错题本怎么整理？拍照识别、归类，再生成同类练习

孩子做完一页练习，家长常要先抄题、再核答案，最后才知道该复习哪一类。可以把题目照片交给本机视觉模型，让它先转录题目和作答、按知识内容归类，再生成几道同类练习。模型整理的是复习线索；题目识别、答案和实际教学范围都要再检查。

本例用一张程序合成的“小数加减练习”照片实测。本机 Qwen 视觉模型读对了 5 道题和学生答案，正确标出 3 道需要复核的减法，并生成 3 道练习；我用十进制运算逐题复算，新题答案都正确。样例是清晰印刷字加轻微倾斜和阴影，不能代表手写作业或真实手机照片。

准备本机模型和练习照片

你需要一台能运行 Ollama 视觉模型的电脑。本次环境是 MacBook Pro M1 Max、64GB 内存、macOS 27，Ollama 0.35.1，模型为 qwen3.8-27b-vision。Ollama 本机列表显示模型约 17GB；首次下载需要联网和足够磁盘空间。Ollama 官方模型页标注 Qwen3.8 支持视觉输入；API 可把图片传给本机 Ollama 服务。查看模型页 查看图片输入说明

把练习页拍清楚，尽量让题目完整、光线均匀、镜头与纸面接近平行。拍之前遮住姓名、学校、班级和其他身份信息。本文练习包里的照片是合成样例，不含真实学生资料。

合成的小数加减练习照片，含五道题和作答

让模型先转录，再判断

下载错题整理练习包，解压后在练习包目录运行：

python3 s115_analyze.py 拍照样例.jpg

脚本通过 127.0.0.1:11434 调用本机 Ollama，把提示词和图片交给 qwen3.8-27b-vision，并将结构化结果保存为 JSON。提示词要求模型逐题抄录、计算核对、按题目内容归类，并为错题生成 3 道类似练习；看不清时应标记不确定，不猜数字。

本次模型读到的五道题中，第 1、4 题结果正确；第 2、3、5 题标记为需要复核。抽查如下：

模型把这三题都归到“小数减法”。这只是题目内容的分类，不能据几道错题断定孩子不懂退位、数位对齐或某种固定错误原因。

我还用 macOS Vision 的本地文字识别工具读取了同一张照片：5 道算式也都读对，命令约 0.5 秒完成。单做印刷文字 OCR 时，系统识别更快；但它只提取文字，不会替你核算、归类或生成同类题。本文选择本机 Qwen 视觉模型，是因为本场景要完成这整段整理流程，而不是因为它在这张清晰样例上比系统 OCR 更准。两者都尚未用真实手写作业评估。Apple Vision 文字识别说明

复算答案，再做同类练习

Qwen 生成了下面三道小数减法练习：

6.00 − 3.45 = 2.55
5.5 − 2.35 = 3.15
4.80 − 1.56 = 3.24

我用 Python Decimal 分别复算，三题答案都通过。你也可以用计算器核对，但不要只检查模型给出的答案：先把题目读一遍，再独立算一次。错题本可以记录“知识内容、原题、正确答案、复习日期”，不需要记录对孩子能力的主观判断。

如果要进一步出一份包含多个知识点的练习卷，可以参考先定知识范围，再生成并校验练习卷。作文类反馈的人工复核方式见按量表逐条检查作文建议。

复核和隐私边界

• 对照照片逐字检查题目、运算符和作答；任何一个符号看错都会改变答案。
• 把模型标记的“需复核”当作核查入口，不直接当作老师的错题结论。
• 每道新题都单独重算；再确认年级、教材版本、已学知识和题目难度适合当前复习。
• 本例走本机 Ollama 地址，图片没有发送给云端模型；模型首次下载仍需联网。实际使用时仍应保护本机文件和备份。
• 不满十四周岁未成年人的个人信息属于敏感个人信息，处理时应取得监护人同意。演示和测试优先用虚构题目；确需整理真实作业时，先去除可识别信息，并确认学校和家庭的处理要求。查看《个人信息保护法》第二十八、三十一条

教育部数学课程标准把小数运算放在“数与运算”内容中，强调理解算理、掌握算法；本练习只是小范围算术示例，不是课程标准题库，也没有经过教师课堂评估。查看数学课程标准

这次仅测试一张合成的清晰印刷题目照片，未测试手写、模糊或遮挡图片，也未验证其他学科。模型读图和计算都有出错的可能，保留原图并由家长或老师复核后再把新题交给学生。