作为一名高级前端工程师，我习惯于将复杂的用户界面（UI）拆解成更小、可复用的组件。当我搬到东京并开始在科技公司面试时，我意识到我的日语词汇呈现出相反的形态。它是一个铁板一块的庞然大物。
我可以记住像 キャリア形成（职业发展）这样冗长的商业术语，但只能把它作为一个固定的字符串。如果面试官将其中的一部分替换掉，我的理解就会崩溃。这个词看起来很熟悉，但我的大脑却对它束手无策。
就在那时，我意识到我需要一种不同的学习模型。不是更多的死记硬背，而是更好的架构。
真正的转变：从记忆到解析
有一段时间，我一直想知道为什么母语人士，或者是拥有汉字背景的人，似乎能够如此轻松地掌握新单词。后来我注意到了自己身上一个显而易见的事实：作为一名母语为中文的人，我自己其实一直都在这样做。
当我看到一个新的中文词语时，我通常不会从零开始学习它。我会推断。我会看这些汉字，把它们分解成有意义的部分，让意义自然拼凑起来。
这让我意识到我可以将同样的逻辑应用于日语。
我不再将每个生词视为需要背诵的孤立项目，而是开始将词汇视为某种组合式的东西。我不再仅仅是存储词汇。我正在构建一个解析它们的系统。
用工程术语来说，这感觉就像是从 $O(n)$ 的死记硬背（每个词都是一个独立的条目）转变为接近 $O(1)$ 的解析（我通常可以从我已知的部件中推导出含义）。
为什么以前的方法感觉脆弱
当我将词汇作为单一、静态的单元来学习时，一切都是脆弱的。
- 输入： キャリア形成
- 存储： 一个特定的记忆槽
- 故障模式： 如果我听到 資産形成 并且我之前没有背过它，我就会卡壳
这就是硬编码词汇的问题。它一直有效，直到输入发生变化。
语言的原子设计
对我帮助最大的模型来自于前端思维。
在 React 中，我们不会为每个屏幕构建一个单独的按钮。我们构建可复用的组件，然后将它们在不同的上下文中组合起来。我开始以同样的方式看待日语词汇。
1. 原子、分子、有机体
日语词汇有一种组件层级结构：
- 原子（Kanji / 单字）： 最小的有意义的单元
- 分子（Jukugo / 熟语）： 由这些单元构成的常见复合词
- 有机体（Full phrases / 完整短语）： 在它们之上构建的更长表达
例如：
- 形 = shape, form
- 成 = become, make
- 形成 = formation
- キャリア形成 = career development
一旦我不再将 キャリア形成 视为一长块，而是开始将其视为分层结构，处理它就变得容易多了。
2. 构建一个心智解析器
当一个复合词变得可复用时，真正的回报就来了。
一旦 形成 不再仅仅是某个被背诵短语的一部分，而是成为它自身一个有意义的构建块，我就可以开始在其他地方认出它：
- 人格形成 = character formation
- 習慣形成 = habit formation
- 資産形成 = asset formation
在这一点上，我不再从记忆中逐个检索完整的单词。我是在实时解析它们。
这感觉更接近于我在面试中真正想要使用语言的方式。我不需要对每个术语都有完美的记忆。我需要一种可靠的方法，在听到不熟悉的内容时能够保持方向感。
这对我改变了什么
这种转变大大减轻了认知压力。
现在当我听到一个长长的汉字复合词时，我不太容易感到恐慌了。我不需要提前知道确切的短语。通常，我能把它拆开，识别出熟悉的片段，并足够接近其含义以继续交流。
这就是我所说的**“元词汇学习”（Meta-Vocabulary Learning）**的核心。它不是关于记住更多的单词。它是关于建立一个更好的内部系统来理解新单词。
结论：停止死记硬背，开始构建架构
当然，我仍然会背单词。但我不再将每个单词视为一个独立的工件。
我试图学习背后的组件、模式以及可复用的语义部分。一旦这些都到位，新单词就不再感觉像是随机数据，而是开始感觉像是可组合的结构。
所以对我来说，目标不再仅仅是学习日语词汇。
而是去架构它。