出题质量是怎么保证的

那是渲染或公式写法的问题，不是答案的问题，处理办法见[公式与作图](/docs/practice/math-and-tikz/)。

一道题交到你手上之前要过两道关：出题模型按你库里的知识点生成，第二个模型再独立做一遍、对一遍账。查出问题的题当场改，改不动的打回重出。

出题的范围是你定的

每次出题下发给模型的东西是固定的这几样：

所以知识点释义写得越具体，出的题越贴。写成光杆词条，模型只能往通用的方向写。

要对标某一类考试，把考试名称、题型配比、难度要求写进这个库的出题侧重点，出题每次都会照着这个规格走：「难度对标历年真题的综合题」「题干与选项用英文，解析用中文」都是有效的写法，见知识库信息怎么填。

题生成出来不直接交给你，先交给第二个模型审。分两步，顺序是刻意排的。

第一步，盲解。 只给题面和选项，不给标准答案，让它自己作答一遍，顺带评估这道题的难度。它要是回「无法作答」——缺条件、缺图、题干自相矛盾——这道题直接打回重出，不进第二步。

第二步，对账。 这时才把标准答案、讲解、知识点释义和你要求的难度抛给它，逐项核：

先盲解再对账，是因为模型有维护自己结论的倾向：先让它给出自己的答案，再看到一个不一样的标准答案，它会去较真；顺序反过来，它多半跟着标准答案附和，错题就漏过去了。

审完是三种结果：没问题原样放行；小毛病当场改，按原题型的格式把修正后的题面、答案或讲解回传；设计上有硬伤、改不动就打回重出，重出的题再审一轮。

单选、多选、判断、填空、简答这五种题型，每一道都走这一轮。

最终采用的题会再异步送一个专做判断的模型打分：答案是否有误、是否脱离知识点、题干是否泄露答案、讲解是否自相矛盾、说了「如图」却没有图。

这一轮只记录，不改你手上的题。它是用来发现某个题型、某类学科上反复出现的问题，回过头改出题策略的。

每道题旁边都有「AI 讨论」：练习中、批阅页、练习回顾和错题本里都有。写下你的疑问，AI 会对照题干、选项、答案和讲解逐条复核，确实错了会认，并给出正确的那个，同时留一条记录交平台核查。讨论不扣题数。

如果这个库是你建的，问题又出在知识点释义上（漏了条件、范围写偏了），讨论里可以直接让它提议改释义，你同意就当场改，之后这个知识点的出题按新释义走。完整用法见AI 讨论这道题。

不会。出题时会把这个知识点、这种题型下你最近做过的 8 道题面一并下发，提示模型避开。

练得多了确实会遇到考法相近的题，那是因为一个知识点能考的角度有限，不是在重复同一道。想换角度，把释义写细一点，或者换个题型：同一个知识点出成填空和出成多选，考的不是一回事，见七种题型怎么选。

不会乱改。它得先不看答案把这道题独立解一遍，再和标准答案对账，认定对不上才动手。改动还要过一道结构校验：回传内容不合法（选项少于两个、答案下标越界、答案为空）就整个弃用、保留原题，题型和字段它动不了。二审自己超时或解析失败时，同样放行原题。

在那道题上点「AI 讨论」让它展开讲最快，问多少轮都不扣题数。想让以后出的题都讲得细，把这个要求写进知识库的出题侧重点，它每次出题都会带上。

题是每次现场生成的，而且候选知识点按各人的熟练度和复习到期情况挑，起点就不同。同一个人练第二次，拿到的也不是上一次那份。

多半是知识点释义写得太宽。出题只看释义里写了什么，释义写「函数」，它就可能出到你还没讲的那部分。把范围、关键规则、易错点写进释义，或者在出题侧重点里写明不考什么。改法见编辑知识库。

那是渲染或公式写法的问题，不是答案的问题，处理办法见公式与作图。

打开懒人学霸　注册即用，建库免费，新账号送 10 题。