AI写小说写长篇有个很气人的特点：同一个地方能反复栽跟头。第三章它让人物「突然出现在不该在的现场」，你改了；第五十章它又来一次，仿佛从没犯过这错。
因为对模型来说，每一章都是新的开始。它没有「历史记忆」，不知道自己之前在哪里翻过车。
错题本：把坏例留下来
文脉的解法很朴素：给每一章配一本错题本。它记录三样东西——
- 坏例：这次出了什么错（比如人物不得无故在场）；
- 错误原因：为什么会这样（上下文没核对出场来源）；
- 正确答案：应该是什么（已核对出场来源后修正）。
这份错题，会在后续写作时自动参与复检。
错题回归：写新章先对一遍旧错
错题回归是六道工序的第五道。写新一章时，文脉自动匹配历史坏例，看这一章有没有重蹈覆辙：时间线有没有跳、人物有没有凭空出现、道具去向对不对。
它不是等写完再挑刺，而是在交付前就把历史坏例过了一遍。首页那张「9 项正史校验 · 18 项错题回归」的收据，记的就是这一章跑完的核对量。
为什么这招有效
模型的盲区是「刚写的自己看不出自己」。但错题本把错误外置成了可查的清单——新一章不需要「记得」自己犯过错，只要对着清单逐条对，就能避开大部分老毛病。
越写越稳，不是因为模型变聪明了，而是每次的错误都被留了下来，下次不再重犯。
怎么用
- 错题回归属于完整工作流，由后台跑完，不要求作者理解模型内部流程；
- 赞助支持后开启连续性、人物声音、终审三个交叉核对岗位时，错题回归一并生效；
- 免费版主创岗位即可把一整本长篇写完，错题回归是让成品更稳的进阶能力。
长篇写到百万字还能不反复踩同一个坑，靠的就是这本越来越厚的错题。