• 相关参考文献包括 Douglas McIlroy 的论文、Golomb 的论文、Bloom 的论文等，还有关于 Unix 历史等的资料，作者有付费订阅、Buymeacoffee 和 GitHub Sponsor 等支持方式。