AI Question Generator

SKILL.md

---
name: question-generator
description: "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"
agent_created: true
---

# 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](references/bloom-taxonomy.md) 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](references/question-types.md)。

#### 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](references/quality-checklist.md)。

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](references/question-types.md)。

## 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