核心用法
Error Analysis 是一款面向学生与自学者的本地错题管理脚本工具，通过命令行交互实现错题的深度分析。核心流程包括：录入原题、错解、正解后，系统自动归因错误类型（计算失误/概念混淆/方法遗漏），关联对应知识点图谱，并基于错误模式生成同类变式题。数据持久化存储于本地 JSON，支持长期追踪薄弱点演变。
功能模块
- 错题归因：
analyze命令解析错解与正解的差异路径 - 知识定位：
knowledge命令调取该知识点的核心概念与常见陷阱 - 变式生成：
similar命令基于题目类型输出同考点不同情境的练习 - 数据看板：
summary命令统计高频错误类型与知识点分布
显著优点
1. 零依赖轻量：纯 Bash + Python 3.6+ 实现，无需安装额外库，兼容老旧系统
2. 隐私本地优先：错题数据完全存储于本地 data/errors.json，规避云端泄露风险
3. 闭环学习设计：从错误发现→归因→补漏→巩固形成完整学习链
4. 可扩展架构：脚本化设计便于用户自定义知识图谱与题型模板
潜在局限
- AI 能力边界：未明确接入大模型 API，变式题生成依赖规则模板，创新性与覆盖度受限
- 无跨端同步：纯本地方案导致多设备切换时数据割裂
- 交互门槛：命令行操作对非技术背景用户不够友好
- 知识库维护：知识点解析质量取决于作者预置内容，冷门学科可能覆盖不足
适合人群
- 备考学生（中高考/考研/职业资格）需要系统性错题复盘
- 自学者建立结构化知识漏洞档案
- 家长协助孩子进行学习数据追踪（需基础技术协助部署）
- 对数据隐私敏感、拒绝使用商业错题 APP 的用户
常规风险
- 数据丢失：JSON 文件无自动备份机制，误删或磁盘故障导致历史记录丢失
- 归因偏差：规则引擎可能误判复杂错误的根本原因，需人工复核
- 变式题质量：模板生成的题目可能与真实考试难度/风格存在偏差
- 安全声明缺失：认证报告明确标注"未执行安全扫描"，代码实际安全性未经审计