AI Question Generator

AI智能出题系统。根据知识点、学习材料或主题，生成10种题型（单选/多选/判断/填空/简答/论述/计算/应用/匹配/案例分析）的多层次试题，基于Bloom分类法标注认知层次，附答案与详细解析，输出交互式HTML试卷。覆盖K12至高等教育及职业培训全场景。触发词：出题, 生成题目, 生成试题, 出几道题, 组卷, 试卷生成, 练习题, 测试题, 考试题, quiz, 生成测验, 题库, make exam, generate questions, question generator, 出一套题, 模拟试卷, 随堂测试, 单元测试, 期末试卷, 练习卷

AI智能出题系统

根据知识点、学习材料或考试主题，智能生成多种题型、多认知层次的试题，附答案与解析，输出交互式HTML试卷。

核心能力

输入知识点或材料，自动完成：

1. 知识分析：拆解知识点结构，标注核心概念与关联关系
2. 题目生成：10种题型 × 6个Bloom认知层次，按需组合
3. 答案与解析：每题附标准答案、详细解析、考点标注
4. 质量校验：答案唯一性检查、干扰项有效性验证、题干清晰度审查
5. 试卷输出：交互式HTML试卷，支持在线答题模式和打印模式

输入识别

根据输入类型走不同路径：

路径A：知识点描述型

用户给出学科 + 知识点 + 题型/数量/难度要求。 示例："帮我出10道高中物理牛顿第二定律的选择题，5道基础5道进阶"

路径B：材料导入型

用户提供学习材料文本，基于材料内容出题。 示例："根据这段关于细胞呼吸的材料，出15道题，题型不限"

路径C：主题泛化型

用户给出宽泛主题，需先细化知识点再出题。 示例："出一套初中数学期末模拟卷"

路径D：快速出题型

用户只说出题意图，用默认配置快速生成。 示例："出5道Python基础题" → 默认：单选3 + 填空2，L1-L3混合

处理流程

第一步：解析输入参数

从用户输入中提取以下参数，缺失项用默认值填充：

参数	说明	默认值
subject	学科/领域	自动推断
grade	学段（小学/初中/高中/大学/职业培训）	自动推断
topic	具体知识点	必填，无默认
material	学习材料文本	无
question_types	题型列表	["单选题", "填空题", "简答题"]
count	总题数	10
difficulty	难度分布	基础40% + 进阶40% + 挑战20%
bloom_levels	认知层次	L1-L3为主
include_answer	是否含答案	true
include_explanation	是否含解析	true

若关键参数缺失，向用户询问确认。若用户说"随便"，按默认配置执行。

第二步：知识结构分析

对目标知识点进行结构化拆解：

1. 核心概念：列出3-8个核心概念
2. 知识关联：概念间的逻辑关系
3. 常见误区：学生易错点，用于设计干扰项
4. 认知阶梯：按Bloom六层标注每个概念的可考查层次

参考 Bloom分类法出题指南 确定认知层次与题型的映射关系。

第三步：题目生成

按题型 × 认知层次矩阵生成题目。每种题型的设计规范见 题型设计规范。

生成顺序

1. 先生成高分值/高难度题型（论述题、计算题、案例分析题）
2. 再生成中等难度题型（简答题、应用题）
3. 最后生成客观题（选择题、判断题、填空题）
4. 确保知识点覆盖均匀，不集中于个别概念

每题必含字段

json

{
  "id": "Q01",
  "type": "单选题",
  "bloom_level": "L2-理解",
  "knowledge_point": "牛顿第二定律",
  "difficulty": "基础",
  "score": 3,
  "stem": "题干文本",
  "options": ["A. 选项一", "B. 选项二", "C. 选项三", "D. 选项四"],
  "answer": "B",
  "explanation": "详细解析...",
  "common_mistake": "常见错误提示"
}

干扰项设计原则

• 至少1个干扰项来源于常见误区
• 干扰项与正确答案保持表面相似性
• 避免明显错误的"凑数"选项
• 多选题的干扰项应具备部分正确性

第四步：质量校验

生成全部题目后，逐题执行质量检查。检查标准见 出题质量检查清单。

关键检查项：

• 答案唯一性：选择题是否有且仅有一个最佳答案（多选题除外）
• 题干完整性：是否包含解答所需的全部信息
• 选项独立性：选项之间是否有逻辑包含关系
• 难度一致性：同难度档的题目实际难度是否均衡
• 知识覆盖：是否覆盖第二步识别的核心概念

若发现问题，直接修正后重新校验。

第五步：生成HTML试卷

调用生成脚本输出交互式HTML试卷：

bash

PYTHONUTF8=1 PYTHONIOENCODING=utf-8 python scripts/generate_quiz.py --data '<JSON数据>' --output quiz.html

或将题目JSON数据通过 stdin 传入脚本。脚本路径：scripts/generate_quiz.py

HTML试卷功能：

• 答题模式：可作答、自动判分（客观题）、查看解析
• 打印模式：隐藏交互元素，优化排版
• 答题卡：侧边导航，快速跳转
• 答案折叠：默认隐藏，点击展开
• 难度标注：每题标注认知层次和难度
• 知识点统计：底部展示知识点覆盖分布

题型速览

题型	Bloom层次	适用场景	分值参考
单选题	L1-L4	概念辨析、基础知识	2-3分
多选题	L2-L5	综合理解、知识关联	4-6分
判断题	L1-L2	快速检测、概念判断	1-2分
填空题	L1-L3	关键术语、计算结果	2-3分
简答题	L2-L4	原理阐述、过程说明	5-8分
论述题	L4-L6	深度分析、批判思维	10-15分
计算题	L3-L5	数学/物理/化学计算	8-12分
应用题	L3-L5	实际问题求解	8-12分
匹配题	L1-L3	概念关联、分类对应	3-5分
案例分析题	L4-L6	综合应用、专业判断	15-20分

各题型的详细设计规范、题干模板和范例，参考 题型设计规范。

快速参考

默认难度分布

难度	Bloom层次	占比	目标
基础	L1记忆 + L2理解	40%	检验基本概念掌握
进阶	L3应用 + L4分析	40%	检验知识运用能力
挑战	L5评价 + L6创造	20%	检验高阶思维能力

学段适配

学段	默认题型偏好	难度上限
小学	单选/判断/填空/应用	L3
初中	单选/填空/简答/计算	L4
高中	全题型	L5
大学	全题型+案例分析	L6
职业培训	单选/多选/判断/案例	L5

输出规范

最终交付物为HTML试卷文件。JSON中间数据可选保存。

试卷结构：

1. 卷头：试卷标题、考试信息（学科/学段/总分/时长）
2. 答题卡：题号导航
3. 试题区：按题型分组，每题含题干、作答区、答案（折叠）、解析（折叠）
4. 统计区：知识点覆盖、难度分布、Bloom层次分布

质量底线

以下为不可违反的质量底线，违反时必须修正：

1. 答案正确：每道题的答案必须经过验证，确保准确无误
2. 题干自洽：题干包含解答所需的全部已知条件，不依赖外部信息
3. 选项有效：选择题至少3个干扰项，每个干扰项有合理的错误来源
4. 解析充分：解析不仅说"选B"，要说明为什么选B、其他选项为什么错
5. 认知标注：每题标注Bloom层次，且标注与实际题型匹配
6. 无重复：同卷内不出現知识考点完全相同的重复题