先把错题按「概念误解/计算失误/审题偏差」三类划分，再让 AI 拆解每类错误的底层逻辑，补充对应知识点的关联案例，最后把复盘内容整理成可复用的错误档案，避免同类错误重复发生
适用场景是需要系统性梳理错题、避免同类错误重复出现的学习者（学生、备考者等），尤其适合需要跨学科关联知识点的复盘；不适用的情况是仅需快速核对答案、无需深究错误根源的场景，或者仅需要零散题目解析的情况，这类场景无需完整复盘流程，可直接获取对应答案即可
大多数人只会按学科分错题，其实按「概念误解（完全不懂核心定义）、计算失误（步骤出错但概念对）、审题偏差（看错条件/漏信息）」划分，能精准定位错误根源，而不是笼统归类，这一步是后续复盘的核心前提，不同类型错误的拆解重点完全不同，比如概念误解需要补底层逻辑，计算失误要练步骤校验，审题偏差要养成读题标记习惯
很多人只让 AI 讲正确解法，其实要让 AI 针对每类错误，拆解「为什么会出现这个错误」的底层逻辑，比如概念误解要讲清知识点的边界、易混淆点，计算失误要讲步骤的校验节点，审题偏差要讲读题的关键标记方法，这一步能帮学习者跳出「记答案」的误区，真正理解错误的本质，而不是只改表面
单一错题的解析不够，要让 AI 补充与该错误知识点相关的 2-3 个不同场景的案例，比如数学错题关联生活应用题、物理错题关联实验场景，这样能把孤立的错误点和知识点网络连接起来，避免下次遇到类似变形题还是出错，大多数学习者只会做单题解析，不会拓展关联案例，这是提升复盘效果的关键
把复盘内容按「错误类型、底层逻辑、关联知识点、规避方法」整理成统一格式，而不是零散记录，这样后续复习时能快速定位同类错误，比如备考时的错题档案能帮你在考前快速回顾高频错误，避免考试时重蹈覆辙，这一步是把单次复盘转化为长期知识储备的核心
很多人只会把错题归为「数学题」「英语题」，不会细分错误类型，导致后续拆解无的放矢，比如同样是数学错题，概念误解和计算失误的拆解重点完全不同，笼统分类会让复盘变成无效的重复劳动，绕过去的方法是强制按「概念/计算/审题」三类划分，每道错题必须对应其中一类，不能模糊归类
多数人复盘错题时只需要 AI 讲正确答案，不会深究错误原因，导致下次遇到同类题还是错，因为没从根源上解决问题，绕过去的方法是明确要求 AI 必须拆解错误的底层逻辑，而不是只给解法，这一步要在提问时就明确，避免 AI 只输出答案
很多人把错题随便记在本子上，没有统一格式，后续复习时找不到重点，比如考前翻错题本要花很长时间找同类错误，绕过去的方法是固定复盘档案的格式，必须包含「错误类型、底层逻辑、关联案例、规避方法」四个部分，每道错题按这个格式记录
在 OneOneTalk 中，你可将错题复盘内容作为可核验的长期记忆存储，每条记忆附带错误类型、拆解时间、置信度（如「90% 确定为概念误解」）、作用域（仅用于个人复盘），支持后续纠错更新。你可委托其协助拆解错误逻辑、补充关联案例，操作后会生成留回执。当前暂未支持自动整理错误档案的全流程，需手动按格式整理，未来会上线对应优化