别让错题本变成抄题本：我给孩子用的 AI 错题本开源了
错题本最容易完成的一步，是把题目抄进去。最容易掉链子的一步，是过几天再拿出来，确认孩子真的会做了。
题干要抄，图要画，答案要整理；好不容易收拾干净，下次复习又得翻半天。要是同一道题再次做错，常常只留下另一张照片，很难看出前后发生了什么。
我自己给孩子用了一段时间的 wrong-notebook，就是围绕这件事持续迭代的：让电脑多做识别、归类、找题这些杂活，让家长和孩子把精力留给理解与练习。
先交代出处：这个项目 fork 自 wttwins/wrong-notebook。感谢上游打下的基础；我在自己的分支中，围绕家庭实际使用补充功能、修问题，并把改动公开。它已经在使用，也会随着新的问题继续调整。
图 1：本文原创 SVG 配图。本文介绍项目与使用思路，安装步骤以仓库文档为准。
一、我想解决的，是错题整理后半程的麻烦
传统错题本的价值很清楚：把薄弱处留下来，方便之后集中复习。麻烦在于，围绕一道错题的事情很多，而且前后常常断开。
题目存在相册里，解析在聊天记录里，打印出来的练习在书桌上，孩子上次做得怎样又只有家长记得。等到周末准备复习，先得扮演一阵“资料管理员”。
wrong-notebook 希望把这些信息放回同一条线上。一道题有自己的题干、原图、解析、知识点、难度和练习记录；从原题生成的变式练习、试卷作答，也能回到原题下面。
图 2：真实应用界面，取自项目已公开的匿名化截图，采集于 2026-10-22。后续应用截图均来自同一套素材；用户名已匿名化，保留原有题目与界面内容。点击截图可查看原尺寸图片。
可以把它理解成给每道错题办了一张“借书证”。题目无论出现在复习列表、变式练习还是打印试卷里，都能通过自己的记录找到来处，不用每次重新认一遍。
我更在意下面三个问题能不能顺手回答：
- 这道题错在哪里，需要补哪个知识点？
- 换一种问法，孩子还能不能自己做出来？
- 这次练过以后，下次该回看哪些题？
整理得漂亮当然很好，但这些问题，决定了错题本之后还会不会被打开。
二、先说清楚：看懂解析，还需要自己做一遍
学骑自行车时，看别人示范转弯很有帮助。不过，看懂动作以后，还得自己扶住车把、踩踏板，才能知道哪里没有掌握。
看解析和独立做题，也有类似的区别。读答案时，思路已经摆在眼前；把答案收起来，自己找出第一步，才能暴露真正卡住的地方。
心理学家 Dunlosky 等人在一篇学习方法综述中，把练习测试和分散练习评为具有较高实用价值的方法。用家常话说，就是“自己回想、自己做”，以及“隔开时间再练”。研究讨论的是学习方法，并没有验证这个项目的教学效果，更不能推导出“装上软件就能提分”。
图 3：本文原创复习流程图。它表达的是建议的家庭使用方式；什么时候再次复习，仍由家长和孩子安排，并非项目内置了一套自动间隔复习算法。
所以，这个工具的设计重点，是让题目更容易回到练习里。AI 提供解释、生成练习，家长核对内容，孩子独立作答，再把结果留下来。每一环都很普通，接起来才有用。
三、录入：拍照、粘贴、打字，先把搬运成本降下来
家里的题目来源很杂：纸质练习册、老师发的图片、电子资料，以及家长自己补充的一小段文字。只支持一种入口，很快就会遇到不方便。
项目现在支持图片上传、剪贴板粘贴、截图和手动输入。图片可以裁剪，也可以在一张图里框选多道题；文字内容支持 Markdown 和 LaTeX 公式。
图 4：真实首页截图。不同来源的题目，可以进入同一套整理流程。
AI 会尝试识别题干、答案、解析、学生的错误解答和错因，再补上学科、知识点与难度。遇到配图，还能生成 SVG 重绘图，方便显示与打印。
这里的 OCR，可以理解成“让电脑把照片上的字读出来”。它读错一个负号、漏掉一个条件，后面的解题过程就可能跟着走偏。因此，项目保留原题图片，也提供导入前人工确认：先核对，再入库。
图 5：真实题目详情。题干、分类信息与后续操作集中在同一处，也可以回看原图。
比如，一道题写着“至少”，识别结果却成了“至多”，这就像快递地址抄错了一个字：包裹包装得再好，也会送错地方。保留原图和校对入口，是为了让问题能被及时发现。
公式显示也有相应的细节。题目里的分数、根号、方程会按数学公式排版；发现公式语法问题时，可以让 AI 修复 LaTeX 写法。重新生成完整解答则是另一个操作，覆盖前需要确认，方便区分“排版错了”和“解答要重来”。
四、知识点和动画：让一道题有更多解释的角度
找题时，按日期翻相册通常不如按知识点找来得直接。今天想复习“角”，未必还记得那道题是哪一天拍下来的。
项目的标准知识点库按学科、学段、年级和章节组织，也支持自定义标签。AI 会从对应学段和学科的知识点中选择标签，家长可以继续核对和调整。
图 6：真实知识点库。标签像书架上的分类牌，帮助下一次按薄弱点找题。
理解题目时，有些内容适合文字，有些关系画出来更直观。项目支持让 AI 生成分步骤的 SVG 动画讲解，播放器可以暂停、拖动进度、重播和全屏；数学、物理题还可以选择开启 GeoGebra 动态演示。
SVG 像一张用“画图说明书”描述的图片：线条、形状、文字各有位置，放大时依然清楚。把这些元素按步骤显示，就能把一段解题过程拆开来看。
图 7：真实动画播放器截图，展示分步演示的形态。画面是已有题目的讲解内容，数学结论仍应结合原题核对。
动画最有用的时刻，可能是家长把它暂停下来，问一句：“接下来会怎样？为什么？”孩子先说自己的判断，再继续播放。这样，一段演示就能变成一次交流。
当然，AI 画得流畅、颜色漂亮，并不自动说明推理正确。题目条件、图形关系和答案都需要检查。家长也可以按需要关闭动画，保留更简单的文字与纸面练习。
五、真正推动迭代的，往往是这些小细节
一个给自己家持续使用的工具，需求会越来越具体。最初看上去只是“录入一道题”，用起来就会追问：重复题怎么办？模型识别错了怎么办？难度和 A/B 卷能不能少填一次？
目前项目里，能看到几项围绕这些问题的处理。
| 使用中的小麻烦 | 现在的处理方式 |
|---|---|
| 同一道题又拍了一次 | 根据题干相似度判重，命中时保留原题，并记录这次做错 |
| 不同家庭对“重复”的容忍度不同 | 判重阈值可在设置中保存，默认 90% |
| 担心 AI 识别后直接保存不准确 | 可开启导入前人工确认，在校对页修改 |
| 难度和 A/B 卷重复选择 | 未手动指定时，1～3 星默认 A 卷，4～5 星默认 B 卷 |
| AI 任务耗时较长 | 后台任务入口显示进度，任务可在离开当前页面后继续处理 |
图 8：真实设置界面。影响整理习惯的选项可以按用户偏好调整。
其中，我觉得“重复题仍要留下这次做错”很关键。
同一道题再次出现，题库里确实没必要多一份副本；但对复习来说，“又错了一次”本身就是信息。就像同一个水龙头又漏水了，维修记录应该增加一条，不能因为水龙头早就登记过，就把这次情况忽略掉。
相似度判重也有边界。长得像的题，不一定是同一道题；改了一个数字或者条件，可能已经是有意义的变式。项目支持调整阈值和比较题目相似度，让家长根据自己的题目类型决定尺度。
这些功能很难单独做成一个惊艳的宣传口号，却会影响每天愿不愿意继续用。我也会沿着这条路，随着实际使用中遇到的问题继续迭代。
六、举一反三：把“刚才听懂了”变成可回看的练习记录
围绕原题，项目可以生成同知识点的变式题，并选择难度。孩子做完后，记录做对、做错等结果；试卷里的作答记录也会归回来源题目。
家长因此可以看到前后的过程：某次做错，后来练过一道变式，又在另一张试卷里遇到它。比起只看一个“已掌握”开关，这条历史更容易帮助人作出判断。
图 9：真实练习历史。画面中的百分比是应用对这道题的估计，不是考试分数，也不是项目效果证明。
当前实现会优先根据作答历史调用 AI 评估掌握概率；AI 评估失败时，使用规则估算兜底。估计值达到 80%，系统会自动标记为已掌握。
可以把这个数字看成天气预报：它帮助安排下一步，但仍要抬头看看天。记录少、题目过于相似、家长提示太多，都会让“看起来做对了”与“能独立完成”产生差距。
我更建议把百分比当作一个回看的入口：为什么这道题还需要练？最近哪次做错？换了条件以后有没有独立完成？最终判断，仍来自孩子真实的作答和解释。
七、能打印，是因为家庭学习本来就不只在屏幕里
有些练习适合在纸上写。列竖式、画辅助线、写完整推理过程，都需要留白。家庭错题工具如果只顾屏幕内的体验，就会在这一步断开。
项目支持按错题本、知识点、掌握情况等条件组卷，用变式题生成可打印的试卷；也支持直接筛选错题打印，选择是否包含答案、解析、知识点，或使用原图。
图 10：真实试卷页面。来源题目和后续作答结果可以串起来看。
打印内容带有来源 ID，做完以后可以回到原题录入结果。这个 ID 就像包裹上的取件码：纸张离开电脑以后，仍有办法找到对应记录。
图 11：真实打印预览。可以下载 HTML，也可以通过浏览器打印或保存为 PDF。
一个可以尝试的家庭用法是：挑少量需要巩固的知识点，打印一小份练习，先让孩子独立完成；做完后一起核对，只把关键结果记回去。题量和频率跟着孩子的状态走，不必因为软件方便出题，就无限增加练习量。
这也保留了工具应有的位置：它负责准备和记录，纸笔上的思考仍然属于孩子。
八、统计：帮人选下一步，不给孩子贴标签
项目把错题统计与练习统计分开。前者展示错题数量、掌握率、科目分布与月度趋势；后者展示练习次数、正确率、活跃月份等信息。
图 12：真实错题统计。截图中的数量是这个界面当时的数据，用于展示功能。
图 13：真实练习统计。这里展示的是使用记录，不代表对学习效果做过对照实验。
这两组数字回答的是不同问题。“收录了多少错题”和“最近实际练过多少次”，不能混着看；题目难度变化时，正确率也需要结合内容理解。
对我来说，更合适的使用方向是：“这周哪些题值得再看看？”统计页面像一张路口指示牌，帮助选路，不应该变成给孩子贴上“擅长”或“不擅长”的永久标签。
九、自托管、模型选择和隐私：控制权需要说具体
项目使用 Next.js、React、TypeScript，数据通过 Prisma 存入 SQLite。支持多用户、数据导入导出，也有 Docker、npm、桌面版和飞牛OS 等安装形态的文档与发布入口。
这些技术名字可以先放一边。自托管最容易理解的类比，是把资料柜放在自己管理的地方：资料怎样备份、谁能访问、什么时候升级，自己有更多决定权，同时也需要自己负责维护。
AI 部分支持 Gemini、OpenAI、Azure OpenAI、Anthropic，以及 MiniMax、智谱 GLM、DeepSeek、Kimi 等渠道。不同渠道的图片输入能力、费用和返回质量需要分别确认；接入列表并不意味着任意模型都能完成所有任务。
图 14：本文原创数据边界示意图。自托管不等于所有 AI 计算都在本地完成。
这点需要讲明白：使用外部模型接口识别或生成内容时，相关题目内容会发送给配置的 AI 提供商。因此，别把“数据库在自己手里”理解成“题目永远不会离开设备”。上传前裁掉姓名、学校、班级等无关信息，是一个直接有效的习惯。
项目也提供 Openclaw 批量图片上传接口，方便已经使用 Agent 的家长接入自己的工作流。目前这里说的是已有的导入能力，不等于已经具备自动教学、全程自主辅导或完整的 MCP 产品。
对熟悉 Agent 的家长，我的建议很朴素：让它帮助搬运和准备材料，家长确认内容与结果，孩子完成学习。密钥、账号和带身份信息的作业，不应该为了展示自动化而出现在公开截图或 Issue 里。
十、哪些家庭值得试，开始前常见的几个问题
如果你已经有拍题、整理、定期复习的习惯，愿意核对 AI 内容，也希望自己保留资料，这个项目值得看看。尤其是“有题目照片，却总在复习前重新找资料”的家庭，比较容易理解它想省掉哪些动作。
如果更希望有人提供现成课程、保证答案质量、全程带着孩子学，那么这个仍在迭代的开源工具，承担不了这些服务。
不会写代码，也能体验吗？
可以先从项目介绍页和在线演示了解界面。演示使用共享账号，资料对其他访客可见，只适合查看和使用无隐私的示例内容；登录方式见仓库 README。
想长期保存自己家的资料，再到 Releases 和安装说明选择合适方式。具体可下载文件以对应版本页面为准。
可以完全离线使用吗？
需要区分已经保存的资料和新发起的 AI 任务。查看已有内容取决于应用与资源的运行方式；调用外部模型做识别、生成解答或变式练习，仍需要相应网络与接口。这不是一个已经验证过全功能离线运行的产品。
AI 会不会把题目讲错？
会有这种可能。原图核对、导入前确认、编辑与重新生成入口，都是为了方便纠错。动画、公式和掌握概率也需要同样看待。遇到争议题，优先回到教材、老师的要求和可验证的解题过程。
会不会变成孩子直接抄答案的工具？
家庭怎么安排使用，会直接影响结果。可以由家长负责整理和打印，让孩子先独立作答，之后再看解析。软件提供材料与记录，使用顺序仍需要大人和孩子共同约定。
后续还会更新吗？
会。我自己仍在给孩子使用，发现问题就会继续调整。但开源维护有现实节奏，具体功能和修复以仓库提交、Issue 与 Release 为准，不预先承诺一个无法保证的更新时刻表。
如果你也有一本“收得很认真，翻得很费劲”的错题本
欢迎看看 margrop/wrong-notebook。你可以先浏览截图和演示，再决定是否适合自己家的习惯；觉得有用，点个 Star 留作入口，也欢迎把实际遇到的不顺手之处写成 Issue。
反馈越具体，越容易推动改进：哪一步不方便，原本期待怎样，实际发生了什么。附图前，请先删掉孩子身份、学校信息、账号和访问地址。愿意参与开发，也欢迎从文档、界面翻译、测试和具体小问题开始。
我希望它能慢慢成为一个顺手的家庭工具：题目更容易留下，复习更容易开始，每一次练习也更容易被看见。至于学习中最珍贵的那部分，仍然是孩子愿意再试一次，以及家长愿意陪着把一个问题想明白。
资料来源与配图说明
功能核对时间：2026-10-22。软件持续迭代，界面和功能以仓库当前说明为准。
- 项目仓库与 README：功能、演示与使用入口。
- 上游项目 wttwins/wrong-notebook：本项目的来源，感谢原作者与贡献者。
- 多平台安装说明：安装形态与运行边界。
- 真实截图说明：截图采集日期、匿名化处理与中英文素材说明。
- 掌握程度评估实现：AI 评估、规则兜底与 80% 标记阈值。
- Dunlosky 等：Improving Students’ Learning With Effective Learning Techniques：学习方法综述，2013 年；本文只引用方法层面的结论。
本文包含 11 张真实应用截图与 3 张原创示意图。截图从项目公开 PNG 素材无损转换为 WebP，未修改题目与统计数值；原创 SVG 的文字已转为轮廓，避免不同设备缺字。
如果还想找能与纸面学习搭配的工具，可以继续看本站的 PhET 互动仿真实验室介绍和 41 款在线逻辑谜题。