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
- 进入题库,点「AI 出题」
- 填参数
- 预览生成的题
- 勾选要留的,入库(草稿态)
- 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
❌ 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、suggestionsummary—— 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:
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:
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:
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:
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
- 题库与试题 —— 手工建题、Excel 导入
- 试卷与组卷 —— 组卷规则
- AI 阅卷
- Skill 技能详解 —— 开发视角