本章人物与课堂片段为分析设例。错误保留用于理解发生过程，不意味着每次日常练习都需要详细复盘。
一、一页被擦得很干净的作业
陈远发现，小禾的作业本十分干净。错过的地方被擦掉，正确答案写在原位，检查时几乎看不出修改痕迹。他问她为什么改，小禾说，因为答案不一样。至于原来是怎么想的，她已经记不清了。纸上的结果变得正确，导致错误的运行却随着橡皮屑一起消失。
他们提出一个小小的What If：如果不马上擦掉错误，而是保留原答案与当时使用的理由，会不会看见一些平常看不见的东西？小禾担心作业显得乱，陈远建议另用一张纸，不影响正式提交。他们只选一处值得讨论的错误，不把每个笔误都变成长篇检讨。
第一道题很熟悉。一件商品先降价两成，再按降价后的价格上涨两成，最后是否回到原价？小禾最初认为下降与上升幅度相同，所以回到原价。他们用一百作为方便计算的起点，先变成八十，再增加十六，最后是九十六。正确结果并不难得到，难的是理解为什么同样的“两成”不能相互抵消。
若只让AI说明答案，它可以迅速写出乘法。陈远却请它先重建原想法最有道理的地方。原想法把两个百分比当作对同一个参照量的变化；在这种前提下，加与减确实能够抵消。错误并非完全没有结构，它把一条在某些情境下成立的关系，搬到了参照量已经变化的情境。这样看，修订就有了具体位置。
二、错误里藏着一条曾经有效的路
小禾拿铅笔画了两条线，一条代表一百，一条代表八十。第一步的两成取自一百，第二步的两成取自八十。她说：“原来数字一样，指的东西不一样。”这句话比记住“涨跌不能抵消”更有用，因为它指向错误发生的机制：相同形式掩盖了不同参照。
AI接着生成三个问题。第一题，在一百上减二十再加二十；第二题，先减百分之二十再加百分之二十；第三题，第二步明确加回原价的百分之二十。小禾分别比较，发现第一题和第三题可以回到原值，第二题不可以。分化使一个粗糙规则变得有条件，也防止从一次纠错走向另一种机械记忆。
他们又倒过来问：如果从八十回到一百，按八十作参照，需要上涨多少？差额二十占八十的四分之一，因此需要上涨百分之二十五。这个反向问题让参照量不再是解释里的附带说明，而成为实际计算必须使用的对象。
保留错误的价值，在这里表现为保存一条可以分析的运行。假如只留下九十六，人只能看到结果；保留“同样比例应该抵消”这一猜想，才可以看见它在哪一步失去适用条件。错误成为进入关系的入口，而不只是离标准答案还有多远的标记。
三、同一个错答案，可能从不同地方来
几天后，AI提供了一组相似题，其中一道结果也被小禾算成一百。陈远差点说她又犯同样错误，仔细看过程却发现，这次她已经写对两次相乘，只是在最后乘法里算错。表面答案相同，发生过程不同。如果把二者归入同一类，就会安排错误的修正。
他们把错误分成暂时的几种情形：条件读漏了，参照对象混淆了，关系理解不清，步骤次序改变了，运算执行出了差错。这些分类不是对人的固定诊断，而是帮助选择下一步的工具。同一个错误可能包含几种成分，也可能暂时无法判定。AI可以提出可能性，但不能仅凭一个答案推断孩子的全部理解。
为了检查，陈远让小禾不计算，只说下一步应当做什么。她说明得很清楚，于是他们把修正放在执行检查，而非重新讲整套百分比概念。若她无法说明参照对象，就回到比较情境。新的S颗粒度不同，后续D就应该不同。第二方程在这里不是一句抽象口号，而是要求反馈真正改变学习的运行。
这一过程也使父亲自己的判断受到检查。他曾把反复错题归因于“不认真”，现在发现这个评价太宽，无法告诉双方下一步该改变什么。“不认真”有时表达家长的焦急，却不是一种足以组织修订的机制解释。将评价缩小到可观察的步骤，双方都更容易进入行动。
四、给错误一个可讨论的位置
小禾并不总愿意谈错题。有一次陈远刚开口，她就说：“又要分析我了。”这句话使他意识到，即使方法听起来尊重理解，实际互动仍然可能使孩子感到自己被持续观察。保留错误能否产生乐趣，取决于错误与家庭关系怎样纠缠，不能只靠一张漂亮的工作表。
他们重新约定：由小禾选择一处她觉得奇怪的错误；陈远也提供一处自己的误判；AI只围绕已选材料展开，不把单次表现上升为人格评价。陈远举了一个工作例子，他曾以为会议时间增加就能减少误解，结果会议更长，行动却更不明确。这个例子并不能与数学错误完全等同，却让双方能够共同体验：成年人也会沿着看似合理的路径走到不合适的结果。
讨论方式随之改变。先还原当时为什么那样做，再寻找使原判断失效的差异；最后只提出一项下一次可以尝试的修改。这样既避免把错误浪漫化，也避免将发现错误变成羞辱。解释错误的理由，不等于为错误开脱；它是为了让修正能接触实际发生的地方。
他们还保留停止权。如果某天已经疲惫，错题可以留到之后。情绪稍缓并不会保证理解自动发生，但在强烈对抗中继续追问，常常使注意转向保护自尊。此处E包含评价语气、家庭期待、任务难度与参与意愿的纠缠，改变其中的组织方式，是使探索能够继续的具体条件。
五、AI的错误也应该留下原过程
一次，AI给出一个看起来完整的解释，却在中途把“至少一个”理解成“恰好一个”。小禾发现结论不符合题目，要求重新回答。AI道歉后给出正确答案，旧解释被新内容顶到上面。如果不保存两版，错误的入口很快就会被遗忘。
他们把原题、第一次解释与修订后的解释并排放置，标出条件发生变化的位置。AI被要求说明哪一步用了不被题目支持的前提，而不是只说先前理解有误。它的自述可以作为线索，仍然需要双方根据原题核对。模型可能给出听起来合理的事后说明，不能把这种说明当作对内部过程的直接观察。
保留版本使“修正”获得可辨认的内容。新答案是否真的修复了原缺口，还是换了一种表述绕开了它？原条件是否全部保留，是否引入新的未经说明的假设？这种检查不必每次很长，关键是遇到承重步骤时愿意停下来。
小禾由此理解，AI的流畅并不消除检验的必要，也不意味着每句话都要从零怀疑。可以根据任务选择检查位置：算例核算关键数字，文本核对引用依据，推理检查前提与转折。判断在具体活动中分层运行，既避免盲信，也避免把探索变成无法前进的全面警惕。
六、从纠正一个答案，到重新提出一个问题
他们继续研究涨跌，提出新的猜想：“先涨再跌和先跌再涨，最后结果会不同吗？”若两次变化分别都是基于当时数值的同一比例，两个乘数交换次序，乘积相同。例如一百先乘一点二再乘零点八，仍然得到九十六。这一结果使小禾意外，因为生活里先后次序常常重要。
AI提醒，算式中的交换性只适用于这里明确设定的乘法模型。若每一步还包含固定费用、上下限或取整，次序可能产生差异。他们先加入一个简单规则：第一次变化以后减去固定数量，再进行第二次变化。例如初值为一百，中间固定减去十：先增加百分之二十、减十、再减少百分之二十，得到八十八；先减少百分之二十、减十、再增加百分之二十，得到八十四。中间的固定减量经过不同的后续乘数，结果便不同。关键不是记住“顺序重要”或“顺序不重要”，而是认识哪些发生机制允许交换。
原来的错题因此分化出参照量、比例、固定增减、次序和边界等不同方向。重组则发生在他们用这些方向生成一组新问题时。问题不再围绕一次丢分，而围绕“变化如何作用于正在变化的对象”。这使已有知识进入更广阔的关系，但每一步仍然可以用具体例子检查。
若小禾能够把这种问题组织迁移到别的情境，例如连续折扣或数量增长，就可能形成新的探索能力。若只能复述本章的几道题，仍然需要继续运行。升维应当保留实际标准，不能因话题变得宏大就自动成立。
七、不要让错题收藏变成另一座负担
林舟听说这个方法后，把过去的错误整理成厚厚一册。他请AI按知识点分类，目录十分整齐，却很少再打开。问题不在于分类没有价值，而在于收藏替代了后续运行。每个错误被放入格子，尚未说明下一次怎样使用，资料越多，返回的成本越高。
他开始删减，只保留那些能代表一种不同运行的例子。每个例子后面写一句：“下次看到什么情境时，可以回来看看？”例如遇到两个相同百分比时，回看参照量；遇到答案相同却理由不同的情形时，回看发生过程。这样的索引指向未来活动，不只是回顾过去成绩。
过一段时间，他再检查旧错误。有些已经能够清楚解释，可以暂时退到后台；有些仍然引出新疑问，继续保留；有些最初分类不准确，需要重新安排。记录也进入反馈与迭代，而非建成之后永远不动。第三类What If由此出现：新的理解和复习方式，会怎样重新组织错误、记忆、任务与工具之间的纠缠？
有趣的是，少量可使用的错误反而比一整册正确摘要更容易牵引他。它们保留了一个具体的意外，提醒他自己曾怎样进入，又怎样转弯。这样的记忆具有发生痕迹，能够帮助未来的理解重新运行，而不只是堆积已经修饰过的结论。
还有一类错误没有标准答案可以直接对照。许岚读完一段文章，自信地说作者反对所有城市改造，后来重读才发现，作者只是批评某种不考虑居民活动的改造方式。这里不能像算术那样只检查最后数字，需要回到措辞、论证范围和上下文。她把自己的原概括保留，并标出从“某种方式”跳到“所有改造”的位置。
AI被要求提供两种改写：一种尽量忠实于原文，一种明确写出她自己的进一步推断。并排比较以后，许岚发现自己常把受到触动的部分放大，随后把放大的解释记成作者的原话。这个发现使阅读中的错误获得更细致的结构，也使她以后引用别人时愿意多走一步核对。
但她并没有因此要求自己永远不能作进一步解释。个人思想需要推断，只是应当让推断的位置可见。她在笔记中使用很简单的标记，分别写“原文”“我的理解”“还需检查”。这些标记并不使理解自动正确，却帮助后续讨论找到分歧所在。朋友反对她时，可以指出是原文读错，还是推断不足，而不必把整段思考一起推倒。
这件事与小禾的百分比错误具有一种可比较的关系：相同词语或形式容易掩盖条件变化。但两者不能因此被宣布拥有完全相同的机制。百分比能够通过明确模型与计算检验，文本解释还需要关注语境与论述范围。跨领域比较的价值，在于提示可能值得检查的地方，随后仍要进入各自的材料。
陈远也从中受到提醒。他常常听见孩子说“我不想做”，便理解成“我不愿学习”。句子从某一项活动扩大成对整体的判断，可能与许岚的阅读误概括相似。他没有给家庭对话套上一个学术标签，只是在下一次先问：“你是不想做这组题，还是现在不想继续？”新的回答使后续安排不同。思想探索的作用，有时就落在这一句更准确的追问上。
当错误被这样保留，它也改变了人与知识的关系。知识不再总以一次写对的形式出现，人的理解也不必装成从来没有走错。可以公开修订，可以准确说明改变的依据，也可以保留尚未找到答案的部分。这样的活动方式若能够持续，新的特征纠缠便开始形成：错误与羞耻的联结有所松动，错误与反馈、合作和再探索之间的联结得到支持。
这并不保证每次改错都会开心。有人需要更长时间接受，有些情境也不适合立即讨论。尊重这些差异，使方法保持人的尺度。我们希望打开的是能够继续思考的空间，而不是要求每个人以同一种表情欣赏自己的错误。
八、错误的边界与探索的自由
保留错误并不意味着所有错误都适合反复尝试。在日常学习的纸面算例里，我们可以大胆改变条件；在健康、财务或实际操作中，错误可能带来不同代价。探索需要根据情境选择模型、模拟、小范围试作或专业支持。能够自由犯错，往往依赖事先建立的活动边界。
即使在教育里，也不能让别人承担自己探索的代价。例如公开展示孩子的错误，需要尊重其意愿；把同伴的误解写成故事，应当避免可识别的羞辱。普通读者可以使用自己的记录或明确构造的例子，并让讨论集中于发生过程。知识的开放不要求一个人随时暴露尚未完成的理解。
同时，错误不是创造力的保证。有些重复只是在同一处打转，没有新的反馈进入。若尝试长期没有变化，可以改变材料、请教他人、降低任务难度，或者暂时离开。乐趣来自差异能够转化为新的行动与理解，而非把挫折本身当成美德。
这一点也帮助我们区分坚持和迭代。坚持可以只是继续做同样的事，迭代需要前一轮结果实际改变后一轮运行。若没有说明修改了什么、为什么修改，就很难判断是否正在接近更好的理解。D2流程的意义正在于使这类变化获得可追踪的形状。
九、你的错误，可以留下哪一部分
选一个最近让你停顿过的答案。不必选择最严重的错误，也不必找一个足以代表自己的例子。保留原题、原想法和后来出现的差异，然后请AI帮助提出两种可能的发生解释。你负责提供真实步骤，AI负责展开可比较的候选关系，双方再检查哪些说法得到材料支持。
接着改变一个条件，看看原来的想法在新条件下是否可能成立。如果成立，你会更清楚它的适用范围；如果仍然不成立，继续检查是不是还有别的缺口。最后为下一次留下一个很小的动作，例如先写参照量、先读限定词、先核对单位。这个动作应当对应已经辨认的发生过程。
你也可以给那页纸写一个轻松的标题：“我曾经有理由相信这件事。”这句话承认过去的自己并非毫无道理，同时保留修订的必要。一个错误若能够帮助你重新组织问题，就不必只作为失败被记住。它可以成为一条道路的旧入口，提醒你思想曾在这里转弯。