——从损伤控制、包容式机器人与辅助自然恢复构造"依赖—限时—承果"路径
依赖—限时—承果路径 一句话：要最快开口，不是多说，而是尽快做到三件事——对方非听你的不可（依赖）、你得在他还来得及改主意之前说出来（限时）、说错了后果落在你身上而不是有人替你兜着（承果）。生活里的例子：两人合作拼一张只有你手里有的地图，对方 60 秒内要决定往哪走，你说错了他就真的走错，回来找的是你，不是老师。不是什么：它不是"多做任务"（答案公开的任务对方不依赖你），也不是"逼孩子开口"（没有真实后果的开口只是表演）。
伙伴依赖时长 从进入一个新场景，到第一次连续做到伙伴按你的信息改主意，隔了多久。
“尽快”不能再用词汇量、总口语时长或主观敢说衡量。本章把终点定为一个事件：伙伴在真实时限内必须依赖学习者的目标语信息作出选择，且误解不能被教师、母语或AI静默代办。
研究对象是达到该事件的最短路径，而不是新的语言本体。上线事件保留为路径终点；DDC才是可比较、可拆除、可证伪的干预序列。
现有发生论语料对快速口语有三条直接约束。第一，成人二语之难被归结为发生条件残缺：课堂替代真实生活，考试替代真实沟通，词表替代对象和关系；处方不是继续提高知识搬运效率，而是重建真实任务、真实关系和真实后果。这个判断意味着：若学习方案把“开口”长期推迟到知识准备完成，它实际上延长了最关键的条件缺失期。
第二，口语流利不能定义为“不停顿”或“说得多”，而应包括能开口、能接话、能追问、能换说法、能照看对方反应。也就是说，真正的最小口语单位不是一个孤立句子，而是一段包含听者的往返。一个学生可以背出五十句完整句型，却无法在对方说“什么意思？”之后继续；另一个学生只会二十个词，却能用重复、手势、重组和追问把事情办成。后者的语言系统反而更接近运行态。
第三，发生论语料同时警告“纯聊天”与“纯纠错”两个极端。纯纠错会把试探场关闭，学习者不敢开口；纯聊天则可能让系统过早优化为“能混过去”，错误长期固化。这个双重约束非常重要，因为它排除了两种流行捷径：“等准备好了再说”和“什么都别管先狂说”。真正快速的路径必须同时满足早上线与可修复：允许系统带着不完美进入真实运行，又让真实故障成为下一轮结构升级的唯一优先级。
严重创伤外科面对一个反常事实：手术做得越彻底，病人有时死得越快。失血、低温、酸中毒和凝血障碍会形成恶性循环，病人的生理储备不足以承受长时间的“完美手术”。损伤控制外科因此主动放弃一次性完成所有解剖修复，第一阶段只快速控制出血和污染，随后转入重症监护恢复体温、凝血和循环，等生理状态稳定后再回手术室做最终重建。Brooks等人的综述把它概括为：短期生理恢复优先于解剖学重建；系统综述也提醒，这一策略只适用于真正无法承受完整修复的患者，并非越少做越好。
对快速口语而言，这门学科提供的不是“语言像病人”的浅类比，而是一条优化原则：当系统尚未具备承受完整要求的能力时，过早追求所有指标的同步完美，会把有限资源消耗在非关键修复上。初学者第一次要完成真实口语任务时，同时要求词汇丰富、语法准确、发音地道、语速流畅、礼貌得体、逻辑完整，等于让一个尚未稳定的系统进行全套重建。结果往往不是更快，而是启动失败。
损伤控制的关键不是降低终极标准，而是改变标准的时间顺序：先问“什么是维持系统继续运行的最低条件”，再问“哪些缺陷必须晚一点修”。这迫使口语教学区分“此刻会让交流死亡的故障”与“此刻难看但不致死的缺陷”。对方完全听不懂关键词，是阻断性故障；过去时少了-ed，若不影响任务理解，可能暂时不是。快速开口的第一原则因此不是少学，而是只在最早阶段优先修会让回路断裂的故障。
传统人工智能和机器人设计曾倾向把系统拆成感知、世界模型、规划、决策、执行等功能模块，等各模块足够成熟再接起来。Rodney Brooks在1986年的分层控制架构和1991年的“无表征智能”本章中反向操作：不是先完成内部模型，而是先造一个能够直接连接真实世界的完整低层行为，例如避障；低层能稳定运行之后，再增加漫游、探索、地图等更高能力，而且新增层不要求先关闭原来的低层生命线。
Brooks真正具有冲击力的判断是：复杂能力可以通过“完整行为层”递增，而不必先把所有内部功能分别做完。机器人先能活着行动，再在行动中变复杂。这种架构后来受到“反应性不足以支持长期规划”的批评，也发展出混合式和行为树等新架构。正是这些反例使它对语言学习更有价值：早上线不等于永远停在简单反应，低层完整行为必须成为上层能力的承重底盘，而不是封顶。
语言学习最常见的课程结构恰好仍然是“功能模块先行”：先把词汇学到某个量，再学语法，再练听力，再练发音，最后综合口语。行为机器人的约束要求反过来：第一天就应该寻找一个能够在真实世界端到端运行的最低行为层。它可以小到“听懂一个问题—说出最低表达—理解对方确认—必要时改说—完成行动”。以后每增加一层，不是增加一本知识清单，而是让同一完整回路获得更大的任务范围、更高的表达精度和更强的修复能力。
退化森林的恢复很容易被理解成“缺什么补什么”：树少就大规模种树，物种少就人工引入更多物种。恢复生态学中的辅助自然再生却给出另一条路径。FAO对这一方法的概括是：当土壤种子库、残存幼苗和邻近种源仍然存在时，最有效的干预可能不是替系统重新造一座森林，而是压草、控制火灾和放牧、移除竞争性植被、保护天然更新苗，让自然演替自己加速。Shono、Cadaweng与Durst（2007）把其要点写得很清楚：目标是加速而非取代自然演替，通过减少阻碍自然更新的障碍来恢复。
这对语言学习的约束比“创造好环境”更精确。很多学习者不是完全没有语言材料，而是已有大量可用种子：听过的词、读过的句子、生活场景、母语中已经成熟的意图、对话伙伴、AI工具。问题是这些资源无法自然长成口语，因为有几类“杂草”持续压住更新：必须先翻成母语才敢说、怕错和怕丢脸、任何错误都被立即打断、真实任务缺失、别人总替他完成意思、输入难度高到没有可接住的部分。继续灌入更多单词，就像在被杂草覆盖的土地上继续撒种。
恢复生态学因此提出第三个速度原则：最快不等于最大投入，而可能等于最精准地移除当前限制自生长的障碍。对一个词汇量已经足够但开不了口的成人，真正瓶颈也许是每句话都先中文构思；对一个敢说却没人听得懂的孩子，瓶颈也许是语音差异；对一个语音很好却永远只回答不发起的学生，瓶颈可能是真实意图缺失。快速方案必须先诊断“是什么阻止现有资源组成完整回路”，而不是默认所有人都缺更多输入。
损伤控制外科只要求系统先跨过最低可持续功能门，拒绝在脆弱期追求一次性完美。行为机器人要求能力直接进入实时感知—行动环，拒绝把内部表征库存当作已经运行。辅助自然恢复则要求先移除压住自发增长的障碍，拒绝默认“投入越多越快”。
三家并不都主张“先做再学”。外科允许暂时不完整，机器人要求实时闭环，恢复生态学要求识别阻断。真正的共同推出物是三道不同的门：依赖门、时限门、承果门。任何一门缺失，系统都可能看似在说，却没有取得独立运行。
第一，依赖：伙伴缺少学习者掌握的一条非冗余信息，不能从脚本、教师或界面旁路获得。第二，限时：表达必须在伙伴决策仍可改变的窗口内生成，事后补交不算上线。第三，承果：理解失败会改变任务下一步，并要求学习者本人澄清、重说或接受结果。
三门顺序不能任意交换。没有依赖，开口只是展示；没有时限，知识可以一直离线检索；没有承果，系统学不到哪种差异值得改变。DDC不承诺七天流利，只承诺尽快取得第一条不可代办的真实口语路径。
只记录五个字段：伙伴是否缺少关键信息；是否存在预先规定的决策截止；学习者是否在截止前用目标语提交；伙伴下一步是否依赖该信息；误解后是否由学习者本人处理。五项全为是才计一次DDC成功。
“很真实”“比较紧张”“感觉需要我”均不能进入编码。若教师知道答案并随时补充、AI自动改写后再交给伙伴、或伙伴可以不等信息继续，依赖门失败。
把地图、配方、零件、日程或证据拆给不同伙伴，使任务没有学习者的消息就无法完成。最低形式可以很少，但信息必须非冗余。
给伙伴一个会在30—90秒内锁定的选择；学习者必须在窗口内生成足以改变选择的信息。时限不是制造羞辱，而是阻止无限翻译和离线润色。
伙伴按所理解的信息行动；走错、拿错、排序错误或资源损失会被看见，并由学习者本人修复。教师只在安全或伦理边界触发时介入。
Krashen及Natural Approach把理解性输入和较低焦虑置于核心位置，并允许初学者经历前产出阶段。这一传统对强迫早说提供了重要纠偏：没有足够可理解输入，输出很容易变成猜测和僵硬模仿。本章并不否定输入，而是区分“为系统提供材料”与“系统是否已经运行”。大量可理解输入可以让仓库非常丰富，但只有当学习者自己的表达开始改变对方下一轮回应时，数据流才变成双向。
上线事件因此不是“输出战胜输入”。上线前仍需要最低听辨与词汇种子；上线后输入反而更重要，因为互动会持续给出高度针对性的下一轮材料。区别在于输入从统一供给变成被学习者行为选择的输入。你问“what does receipt mean?”，对方的解释就是由你的缺口主动召来的；这种输入与随机再听一段材料在因果位置上不同。
可裁决预测是：在输入量与难度相当时，能够更早形成完整闭环的学习者，应更快出现“个体化输入分布”——他们收到的语言越来越围绕自己真实缺口；若大量输入组即使长期没有闭环，仍能以同样速度发展自发修复和实时口语迁移，那么本章对上线事件的独立强调就被削弱。
Swain的可理解输出假说已经指出，仅理解输入不够，学习者在努力表达精确意义时会注意到缺口、检验假设并推动语言发展。这是本章最接近的理论邻居之一。若本章只说“必须输出”，就完全没有新增价值。差异在于：输出假说主要把产出视为学习者内部加工与注意机制的触发器；上线事件要求输出必须进入一个完整外部回路，并改变对方的条件性反应和后续行为。
自言自语和录音当然有学习价值，也能触发自我监控，但它们不构成本章定义的上线，因为系统尚未获得外部不确定响应。相反，一句极短的真实请求，即便没有复杂语法，只要引出不可预知回应并要求修复，就能使回路运行。两者不是价值高低，而是机制不同。
如果未来实验发现：同等总产出量下，独白练习与真实双向闭环在自发修复、跨伙伴适应和新场景上线时长上完全等效，那么“对方条件性回应”不是核心机制，本章应退回一般输出练习理论。
TBLT已经把意义任务、结果和互动置于中心。DDC不能靠“更真实”自保；它只增加三个可审计门。一个任务若答案公开、伙伴不依赖学习者、没有决策时限或失败由教师吸收，仍是高质量教学活动，却不是DDC上线任务。
判决实验应在同一任务内容、同一输入量和同一口语时长下，只操纵伙伴依赖、时限与后果返回。若普通任务组与DDC组在首次独立口语事件和跨伙伴迁移上无差异，DDC没有独立价值。
任务型教学早就把"伙伴是否需要你"做成了分类。皮卡、卡纳吉与法洛顿的任务类型学按四个维度给任务分类：互动者关系、是否必须交换信息、目标是趋同还是发散、结果是唯一还是多解；其中"必须交换"这一维几乎就是本章的依赖门。斯基汉与福斯特的任务条件研究把计划时间与时间压力当作操纵变量，对应本章的时限门。朗的互动假说把意义协商置于习得中心，对应本章的承果门。本章若只说"信息差＋时间压力＋真实后果"，就是把这三家各取一维拼成一个新名字。必须写清楚增量在哪：三家都在任务设计层面分类，即事先判断一个任务"是不是两向信息差"；本章要求在事件层面清点，即事后编码伙伴是否真的在截止前按学习者的信息改变了选择、误解是否真的由学习者本人处理。同一个被分类为"必须交换信息"的任务，在课堂上可以被教师随时补充、被脚本提前泄露、被 AI 静默改写，事件级依赖门照样失败。分离线因此写死：若任务类型学的事前分类已能完整预测 TPD——即被分类为两向必需交换任务的学习者，其首次伙伴依赖时长与事件级编码无差异——本章应并入任务型教学的任务设计理论，只保留"事件级审计"这一条方法注脚。
公式化语块研究长期指出，多词序列能够减少在线组装负担，提高第二语言流利度。2021年的实验研究也发现，显式学习公式化序列的学习者在整体速度流利度上优于单词学习对照组，并在延迟测试中保留效果。这个证据与“最低形式上线”高度相容：初始阶段使用完整语块，可以让有限认知资源留给听者、修复和行动。
但本章不能退化为“多背句块”。一个语块只有进入真实回路才是启动件；如果学习者背了“Could you tell me how to get to…”却听不懂对方接下来的方向，也不会追问，回路仍未上线。相反，一个不地道的“How go station?”若能引出回答、听出关键词、再追问确认，已经具有系统运行价值。
因而语块的最佳使用方式不是越多越好，而是围绕少数高频真实动作配置：发起、确认、拒绝、追问、修复、结束。它们像低层控制行为，负责让系统活下来；随后语法和词汇层再提升表达范围与精度。
沉浸常被当作最快语言学习环境，因为目标语无处不在。但“身处英语环境”与“目标语言回路高密度运行”不是同一件事。一个人在国外工作，却每天只用几个固定指令、其余时间与同胞说母语，环境输入巨大但闭环贫乏；另一个人在本国参加每天两小时必须共同做事的全目标语小组，可能拥有更高的有效闭环密度。
本章因此提出“完整闭环密度”作为沉浸质量读数：单位时间内，学习者独立发起或承担的完整目标语言回路数量，其中包含至少一个对方的非脚本回应。这个指标比“每天听英语几小时”更接近真正运行负载。沉浸环境最大的优势不是被动暴露，而是现实持续制造必须处理的后果。
家庭全日英语实验尤其适合这个判断。若孩子只是被要求“全天不能说中文”，但遇到困难时成人替其翻译或简化到无需修复，可能形成高时长、低闭环；若下棋、手工、做饭和游戏必须靠英语协调，每次误解都真实影响动作，即使总时长较短，运行密度可能更高。
预注册强版本是：反复完成同一口语任务足以点火第一条真实回路。Abdi Tabari、Zhuang与Farahanynia（2025）的三层元分析显示，任务重复对口语CALF总体有正效应，但句法复杂度和准确性增益大于流利度与词汇复杂度；句法复杂度为中等效应d=0.67，且任务、情境和间隔显著调节结果。
如果重复本身就是上线机器，最大收益至少应稳定集中在时间流利度，并直接缩短首次伙伴依赖。公开结果没有提供这种判决。重复更像对已运行表现的注意分配与加层优化；它可以进入DDC之后，却不能证明依赖门、时限门和承果门已经通过。
元分析没有编码伙伴是否真的依赖学习者、误解是否改变任务，因而不能计算TPD。本章把该结果写为不利约束，而不把d=0.67冒充DDC效应。下一步需对现有任务研究补编码三道门，再检验门数是否解释异质性。
两条轴是目标语产出与伙伴对该产出的行动依赖。右下格才是DDC终点；高产出、低依赖可能只是独白或脚本。
| 伙伴不依赖学习者信息 | 伙伴依赖学习者信息 | |
|---|---|---|
| 低目标语产出 | 离线或沉默 | 任务堵塞：有依赖但表达路径尚未建立 |
| 高目标语产出 | 展示性口语：可多说但可被旁路 | DDC上线：产出在时限内改变伙伴下一步 |
Time-to-Partner-Dependence（TPD）是从进入一个新场景族到首次满足以下统一阈值的时长：5个预注册试次中至少3次，伙伴在截止前依据学习者目标语信息改变选择；教师、母语和AI没有代办；至少1次误解由学习者本人完成修复。
TPD按场景报告，不与总体水平混合。观察窗结束仍未上线者做右删失。辅助结果包括跨伙伴迁移与四周后自主使用，但不再用闭环密度、故障加层率等多个指标稀释主赌注。
儿童的天然优势并非“记忆好”这么简单，而在于共同体愿意接受极度不完整的早期回路。婴儿说近似音、指物、重复，成人会根据对象、目光和关系帮助完成，但又在误解时不断返回信息。孩子不需要先证明词汇量和语法资格，就能把极少形式接到真实世界上。成人外语学习反而常被要求先达到某个“合格水平”才进入真实互动。
因此，带儿童快速发展第二语言，第一原则不是把成人教材降低难度，而是复制这种“低形式门槛、高现实后果”的结构。玩游戏、拿材料、选择食物、协作搭建、请求帮助、解释规则都比孤立口语题更容易形成完整闭环。最初允许手势和极简句，但关键动作逐步必须用目标语触发。
随着回路稳定，再把成人对儿童的“理解补全”逐渐收紧：开始时能听懂就接住，随后更多问“Which one? Why? What happened?”让孩子自己增加区分信息。这样既避免因要求过高而不启动，又避免成人长期代为完成导致语言停在低层。
成人常有一个特殊障碍：目标语不是直接连接意图和世界，而是先经过成熟母语系统。要表达“我不同意”，先在中文里组织完整观点，再搜索英语对应，再检查语法，最后才说。这个路径能够产出正确句子，却具有高启动延迟；越想说得完整，延迟越大。
最快干预不是禁止母语思考这种无法执行的口号，而是把最常见真实动作预先压缩成目标语低层行为：请求重复、表达不确定、同意/不同意、需要时间、举例、换说法、确认对方理解。它们先成为无需翻译即可调用的“底层动作”。成人在复杂内容上仍可慢，但回路不再因为缺少元交际工具而崩溃。
之后，每一次真实交流只挑一个最常出现的母语绕行点做加层。例如发现所有解释原因都先中文长句，再专门建立because/so/the reason is等英语路径。这样母语不是一次性被“戒掉”，而是随着真实故障逐段缩短。
发音训练最容易落入两种极端：一种认为开口前必须把音标和每个音纠正好；另一种认为只要敢说，口音完全不用管。完整回路视角提供第三种判据：先修会让听者错误行动或频繁中断的语音差异，再逐步处理身份风格和地道度。
例如词重音错误导致对方反复听成另一个词，属于阻断性故障；某个非母语口音明显但理解完全稳定，则可以晚修。这样不是降低发音价值，而是按运行风险排序。语音本身也通过真实听者反馈学习：自己觉得“已经说得一样”的声音，若对方仍听错，就产生比抽象评分更有力量的差异信号。
上线后应保留短周期的精细语音训练，因为纯聊天确实会把可理解但不精确的动作固化。损伤控制外科的逻辑在这里再次出现：临时稳定不是永久放弃重建。最短路径是“先保沟通生命—恢复训练承受力—再做精细修复”。
“先说还是先学语法”的争论往往把语法当成一整套教材。本章把它拆成“哪一条形式差异已经成为当前回路的真实瓶颈”。孩子讲昨天的事情，听者总误会成现在；学习者描述条件关系，对方无法判断先后；礼貌程度不合适导致真实关系紧张——这时语法不是理论负担，而是解除故障的工具。
任务重复元分析显示，重复能显著改善句法复杂度和准确性，这说明完整任务一旦存在，重复是程序化结构的好场。最优做法不是第一次任务就纠正所有语法，而是第一轮先保证闭环，记录高频阻断；第二轮只修一个结构，再重跑；第三轮换对象或情境检验迁移。
这也避免“错误自然消失”的幻想。系统上线只是让学习发生，不保证发生方向自动正确。共同体规范、教师反馈和显性解释仍然重要，只是它们的出现顺序由真实故障决定，而不是由教材章节决定。
AI把低风险口语练习变得极其便宜，这是快速上线的巨大机会。它可以随时提供角色、任务、反馈和不同难度回应，尤其适合害怕真人评价的成人。《语言发生学》也把AI定位为低风险试错伙伴，而不是答案机器。
但AI的最大风险恰恰来自能力过强：学习者说半句，系统自动猜全；语法错了，系统默默理解；找不到词，AI直接替他说；对话表面极其顺畅，却没有任何故障返回学习者。这样会制造“零摩擦假上线”：任务完成了，但语言闭环实际上由AI承担。
适合快速口语的AI应设计“发展性摩擦”。当表达有两种合理理解时，不直接猜最可能答案，而问学习者确认；当连续三次出现同类缺口时才提供短支架；修复后立刻重跑同一功能但换场景。AI不应该追求最低对话失败率，而应追求“可承受故障→学习者修复→后续成功”的高密度。
第1日选择一个真实场景并测基线TPD；第2日制造非冗余信息差；第3日加入安全的60秒决策窗；第4日取消教师和AI代办；第5日让错误改变可逆任务结果；第6日更换伙伴与内容；第7日用同一五试次阈值复测。
协议每次只改变一扇门。若依赖门尚未建立，不用更大压力补救；若时限导致输出崩溃，先降低信息复杂度；若承果引发羞辱或真实损害，改用可逆游戏结果。速度服从安全窗口。
“尽快学会说话”最危险的误用，是把速度变成对学习者的压迫指标。儿童、神经多样性学习者、语言障碍者和经历强烈语言焦虑的人，可能需要更长准备期；第一语言尚不稳的儿童也不应被人为剥夺母语关系。本章的上线判据描述系统状态，不评价人格，更不能成为“几天不开口就是失败”的排名工具。
真实后果也不等于高风险后果。为了制造“真实”，不应让初学者在医疗、法律、安全和重大财务场景承担超出能力的沟通责任。最快路径依赖可承受故障：错误真的会改变一个小游戏、一杯饮料、一个路线选择，却不会造成不可逆伤害。
同样，禁止母语并不是普遍处方。某些沉浸日或游戏规则可以暂时限制母语以缩短绕行，但当学习者需要表达安全、情绪、复杂权利或亲密关系时，母语应保留。语言生成的速度不能高于人的尊严与关系安全。
如果“上线事件”成为流行教学指标，机构最容易做的一件事就是把完整闭环标准化：设计固定五步对话模板，要求学生每节课完成20次，再以次数考核教师。这样表面上闭环密度极高，实际所有回应都可预设，故障被脚本消灭，系统重新退化成流水线练习。
第二种反噬是为了追求更短TPD而无限简化语言。课程只教最少生存句，学生确实很快“上线”，但长期不增加复杂任务，系统被永久锁在低层。早期成功会成为拒绝精细学习的借口，正对应发生论语料所警告的“能混过去”僵化。
因此，任何使用本章方法的机构都必须同时公布两个数字：上线速度与上线后的层级扩展。若TPD越来越短而半年后的任务范围、修复复杂度和语言精度不增长，应视为方法失败而不是成功。
第一，在控制初始水平、口语时长、任务内容和教师质量后，三门数量若不能预测TPD，DDC失败。第二，依赖、时限或承果任一门随机移除都不改变TPD，三门必要性失败。
第三，DDC组虽然TPD更短，却在四周后跨伙伴迁移和准确度上持续更差，路径只能称短期捷径。第四，独白、影子跟读或无后果重复在等时长下达到相同TPD与修复迁移，伙伴依赖并非独立机制。
截至2030年12月31日，若至少两个独立团队在相同任务内容和接触时间下比较DDC与普通任务练习，并发现DDC对TPD的标准化效应绝对值小于0.10，95%区间排除中等效应，同时跨伙伴迁移无优势，本章撤回“依赖—限时—承果是最快口语的独立路径”。
若DDC显著缩短TPD却增加半年后的稳定错误，本章同样失败；更快上线不能用长期封顶交换。
第一类是高库存离线者。他可能通过多年考试和阅读拥有很大的词汇量，能解释复杂语法，也能看懂长文，却在真人突然问一句简单问题时需要先翻译、组织、检查，再输出。这个人并不是缺知识，而是知识没有被组织成低延迟、可修复的运行链。继续给他增加词汇很可能收效递减；真正需要的是缩短“意图—目标语形式—回应—修复”的路径。
第二类是低资源已上线者。旅行者只会几百个词，却能用简单句、手势、重复和确认完成购物、问路、社交；幼儿只会极少语言形式，却能把“不”“这个”“再来”嵌进完整行动。这个人显然还远不算高水平，但已经拥有一种极重要的性质：语言行为会改变对方，而对方的反应又会回来改写他的下一句。学习系统已经接上现实。
第三类是早说无修复者。他非常敢说，输出量巨大，却长期忽略听者反应；对方听不懂时继续重复原句，语法和发音错误也因为“反正能猜到”而固化。这个反例说明本章绝不能把“早输出”当作捷径本身。低资源已上线者与早说无修复者的区别，不在胆量，而在回路是否真正闭合。前者会根据失败改变表达，后者只是把更多旧路径重复出去。
真正高效的成长路径应从第二类向成熟运行者推进，而不是从第一类无限囤积，也不是把第三类的输出量当成进步。课堂评估如果只看词汇量，会偏爱第一类；只看发言次数，会偏爱第三类；只有同时看完整闭环与故障后的变化，才有机会识别第二类身上最宝贵的生成潜力。
语言回路高度依赖伙伴。一个熟悉教师能根据学生的教材背景、口音和固定错误迅速猜到意思；父母也能凭生活史理解儿童极度残缺的表达。因此，同一伙伴上的高成功率可能夸大系统独立性。若“上线”要成为有意义的状态，它必须逐步跨出私人默契。
最便宜的迁移测试不是突然换成高难度母语者，而是换一个不知道脚本细节的伙伴。学习者在原老师面前完成五次点餐回路后，可以换另一位老师、同学或AI角色；任务目标保持，具体菜单和回应改变。若系统立即崩溃，说明原来的成功很大一部分来自伙伴补偿；若学习者能用追问、确认和换说法维持，才说明底层行为真正属于学习者。
跨伙伴迁移也能区分语块记忆与生成能力。记住某个老师会问“Anything else?”并不等于能处理“Would that be all?”；真正上线的系统不会要求每种表面形式都提前背过，而会利用语境、关键词和修复工具把陌生回应纳入回路。这样，修复能力本身成为迁移桥梁。
课程因此应把“熟悉伙伴成功→轻度陌生伙伴→不同身份伙伴”设计成自然梯度。快速方法若只优化固定搭档上的表现，可能制造非常漂亮却不可迁移的假流利。
反对早上线最有力的担心是：如果学习者用低水平语言就开始沟通，只要对方能听懂，他会把错误自动化，最终形成僵化。这一担心不是理论障碍，而是本章必须正面承认的反约束。《语言发生学》已经明确指出，纯聊天会把系统优化成“能混过去”的低精度状态；任务重复研究也显示运行中的练习会重新分配注意，促进结构复杂度与准确度。
因此，上线事件只能被定义为“进入运行”，不能被当作“达到目标”。上线之后必须存在故障放大机制：定期更换伙伴、提高任务精度、要求更细区分、引入更正式身份、回听录音、聚焦高频形式偏差。原来不影响拿到咖啡的语法错误，在学术演讲或职业谈判中可能开始产生真实后果，于是旧的非阻断性缺陷会随着任务升级成为新的瓶颈。
换句话说，避免僵化不是在上线前把一切纠正完，而是持续提高环境对差异的敏感度。一个永远只和最熟悉伙伴聊熟悉主题的人，确实容易封顶；一个不断把同一底层语言带进更陌生伙伴、更精确任务和更高责任场景的人，会不断重新暴露缺口。
真正危险的不是“不完美地开始”，而是“开始以后不再增加要求”。这也是损伤控制外科给出的最重要反向约束：临时处置之所以合理，是因为后面有计划性的确定性修复；如果把临时稳定永久化，原本救命的策略会变成伤害。
本章问上线，第四章问主体，第六章问停滞。用同一学习者看：他在第 3 周第一次让伙伴按他的目标语信息改主意（TPD 到达）；第 6 周他第一次在被误解时拒绝伙伴的猜测并让伙伴按自己的版本行动（FRR 的首个分子）；第 2 年他仍然被伙伴依赖、仍然拥有修订权，但某个时态偏差已经十个月没有引发任何改变（GDC 接近零）。三章取的是同一条时间轴上的三个不同时点，且各自的成立不蕴含另外两者：上线可以发生在没有修订权的学习者身上（伙伴依赖他的信息，却在歧义时替他定稿）；修订权可以稳定存在于长期停滞的学习者身上。装书不把三章压成"发生—成熟—僵化"的三阶段，原因是它们不是同一个量的三个取值。
DDC把快速口语从口号变成三道门：伙伴依赖学习者的非冗余信息，表达进入真实决策时限，误解后果回到学习者本人。它不替代输入、语块、任务和重复，而是规定这些资源何时真正接上行动。
2025元分析说明重复有效，却没有证明重复会点火第一条伙伴依赖。若随机操纵三门不能缩短TPD，DDC应撤回。若它成立，最快学会说话的最小动作就不是再准备一点，而是让一句不完美的目标语及时改变另一个人的下一步。
| 项目 | 预先判据 | 公开结果 | 对理论的处理 |
|---|---|---|---|
| 任务重复是否主要点燃流利 | 若重复是第一启动机制，口语流利收益应至少不弱于结构收益 | 2025元分析：四类指标均改善，但句法复杂度/准确性增益大，流利度和词汇复杂度相对较小；句法复杂度d=0.67 | 不支持“多重复=自动最快开口”；把重复定位为上线后的加层/程序化工具 |
| 重复效果是否恒定 | 若只看次数，任务类型、情境、间隔不应强烈改变效果 | 学习情境、任务类型、重复类型、间隔均构成调节因素 | 要求运行设计必须绑定具体任务和故障，而非机械加次数 |