核心词、长期积累词、拓展词：三层词表分别解决什么问题

上传一本专业英文教材后，遇词先做提取：分词、词形还原、去重，再用通用词频表过滤掉本来就认识的常见词，剩下的候选生词往往还有几百到几千个。如果直接把它们堆成一张表，你会发现自己既要背真正卡住理解的词，也要背这本书偶然出现一次、以后可能再也用不上的生僻词——优先级完全被打乱了。三层词表就是为了解决这个排序问题。

核心词：这本书离不开它，你还没掌握

核心词的判定同时看两件事：候选词在本书里的出现频率是否够高（理解这本书绕不开它），以及你在诊断测试里的自评是否显示不熟悉或不会。两个条件都成立才会被归入核心词——只是高频但你早就掌握的词不会占用你的复习时间，只是生僻但恰好你认识的词也不会被强行塞进来。核心词是三层里唯一直接和"读懂这本书"绑定的一层，也是复习优先级最高的一层。

长期积累词：不只这本书用得上，整个学科都在用

长期积累词的判定不看这一本书的频率，而看候选词是否落在学科通用词频表（MAWL/MAVL/AWL，医学学术词表与通用学术词表）的中高频区间。这些词换一本教材、换一篇文献大概率还会再遇到，所以无论你在诊断测试里显示已经掌握还是没掌握，都会被纳入这一层，只是按熟练度排序展示——已经掌握的排在后面复习频率更低，还不熟的排在前面。这一层的价值不在"这本书"，而在为你在这个学科长期积累词汇打底。

拓展词：书里频率低、学科词表也没收录，仅供参考

拓展词是排除法剩下的部分：在这本书里出现频率低，也不在学科通用词频表里，多半是专有名词或某个窄分支下的术语——scispaCy 命中的实体词优先归入这一层。这层词不强制背诵，你可以按需查阅，遇到了再看释义，不需要专门安排复习计划。

为什么要分层，而不是一张表按频率排序

单纯按频率排序解决不了"这本书的生词"和"这个学科的生词"是两件不同的事这个问题：一本分子生物学教材里反复出现的某个实验方法名词，可能只在这本书里高频，换一本免疫学教材就再也不会遇到；而 upregulation、bioavailability 这类词几乎会出现在你读的每一本生物医药英文材料里。前者该集中攻克，后者该长期打底，两种词放进同一个复习队列会互相稀释效率。三层分类把"这本书"和"这个学科"两个维度拆开，让你清楚每一个词到底为什么值得花时间。