Life Level-up Guide 词汇篇：从"认识单词"到"情境化使用"——词族、覆盖率、检索型卡片与七/三十/十二周实战体系

本篇技术指南以开源仓库 Life Level-up Guide（人生进阶指南）英文版 Part I: Open Input · Vocabulary 章节 为骨架，系统讲解一条以真实任务为驱动的英语词汇学习路径。你将掌握如何区分"接受性词汇"与"产出性词汇"、如何用四类证据判定"真会了"、如何理解词族与 95%/98% 文本覆盖率、如何设计一张只考检索的抽认卡，以及如何在 30 分钟会话、七天/三十天/十二周节奏里把熟悉感转变成可迁移的情境使用能力。

词汇学习最大的陷阱，是把背单词等同于学习英语。本指南所属的 up 仓库在 Learning Principles（学习原理） 一章中反复强调同一条原则：反复接触能制造"熟悉感"，只有检索（retrieval）、解释、应用并获得反馈，才能证明知识是否真的可用。词汇篇（文件元数据 updated: 2026-09-01）正是把这条原则落到了词汇这个具体维度上，其核心论断是：Vocabulary is not a set of English = translation pairs——一个词或语块（chunk）的"掌握"包含识别其声音与形式、理解常见义项、知道搭配（collocation）与语域（register），并在合适场景中将其产出。

快速概览：先立四条方法论

原文档给出的 Quick Overview 奠定了全文基调，也是判断后续所有练习方法是否跑偏的标尺：

• 把听、读中的接受性词汇与说、写中的产出性词汇分开评估，不要把两种能力混成一个"词汇量"；
• 从真实任务中挑选有价值的语块（chunks）来学，而不是用"总词数"当进步证据；
• 通过检索、搭配、真实语境与按表现调整的间隔复习（performance-adjusted spacing），把"眼熟"升级为"会用"；
• 用 Vocabulary Audit 模板 与延迟迁移测试（delayed transfer）来检验：一周之后，理解和产出是否仍然还在。

拆掉两条误导性等式：词汇量与理解力不存在固定换算

原文档特别声明：早期版本声称"1000 词带来 75% 理解、7000 词接近 90%"，这类等式把计数单位、语料库和"理解"的定义混为一谈，本版已删除。 这与仓库学习原理篇删除"学习金字塔百分比"是同一类纠偏动作——精确到吓人的百分比往往没有可靠研究支撑。

在讨论"词汇量多大才够"之前，必须先回答四个澄清性问题（原文要求）：

• 我们数的是词形（word forms）、词元（lemmas）还是词族（word families）？
• 材料是会话、小说、新闻、学术散文，还是专业文档？
• 专有名词和透明复合词（transparent compounds）算不算在内？
• "会"指的是各技能中的识别，还是产出性使用？

Nation 等研究者在阅读条件研究中讨论的是 95% 与 98% 的词汇覆盖率（lexical coverage）。这两个数字的含义值得精确表述：在 95% 覆盖率下，每 20 个连续词（running words）中大约仍有 1 个不熟悉；在 98% 覆盖率下，约每 50 个中有 1 个不熟悉。较高的 98% 覆盖率通常更能支撑独立的阅读理解，但任何固定的词汇计数都不能保证理解——背景知识、文本结构、语言距离（language distance）和任务本身仍然起决定性作用。

四类词汇证据：判定"会了"的分量表

对同一个词，"在答案里见过"与"能用它完成一次真实交际"是两种完全不同的状态。原文档给出四维证据框架（维度 / 追问的问题 / 可检验的证据）：

维度	核心问题	证据形式
接受性·听力（Receptive listening）	能否在语流中切分并理解它？	不看字幕听一个句子并能解释其含义
接受性·阅读（Receptive reading）	能否在新的语境中理解它？	在一篇新文章中解释其功能
产出性·口语（Productive speaking）	能否以自然搭配快速提取它？	在录音中自然使用它
产出性·写作（Productive writing）	能否正确拼写并选择恰当语域？	在新任务中准确使用它

看到答案后的"眼熟感"只占其中很小一部分。由于接受性知识通常先于产出性知识，选学习目标时必须回到真实任务本身，而不是对着词表平均用力。

词族是研究工具，不是学习捷径

help, helps, helped, helpful, helpless 在某些统计口径下会被算作一个词族（word family），但学习者不会自动掌握每一个派生形式。词族有助于估算覆盖率，却无法替代对形态（morphology）、词性（part of speech）和用法的学习。

原文档特别指出：比单个单词更常用的学习单位其实更大。四种高阶单位及其示例：

• 搭配（collocation）：pose a risk、meet a deadline；
• 语块（chunk）：What I mean is ...、It depends on whether ...；
• 形态派生（morphology）：analyse → analysis → analytical；
• 语域（register）：kids、children、minors 因语境不同而语域有别。

仓库的实践即印证了这一观点：十份 技术词表 中的条目大多是词块与术语而非孤立的词元（例如 Prompt 词表收录 acceptance criteria、context window、stop sequence 等），因为可迁移的最小单位本来就是语块。

不要给人贴"视觉型/听觉型"标签

证据不支持"按固定的视觉型/听觉型学习者标签来匹配教学就能提升效果"这一主张。词汇本身需要多形态的证据：

1. 听（hear）：听清发音与连读（connected speech）；
2. 看（see）：看拼写、形态与真实例句；
3. 说（say）：说出来、录下来，比对重音与音素；
4. 写（write）：写一个原创句子或短文本；
5. 用（use）：在多样但相关联的语境中使用。

图片适合具体概念，定义和语境适合抽象概念，而发音必须靠声音来承载。也就是说：表征方式应该跟随内容走，而不是跟随"学习者身份"走。这与 Learning Principles 中"学习风格不是固定身份或能力上限"的论述一脉相承，底层研究依据可参见 Pashler 等人 2008 年的综述（见文末参考文献说明）。

选什么来学：五条优先级标准

面对真实的材料或工作任务，按以下优先级挑选要学的项目：

1. 在当前材料或工作中反复出现的词项；
2. 一旦不认识就会阻断主旨或任务的词项；
3. 能与已知词汇构成有用搭配的词项；
4. 在未来两周内有明确使用场景的词项；
5. 在专业任务中属于核心术语的词项。

对于不阻断理解的一次性低频细节，暂时跳过即可，不必为它中断节奏。

技术词表：从真实任务出发，而不是每日打卡

仓库在 docs/en/threads/word-list/ 维护十份主题词表。原文档反复强调：这些词表是"查阅索引"（lookup indexes），不是每日学习配额。正确用法是打开一个真实任务，从下表最贴近的清单中挑出 5–8 个语块，再回到当前文档、代码或会议材料里核对含义与语域：

词表	适合的任务入口
Common	日常沟通、通用工作、跨主题语言
Prompt	AI 任务指令、约束与验收语言
Vibe Coding	AI 辅助开发、Agent 协作与代码评审
JavaScript	前端脚本、浏览器 API 与异步流程
Python	数据处理、自动化与脚本
Go	服务端、并发与部署场景
Java	JVM 项目、类型与大型企业系统
PHP	Web 后端、模板与旧系统维护
Rust	所有权、性能与系统编程
Swift	Apple 平台、界面与应用开发

关于这些词表，仓库本身还提供了两条工程层面的证据：

• 每份词表页面结尾都固定回到本词汇章，例如 Prompt 词表注明 "This is a reference list, not a learning target. Select terms from a real task, then practise pronunciation, meaning, collocation, retrieval, and contextual use"（见 docs/en/threads/word-list/Prompt.md）；
• 双语词表由单一维护源生成：scripts/sync-word-lists.mjs 从 docs/threads/word-list（中文源）同步出 docs/en/threads/word-list（英文页），因此你看到的是结构化、可同步的语料索引，而非散落的背诵清单。

每一份词表都要跑同一个小循环：从当前任务选词 → 核对发音、搭配、版本与出处 → 脱离词表新造一句（说或写）→ 一周后在平行任务中复测。词条会随语言版本、框架和产品变化，因此重要的判断要回到官方文档，而不是把词表当作技术标准。

一张高质量抽认卡：正面必须考"检索"，而不是考"眼熟"

传统单词卡正面写单词、背面写中文释义，本质上是在考再认（recognition）。原文档要求把正面改造成一个需要"检索产出"的任务：

Context: how do I say that a dependency creates risk for a schedule?
Gap: The dependency may ____ a risk to the schedule.

背面则应包含以下内容：

• 答案搭配：pose a risk to；
• 一条可信来源的原句及其出处（one trustworthy source sentence and citation）；
• 发音或音频；
• 简短的义项与语域说明；
• 你自己写的第二个例句；
• 一组对照，例如 cause 与 pose 的差异。

卡片越长越容易把复习变成重读。原文档给出的纪律是：尽量一张卡片只测一个决策点（one decision per card），让每一次翻面都精确暴露一个薄弱环节。

按表现调节间隔（Performance-adjusted Spacing）

遗忘是真实的，但不存在普适的复习时刻表。原文档建议在 Anki 或其他间隔重复工具中，让表现来控制间隔：

• 快速、准确的回忆 + 新的使用场景：延长间隔；
• 费力的成功（effortful success）：保持或略微延长间隔；
• 反复混淆：增加对照与新语境；
• 反复失败：减少新卡数量、拆分卡片，或修补发音/概念基础；
• 卡片全对但现实中从未用过：停止加量，切换去说或写。

文档特别标注：Anki 只是工具，不是方法本身。 一个曾在本仓库分享的第三方 "Macmillan 7000" 旧牌组已不再分发，因为其链接、维护与再分发权利无法持续保持有效——这条注释本身就是"对来源负责"方法论的体现。间隔复习的原理（检索练习 + 分散练习）在 Learning Principles 中有完整论述；要记住的是"第 1、2、4、7、15 天"这类排程只可能是提醒，绝不是 Ebbinghaus 式的普适处方。

在真实语境中练习：每组至少完成两次迁移

孤立地刷卡片只能产出"卡片上的正确"。对每一个目标语块组，原文档要求完成至少两次迁移（transfer），具体可选：

• 改写原句的人称、时间、视角或领域（alter the people, time, viewpoint, or domain）；
• 对照一个自然用法与一个典型误用（contrast a natural use with a typical misuse）；
• 脱离词表做 60–90 秒复述（retelling）；
• 在独立的真实来源中找出三个搭配；
• 把语块用进一封邮件、一段解释、一条日志或一篇短文。

工具使用上，文档建议：优先使用学习者词典确认发音、搭配与例句；AI 可以生成候选，但释义、搭配与例句必须回到词典或真实语料库核对——这与仓库 Learning English with AI 中"AI 协助、人负责事实核查"的边界一致。

一个 30 分钟学习会话的完整拆解

不要用"今天学了 X 个新词"来给练习打分。原文档给出的 30 分钟会话模板精确到分钟：

1. 5 分钟：从真实材料中挑出 5–8 个高价值语块；
2. 8 分钟：核对发音、义项、搭配与语域；
3. 7 分钟：制作只考检索的短卡片；
4. 7 分钟：脱离来源，用不同语境开口说或动笔写；
5. 3 分钟：记录错误，以及"下一次复查的条件"。

会话结束时衡量的不是新词数量，而是一周后能否在新任务里理解并正确使用这些语块。如果你不清楚瓶颈到底在哪个环节，可以使用 Vocabulary Audit 模板，把听力、阅读、口语、写作与延迟迁移分开记录。

七天、三十天、十二周：把词汇学习放进时间节奏

原文档将词汇训练嵌入与学习原理篇一致的三种节奏，便于和 CEFR 自检中的四技能基线对齐：

七天（入门建立样本）

• 围绕一个真实主题收集 20–30 个语块；
• 每个语块都包含声音、搭配与来源；
• 至少完成两次闭卷检索（closed-book retrieval）；
• 第 7 天用这套语块录 2 分钟或写 200 词。

三十天（形成节奏）

• 每周用平行材料测试听力或阅读覆盖率；
• 用本周语块完成一次真实输出；
• 删除低价值、重复或"依赖提示才记得起"（cue-dependent）的卡片；
• 对比理解、产出与保留情况，而不是对比卡片总数。

十二周（达成迁移）

• 围绕一个职业或生活领域建立小型语料库；
• 在会议、文章、代码评审、考试或演示中使用高频语块；
• 抽样做延迟回忆（delayed recall）与陌生语境迁移测试；
• 只有在产出稳定之后，才扩展新领域。

反馈标准与证据链：别把"卡片数"当掌握度

对每一个目标语块，最后用这套可验证的问题自问：

• 能否在语音和文本中识别它？
• 能否用自己的话解释当前的义项？
• 能否使用自然的搭配、形式与语域？
• 能否在无提示的情况下产出它？
• 一周后能否在新的语境中复用？

仓库为此提供了两份可直接套用的模板：

• Vocabulary Audit 模板：用 0–2 分记录每个语块在听、读、说、写四维的表现（0 = 无证据或完全依赖提示；1 = 熟悉材料中可识别但新语境中不稳定；2 = 无提示理解或产出、搭配语域自然），并给出七类错误归因（文本中认不出、语音中切不出、义项混淆、搭配不自然、语域不当、检索缓慢、迁移失败）——这样就不会把一切问题都笼统归为"忘了"。模板还强制安排三次延迟复测：当天、第 3–7 天（相关主题、有限提示）、第 30 天（新主题、真实任务）。
• Evidence Chain 模板：把每个语块的听力证据、产出证据、延迟保留证据与新语境复用证据放到同一张表上对比，区分"我现在会""过几天还在""换地方能用"三个层次，而不是只记录一个卡片数量。

也就是说，词汇学习的验收标准不是"词表多长"，而是需要这个词的时候能否把它检索出来。使用模板时注意隐私边界：只在自己的私人笔记中复制，不要记录客户数据、医疗隐私、身份证件或未经授权的第三方资料。

在 Part I 中的位置：承上启下

本词汇篇位于 Part I: Open Input 的技能链中间：前置是 Learning Principles（学习原理），它确立了"检索 + 分散 + 反馈 + 恢复"四大支柱；本篇把这些支柱具象化到词汇训练；后置是 Listening（听力），因为词汇的"接受性·听力"证据恰好需要语流切分能力。仓库还建议从 CEFR 自检先建立四技能基线，再让词汇证据落到各自技能维度上，避免用一个平均标签掩盖"阅读 B2 但口语 A2"的不均衡画像。

参考文献与研究边界

原文档末尾的 Sources 一节收录了本文所述词汇研究结论的原始出处，可在仓库文件 docs/en/threads/part-1/2-vocabulary.md 中核对（含可供检索的 DOI 与机构存档记录）：

• Hu & Nation (2000)，关于未知词汇密度与阅读理解的关系；
• Nation (2006)，关于阅读与听力所需词汇量规模（95%/98% 覆盖率讨论的基础研究）；
• Schmitt, Jiang & Grabe (2011)，关于文本中已知词百分比与阅读理解；
• Pashler 等 (2008)，关于"学习风格"概念与证据的综述。

需要强调的是仓库一贯的表述边界：研究报告呈现的是特定条件下的效应，而不是对每个学习者的保证。95%/98% 覆盖率是阅读条件的统计结论，不是"背到某个数量就能读懂"的承诺；个人经验是实验线索而非普适处方。真正可验证的标准只有一个：一周之后、换一个语境，你还能不能用得上。