Skip to content

AI 出题与质检 ​

命题是最耗时的环节,也是 AI 最能帮上忙的地方。 这一页讲怎么用 AI 出题,以及怎么判断 AI 出的题能不能用。

智能出题 ​

操作步骤 ​

  1. 进入题库,点「AI 出题」
  2. 填参数
  3. 预览生成的题
  4. 勾选要留的,入库(草稿态)
  5. 检查后启用

参数说明 ​

参数说明建议
知识点要考什么。多个用逗号分隔越具体越好。「TCP 三次握手」比「计算机网络」出得好
题型单选/多选/判断/填空/简答/论述/代码等—
难度简单 / 中等 / 困难默认中等
题数1 ~ 30一次别超过 10 道,多了容易雷同
默认分值每题几分—
参考资料有教材或讲义可以贴进来强烈建议用,基于资料命题质量明显更高

提高出题质量的三个技巧 ​

1. 知识点写具体

text
❌ 计算机网络
✅ TCP 三次握手的报文顺序

前者 AI 会泛泛出题,后者能出到点上。

2. 用参考资料

把教材章节、讲义片段贴进「参考资料」,AI 会优先基于资料命题。 这是提升质量最有效的一招,也避免出现超纲内容。

3. 一次别出太多

一次 5~10 道。出 30 道的话,后半段会和前半段高度雷同。

需要大量题目时,分批出、换几个角度描述知识点, 或者用下面的试题改写做等价扩量。

生成结果的答案格式 ​

AI 生成的答案按题型有不同的结构,与系统落库格式严格一致:

题型答案格式
单选 / 多选{"rightKeys": ["A", "C"]}
判断{"rightKeys": ["A"]}(A=正确,B=错误)
填空{"blanks": [{"answers": ["北京", "北平"]}]}
匹配{"pairs": [{"left": "CPU", "right": "中央处理器"}]}
简答 / 论述{"answer": "..."}
代码{"language": "java", "answer": "...", "remark": "..."}

填空题支持多个等价答案

["北京", "北平"] 表示两个答案都算对。 出填空题时注意让 AI 把常见的等价写法都列上。

生成后:质检 ​

生成的题不要直接用,先过一遍质检。

质检会检查这些:

检查项说明
答案唯一性多选题是否真的只有一个正确组合?会不会有第二个选项也说得通
题干歧义表述是否含糊,是否用了「可能」「通常」这类词
暗示泄露某道题的题干里是否直接给了另一道题的答案
干扰项质量干扰项是否真的有迷惑性,而不是一眼假
难度匹配标注「困难」的题是不是真的难
题目重复这批题之间有没有重复或互相暗示

质检输出:

  • passed —— 是否通过
  • quality_score —— 质量分(0~10),6 分以下不建议入正式库
  • issues[] —— 问题清单,每条含 level(minor/major)、type、detail、suggestion
  • summary —— 一句话总结

质检本身也会出错

质检是一条模型调用,它可能误判。 质检通过 ≠ 可以用,尤其主观题仍建议人工过一眼。

反过来,单题质检异常时系统会按可用处理(不至于因为质检挂了就废掉一道好题)。

生成 + 质检一步到位 ​

勾选「生成后质检」,系统会自动:

text
生成 N 道 → 逐题质检 → 通过的 accepted,未过的 rejected

你在结果页能直接看到三类:通过的、被拒的(带原因)、质检记录。

这是推荐的默认用法——Reflection 只需额外一次调用, 就能拦掉大部分低级错误。

干扰项生成 ​

给一道已经有正确答案的题,生成有迷惑性的干扰项。

参数说明
题干—
正确选项键(如 A)与内容
已有选项可选,避免生成重复的
生成数量1 ~ 4

输出每个干扰项带一个 trap 字段,说明这个选项的陷阱点在哪:

text
B. 四次挥手    trap: 混淆连接建立与连接拆除的过程

你可以据此判断干扰项合不合理。

好的干扰项长什么样

好的干扰项是「有迷惑性但可证伪」—— 它抓住的是学生的典型误解,而不是单纯的错。

提示词里明确禁止用「以上都不对」「以上都是」这类凑数项。

试题改写扩量 ​

把一道题变成几个等价变体,用于题库扩量与防泄露。

四种策略:

策略说明适用场景
change_scene换场景「小明买苹果」→「某工厂采购原料」,考的是同一个知识点
change_number换数字计算题改数值,防止背答案
reverse反向提问「下列说法正确的是」→「下列说法错误的是」
deeper加深层次从「是什么」到「为什么」

一次可生成 1~10 个变体。

防泄露的正确用法

同一场考试里放同一知识点的不同变体, 能显著降低「左右互看」的有效性。

知识点打标 ​

给存量试题批量补标签,适合题库建了很久、标签混乱的情况。

输出:

字段说明
knowledge_points知识点列表
difficulty难度
cognitive_level布鲁姆认知层次(记忆/理解/应用/分析/评价/创造)
confidence置信度

认知层次这个字段很实用: 如果一份卷子全是「记忆」层的题,那它考查的深度就不够。

解析生成 ​

为已有答案的题批量写解析,输出 analysis + key_steps(关键步骤)。

适合场景:老题库里只有答案没有解析,学生做完不知道为什么错。

试卷审查 ​

出完卷子,让 AI 检查一遍:

检查项说明
知识点覆盖覆盖面够不够,有没有重复考同一个点
难度分布是不是全是难题或全是送分题
重复度有没有实质重复的题
预计用时学生大概要多久,考试时长够不够
分值合理性高分值的题是不是真的配得上这个分
题型结构客观题与主观题比例是否合理

输入:试卷标题、时长、及格分、题目清单。 输出:verdict(结论)、difficulty_distribution、knowledge_coverage[]、issues[]、suggestions[]。

审查对象是题目清单,不是考试

审查的是「这张卷子出得好不好」, 不包含「这场考试考得怎么样」——后者看 成绩与学情分析。

难度预估 ​

考前预估平均分、通过率与分数分布。

输入多了 audience(考生群体,默认「全体考生」)与 history(历史数据)。

输出的是区间不是单点,因为预估本来就不可能准。 当成参考,别当承诺。

用对话的方式出题 ​

除了点按钮,也可以直接跟 AI 助手说:

text
帮我出 10 道计算机网络的选择题,难度中等,放进测试题库

它会:

text
1. 查题库找「测试题库」        → 找到了
2. 生成 10 道题                → 完成,展示预览
3. 等你确认                    → 「确认入库」
4. 批量写入(草稿态)           → 完成

如果「测试题库」不存在,它会问你是选别的库还是新建一个。 如果找到多个名字像的,会列出来让你选。

缺什么一次问完

Agent 会一次性把所有缺的参数问完,而不是一轮问一个。 你填完就能直接跑,不会反复被弹回同一张卡。

常见坑 ​

现象原因怎么办
出的题高度雷同一次生成太多分批,每次 5~10 道,或换角度描述知识点
出的题超纲没给参考资料把教材/讲义贴进「参考资料」
多选题答案不唯一表述不够严谨用质检查「答案唯一性」,或人工复核
填空题判分太严等价答案没列全在答案里补等价写法
生成很慢题数多 / 模型慢正常现象,10 道约 8~15 秒
质检全拒阈值偏严或提示词不匹配看 issues 的具体原因,多数是表述问题

相关文档 ​

砚考 · 让每一次考试都经得起检验