近日，我校历史教研组在组长李玲玲老师组织、文玫老师主导下，完成覆盖《历史》课程的试题库建设，并落地“知识库检索增强生成+自然语言指令解析”的AI组卷模式，实现了从传统命题到智能命题的范式转换。

    一、建库：近6000道试题形成结构化知识底座

    教研组逐课梳理教材重难点，为每课配置单选题、填空题、判断题、论述题、材料分析题，总题量近6000道，配套编制《历史教材重点难点索引》。

    题库建设同步完成三重标注：知识点归属、能力层级（识记/理解/分析）、难度系数。其中，识记指向基本史实的时间、人物、事件；理解考查历史概念的内涵、因果与比较；分析要求学生运用史料进行推断、评价和阐释。标注后的题库与重难点索引共同构成AI系统的结构化知识库，使AI可精准识别每道题的认知维度，为后续的智能调度提供数据基础。

    二、组卷：指令即试卷，认知维度可精确调配

    教师打开组卷链接，以自然语言输入考试范围、题型与题量，系统即自动完成选题、赋分、排版，分秒级生成完整试卷。

    系统的技术路径为：将教师指令解析为结构化检索参数，在题库中匹配符合知识点和能力层级要求的题目；当库内题目不足以满足指令要求时，系统基于重难点索引生成新题。组卷完成后，系统自动执行质量校验，覆盖考点去重、题干答案线索屏蔽、客观题排他性验证三个环节。

    能力层级的调配是这一模式的核心突破。随堂检测侧重识记与理解，期中期末考试逐步提高分析类题目占比，形成与学习进阶同步的难度梯度。教师可通过自然语言指令调整能力层级比例，系统便会优先匹配相应认知维度的试题，试卷结构透明，便于复核。

    三、效应：命题逻辑的根本性改变

    这一模式带来的不是效率的量变，而是命题逻辑的质变。

    第一，命题从经验驱动转向数据驱动。传统出卷依赖教师个人对考点分布和难度比例的判断，AI组卷则以标注数据为依据，自动执行考点去重和能力层级配比，消除人工组卷中常见的考点扎堆与难度失衡。

    第二，题库从封闭资源变为安全共享的基础设施。组卷端通过链接使用，不接触源文件；维护端统一更新，所有教师即时同步。题库由个人资料转变为学科资产。

    第三，试卷从检测工具升维为教学诊断依据。能力层级标注使每份试卷成为认知目标的可视化映射，教师可据此反向审视教学重点的落实情况，推动“教—学—评”一体化的落地。

    目前，该系统已用于随堂检测、单元过关和期中期末考试。教研组后续将扩充题库规模，并探索AI在学情分析与个性化学习路径推荐中的应用。

基础教学部  供稿

拟稿：文玫

核稿：李嘉曦

审核：葛惠伟