前言¶
做教育方向的 AI 应用，最难的不是「拍一道题给个答案」，而是把学生反复做错的题沉淀下来，告诉他错在哪、下次怎么避免。常见做法是让学生手动抄错题、自己写反思，成本高、坚持不住；或者直接把错题拍照丢给通用对话模型，得到的是一次性答案，没有归类，也没有后续训练。
下面介绍的 错题 Skill 就是处理这个问题的：它把错题按错因归类，生成错因分析和变式训练，最后形成一份可复盘的个人错题库。
这是什么¶
错题 是一个基于 SKILL.md 格式的 Agent Skill，坐标 @kunlungrowth/kunlun-cuoti，由「昆仑增长」发布维护，来源标记为 enterprise。
它解决的问题是：错题只被「做对过一次」，没有被真正「复盘过一次」。Skill 在通用模型之上补一层错因结构化的处理，让错题不再是一堆图片和文字，而是带标签、带分析、带同类练习的记录。
核心功能¶
按官方简介，这个 Skill 的能力分三步：
1、错因归类。把错题分到四个类别里：概念、计算、审题、习惯。
2、错因分析。针对归类结果给出分析，而不是笼统的「这道题做错了」。
3、变式训练。基于原错题生成变式题，用来检验同一个错因是否真的被改掉了。
三步串起来之后，输出物是一个可复盘的个人错题库。也就是说，Skill 的价值不在单次交互，而在「同一道错题 + 同一类错因 + 后续变式」这条链路上。
安装与启用¶
需要说明的是：本次能核对到的公开资料里，只有 Skill 的名称、坐标、版本、来源、简介和标签，没有给出官方安装命令、目录结构或配置字段。因此这里不写安装步骤，避免给出无法核实的命令。
能核实到的元数据如下：
名称：错题
坐标：@kunlungrowth/kunlun-cuoti
版本：1.1.0
来源：enterprise
分类：education
发布者：昆仑增长
标签：requires_api_key=false
其中 requires_api_key=false 意味着按官方标注，这个 Skill 不需要额外的 API Key。想实际启用它，建议到官方页面按提示获取安装方式，不要照搬其他 Skill 的安装命令。
典型用法¶
官方简介里给出的流程是「错题 → 错因归类 → 错因分析 → 变式训练 → 错题库」，下面按这个顺序说明每一步要准备什么。
1、准备错题输入。把做错的题目交给 Skill，可以是题目文本，也可以是带解题过程的内容。归类依赖题目本身和错误表现，输入越完整，错因判断越准。
2、等待错因归类结果。预期输出是四类之一：概念、计算、审题、习惯。如果结果是审题或习惯类，说明问题不在知识掌握，而在读题方式或做题流程。
3、看错因分析。这一步要拿到的是「为什么错」的结论，而不是正确答案。分析应能指出错误出现在哪个环节。
4、做变式训练。用生成的变式题再练一遍。变式题的价值在于：换了数字、换了表述或换了条件，如果仍然做错，说明错因没有被纠正。
5、入库复盘。把原题、错因、分析、变式题一起存进错题库，后续可以按错因类别回看，也可以针对某一类集中补练。
适用场景与注意¶
适合的场景：K12 及以下阶段的课后复盘、阶段性错题整理、需要按错因做针对性训练的场景。对于教师端，也可以把这套结构化的错因标签用在批量批改后的讲评准备上。
需要注意的限制：
- 错因归类只有四个类别。如果一道题同时涉及概念不清和计算失误，需要留意 Skill 给出的单一归类是否够用，必要时在错题库里补充自己的备注。
- 变式训练依赖原题。原题表述不清楚时，生成的变式题质量也会受影响，输入前最好把题目补齐。
- 错题库的复盘效果取决于有没有人持续回看。Skill 提供的是结构化产出，不保证自动复现提醒。
- 官方页面标注来源为 enterprise，使用前建议确认是否符合所在机构的数据和合规要求。
小结¶
这个 Skill 的定位很明确：不是「拍照给答案」，而是把错题处理成可归类、可分析、可练、可复盘的记录。四个错因类别加上变式训练，是它区别于通用对话处理错题的主要地方。
官方地址：https://www.skillhub.cn/skills/kunlungrowth/kunlun-cuoti
本次抓取到的公开资料显示评分为 100000、下载量为 1363。需要说明的是，任务线索里给出的评分（99478）和下载量（1334）与抓取到的资料不一致，本文以抓取到的官方页面数据为准。
