https://www.candobear.com/detail/l_697417dfe4b0694ca17387a8/4阅读路径:先读第二组,弄清「什么应该进入错题库」,否则只是把纸质错题本搬到电脑里;再读第三组,看家长、孩子与 AI 怎样接力。第一组交代系统骨架与成绩证据,第四组解释反馈、长期积累与适用边界。只看一组就看第二组,它决定这套系统能不能抓住真正的知识漏洞。
一句话结论:AI 辅导的主要增益不在多讲一道题,而在把「发现漏洞—追到概念—针对练习—再次验证」接成持续运行的闭环;如果只有答案、没有后续验证,模型再强也不等于学习系统。
howie 不是从零接触 AI 的家长。他此前已经给孩子使用 ChatGPT、Gemini,也会找真题,但孩子通过编程分级考试的一级、二级之后,在三级连续受挫。这个转折说明:能随时问问题,不代表问题会被系统地解决。
他在约百天的实践中,把错题、资料、概念、解题技能和行动安排放进 Notion。错题不是一段孤立的聊天,而是一条记录:原题、截图、题号、本人分析、关联概念、错误原因、练习及后续结果,都留在能够继续访问的环境里。模型可以据此分析,而不是每次重新猜孩子的情况。
| 组成 | 原文展示的内容 | 连接以后能回答什么 |
|---|---|---|
| 错题库 | 原题、错因、掌握判断、错误阶次 | 这次到底错在哪里,后来有没有再错 |
| 资料库 | 真题、书目、模拟考试、网站 | 哪份资料暴露了哪些问题 |
| 概念库 | 数论、概率、代数、几何等概念 | 同一个概念在哪些题上反复出错 |
| 技能与数学思想 | 理解题目、寻找思路等 | 问题来自知识缺失,还是解题过程 |
| 行动库 | 整理、分析、练习、批改的分工 | 现在轮到谁,下一步具体做什么 |
这里的重点不是数据库数量,而是记录之间的关联。按资料看、按概念看、按错因看,是同一批学习证据的不同视图,不是重复抄几份笔记。
Ben哥可以把这套结构迁移到 knowledge.py 的记录设计:后续新增 source_ref、concept_refs、error_reason、next_action 字段,让一条知识同时关联来源、概念和下一步动作。这是字段提案,不是声称脚本当前已有这些字段;本轮不修改脚本。先把「这条结论从哪里来、用于解决什么问题」连起来,比继续增加孤立摘要更接近原文的系统。
howie 认为,三级通过时的 69 分,比此前入门级考试的更高分数更有价值。原因不是「低分反而更好」,而是考试难度与得分结构变了:按他的讲述,考试由 50 分编程题和 50 分基础知识题组成;这次在一个编程题失分的情况下,基础知识部分拿到了 44 分。
他把这个变化归因于按错因组织的针对练习:概念缺失、练习不足、解题方法不足、粗心,都分别处理。这个案例支持的是「基础知识掌握更扎实」的观察,不能直接推出编程实战能力已经没有短板。
数学案例则采用 AMC8。他介绍的是 25 道选择题、40 分钟、难度逐步上升,并使用最近十年的真题捕获错题,再配合模拟题。讲者看重的是有梯度的目标,能够暴露校内高分未必暴露的问题;本场没有给出可独立核对的数学前后测结果。
Ben哥后续可在 ~/.agent-autoloop/report_html.py 新增 render_evidence_breakdown(),把「观察到的结果」「支持它的分项证据」「仍未解决的问题」分开呈现。用于知识库实践复盘时,不把「生成了一篇文章」等同于「已经掌握并能应用」。这里借用的是拆分结果的做法,不涉及增加证券判断规则,也不宣称现有报告已经具备该函数。
howie 要求孩子在作答时留下判断痕迹:不是百分之百确定的题做标记,能够排除的选项划掉。他想看的不仅是最后得了多少分,更是孩子对自己掌握程度的判断是否准确。卷面因此像工作底稿,保留了当时怎么想,而不只是事后订正出的正确答案。
最值得警惕的是两类题:以为自己会,结果错了;以为自己不会,结果做对了。前者暴露了未被意识到的漏洞,后者可能只是碰巧选对。只收录判错的题,会放过第二类风险。
| 作答时的判断 | 最终结果 | 按原文怎样处理 |
|---|---|---|
| 确定会 | 做对 | 符合预期,但不能据此宣称永久掌握 |
| 确定会 | 做错 | 追查概念漏洞与解题方法,不能一句粗心带过 |
| 不确定 | 做错 | 已经知道自己不知道,进入针对学习 |
| 不确定 | 做对 | 仍按需要学习的问题捕获,不让蒙对漏网 |
他强调「元认知准确率」,但没有给出计算公式。他还主张在有挑战的限时考试中,不依赖最后统一检查,而把确定性判断留在第一次作答里。这个主张有具体场景,不能改写成所有考试都禁止检查。
Ben哥后续可在 kb/STANDARD.md 增设「结论自判与回查」记录要求,字段明确为 self_judgment、verification_result、evidence_ref。模型先写自己确定或不确定,核查后再记结果;不确定但碰巧写对的结论,也记录依据缺口。这里只提出记录方式,元认知准确率如何计算属于原文未展开,不能借讲者之名塞入一个自创评分公式。
他引用波利亚《如何解题》的思路,把数学、编程乃至工作中的问题都看作解题训练。四步是理解题目、寻找解题思路、执行、检查。不是背下四个名称,而是在每次出错时追问:问题究竟在哪一步发生?
理解题目的标准很具体:合上书,能用自己的话说出条件、已知与未知,也能换成图形、图表等形式表达。寻找思路则要回看线索从哪里来,为什么选择这条路线。路线确定以后,执行中的计算问题也要与前面的理解、方法问题区分。
这解释了为什么「粗心」不能成为万能错因。讲者确实保留了粗心分类,但同样强调概念砖块缺失、练习不足和方法不足。即使孩子先说自己会、只是失误,也要通过具体作答与练习判断,不能让这个标签终止分析。
Ben哥后续可在 knowledge.py 新增 classify_failure_stage(record),输出 failure_stage 与 reason_evidence:区分需求理解、方案选择、执行、结果检查,并附具体错误句或过程证据。这个函数名与字段是迁移提案,不是原文的软件设计。用它整理失败案例时,不把「模型不行」当作原因,而要指出是没理解目标、路线选错,还是执行与检查出了问题。
howie 回顾自己准备 CPA 时的一次失败:报了多门、堆了资料,却没有取得预期结果。后来他收窄到一本资料、一本书和一个笔记本,梳理知识框架,把未完全掌握的题反复做,并在每次回看对应概念、确认理解。
纸面操作的问题是痕迹难管理,重复做原题又容易记住选项。现在的版本保留「对未掌握内容反复验证」的目的,但换了实施方式:原题出错后,AI 根据具体错因与考点设计新练习;新练习再错,进入二阶、三阶等后续错题。
他举例说,一次再错就可以继续出三道同知识点的题,还会开玩笑说孩子「解锁」了下一阶。重点不是三道或五遍有什么神奇效果,而是不能让同一个漏洞靠记忆原答案蒙混过去。讲者也明确说,继续错到更高阶仍可继续处理,并没有展示「第五遍自动算掌握」的统一规则。
Ben哥后续可在 reading.py 增加 build_targeted_practice(concept_ref, error_reason),输出围绕同一概念的新问题;记录端增加 parent_error_ref、error_level、practice_result。知识库读后练习若答错,就把新记录连回原概念,而不是再生成一篇相似摘要。字段只用于说明如何落地,不代表本轮已实现;原文也没有展开自动命题正确性的完整校验机制。
这套流程没有让家长消失。家长帮助了解学习路径、寻找分级目标与资料,和孩子讨论计划;孩子做题,家长批改、录入错题;孩子先整理自己的错因,再由家长调用 AI 分析、设计练习;孩子完成练习,家长再批改,继续交回。
这也解释了看起来很短的提示词为什么能工作。示范中的指令可以只是「分析错题原因」「设计针对性练习」,但题目、孩子自己的解释、概念关系和历史记录已经在环境里。短提示词背后,是长上下文,而不是没有准备。
| 分析层级 | 给 AI 的依据 | 原文展示的用途 |
|---|---|---|
| 单道错题 | 原题、本人分析、错因与关联概念 | 分析原因,设计针对练习 |
| 专项错题 | 某一级别、某类错因的历史记录 | 汇总概念缺失等问题,集中训练 |
| 整套试卷 | 一套题及其错题分布 | 找失分模块、思维特征与重点问题 |
孩子还会评价 AI 出题好不好。这个反馈有助于改进使用方式,但本场没有展示完整的答案审定、争议处理流程。不能因为讲者称赞模型,就把所有 AI 题目都当成已经核验的标准题。
Ben哥后续若要把这套接力用于 tasks.md,可在既有任务记录中明确 current_owner、next_action、evidence_ref,使执行者交回的不只是「完成」,还包括下一位需要处理的具体内容。这里只写入本篇应用分析,不读取或修改任务表,也不另造状态流程。对 reading.py 则可新增 analyze_reading_gaps(records, concept_ref),先收本人解释,再做跨记录分析,避免一开始就用模型答案覆盖人的理解。
howie 把学习闭环的卡点归结为缺乏及时、有效、高质量的反馈。家长可能有责任心,却不会讲题,或者下班后已经没有足够精力。AI 承担分析与练习设计之后,家长可以把注意力放在流程、战略与情感互动,而不是强迫自己胜任每一道题的讲解。
他进一步区分平衡性的负反馈与强化性的正反馈,用空调控温解释前者,用学习中不断获得能力提升解释后者。这里的正负不是「表扬或批评」的同义词,而是在谈回路如何抑制变化或强化变化。
他反对把学习始终安排成苦工,再用玩手机、玩游戏作为外部奖励。他希望孩子在解题、理解与进步本身得到奖赏,让系统像游戏一样愿意继续。随后他借强化学习的行动、环境、反馈与状态变化解释这个过程。这是理解学习系统的类比,不是已经证明儿童学习与模型训练完全等价。
Ben哥后续可让 ~/.agent-autoloop/report_html.py 的 render_learning_feedback() 展示 observed_error、targeted_action、retest_result,把「哪里改进了」呈现出来,而不只累计产出篇数。没有复测就明确显示尚无复测证据,不能把「已给建议」画成「已解决」。这是对反馈回路的应用,不是在原文之外增加一个号称科学的奖惩分数系统。
howie 用「模型、洞见、上下文」解释能从 AI 获得多少价值:要用有能力的模型,也要给出高质量、相关、个人化的信息,并把自己对学习与孩子的理解融入系统。他用乘积来形容三者的关系,但没有给出可计算的量表。
这种积累还延伸到阅读示范:一个视频不只是看过,可以保留转写、提取概念与生词、提出思考题,再关联 NotebookLM 中的测验、闪卡与幻灯片。他也提到写作、投资等其他系统,但本场没有展开它们的完整方案;K12 的一揽子交付同样是后续计划,不能写成已经全部建成。
真正的适用门槛是父母愿不愿意躬身入局。讲者估计只适合少部分家庭,这不是人口统计,而是对投入意愿的判断。末尾的模板、大会员、小组与咨询招募,也说明本场兼有商业介绍,效果陈述需要按家庭实践自述来读。
他的收束不是继续换工具,而是保持专注,留出独处思考时间,把想法及时记录下来,让重要主题持续获得注意力。这和前面的系统是一件事:不断增加的是对目标的理解,不只是资料数量。
Ben哥后续可在 reading.py 的阅读记录中增加 transcript_ref、concept_refs、self_questions,在 knowledge.py 增加 collect_learning_context(goal_ref),按目标组织相关记录,而不是把全部知识库一股脑交给模型。原文没有给出上下文裁剪算法,因此函数内部如何选取属于原文未展开。kb/STANDARD.md 可另列「已展示的做法/作者后续计划/本人的迁移提案」,防止蒸馏把愿景写成事实。
| 这条里的什么 | 对应你手上的什么 | 具体怎么用 |
|---|---|---|
| 错题与概念关联 | knowledge.py 的知识记录 | 提案新增 concept_refs、source_ref,让错误能追到概念与来源 |
| 不确定但做对也捕获 | kb/STANDARD.md 的核查口径 | 提案记录 self_judgment 与 verification_result,不把碰巧正确算成理解 |
| 同概念的针对练习 | reading.py 的读后应用 | 提案新增 build_targeted_practice(),根据错因出新问题而非重抄答案 |
| 接力式行动流转 | tasks.md 的既有任务记录 | 提案明确 current_owner、next_action、evidence_ref,本轮不读改 |
| 分项结果而非单一总分 | ~/.agent-autoloop/report_html.py | 提案用 render_evidence_breakdown() 区分结果、证据和未解决问题 |
| 反馈后还要再次验证 | ~/.agent-autoloop/report_html.py | 提案用 render_learning_feedback() 展示行动与复测,不虚报掌握 |
| 以目标汇集长期上下文 | knowledge.py 与 reading.py | 提案用 goal_ref 关联转写、概念、自问与实践结果,不无差别堆资料 |
原文:howie《ai学习系统:数学、coding》,2026.02.02 直播回看。时长依据结尾「刚好两个小时」记为 120 分钟,非媒体文件测量值;原视频链接见来源行。
本篇依据:本任务提供的完整机器转写。系统组成、解题四步法、解题元认知、五遍错题法、亲子分工及分层分析均据该转写整理;没有打开原视频、读取另版转写或补充外部资料。系列序号按目标文件 q19 对应为 19。
更正与边界:按上下文统一「GSP」为 GESP、「MC8」为 AMC8、「原认知」为元认知、「公身入局」为躬身入局等明显转写误识。69 分、基础知识 44 分及约百天实践均为讲者自述,不构成普遍效果承诺;未采用含混的前次分数和竞赛名次。讲者的模型优劣、费用、节省时间与金钱的说法不是本篇核实的现状;「只能从错题学习」等绝对表述不作为通用定律。强化学习在此是讲者类比,完整测评、命题核验及系统部署细节原文未展开。所有文件、字段和函数层面的应用均为面向 Ben哥的迁移提案,不是讲者原话,不代表已检查或修改现有实现;本轮唯一写入为本篇 Markdown。
定位:中文深蒸馏,不是逐字摘要。