如果我们设想早期的现代人类有一些单字句（holophrastic）的交流习俗，同时具有创造新异心理组合的认知能力（所有猿类都拥有的），那么我们很容易猜想他们能够创造复合的语言组合。例如，当请求吃的时，他们会把手移向张开的嘴；与此同时，请求去寻找浆果也有一个特定的手势，即模仿一个采摘的动作。这两个手势之间本是不相关的，但当有人提供了一些难吃的食物时，很有可能会出现这样的情况，即先做吃的手势，紧跟着做一个找浆果的手势。那么，考虑到早期现代人类拥有的图式化这一能力，个体很容易猜出这个人将传统的“吃东西”的手势，应用到了某一食物的手势之中，这就类似于人类婴儿一开始的时候会说“还要果汁”，慢慢地开始说“还要牛奶”“还要浆果”等一系列“还要……”的句式（这就是所谓的基于项目的图式，Tomasello，2003a）。
语言结构开始于这类简单的基于项目的图式，并在言语交流互动中逐渐变得精细，也越来越抽象。这一过程的关键点是来自接收者的交流压力，即对有效信息的需求。这就要求交流者尽可能地表达明确。交流者如果结结巴巴地用了一系列不同的表达风格、语言风格，接收者就必须根据推理补足其中的空缺。但这就出现了交流障碍，接收者需要更多的信息才能将这些信息联系起来，故而交流者需要更明显地表达出他们的交流意图。结合整合和自动化序列的能力，这一过程可以使“我用矛刺羚羊……它死了”这句话转变成“我用矛刺死了羚羊”。当有其他类似的图式出现时，如“我把葫芦喝空了”，就会形成习俗化的语言结构，在这里即动补结构（Langacker，2000；Tomasello，1998，2003b，2008）。用吉冯（Givón，1995）的话来说，今天的语法就是昨天的对话 [5] 。
完全抽象的语言结构也是如此出现的，这些语言结构成了类似于格式塔一样的符号习俗，有自己不同的交流含义，代表着不同类型的情境。例如，说英语的年幼儿童会学习到早期的抽象结构：
（1）直接因果关系，如及物结构：X VERBed Y；
（2）从作用对象的角度来看的因果关系，如被动结构：Y got VERBed by X；
（3）客体运动的情境，如不及物方位结构，X VERBed to/into/onto Y；
（4）所有权转移的情境，如双及物结构，X VERBed Y a Z；
（5）动作发出者的行为没有影响对象的情境，如非作格不及物结构，X smiled/cried/swam；
（6）没有特定动作者或因果关系而出现物体状态改变的情境，如非宾格不及物结构，X broke/died…（Goldberg，1995）。
更重要的是，这些抽象模式的交流功能是独立于其所用单词的，正如这些概要描述所举例的那样。
交流者采用某一结构，以引导其接收者从某一特定的视角来看待情境。因此，在习俗化的语言中，根据话题角度的不同，可以有很多种方式来指示主题，无论动作的发出者和接收者是谁。比如，同一个人、同一个动作你可以说“约翰打破了窗户”“窗户被约翰打破了”“约翰扔的石头打破了窗户”“石头打破了窗户”“窗户被石头打破了”等，而这取决于说话者希望听众如何看待这一情境。还有一些结构，是交流者基于对接收者知识状态和期望的判断而采用的。比如，英语分裂结构“It was John who broke the window.”（是约翰打破了窗户。）是用于说明是约翰做的打破窗户这件事情，而不是接收者所认为的其他人做的；用这个结构是为了纠正一个错误的信念（比如，你说，“比尔打破了窗户”，我说，“不，是约翰打破了窗户”）。麦克威尔（MacWhinney，1977）认为，这些不同的用法源自交流者所挑选的出发点或者说是认知上看待这件事情的视角，这已经成了约定俗成的语法问题。
从认知的角度来看，抽象结构给了人类一种全新的认知表征类型，即以抽象、组合的方式而组织的习俗格式。这些抽象结构使得语言项目可以在多种不同结构中被使用，在不同条件下扮演不同的角色。更重要的是，使用这种项目的灵活性就需要明确不同项目所扮演的角色。如果我用手势或声音示意“人、老虎、吃 ”，那么就需要知道谁是动作的发出者，谁又是“吃”这个动作的受害者。当代语言由很多种方式可以达到这一目的，如格位标志和利用词序。指明参与者所扮演角色的标记，可以被看作一种二阶符号，因为他们是关于参与者在更大的结构中所扮演的角色（Tomasello，1992） [6] 。克罗夫特（Croft，2000）认为，在一个话语中的语言项目，并不是通过其与其他项目之间的句法关系而获得自身的交流功能的，而是通过他们在话语整体中所扮演的句法角色。因而，语言结构可以看作一种符号性合作。
因而，抽象结构是习俗化语言和思维中概念的主要来源。个体根据图式和类比以创造抽象结构，并且可以把新的项目根据其交流角色，放入此结构中合适的位置。事实上，当你在某个结构中使用一个项目时，很可能使用的是这个项目的非常规用法。比如，我们经常会说类似于这样的说法“He treed the cat.”（他驱赶一只猫上树。）“He ate his pride.”（他吃掉了自己的骄傲），“He coughed his age.”（他的咳嗽出卖了他的年龄）。这类隐喻式或类比式的思维说明，结构本身就具有一定的交流功能（Goldberg，2006）。总之，这种习俗化的抽象结构系统以及单词，可以被用于多种结构中，创造出了多种概念组合，从“flying toasters”（飞行面包机）到“colorless green ideas sleeping furiously”（无色的绿色念头狂怒地睡觉） [7] 。
所有的这些，都是关于交流者在与接收者进行第二人的交流互动中，是如何指明其要指示的情境的。另外，现代人类交流者经常会使用语言来指明其交流内容和他们与第二人的交流互动的参考资料的认知关系。这在交流过程中基本上是全新的。早期人类可以用多种方式来指示事物，但是他们自己与事物之间的关系却是隐含的，这种关系或许会无意间通过面部表情或声音表达出来，但绝对不是交流行为中有意图的一部分。
但是现在，现代人类在交流中会明确他们的交流动机。因此，很多语言都有不同结构的言语行为，如请求类和信息类（断言类）。思维和语言的哲学家认为，同一事实内容可以用不同的结构表达出来，以表示不同的交流目的，这很重要。比如，“She is going to the lake.”（她要去湖边。）、“Is she going to the lake？”（她是要去湖边吗？）、“Go to the lake！”（去湖边吧！）、“Oh，that she could go to the lake.”（哦，她可能去湖边了。）等。这些独立于命题内容的言外之意，使得命题内容成了一种准独立的、类事实的实体，并在特定表达方式中没有特定实例（e.g.，Searle，2001）。因为言语行为的功能以一种习俗化的方式被表达出来，故而不论是在单个的语言项目还是作为整体的结构中，交流动机和命题内容都被习俗化为相同的单词和结构的表征形式。在这个全新的交流中，交流者的动机自身就被涉及其中且被习俗化了。理解语言是如何发挥作用时，根据维特根斯坦（Wittgenstein，1955）的观察，最难的就是理解以单词和结构中相同的基本方式表达了不同的内容：“当然，使我们感到困惑的是，我们可以听到每个单词，却不理解其内涵。”
除此之外，交流者还会采用不同的语言手段以表明其对话语中一些命题内容的情态或认识态度。因此，交流者可能会情态上认为“She must go to the lake.”（她必须去湖边。），或者“She can go to the lake.”（她可以去湖边。），或者认识上认为“I believe she is going to the lake.”（我认为她将要去湖边。），或“I doubt she is going to the lake.”（我怀疑她将要去湖边。）另外，这种情态和认识态度的习俗化是经由说话时伴随的面部表情和韵律而演化来的。例如，不确定性、吃惊或愤慨。但之后这些变得习俗化了 [8] 。因而，现在交流者在表达某一命题内容时，会嵌入一些情态-认识态度（Givón，1995），这就使得这些表述成了一种半独立的心理实体。在这种情况下，其不仅独立于说话者的动机，也独立于说话者的感受或想法。这些内容和态度上的区别，也是一些永恒的、客观的、命题结构事实的基础，这类事实独立于任何人对其的感受或想法。
如果我们将所有这些区别结合起来，也就是那些交流者所主动控制的，我们就有了习俗语言表达的基本结构：句式与内容的区别（force-content distinction），包括态度与内容的区别（attitude-content distinction）、主题与焦点（topic-focus）［主语-谓语（subject-predicate）］的区别，如图4-1所示。
图4-1 习俗语言表达的基本结构
总之，我们可以说语言结构习俗化和自动化的话语片段，将人类的经验组织成了各种各样的抽象模式，就像个体在交流中为他人概念化事物那样。语法结构包括抽象角色，如行动者、接收者、地点，也包括将这些角色标注的二阶符号，如格标记、同位语或对比语序。将无限的语言项目放到这些角色中的可能性，就是创造性的概念组合的主要来源（Clark，1996）。特定结构中的主题-焦点（主语-谓语）组合有助于从某一角色或其他角色的视角来概念化某一场景。而对于讲话者的动机，连同其中的情态或认识态度有助于区分类事实的命题内容对客体世界中那类永恒的、客观的事实，而这是独立于任何人的感受或想法的。这是相比于其他物种，人类语言交流所有独特的方面（见专栏3）。
