让 AI 诊断错题时，先找到最早出错的一步
把错题交给 AI，常见结果是一份很完整的标准解答。看完之后，仍可能不知道自己究竟在哪一步偏离。更具体的做法是保存原来的解题过程，让模型先找最早不能成立的那一步，再用一个小问题确认可能的原因。
AI生成概念配图，非真实软件界面
保留原过程，别先抄成正确答案
IES 的学习实践指南讨论用测验与反馈识别尚未掌握的内容，也分别标示建议的证据强度。这里不据此宣称 AI 诊断能提高成绩；下面是本文设计的操作示例，目标只是让一次错误更容易被检查。
以下是虚构的成人自学记录：题目为“计算 3×(4＋2)”，原过程写成“3×4＋2＝14”。把题目、原过程和自己的口头解释都保留，暂时不只交一个最终答案。若没有中间步骤，先请学习者补写当时怎样算，不要由模型替人补出思考过程。
在这份记录里，最早出错的位置是把 3×(4＋2) 改成 3×4＋2。这是可观察的步骤变化。至于原因是漏写乘号、记错展开规则，还是抄写时少了一项，材料还不能确定。让 AI 把错误位置与可能解释分开，别直接贴上“粗心”或“基础差”的标签。
只问一个能够区分原因的问题
可以先问：“你当时认为括号外的 3 会作用到括号里的哪些部分？”若回答是只作用到 4，就需要检查展开规则；若能解释两个数都要乘 3，则继续核对书写过程。这个追问帮助收集信息，并不意味着一次回答足以确定稳定的学习问题。
解释时只修复当前这一步：先算括号，4＋2＝6，再算 3×6＝18；或者正确展开为 3×4＋3×2＝12＋6＝18。两种算法都能独立核对。不要同时引入更复杂的字母式、负数和分数，让原来的错误被一大段新知识淹没。
然后请 AI 出一道只检验这一步的小练习，例如 2×(5＋3)，暂时隐藏答案。学习者写完过程后再对照，结果应为 16。若仍写成 2×5＋3，就回到同一个步骤讨论；若答对，也只记录本次能完成，不能因此宣布相关知识已经完全掌握。
给模型限制诊断范围
可复用模板：请检查题目和我的原始解题步骤，指出最早不成立的一步，并引用原式。把可见错误与可能原因分开；证据不足时不要判断原因。先提出一个澄清问题，等我回答后只解释该步骤，再给一道难度相近的小练习，等我作答后再展示答案。
人工复核时，用计算器或另一条简单算法检查算术，但不要只核最终数值。还要确认模型没有误读符号、改变题目条件，或把一种合法解法当成错误。若学习者的步骤跳得较大，让其补充中间转换，模型不能凭空假设省略的步骤必然有问题。
最后留下很短的记录：原错误位置、已经确认的解释、采取的修正动作和小练习结果。可能原因若仍未确认，就保留未知。这样的记录便于以后观察是否反复出现同类步骤问题，也能避免把一整页标准答案误当作已经完成的纠错。
一次错误不能代表一个人
AI 可能算错，也可能把合理猜测说成确定诊断。它看不到学习者的完整背景，无法用一道题判断能力、注意力或学习障碍。复杂题目应交由熟悉课程的人核查；普通自学也应让学习者保留解释与提问的机会，别让模型的标签代替实际过程。
