用 AI 整理錯題本：把我的答案和 AI 回饋並排比對

讀書刷題時，很多人會整理錯題本，但通常只收答錯的題目。我也常常有一種錯覺：答案選對了，就代表觀念懂了。

直到我開始把自己的「每個選項為什麼對、為什麼錯」寫下來，再請 AI 逐條比對，才發現：選對答案的題目裡，也藏著錯的觀念。

這篇用我最近練習的一組 AWS 路由表題目當例子，分享我怎麼用 AI 檢視自己的觀念、細心程度和表達方式，以及我打算怎麼把它變成一套個人工程系統。

為什麼要比對，而不是只看解答

只看解答，你知道的是「正確答案是 B」。把自己的理由和 AI 的回饋並排，你會看到的是：

哪個觀念其實是錯的，只是剛好沒影響到這題的答案。
哪裡不夠細心，例如看錯題目裡真正受影響的對象。
哪裡表達不清楚，寫出來的句子連自己都可能誤會。

這三種問題，只看「對或錯」是看不出來的。

範例：AWS 路由表三題

題目情境（簡化）

一個 VPC 裡有兩張路由表：

rt-main：VPC 的 Main Route Table，只有 local 路由。
rt-public：有一條 0.0.0.0/0 → IGW 的對外路由。

還有兩個子網路：

App：需要對外連線。
Audit：只能有 local 路由，而且沒有明確指定要用哪張路由表。

題目問的是：要怎麼調整，才能讓 App 對外、同時不影響 Audit？

第一步：我自己先作答，每個選項都寫理由

這是我交給 AI 之前的原始答案，一字未改：

第 2 題　正確答案：B A：Audit 的需求需要滿足與題義不和，Audit 還在 rt-main C：App 要改用現成的 rt-public 不符合需求 D：改名是沒有必要的動作

第 3 題 C：因為暫時沒有 Subnet 使用就被清除

答案都選對了。但 AI 的回饋指出好幾個問題。

第二步：並排比對

選項	我寫的	AI 指出的問題	錯誤類型
第 2 題 A（把 Main 改成 rt-public）	Audit 還在 rt-main	Audit 沒有明確指定路由表，所以永遠跟著 Main Route Table 走。Main 一改，Audit 就自動改用 rt-public，拿到 IGW 路由	觀念錯誤
第 2 題 C（在 rt-main 加 IGW 路由）	App 要改用 rt-public 不符合需求	這樣做 App 確實能對外，問題在 Audit 也正在用 rt-main，會一起拿到 IGW 路由	看錯主體
第 2 題 D（改路由表名稱）	改名沒有必要	不只是「沒必要」：Name Tag 只是給人看的標籤，改名不會建立任何子網路關聯	解釋太表面
第 3 題 C（沒人用就會被清除）	因為暫時沒有 Subnet 使用就被清除	這句話讀起來像是認同了錯誤選項。事實是路由表是獨立資源，就算沒有任何子網路關聯，AWS 也不會自動刪除	表達不清

第三步：回頭判斷 AI 說得對不對

AI 的回饋不是標準答案，要回頭查官方文件確認。這次的重點在 AWS VPC 文件的「路由表」章節都找得到：沒有明確關聯的子網路會隱含使用 Main Route Table；自訂的路由表不會因為沒人使用就消失，要手動刪除。

第 3 題 C 則提醒我另一件事：我寫的句子只重述了選項的說法，沒有寫出「這是錯的」。不管我心裡怎麼想，AI 讀到的只有文字，讀起來像認同，就會被當成認同。如果考試是申論題，閱卷者也會這樣理解。

所以比對時我會問自己兩件事：AI 說的機制對不對？AI 誤會的地方，是不是我寫得不清楚？

我得到的收穫

這次最大的發現是第 2 題 A。我一直以為「Audit 在用 rt-main」，其實正確的理解是：

Audit 沒有綁任何路由表，它用的是「現在的 Main Route Table」，不管 Main 是哪一張。

這兩種理解在這題都能選對答案，但換一個情境（例如題目問「把 Main 換掉會影響誰」）就會選錯。這就是只看對錯永遠發現不了的盲點。

錯題本範本：每題一張錯題卡

我的錯題本不只收答錯的題目，答對但觀念有問題的也收。每一個比對結果存成一張 Markdown 檔，方便之後搜尋和統計。範本長這樣：

---
date: 2026-10-14
subject: AWS VPC
topic: Route Table
question: 第 2 題 A
result: 答對，觀念錯
error_type: 觀念錯誤   # 觀念錯誤／看錯主體／解釋太表面／表達不清
time_spent: 0.5       # 小時
---

## 我原本的理解
Audit 在用 rt-main。

## 正確的機制
沒有明確關聯的子網路，會隱含使用 VPC 的 Main Route Table。
Main 換成哪一張，它就跟著用哪一張。

## 下次的檢查點
看到「沒有指定路由表」的子網路，先問：如果 Main 被換掉，它會不會一起變？

## 查證來源
AWS 官方文件：VPC 路由表（Main Route Table、子網路關聯）

error_type 是最重要的欄位。累積一段時間後，我就能看出自己最常犯的是哪一種錯：如果大多是「看錯主體」，要練的是讀題；如果大多是「觀念錯誤」，就該回頭補基礎。

請 AI 比對時用的提示詞

固定用同一段提示詞，每次的回饋格式才會一致，比較好整理成錯題卡：

以下是題目和我的作答。我每個選項都寫了判斷理由。
請逐條比對，指出：
1. 觀念錯誤：我對底層機制的理解哪裡錯了
2. 看錯主體：我有沒有看錯真正受影響的對象
3. 解釋太表面：哪裡只說了結論，沒說出技術原因
4. 表達不清：哪句話可能被誤解成相反的意思
答對的部分也請確認觀念是否正確，不要只檢查答錯的題目。

下一步：變成個人工程系統

目前這套流程還是手動的：作答、貼給 AI、整理錯題卡、存檔。我打算把它接進自己的工時與專案系統：

記錄學習時間。 每次刷題都在工時表記一筆，放在「個人」範圍，這樣就能看見每週真正花多少時間在學習。
錯題卡進資料庫。 我的私人版工時系統已經能把工時寫進 Notion。下一步是再開一個「錯題本」資料庫，用 error_type、topic 當欄位，和工時紀錄互相連結。
每週回顧。 週末看兩個數字：這週花了幾小時、哪種錯誤類型最多。下週就針對最多的那一類練習。

目標是讓系統自己回答兩個問題：我最近在學什麼？哪個觀念還不穩？

如果你也在準備證照，不妨從下一題開始：答完先別看解答，把每個選項的理由寫下來，再請 AI 幫你比對。你會發現，很多「選對的題目」其實沒那麼對。

讓 AI 當我的答題教練：把「我的答案」和「AI 的回饋」並排比對