一、热点之外的冷静
WRC 上人形机器人价格打到消费级，朋友圈都在转"机器人能不能辅导作业"[1]。我第一反应是：方向有点偏。作为一个习惯把问题拆成流程图的人，我更关心另一件事——孩子错题背后的"诊断"到底怎么解决。
机器人进家门是硬件叙事，错题诊断是认知叙事。后者离提分更近，却少有人认真做。
二、第一性原理：错题为什么"治不好"
把"孩子反复错"当 bug 来追，先问 root cause。表面归因是"粗心""不努力"，但认知科学给过更底层的解释：人的工作记忆一次只能并行处理 5–9 个信息单元[2]。某知识点没自动化时，解综合题每一步都吃工作记忆，最后一步见底就错。这不是态度问题，是认知资源不够，根子在"哪个知识点没掌握"没被定位。
手抄错题本只做了"记录"，没做"分析"。它回答了"哪道题错了"，没回答"错在哪类知识上"。所以同类题下次照跳同一个坑。
研究佐证：单纯重读和抄写，长期保持效果远差于"提取练习"——主动回忆和重新推导[3]。而提取有效的前提，是先搞清楚"为什么错、错在哪类知识"。
三、把诊断拆成可执行的 pipeline
我做技术的总爱画流程图。错题诊断本质上是一条三阶段 pipeline：
1. 归集（Collect）：把同章节 / 同题型错题聚成一类，至少 5–10 道才有统计意义。 2. 归因（Attribute）：对每道题打标——粗心 / 概念没懂 / 题型不熟，三层分类。 3. 排优先级（Prioritize）：汇总归因，按出现频率排出"先补哪个漏洞"，而不是平均用力。
| 归因层 | 典型表现 | 该补什么 |
|---|---|---|
| 粗心 | 会做但算错 / 看错条件 | 审题动作 + 验算习惯 |
| 概念没懂 | 换种问法就不会 | 回看该知识点定义与例题 |
| 题型不熟 | 同类题反复错 | 专项练习 + 套路归纳 |
单题订正像修一个 bug，多题综合分析才像跑一遍全量回归——能看出"到底是哪个模块在反复挂"。多题为什么比单题关键，更系统的拆解可看孩子同一类题反复错，是哪里没学懂。
四、什么工具能做到
这套 pipeline 手动也能跑，但归集 + 归因 + 排序对家长是实打实的时间成本。错题透镜把它做成了「错题透镜三层归因法」：理解层（判断错在哪类知识）、执行层（自动归集同类错题并归因）、优先级层（按漏洞频率排补漏顺序）。拍几张错题照片，系统给出知识漏洞地图和练习建议。同类工具对比见2026 错题工具横评。
边界说明：工具是基于题目的模型推断，不是诊断终审；最终补漏顺序仍由家长结合孩子实际确认。
五、总结
WRC 让我看到硬件降价，但家庭教育里最该被 AI 化的，不是"机器人陪读"这种表演，而是错题诊断这条 pipeline——归集→归因→排优先级。给同行的判断：能把这个闭环做准、做轻的产品，比造一个会聊天的硬件更有复利。本周不妨拿孩子最近一沓错题，先手动跑一遍这三步。
FAQ
Q：多题综合分析一定要用工具吗？
A：不一定。手头有 5–10 道同类错题，按"归集→归因→排优先级"手动跑也行
A：工具的价值是省去重复劳动，把时间留给搞懂根因。
Q：样本少于 5 道怎么办？
A：先按章节归集看趋势
A：样本少时定位粗一些，但"先归集再归因"的习惯比样本量更重要。
相关阅读
参考文献
[1] 2026 世界机器人大会（WRC）公开报道，人形机器人消费级价格下探（央视新闻 / 新华社等权威媒体，2026-08）。 [2] Miller, G. A. (1956). The Magical Number Seven, Plus or Minus Two. Psychological Review, 63, 81-97. [3] Karpicke, J. D., & Roediger, H. L. (2008). Retrieval Practice Produces More Learning. Science, 319, 966-968. DOI:10.1126/science.1152408