AI 错题本 —— 让每一道错题都成为进步的阶梯
项目背景
每个学生都有过这样的经历：考试后把错题抄在本子上，然后……就没有然后了。传统的错题本存在三大痛点：
- 录入低效：手抄错题耗时费力，一道题抄完已经不想复习了
- 管理混乱：错题越积越多，按学科、知识点、错误类型分类全靠手动，查找困难
- 复习盲目：不知道哪些题该重点复习，缺乏科学的间隔重复策略，同样的错误一犯再犯
在 AI 时代，我们完全可以用技术手段解决这些问题。AI 错题本正是为此而生——它不是简单的电子化错题记录，而是一个从"录入 → 管理 → 训练 → 分析"的完整学习闭环系统。
项目目的
打造一款 AI 驱动的智能错题管理与强化训练工具，帮助学生：
- 秒级录入：拍照即识别，告别手抄
- 智能管理：多维度分类，精准筛选
- 靶向训练：AI 根据薄弱点出题，不再盲目刷题
- 数据驱动：可视化学习报告，让进步看得见
核心功能
1. 
拍照识别录入
调用百度 OCR API，对试卷、练习册上的错题拍照即可自动识别文字内容。系统智能解析题目、选项和答案，一键保存到错题库。支持图片压缩优化，识别速度快、准确率高。
从拍照到入库，全程不超过 10 秒。
2. 
错题库管理
- 多维度分类：按学科、知识点、难度、错误类型（概念错误/粗心错误/记忆错误/应用错误）四维分类
- 智能筛选：支持任意维度组合过滤，快速定位目标错题
- 全生命周期管理：添加、编辑、删除、批量操作一应俱全
- 复习标记：每道题可标记"已掌握/未掌握"，追踪掌握状态
3. 
AI 强化训练
这是本项目的核心亮点。接入智谱 GLM 大模型，实现：
- 个性化出题：选择学科、知识点、难度，AI 自动生成 5 道针对性练习题
- 智能批改：提交答案后，AI 实时判断对错并给出详细解析
- 逐题推进：答题进度可视化，一题一题攻克，节奏清晰
不是简单的题库刷题，而是 AI 根据你的薄弱环节"量身定制"训练方案。
4. 
分类管理与可视化统计
- 学科分布：环形图直观展示各学科错题占比
- 知识点分布：横向条形图展示 TOP10 薄弱知识点
- 难度分布：堆叠条形图展示简单/中等/困难比例
- 错误类型分布：卡片式展示五种错误类型的数量和占比
- 汇总信息：总错题数、学科数量、知识点数量、平均每学科错题数
5. 
进度跟踪
- 7 天学习趋势图：SVG 折线图展示近一周复习量变化
- 错误类型分布：彩色进度条展示各类错误占比
- 学科分布环形图：conic-gradient 实现的纯 CSS 环形图
- 最近复习时间线：时间轴式展示复习记录，清晰标注掌握状态
6. 
学习报告
一键生成综合学习报告，包含：
- 总体情况：总错题数、已掌握数、掌握率
- 薄弱知识点 TOP5：排名 + 进度条，一眼看出最需加强的地方
- 错误类型分析：彩色卡片展示各类型数量和占比
- 学科分析：横向条形图对比各学科错题量
- 进步趋势：近 30 天掌握量折线图，看见自己的成长
- 报告导出：支持导出为文本文件，方便分享和存档
7. 
数据管理
- 本地存储：所有数据存储在浏览器 localStorage，零服务器依赖，隐私安全
- 缓存加速：内存缓存机制，高频读写操作毫秒级响应
- 导入导出：支持 JSON 格式导入导出，跨设备迁移无忧
- 本地备份恢复：一键备份/恢复，数据安全有保障
实践过程：
- 在提示词中尽可能交代清楚你想做的这个事情，背景是什么，痛点问题是什么，你想要做成什么样子，通过什么方式来实现，等等信息，让它能够知晓你接下来要做的事情，并且让它不确定的点跟你进行确认，防止走偏
- 使用 /spe 模式，让它根据你们的对话，整理出任务需求，任务点以及 checklist
- review 第二部的产出结果，spe.md task.md checklist.md ,看文档中写的东西是否符合自己的要求，如果不符合，则明确指出来让它重新调整
- 让它再站在一个资深产品经理的角度，从产品设计和业务形态已经用户使用等各个方面再一次给与建议
- 根据建议查看自己是否有些地方考虑遗漏，讲觉得合适的建议采纳进去，重新再一次调整任务方案和计划
- 最后，确认需求和任务，让它执行起来
初步结果
第一版整体页面风格和交互都不是很满意，后面在技能里面添加了前段设计技能插件之后，第二版页面好看多了
当前才完成第一阶段，后面继续
项目价值
对学生
- 节省时间：拍照录入替代手抄，每天节省 20-30 分钟
- 提高效率：AI 靶向训练替代盲目刷题，学习效率提升显著
- 看见进步：数据可视化让学习成果可感知，增强学习动力
对教育
- 错题数据化：将纸质错题本数字化，为个性化学习提供数据基础
- AI 赋能教育：探索大模型在 K12 教育场景的落地应用
- 低成本方案：纯前端实现，零服务器成本，任何学生都能免费使用
对开发者
- AI 应用范例：展示了如何将 OCR + LLM 能力整合到实际产品中
- 零依赖可视化：提供了不依赖图表库的数据可视化实践
- 完整产品思维：从录入到分析的全链路设计，而非单一功能 demo
未来展望
- 间隔重复算法：引入艾宾浩斯遗忘曲线，智能推荐复习时间
- 错题图片标注：在原图上标注关键步骤和错误位置
- 多用户支持：接入后端，支持账号同步和跨设备使用
- 学习社区：分享错题和解析，互助学习
- 更多 AI 能力：接入更多大模型，支持解题思路生成、知识图谱构建
一句话总结：AI 错题本，用 AI 把"记错题"这件事从负担变成习惯，从习惯变成进步。