对话式学习制造的”懂了”，与看别人演算时产生的”懂了”，是两种不同强度的错觉。差别在一个细节上。
看别人演算：路径与你无关，它不回应你，你清楚地知道自己没有做。 与 AI 对话：你提了问，它接了话；下一步以你的上一句为条件；你喊停它就停，你换方向它就换。
于是过程带着你的指纹，却没有一步是由你判定的。这在心理上产生的不是”我看懂了”，而是”我做出来了”。本书把这一现象称为归属错记——观察被记成了参与。
归属错记与流畅性错觉叠加，后果是自评被三重拉满：
三者合起来，“懂了”的自评必然高。而这个自评决定了此后的复习分配：学生会把时间从自认为已掌握的内容上撤走。撤走的恰恰是他从未独立重演过的那一部分。
举一个可以被任何人在自己身上复核的例子。与一套对话系统一起工作一天，读完并逐点解构一本从未读过的理论著作，这件事是真实的，产出也是真实的——概念被辨清了，论证链被拆开了，薄弱处被指出来了。第二天把书合上，独立复述这本书的论证结构并指出它最要害的缺陷，读数会低得多。两个读数都没有作假：第一个是复合体的读数，第二个是自然人的读数。麻烦在于，在做那件事的当下，主观体验完全站在第一个读数这一边——过程是我推动的，问题是我提的，判断是我点头的，因此”我读懂了这本书”这个自评几乎不可抗拒。归属错记不是粗心，它是这种交互结构的正常产物。
这解释了一件仅靠”没练到”解释不了的事：为什么在无护栏条件下，撤机考试的成绩不是持平，而是低于完全不用 AI 的对照组。如果 AI 只是没帮上忙，结果应当是零效应。要产生负效应，必须有某种东西被挤掉了——被挤掉的就是原本会投在这些题型上的独立练习，而挤掉它的正是那个失准的”懂了”。
第二编的表述还不够准确。说 AI”把思考过程搬走了”，会让人以为过程在某处仍然存在、只是不在学生这边。更准确的说法是：
过程没有被搬走，它被完成了。而完成了的过程不可再走。
这不是文字游戏。一个知识点的推理路径，一旦在你眼前被走通，它对你而言的性质就永久地改变了：那个”不知道下一步是什么”的状态无法恢复。你可以重做一遍题，但你无法重新不知道答案。
这就是不可重走性。它在教学上的后果是刚性的：学习的机会在第一次遭遇时用掉，用掉就不可退回。这也是为什么”我先问 AI，看懂了再自己做一遍”这条广受欢迎的用法效力有限——第二遍做的是回忆，不是判定。它能巩固程序，不能补回选择。
这里值得把”再做一遍”拆细，因为三种变体的效力相差很远，而日常讨论把它们混为一谈。
变体甲：同题重做。 看完 AI 的解答后，合上屏幕把同一道题再写一遍。这一遍练的是程序执行：把已知路径走顺、把格式补全、把计算做对。它有价值，但它完全不触及选择——因为路径已知，岔口不再存在。这是绝大多数学生实际采用的做法，也是效力最低的一种。
变体乙：同型换题。 换一道同一题型、不同数据的题独立做。这比甲强，因为路径需要被重新调用而不是被抄写。但如果题型识别本身已经由 AI 在上一题里替学生完成——“这是一道需要构造辅助线的题”——那么最关键的那个判定仍然没有被练到。同型换题练的是执行加检索，不是判定。
变体丙：跨型混题。 在不提示题型的条件下，从一个混合题库中抽题。这是唯一逼学生自己回答”这是哪一类问题、该往哪个方向走”的变体，也是唯一真正对应考试情境的变体。它的即时体验最差：慢、错得多、挫败感强。
三者的排序与体验的排序恰好相反。而学生在自主安排复习时，几乎必然选择甲——它最快、最顺、最能确认”我会了”。这就是第八章所说的失准自评在行为上的出口：它不是导致学生不复习，而是导致学生复习错的那一种。
由此得到一条教学纪律：第一次遭遇一道题的那一刻，是一种不可再生的资源，其配置权重远高于此后的任何一次复习。现行的学习安排几乎没有为这一点付出任何设计代价——第一次遭遇通常发生在无人监管的自习时段，而全部的制度注意力都投在此后的重复上。