句子採集：從日常閱讀中打造專屬日語 Anki 牌組

句子採集（Sentence Mining）是指從正在閱讀或觀看的日語真實語料中提取含有生詞的句子，查明這些生詞後將其保存為單字卡以供複習。¹ 透過這種方式建立的牌組完全源於你親自接觸過的材料，因此每張卡片都自帶真實語境、來源背景以及你已經掌握的周邊詞彙。

概述

句子採集處於基於沉浸式學習循環的核心位置：輸入原生真實內容，提取剛好略高於當前水準的例句，並將它們導入間隔重複系統（SRS），讓生詞牢固扎根於長期記憶中。該方法依賴於一條嚴格的篩選準則以及一套輕量高效的「詞典+Anki」工具鏈。要讓它持續發揮效用，關鍵在於保持每日克制，防止待複習卡片滾雪球式堆積而崩盤。

本指南將底層理論與切實的日常例行工作聯繫起來。我們將對比三種主流的採集工具組合，指出導致絕大多數學習者半途而廢的失誤模式，並說明自主採集牌組與使用現成預製牌組之間是相輔相成而非互相對立的互補關係。

什麼是句子採集

句子採集是指在沉浸輸入過程中尋找包含生詞的例句，查閱詞義，並將其製作成記憶卡片供日後複習的完整流程。¹ 這裡的「採集（Mining）」名副其實：你是在從已經在消費的真實道地輸入中淘選提煉有價值的例句，而不是死記硬背別人整理好的詞彙清單。¹

其成果是一個與下載的普通單字表截然不同的牌組。一張採集出來的卡片承載著你真實邂逅過的完整句子，連同它所屬的情節場面以及周圍熟知的詞彙，而不是脫離語境的光禿禿的孤立詞條。¹

這一實踐最初由 AJATT（All Japanese All The Time） 部落格及其倡導的「一萬句法則（10,000 Sentences）」在日語學習圈發揚光大。在該方法中，學習者從詞典、小說、影視劇等原生材料中收集並複習成千上萬個完整的真示例句，而非單記孤立詞表。² AJATT 的核心理念是「一個正確的例句本質上就是一套依據文法規則排列組合的詞彙」，因此一個句子既承載了生詞本身，又賦予了使用它的準確語感。²

這一「輸入結合 SRS」的工作流程隨後在 MIA（Mass Immersion Approach） 以及後續的 Refold 體系中得到繼承與發展，並被提煉為適用於多語種的普適方法論。¹³ Refold 的路線圖至今仍是這一學習機制的重要參考來源。¹³

i+1 原則：為什麼採集的是句子而非孤立單字

i+1 原則最早可追溯至史蒂芬·克拉申（Stephen Krashen）的輸入假說（Input Hypothesis）。克拉申主張，「在上下文語境或非語言資訊的輔助下，透過理解略高於當前語言能力水準（i + 1）的輸入內容，語言習得便得以發生」。⁴ 其中，i 代表學習者當前的實際語言能力，而 i+1 則代表緊接著的下一個階梯。⁴

在克拉申最初的理論框架中，i+1 是對整個巨觀可理解輸入流的屬性描述，而非孤立地指某一個單獨的句子。他指出，輸入「不必只包含 i + 1」，只要學習者獲得了足量的可理解輸入，「i + 1 便會自然而然地被包含在其中」。⁴ 他甚至進一步強調，刻意透過類似「每日文法焦點」大綱將輸入精準鎖定在 i+1 「不僅毫無必要」，甚至「可能適得其反」。⁴

句子採集社群則對這一術語進行了更具實操性的狹義界定。在實際採集中，「i+1 句子」特指一個句子中恰好只包含一個未知元素。這種「單句等於 i+1」的理解是學習社群的工作定義，而非克拉申的原初定義。⁴¹

同一標籤的兩種不同內涵

當句子採集指南稱一個句子為「i+1」時，它指的是在一個整體已經理解的句子中恰好包含一個生詞。而當克拉申（Krashen）提出 i+1 時，他指的是整個輸入語流在巨觀上的可理解程度。這兩種用法都很有價值，但所代表的主張並不相同。⁴¹

Refold 為這個實操目標起了一個形象的名字：「1T 句子」（One Target，單目標句）。它指的是「你已經理解了其中的絕大部分詞彙，只需學習其中一兩個生詞即可讀懂的句子」。¹

什麼樣的句子才算合格的 i+1 句子

一個 1T（單目標）句子屬於順手可摘的果實：你大致能輕鬆讀懂它，裡面僅藏著一個未知生詞或文法點。¹ 如果在下面這句話中你唯一不認識的只有動詞「読む」（yomu，「閱讀」），那它就是一個標準的優質 i+1 候選句：

彼かれは寝ねる前まえに本ほんを読よむ。⁵
「他在睡前看書。」

同時包含多個生詞的句子則截然相反。Refold 的指引明確建議：不要採集包含三個或更多生詞的句子，因為在那種生詞密度下，你根本無法理解句意本身。³ 在社群術語中，這些被稱為 i+2 或 i+3 句子。如果在下面這句話中你既不認識「かかさず」（「從不間斷地」），又不認識「新聞」（shinbun，「報紙」），那麼它就過於晦澀，不適合製卡：

彼かれは毎朝まいあさかかさず新聞しんぶんを読よむ。⁶
「他每天早晨必定看報紙。」

將目標嚴格限制在單一項上的原因非常實際：如果一張卡片同時測試多個生詞，複習時你可能很難搞清這張卡片究竟是要檢驗哪一個詞。這會導致複習節奏緩慢且充滿歧義。¹ 目標清晰的單生詞卡片能讓你更快達到複習效果。¹

什麼時候可以開始進行句子採集

唯有當你在輸入中接觸的大多數句子已經接近可理解時，句子採集才具有真正的高效率。如果你還無法在讀一個句子時僅遇到一個生詞，那麼幾乎每個句子都是 i+2 甚至更糟，尋找 1T 句子的過程就會陷入停滯。¹³

這正是為什麼在句子採集大顯身手之前，必須先建立高頻核心詞彙庫的原因所在。其採集邏輯非常樸素：如果你連輸入內容中的絕大部分詞彙都還不認識，你根本無法篩選出單目標句子。¹ 該基礎背後的詞彙覆蓋率統計見配套文章《日語詞頻覆蓋率：為什麼前 1,000 詞能覆蓋約 80%》。它解釋了為什麼極小規模的核心高頻詞能佔據你遇到的大部分日常篇章。

在真實文本頁上測試自己的準備狀態，而非只看數字

打開你想採集內容的其中一頁，試讀幾個句子。如果你能讀懂絕大部分內容，且平均每句話大約只卡在一個詞上，就說明你已經做好了準備。如果幾乎每句話都有好幾個生詞，請先花更多時間夯實高頻基礎詞彙，否則盲目採集只會帶來挫敗感。¹³

句子採集工具鏈

在日語句子採集領域，主要流行三套工具鏈。它們的核心區別在於從「遇到生詞」到「卡片進入複習佇列」的自動化程度高低。

該流程圖描繪了每種工具都遵循的通用循環。下面各小節的區別僅在於哪些步驟需要手動操作，哪些步驟由工具代勞。

Yomitan + Anki（經典的瀏覽器自主閱讀搭配）

Yomitan 是一款專為語言學習者打造的免費開源瀏覽器擴充功能，也是 Yomichan 專案的繼任維護版本。⁷ 它的核心功能是懸停查詞：將滑鼠游標移動到詞彙上方並按下快捷鍵，即可在無需離開當前網頁的情況下呼出釋義、詞頻、真人發音以及例句。⁷

它能夠直接處理音訊提取與一鍵製卡。Yomitan 可以播放母語者發音錄音，支援接入 Forvo 等自訂發音源，並能將音訊直接匯出至單字卡中。⁷ 僅需輕輕一按，即可將查詞結果轉換為資訊豐富的 Anki 卡片並同步發送至你的牌組。⁷

這一對接透過 AnkiConnect 外掛程式實現，該外掛程式為外部工具提供了一個本機 API 介面，從而能夠透過程式化方式添加筆記和卡片。⁸ 兩者組合構成了經典的手工基準方案：在瀏覽器中閱讀、懸停取詞查義，並以單鍵將句子發送至 Anki。⁷⁸

JPDB（全自動採集與按難度分級媒介）

jpdb 將自身定位為日語詞典與一體化學習系統。它採用了自主研發的間隔重複演算法，基於機器學習模型而非固定的翻倍間隔公式。⁹

它的媒體庫按難度嚴格分級。jpdb 提供了數萬個預製牌組，涵蓋了 1000 多部動畫的專用詞彙，同時還針對視覺小說、輕小說和網路小說提供了按難度排序的詞表牌組。⁹

它的採集過程高度自動化。只需貼上一段文本，jpdb 就會自動提取其中的詞彙，並從其號稱超過 1.3 億條日語真實句子的資料庫中，自動匹配生成包含熟詞語境的 i+1 例句卡片。⁹ 它能在所有關聯牌組中統一追蹤你的學習進度，且不設強制性的每日新卡上限。⁹

Migaku（現代流線型一體化選擇）

Migaku 是一款 Chrome 擴充功能，能將你平時瀏覽的網頁與觀看的影片直接轉化為學習材料。¹⁰ 在網頁和影片字幕中點擊單字，即可即時查閱釋義、發音、匹配圖片以及 AI 生成的釋義。¹⁰

它製作的每張卡片都能完整捕捉生詞、上下文語境句、原聲音訊、影片截圖、詞典釋義以及 AI 解釋，整個過程僅需點按幾下即可完成。¹⁰ 內建的 SRS 會自動根據間隔重複演算法安排卡片的複習週期。¹⁰

Migaku 支援 YouTube、Netflix、Twitter 等主流串流媒體與社群平台，並在擴充功能之外提供 iOS、Android 行動端應用及網頁端複習工具。¹⁰

每日採集的例行規程

理論與工具唯有落實到可持續的習慣中才有意義。切實行政有效的規程是將製卡採集時間嚴格限制在更大規模的無負擔純沉浸輸入之內。

設定卡片配額，然後專注沉浸輸入

核心自律在於：每天採集固定數量的卡片後，立即停止製卡，轉入自由沉浸狀態。Refold 將「只顧製卡、從不順暢沉浸」明確列為重大誤區。這清楚地表明：採集製作卡片的時間必須與無拘無束的純輸入保持合理平衡。³

設定自我約束的每日新卡上限是防止卡片積壓的常規防線。沒有哪部權威文獻規定過單一通用的標準卡片數量，具體數字由你根據自身節奏決定。至關重要的法則是：必須設定明確上限並嚴格遵守。³

一張優質的採集卡片應該包含什麼

一張優秀的採集卡片應包含：目標生詞、該詞出現的完整例句、假名讀音、目標詞的精準釋義，以及（若條件允許）原聲錄音切片和場景截圖。¹⁷¹⁰ 在 Refold 的標準格式中，卡片正面放置完整句子；背面呈現目標生詞的釋義，並可選擇性地附上該句子出處的場景畫面截圖。¹

如果目標詞是「読む」（yomu，「閱讀」），卡片正面應呈現如下語境句，讀音與釋義則留在卡片背面：

週しゅうに３冊さつ本ほんを読よむよ。¹¹
「我每週讀三本書。」

採集卡片的首要定位是感受性吸收：它們訓練你在再次遇到該詞彙時能迅速識別。¹ 至於將這種被動辨識轉化為自如的主動產出，則是後續的工作。關於從被動詞彙走向主動詞彙的過程，屬於另一專題。

常見誤區與避坑指南

過度製卡與複習積壓崩盤

最典型的失敗模式是採集了遠超自身複習消化能力的卡片。Refold 明確指出：在一場沉浸中隨手保存 30 張甚至更多卡片是輕而易舉的事，但如果你無法全部按時複習，它們就會迅速堆積成山。與其讓低價值卡片形成可怕的積壓債務，不如堅決將其刪除。¹³

解決之道在於嚴守卡片定額，並敢於果斷捨棄低價值卡片而非盲目囤積。¹ 牌組的規模從來不是目的，每天能夠順暢複習消化才是關鍵。

採集 i+2 與 i+3 多生詞難句

採集包含多個未知元素的句子會導致卡片錯誤率極高、複習目標模糊。Refold 的黃金法則是：不要採集包含三個或更多生詞的句子，因為此時你甚至還未真正理解整句話。³

多生詞卡片會迫使你在複習時猜測該卡片到底在考察哪一個點，這嚴重拖慢了複習節奏，削弱了記憶效果。¹ 保持每張卡片僅針對單一目標是唯一有效的糾偏準則。¹

何時不應製卡：預製牌組的補充價值

採集屬於典型的 DIY（自己動手）路線。它需要配置一整套工具——無論是瀏覽器擴充功能加 Anki 還是整合軟體——並且需要持續投入篩選、製卡與修剪卡片的日常精力。¹³

如果你不想把時間花在配置工具或親手製卡上，現成精校、排布合理的優質預製牌組就是最佳選擇，J-Compass 在此推薦 Amenokori。它的理念是「享受 Anki 的記憶成效，免去繁瑣配置」，基於現代 FSRS 演算法提供詞彙、文法與漢字牌組，擁有超過一萬個預先最佳化的高品質詞條，並完整覆蓋 N5 到 N1 的全級別梯度。這意味著從你決定開啟學習的第一天起，廣度詞庫就已準備就緒：零環境配置，零維護負擔。¹²

彌補同一需求的兩種途徑

自建採集牌組高度個人化：源自你熟悉的上下文，精準針對你的知識盲區，代價是前期的工具配置與長期的維護精力。而現成排布好的 FSRS 牌組則免配置、精校對，但並非直接來自你的個人沉浸材料。兩者其實互為補充，許多學習者正是透過預製牌組擴展廣度，同時透過採集閱讀中遇到的生詞來填補個人化缺口。¹²

學習貼士

「i+1」術語的來龍去脈

該詞源自克拉申：「在上下文語境或非語言資訊的輔助下，透過理解略高於當前語言能力水準（i + 1）的輸入內容，語言習得便得以發生」。⁴ 從 AJATT 到 MIA 再到 Refold 的沉浸學習社群借用了這一概念，並將其轉用於指代單張採集卡片上的單個句子（即包含單個生詞的句子）。這種在製卡上的實操性用法，比克拉申針對巨觀全域輸入的原始概念更為狹窄具體。⁴¹²

「1T」代表單目標

Refold 將理想採集句子命名為「1T 句子」（One Target），這是一個極佳的記憶要點：每張卡片只針對一個目標詞或文法點。¹ 如果一句話中包含兩個以上你不懂的內容，它就不屬於 1T 句子，通常應當果斷略過。¹³

切勿將採集當成刷數量的遊戲

一種常見的心態誤區是：在一場沉浸學習中瘋狂保存 30 張以上的卡片來尋找充實感，結果隨後被淹沒在堆積如山的複習債務中。¹ 正確的思維是：每天只採集少量、清晰的純正 1T 卡片，然後盡情享受無負擔的沉浸輸入，對於後來發現沒有價值的卡片要毫不猶豫地刪除。¹³ 價值在於可持續複習的單一目標卡片，而非牌組的數字規模。複習積壓是公認導致學習者倦怠放棄的最大誘因。³

自主採集與預製牌組是互補搭檔而非非此即彼

自製牌組極致貼合個人，但需要持續投入配置與維護成本；現成的 FSRS 演算法牌組免除配置、品質穩定，但缺乏與個人沉浸體驗的情感聯結。例如 Amenokori 的行動端應用將詞彙、文法辨析及漢字學習融於一體，內建萬餘條精心打磨最佳化的詞條，每個條目均配備原聲語境例句，並以 FSRS 演算法貫穿 N5 到 N1 全級別。¹³ 在實際操作中，利用優質預製牌組快速鋪設詞彙廣度，同時透過自主採集來收錄個人閱讀中浮現的高價值生詞，是一種非常成熟且高效的雙軌並行策略。¹²¹³

參見

• ASBPlayer：基於動漫字幕的影視句子採集指南
• 超越 Anki：多款主流 SRS 工具與學習方法全景橫評
• 從 N5 到 N1：尋找各階段適用的 i+1 原生輸入材料指南
• 日語沉浸式學習法解析：AJATT、MIA 與 Refold 核心理論對比
• 在詞彙語境中學習漢字：語境漢字學習法
• 達到流利日語究竟需要掌握多少詞彙量？

References

Footnotes

1. Refold. "2A: Basic Sentence Mining." Refold Roadmap, Stage 2. https://refold.la/roadmap/stage-2/a/basic-sentence-mining/ ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸ ↩⁹ ↩¹⁰ ↩¹¹ ↩¹² ↩¹³ ↩¹⁴ ↩¹⁵ ↩¹⁶ ↩¹⁷ ↩¹⁸ ↩¹⁹ ↩²⁰ ↩²¹ ↩²² ↩²³ ↩²⁴ ↩²⁵ ↩²⁶ ↩²⁷ ↩²⁸

2. AJATT (Khatzumoto). "10,000 Sentences: Why." All Japanese All The Time. https://alljapanesealltheti.me/10000-sentences-why/index.html ↩ ↩² ↩³

3. Refold. "2B: Advanced Sentence Mining." Refold Roadmap, Stage 2. https://refold.la/roadmap/stage-2/b/advanced-sentence-mining/ ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸ ↩⁹ ↩¹⁰ ↩¹¹ ↩¹² ↩¹³

4. Krashen, Stephen D. Principles and Practice in Second Language Acquisition. Pergamon Press, 1982 (internet edition, sdkrashen.com). The Input Hypothesis: pp. 20–23. https://www.sdkrashen.com/content/books/principles_and_practice.pdf ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸

5. Tatoeba Project. Sentence #873959 (jpn) with English translation. CC-BY 2.0 FR. https://tatoeba.org/en/sentences/show/873959 ↩

6. Tatoeba Project. Sentence #99824 (jpn) with English translation. CC-BY 2.0 FR. https://tatoeba.org/en/sentences/show/99824 ↩

7. Yomitan. Product site and documentation. https://yomitan.wiki/ ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶

8. AnkiConnect (foosoft). Project repository and documentation. https://git.sr.ht/~foosoft/anki-connect ↩ ↩²

9. jpdb. Product landing page and feature description. https://jpdb.io/ ↩ ↩² ↩³ ↩⁴

10. Migaku. Product landing page and feature description. https://migaku.com/ ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶

11. Tatoeba Project. Sentence #10129724 (jpn) with English translation. CC-BY 2.0 FR. https://tatoeba.org/en/sentences/show/10129724 ↩

12. Amenokori. Product landing page. https://amenokori.com ↩ ↩² ↩³

13. Amenokori. Mobile app page. https://amenokori.com/mobile-app/ ↩ ↩²