老师批的作业，我让AI做成了错题集
孩子在备考 FCE（剑桥英语B2），每周老师批完作业，密密麻麻的红笔，加上孩子本来就歪歪扭扭的文字，肉眼难以识别。而且批改的内容孩子翻翻就搁一边了，真正能内化的没多少。
于是我想试试把每次批改让 AI 帮我整理成结构化的错题集，挂到网上，随时能查。
结果出来了：leonfce.hawken.im
流程是这样的
整个事情分三步，我基本没手动干预。
第一步：微信存图
老师在微信上发来批改图，我全部扔进一个文件夹。不需要命名，不需要整理，就是一堆 xxxx.jpg。
第二步：OCR 读图
用 OCR 模型把图片里的文字认出来——不光是学生原文，还有老师的批注、改正、旁边写的评语，全提取出来。
这一步以前很难做好，批改里有大量手写字，还有删改符号、箭头、圈圈，普通 OCR 基本废了。但是好在老师的红字是键盘敲在图片上的。我给的提示词里还宽容的指出：“即便识别不出来也没关系，因为后面的推理模型可以补全。“
第三步：推理模型做解析
拿到 OCR 结果之后，交给推理模型做第二轮处理：
- 识别错误类型——是时态错了、主谓不一致、搭配不对、还是逻辑问题？
- 生成示范句——把错误的那句话改对，作为标准示例
- 再造一个同类句——用同样的语法点或搭配，造一个全新的句子，供孩子对照练习
这样每一个错误，孩子手里就有三样东西：原来错的、改对的、另一个例子。
效果比我预期好很多，因为所谓的 LLM 不就是大语言模型吗，最原始的功能就是补全语言。
出来的效果
leonfce.hawken.im 这次处理了 42 页批改，老师的 FCE 写作课内容。
错误被按类型归类：主谓一致、时态、词形变化、介词搭配、写作结构……每一条都有出处（对应第几张图），方便孩子回头翻原图核对。
最后还有一张汇总表，按错误类型统计，一眼能看出哪块是高频弱点。
然后再让推理模型自己做一个总结，下次我又来图了可以复用整个过程。
为什么这个对孩子有用
普通的错题本，孩子自己整理，费时费力，还容易漏，而且整理完也就抄了一遍，没有深度加工。
这个流程做出来的东西不一样：
- 结构化：不是一页页翻图，是按类型检索
- 有例句：不只是”你这里错了”，而是”对的该是这样，再看另一个同类的”
- 可复习：网页随时打开，不用找本子
当然，AI 不能替代孩子自己思考。但它能做的那部分——把散乱的批改变成有组织的材料——确实帮我省了大量时间，而且做得比我手工整理好。
技术上的流程整理
整个流程用 VSCode + Cline 跑的，本地执行。大概步骤：
- 读取文件夹里所有图片
- 逐张调 OCR 模型（支持手写识别的多模态模型），输出批改内容
- 把 OCR 结果喂给推理模型，按固定 prompt 输出错题结构（错误类型 / 示范句 / 造句）
- 聚合成 HTML，推上服务器
下次处理新的一批作业，把图片扔进去，重跑一遍，新内容自动合并进去。
如果你家孩子也在备考英语，或者有类似整理学习材料的需求，这个思路可以直接套用，但是我估计英语和语文要好办一些，数学错题、物理错题能不能被识别的很好还不好说。因为我是先识别成文字再进行推理。跟手机某些 App 的直接分析画面可能还有点距离。