全形态下划线（标记一个，点亮所有变形）

上级：key-designs

这是本产品阅读体验中最独特的一项功能：只要保存一个词的一种变形，该词元（lemma）的所有屈折形式就会在全书范围内被加上下划线。（内部代号"Task #2"。）

形态集合。 services/formMatching.ts 为每个词元构建一个匹配集合：entryFormSet = LLM/词典抓取得到的 forms ∪ 该词的表层形式 ∪ 词元本身；normalizeForms 负责转小写、去首尾空白，并丢弃多词元的表层形式（这样 "le château" 无法匹配页面上的单个词元，但 "château" 本身仍能匹配；"ils/elles méritent" 也不会造成误匹配）。随后 buildMarkedWordsMap（services/displayUtils.ts）用每一种形式作为键建立一张映射表，阅读器只要 markedWords.get(token.toLowerCase()) 命中，就为该页面词元加上下划线（ClickableText.tsx）。

分词器必须与其他一切保持一致。 services/tokenizationService.ts 是一个支持 Unicode 的分词器（拉丁标点单独处理；中日韩汉字 / 平假名 / 片假名 / 谚文各自归为一类，中日韩汉字逐字符切分），其中还有一道法语省音合并步骤，会把 l'、d'、j'、qu' 与其后的词重新合并为一个词元——这与写死在 LLM prompt 里的分词规则保持一致。这一点之所以关键，是因为词元边界必须在三个消费方之间完全一致：下划线匹配器、词性着色、以及 LLM 的单词分析。三者一旦不一致，下划线就会标错位置，或者颜色标错。

德语可分离动词在这里也有专门处理（客户端的 services/separableVerbService.ts 启发式规则），在 Python 引擎里则有正规处理（linguistic-two-engines）。

为什么它是承重构件而非装饰：下划线是整个 vocabulary-loop 的反馈界面——正是它让已保存的词在阅读时变得可见，而它依赖的正是"形态集合 + 一个与语言层保持一致的分词器"这套组合。分词器一旦出错，核心功能就会在无声无息中把标注画错地方。