让 AI 每次换一道没见过的新题
固定的旧题会被背熟。AI 的独特价值是能无限次出新题，而复习要放在快忘的时候。
第六道题问的是自愿退票是什么意思。周日晚上，你坐在书桌前，把一页机票退改签笔记贴给 AI，已经复习了 18 分钟。
笔记里写着：
旅客因为自己的行程变化申请退票，归为自愿退票；航班取消等承运人原因导致的退票，归为非自愿退票。
AI 连着问「自愿退票是什么意思」「非自愿退票是什么意思」。你照着定义答，连续三轮 6 题全对。第三轮时，题目刚出现，你已经能接出整句。你把对话关掉，觉得这两条规则会用了。
两天后早上 7 点 20 分，手机收到通知：你下午的航班被航司取消。订单页同时写着特价票不退不改。你盯着这八个字，判断这张票退不了，准备放弃 780 元票款。
同行的人却点进「非自愿退票」，四分钟后收到申请通过的通知，780 元原路退回。轮到你操作时，你停住了：昨天还会背的两个定义，放到同一个订单里，哪条管航司取消，哪条管你临时改行程，你没有把握。
你会那样判断，是因为旧题已经把要用的名词写在题面上。看到「自愿退票」，只需把对应定义接出来。订单页没有替你标类别，你得先发现航司取消是承运人原因，再把它归到非自愿退票。名词解释答得出来，只说明你认得标签；条件一换，还得自己判断该用哪条规则。
继续让 AI 「再考一遍」，它很可能换个顺序重复那两句定义。分数会越来越高，因为三轮都在找同一张卡片，真实订单里的条件判断仍然没有练到。
AI 更有用的地方，是每轮都换人物、时间和限制条件，让你在没见过的情境里重新选一次规则。它还可以等你作答后再给答案，避免题目刚出现，解释也跟着出现。
可新题为什么会让当场分数变低？复习挤在学完当天，又会制造什么错觉？下面保留同一份机票规则，把出题方式和两轮之间的天数都拨一遍。
把学习主题和自己的笔记换掉，其他约束可以原样保留。笔记贴在这段话后面，AI 就有了出题范围。
我刚学完机票的退改签规则，笔记贴在下面。只按我写的判断出题，别出名词解释，给我两道场景题，先别给答案。
等你答完，再补一句：「请先指出我用了哪条规则、漏了哪个条件，再给答案。下一轮换人物、时间或票价限制，继续考同一个判断。」
这句里的三个约束，各自挡住一种常见的假会：
- 「别出名词解释」挡住背标签。题面不再直接写出要用的概念，你得先判断眼前发生的事属于哪一类。
- 「给我场景题」挡住换词复述。AI 要放进人物、动作和限制条件，题目才会逼你选择规则。
- 「先别给答案」挡住答案泄漏。解释提前出现，你只需顺着它点头；答案藏住以后，你得先把规则合上材料，让 AI 考我一次。
「只按我写的判断出题」也很关键。它把范围锁在你刚学的那页笔记上，避免 AI 拿通用知识补出一堆你还没学过的票务细节。开场那道题就可以写成：特价票标着不退不改，航班被航司取消了，你还能按原支付方式拿回票款吗？
三轮挤在当天，前一轮的答案还在眼前，答起来会很顺。隔一段时间再做新题，取答案会变慢，错题也会增多，这正好让缺口露出来。复习的目标是隔开以后还能重新作出判断，当场满分只是一段过程。
间隔效应有长期研究积累。Ebbinghaus 在十九世纪末记录过遗忘随时间发生的变化；Cepeda 等人在 2006 年发表过关于分散练习的综述。它们支持把学习分散到不同时间，不能给每个人算出同一个精确天数。
实际使用时可以看作答手感：几乎不用想就答出，下一轮拉远一点；已经取不出来，下一轮靠近一点。答错后先写自己用了哪条规则，再让 AI 对照，见 让 AI 找出我在哪一步想错了。想继续练从脑子里取答案，见 合上材料，让 AI 考我一次。