用 AI 做错题本：怎么按知识点归类

错题本抄了一大本，下次遇到同类题还是错——问题通常出在抄了题、没归类。抄题是搬运，归类才是消化，而归类恰恰是大模型擅长的事：把错题信息交给 AI，让它按知识点重新整理一遍，找出重复的错误模式，错题本才会从收藏夹变成复习工具。

抄题只是搬运，归类才是消化

一道错题里真正值钱的信息有两个：它属于哪个知识点，你为什么错。工整地抄下题目和答案，两个问题一个都没回答，复习时等于把错的路径再走一遍。归类的价值是把散题变成结构：看出「这一块我错得特别多」，复习才有了靶子。

按知识点打标签，不按试卷归档

按试卷整理，复习时看到的是一堆彼此无关的散题；按知识点归档，才能看出哪个板块的漏洞最集中。做法和给内容打关键词标签是同一套逻辑——先定标签体系，再把每道题挂到标签下面。打标签的思路可以参考 商品标题的关键词布局：关键词体系定得越贴合内容，归出来的桶越好用。具体操作是把你整理的知识点清单发给 AI，让它给每道错题打上一到两个知识点标签，标签之外的一律标「待归类」，不许硬塞。

标签体系本身有讲究：粒度太粗（比如只有「函数」一个标签），归出来的桶太大，看不出具体漏洞；粒度太细（每一道题一个标签），又回到散题状态。实用的做法是先按教材章节定一层，再按「概念、方法、易错点」切一层，两层加起来，一个板块下的漏洞位置一眼可见。体系不用一次定完美，跑两周后让 AI 建议合并或拆分哪些标签，迭代着调。

让 AI 找出重复的错误模式

单看一道题，看到的是「这题错了」；把十道错题放在一起看，看到的是「我总在同一个地方错」。把错题的关键信息发给 AI，让它找规律：是同一个概念没吃透，还是同一类审题失误，或是计算环节反复出问题。这套「从一堆个案里找共性原因」的归因方法，和售后数据的归因思路是相通的，可以参考 退货原因的归因分析。找到模式，才能一次解决一批题，而不是一道一道地补。

给 AI 的输入要备齐三个字段：题目关键信息、你的作答过程、错误结果。只发题目和正确答案，它看不出你是哪一步走偏的；把作答过程一起给，它才能定位到「卡壳的那一步」。输出时要求它区分「知识原因」和「习惯原因」，两者的解法完全不同：前者要回教材，后者要定动作。

只留会再错的题，删掉纯粗心的

看错符号、抄错数字这类失误，记一遍、定一个防错动作就够了，不必反复复习。错题本要精简：留下概念性的错题反复琢磨，粗心的错题归档备查，复习负担才可控。判断标准很简单——问自己「下次遇到，我还会在同一个地方栽吗」，会，就留；不会，就删。

一条可执行的整理流程

五步走：第一步，把错题拍照或打字录入，题目、你的答案、正确答案三项齐全；第二步，让 AI 按知识点归类；第三步，让它标注错误模式，概念不清、审题失误、计算粗心分开标；第四步，删掉纯粗心的题；第五步，按周复盘，让 AI 输出本周的高频错误板块，安排下周的补漏顺序。定期复盘的节奏可以参考 年度复盘的总结法，把周期从一年缩到一周。

错题本归类速查

• 按知识点打标签，不按试卷归档
• 让 AI 找重复的错误模式，一批一批地解决
• 粗心的题记一遍就归档，只留概念性错题
• 每周复盘一次，盯住高频错误板块

补三个正文没讲的问题

错题要复习几遍才算过关？看行为不看遍数：隔一周重做能独立做对、且能说出错误原因，这一类就可以移出复习队列；说不出来的，下一周继续排。

电子错题本和纸质错题本怎么选？要交给 AI 归类和找模式，电子版是必须的，录入是它的成本；纸质本可以保留作为动笔重做的场所，两者分工，不必二选一。

什么时候可以把一整类错题移出错题本？当这个知识点标签下连续两周没有新增错题，且抽查的旧题都能做对，就可以整体归档，给新漏洞腾出注意力。

错题本变薄，复习才会变准。归类先行，抄题殿后。