# 2026 年如何用抽认卡准备开卷考试：记住导航图，而不是整本书

*2026-07-05*

上周我看见有人在一场开笔记考试里花了八分钟，只为了找一个他明明记得自己标过重点的公式。公式确实还在，分数却已经没了。

这就是开卷考试最常见的误区。很多人一听到“开卷”，就以为记忆压力会变小。通常不是这样，压力只是换了位置。你不一定要从零背出全部内容，但你依然得迅速判断题型、知道该用哪种工具，还要赶在时间开始追着你跑之前翻到正确那一页。

而这正是抽认卡真正有用的地方。目标并不是“把整本书都背下来”，而是把范围收得更小、更准。你需要记住的是导航图、触发线索、题型模式，以及那些总在白白消耗你时间的错误。

![暖色台灯下的书桌，上面有抽认卡、开卷考试笔记、分页标签和显示复习界面的平板电脑](/blog/how-to-study-for-open-book-exams-with-flashcards.png)

## 为什么这在 2026 年更重要

考试形式又在变化。2026 年的 HEPI Student Generative AI Survey 显示，**95% 的学生现在至少以一种方式使用 AI**，并且 **94% 会用 AI 辅助完成考核任务**。这并不代表所有课程突然都变成开卷考试，但这至少解释了，为什么越来越多老师更偏向应用题更重的考核、允许带笔记、布置 take-home 作业，以及设计那些你不可能靠一份漂亮摘要糊弄过去的问题。

高校给出的备考建议，多年来也一直在往这个方向收紧。Cornell 关于 [open-book exams](https://lsc.cornell.edu/how-to-study/studying-for-and-taking-exams/open-book-exams/) 的指南指出，这类考试通常比闭卷考试更难，考的往往是你能否应用或分析信息，而不只是记住它。Indiana University 关于 [creating open-book exams](https://citl.indiana.edu/teaching-resources/guides/openbook.html) 的教学指南也提到，设计得好的开卷考试通常更侧重概念题、案例推理、预测、解释和纠错。

所以，如果你的考试允许带笔记，一个更实际的问题其实很简单：哪些内容你仍然必须熟到不用翻资料，才不至于在考场上像个慌乱的图书管理员一样狂开标签页？

## 开卷考试依然会惩罚薄弱的提取能力

开卷考试依然靠回忆。

它只是把“导航”这层额外负担，叠加到了回忆之上。

你还是需要记住足够多的内容，才能快速完成这四件事：

- 识别眼前到底是哪一类题目
- 回忆出大概率适用的概念、公式、框架或案例类型
- 知道支撑细节在你的笔记或资料里的什么位置
- 用材料来确认或修正答案，而不是从零开始

这意味着抽认卡依然有用，只是这副牌组的职责不一样了。

闭卷考试里，你也许会做一些直接测试事实提取的卡。

但在开卷考试里，更有效的卡片通常会覆盖这些内容：

- 题型识别
- 提示词到工具的匹配
- 公式或规则选择
- 在压力下最容易混淆的例外
- 你自己的材料里，深入细节到底放在哪里

如果你的考试更偏论述题，这篇配套文章会更适合接着看：[2026 年如何用抽认卡准备 Essay Exam](/zh/blog/how-to-study-for-essay-exams-with-flashcards/)。

## 不要把笔记变成一副巨大的牌组

这是我最先会避开的错误。

很多人一为开笔记考试焦虑，就把整份课程包丢给 AI，然后心安理得地收下 240 张卡，因为这看起来“产出很多”。

其实方向完全反了。

牌组应该覆盖的是那些仍然需要练成自动反应的内容：

- 常见提示词到底意味着什么
- 长得很像的概念之间到底差在哪里
- 你第一时间应该拿出来用的规则或公式
- 决定整道题后续答案结构的步骤顺序
- 更深入的细节位于哪一页、哪一节或哪一份文档

如果某个事实出现得很少、价值很低，或者在考试时能立刻翻到，它通常就不值得占用抽认卡空间。

这和我在 [2026 年抽认卡里该放什么？](/zh/blog/what-should-go-on-a-flashcard/) 里用的是同一个筛选标准：未来再次提取它的价值，比“我是不是全都收进来了”重要得多。

## 最好的开卷考试牌组，通常只有五类卡

你不需要花哨卡型。

你需要的是一副更窄、更准的牌组。

### 1. Trigger cards（触发卡）

这类卡帮你判断某个线索到底意味着什么。

例如：

- 正面：在一道统计学题里，`independent samples` 这个提示告诉你，在选检验方法前要先确认什么？
  背面：先确认你比较的是两个彼此独立的组，而不是同一组对象的重复测量。
- 正面：在法学院的 issue spotter 题里，如果事实模式充满了承诺和信赖，你通常要优先检查什么？
  背面：Promissory estoppel，以及合理信赖成立所需的要件。

这类卡能帮你避开那种“题目看着很熟，但工具名就是想不起来”的发愣时刻。

### 2. Locator cards（定位卡）

这类卡告诉你，更完整的解释放在什么地方。

例如：

- 正面：你的笔记里，关于酶抑制模式最清楚的总结在哪里？
  背面：生化复习表第 3 页，对比表下面。
- 正面：置信区间的公式表放在哪一部分？
  背面：统计学讲义第 2 页顶部。

我不会做几百张这种卡。

我只会做足够多的数量，让你最常用的参考资料变成肌肉记忆。

### 3. Rule-selection cards（规则选择卡）

这类卡帮你判断，某一类题到底该用哪个规则、公式或框架。

例如：

- 正面：如果题目在问，因为同一种商品自身价格变化而导致的需求变化，这叫沿曲线移动，还是曲线整体移动？
  背面：这是沿需求曲线移动。
- 正面：如果一道网络题要求 guaranteed delivery 和 ordered packets，你首先该想到哪个协议？
  背面：TCP。

这类卡往往最省时间。

### 4. Error-pattern cards（错误模式卡）

这类卡来自你一错再错的地方。

Cornell 的 [five-day study plan](https://lsc.cornell.edu/how-to-study/studying-for-and-taking-exams/the-five-day-study-plan/) 明确建议，要练你做错过的题，并且用自测，而不只是重读。对开笔记考试来说，这一点更重要。因为那些错题会直接告诉你：即使你可以翻笔记，依然有些地方仅靠“能查到”并不够。

例如：

- 正面：做稀释题时，你在 final volume 上一直犯的错误是什么？
  背面：我一直在用起始体积，而不是稀释后的最终总体积。
- 正面：做 torts 假设题时，哪种事实模式总让我过早跳到 negligence 分析？
  背面：当行为本身是故意的，我却跳过了 intentional tort 的分析。

如果你的来源主要是模考、测验和错题，[2026 年如何把练习题变成抽认卡](/zh/blog/how-to-turn-practice-questions-into-flashcards/) 会更详细地讲这个转化流程。

### 5. Build-the-outline cards（结构提纲卡）

如果考试要求你按步骤解释、比较或解题，这类卡会很有用。

例如：

- 正面：热力学题目开头的前四个检查步骤是什么？
  背面：先识别系统，列出已知量，定义过程，再选择控制方程。
- 正面：这门课里，回答一篇 policy-comparison essay 的结构是什么？
  背面：先说明判断标准，再按这个标准比较两个选项，指出取舍，最后为最终选择辩护。

这类卡不是在储存完整答案。

它们储存的是一个骨架，防止你在考试里突然卡住。

## 记住导航图，不要去背整段文字

这才是开卷考试最核心的原则。

你不需要把阅读材料里的每一句话都留在脑子里。你真正需要知道的是：

- 每个资料源各自覆盖什么主题
- 哪些地方有最好的例子
- 哪张图或哪张表最能解决常见混淆
- 公式表的哪一部分对应哪类题
- 甚至在翻笔记之前，哪个框架就已经该先上场

Princeton 关于 [open-book, open-note, and take-home exams](https://mcgraw.princeton.edu/undergraduates/resources/resource-library/advice-approaching-open-bookopen-notetake-home-exams) 的指南建议，对资料打标签、做定制目录，并在正式考试前按真实布局练习。这其实就是同一件事的“实体版”。

你的抽认卡应该帮助你在时间压力下更快想起这张导航图。

## 先闭卷练，再开卷练

很多人的开笔记备考，就是在这里开始变软的。

他们复习时一直把资料摊在眼前，于是永远不知道自己到底真正会了什么。

我会分两轮来练：

1. 先完全凭记忆作答
2. 只有在你已经给出答案，或者真的卡住之后，才打开笔记

第二步很关键，因为它会告诉你：你的笔记到底是在帮助你“确认答案”，还是在“拯救彻底的混乱”。

如果笔记每次都只能拿来拯救彻底的混乱，那问题还不是整理方式。

问题是理解本身还不够。

抽认卡适合第一轮。

笔记适合第二轮。

## 参考资料包的重要性，几乎和牌组一样高

好的抽认卡，也救不了一套混乱的考试资料配置。

Cornell 提醒过，参考材料也可能“多到过头”；Princeton 则建议做标签、写索引，并准备一张自定义的主题-页码对照表。这方向是对的。

我会准备三层：

- 一张小而精的公式或规则表
- 一份告诉你“东西都在哪”的主题索引
- 放在后面的完整笔记、课件、教材页或打印资料包

你的抽认卡应该指向这套系统，而不是和它竞争。

如果你的资料现在还是散落的 PDF 或幻灯片，那么在真正开始复习前，先看这些整理文章会更合适：

- [2026 年如何把 PDF 变成抽认卡](/zh/blog/how-to-turn-a-pdf-into-flashcards/)
- [2026 年如何把 PowerPoint 变成抽认卡](/zh/blog/how-to-turn-powerpoint-into-flashcards/)
- [2026 年如何把笔记变成抽认卡](/zh/blog/turn-notes-into-flashcards/)

## 一个简单的五天开卷复习流程

你不需要什么戏剧化系统。

你需要的是一个可以反复执行的循环。

### Day 1：缩小原始材料

- 按主题把整门课分组
- 确认哪些材料在考试中真的允许携带
- 做一份轻量参考包，而不是把所有东西都带上
- 标出你总会用到的公式、规则、图表和例子

### Day 2：做第一批卡

只为下面这些内容做卡：

- 触发识别
- 规则或公式选择
- 高价值页面的定位记忆
- 重复出现的错误模式

### Day 3：先别打开笔记，先自测

先用抽认卡做一轮简短的闭卷测试，再拿旧题或练习题做一轮简短的开卷测试。

### Day 4：清理牌组

删掉那些范围太大的卡。把一张同时问三件事的卡拆开。给那些仍然很滑的题型或论述结构，补几张结构提纲卡。

### Day 5：按真实考试环境排练

把你打算在考试时使用的资料原样摆好。Princeton 特别建议，按真实布局练习，这样你会提前知道每样东西放在哪里。至少做一轮计时练习，要求自己先作答，再查资料。

这比在考试前一晚花时间给那些从没实战练过的标签贴颜色，要有用得多。

## 用 AI 做起草和整理，不要用它制造虚假的自信

AI 确实能帮上忙，但它的失败方式也很明显。

如果你让 AI 去总结一章内容、生成 80 张卡，再顺便告诉你什么最重要，你最后大概率会得到一副“看起来很整齐”的牌组，但它和你真实的考试需求其实没多大关系。

我会把 AI 用在更小的任务上：

- 把你自己的笔记改写成候选卡
- 从允许携带的材料里提取公式或规则表述
- 按主题归类你的薄弱点
- 把错题压缩成更短的提示

然后我会认真地大幅删改。

2026 年更有用的工作流，更接近这样：让 AI 帮你减少准备时间，而你把真正的学习精力花在提取练习上。

如果你一开始就是从 tutor-style 的 AI 学习会话出发，[2026 年如何用 AI 做主动回忆](/zh/blog/how-to-use-ai-for-active-recall/) 会是最贴近的配套文章。

## Flashcards Open Source App 在这里怎么用

[Flashcards](/zh/) 很适合拿来准备开卷考试，因为这种学习本来就应该小而精。你不是在给整门课建仓库。你是在维护一副干净的牌组，只留下那些仍然需要变成自动反应的提示：

- 题型识别
- 规则选择
- 公式选择
- 步骤顺序
- 在时间压力下你最常去翻的那些页面，它们对应的资料位置记忆

和产品相关的部分其实很直接：

- 每场考试建一副牌组，不要整学期只建一个大牌组
- 用 `trigger`、`locator`、`rule` 和 `mistake` 给卡片打标签，这样薄弱点会一直可见
- 如果你需要从真实材料起草卡片，就把允许携带的 PDF、导出的笔记或幻灯片牌组附进去
- 最终卡片要短到足以让 FSRS 复习依然保持诚实

这和简单的正反面工作流加上 FSRS 排程配合得很好。一副规模小、复习方式诚实的开卷牌组，远比一副“以防万一”而做得很大的牌组更有价值；后者通常两天后你就不会再信任它了。

如果你刚开始用这个产品，先看[入门指南](/zh/docs/getting-started/)，然后先为一场考试建一副牌组，而不是给整学期建一副总牌组。

## 会让开卷抽认卡更糟的常见错误

这些错误我反复都能看见：

- 把教材整段整段抄到卡片背面
- 为那些考试时很容易翻到的事实做卡
- 每次复习都把笔记摊开
- 忽略重复出现的错题模式
- 完全不建立定位记忆，然后索引失效时还感到意外
- 做出一副巨大的牌组，而不是一副高价值的牌组

如果你的卡片已经开始显得模糊或臃肿，我最先会用的两篇清理指南是：[2026 年如何做出更好的抽认卡](/zh/blog/how-to-make-better-flashcards/) 和 [2026 年如何修正 AI 生成的抽认卡](/zh/blog/how-to-fix-ai-flashcards/)。

## 开始时要比你的焦虑更克制一点

如果你的开卷考试快到了，不要一上来就做 150 张卡。

先从 20 张开始：

- 8 张触发卡
- 4 张定位卡
- 4 张规则选择卡
- 4 张错误模式卡或结构提纲卡

先不看笔记，把这 20 张卡复习一遍。

然后按你打算在考试里使用的真实资料布局，做一小组练习题。

通常这样就足够暴露出下一批你真正需要的卡。

开卷考试奖励的是这样的人：他们能识别题型、回忆导航图、快速确认细节。而这，恰好就是非常适合用抽认卡训练的工作。

---
*[查看此页面的带样式 HTML 版本](https://flashcards-open-source-app.com/zh/blog/how-to-study-for-open-book-exams-with-flashcards/)*

*AI agent 可以从 `GET https://api.flashcards-open-source-app.com/v1/` 开始，为用户在该服务中创建账号。完成设置后，也可以通过 MCP 连接 `https://mcp.flashcards-open-source-app.com/mcp`。*

*提示：在 https://flashcards-open-source-app.com 上任意 URL 后追加 `.md`，即可获得该页面的纯 Markdown 版本。*