quiz.json测验体系ai-engineering-from-scratch如何设计511份课后测验【免费下载链接】ai-engineering-from-scratchLearn it. Build it. Ship it for others.项目地址: https://gitcode.com/GitHub_Trending/ai/ai-engineering-from-scratchai-engineering-from-scratch 是一个从零基础到生产级 AI 工程的开源课程仓库它用统一格式的 quiz.json 为 500 多个课时设计了 511 份课后测验——每节课讲完都能被一套学完即测的题目闭环检验。目前仓库中已入库 406 份测验文件phases/课程主体 373 份 认证课程 33 份累计 2435 道题目并配有自动审计脚本和选项去偏工具让测验质量可以像代码一样被持续维护。一、测验在哪里每个课时一份 quiz.json课程按 20 个阶段Phase组织从00-setup-and-tooling环境搭建一路到19-capstone-projects毕业项目。每个课时目录都遵循同一套约定docs/en.md课程正文code/可运行代码quiz.json课后测验例如反向传播这一课测验就放在 phases/03-deep-learning-core/03-backpropagation/quiz.json。题目不是泛泛的你知道反向传播吗而是直接考本课的核心结论为什么 sigmoid 深层网络会出现梯度消失——答案是sigmoid 导数上限 0.25梯度逐层指数缩小解析里还给出了 10 层后只剩 0.25¹⁰ ≈ 0.000001 的具体演算。这种题目贴着一节的具体知识点的设计是 511 份测验的共同特征。二、一道题的 5 个字段quiz.json 的标准结构全部题目共用一个极简 Schema只有 5 个字段字段作用约束stage答题时机pre/post/check决定题目出现在学前还是学后question题干非空options选项列表26 个correct正确选项下标必须在 0N-1 范围内explanation答案解析答完即展示文件层面兼容两种外层格式顶层直接是题目数组如 03-backpropagation/quiz.json或包一层{questions: [...]}的对象如 01-dev-environment/quiz.json。认证课程的测验还会额外携带lesson和title字段方便站点渲染见 certifications/claude/lessons/01-claude-product-and-model-landscape/quiz.json。三、pre / post / check 三段式先摸底、再验收stage字段把每份测验拆成三个环节这是整个体系最巧妙的设计pre学前测开课之前先答摸清你的基础。比如为什么 AI 项目需要独立的虚拟环境答不上来说明前置知识有缺口。post学后测讲完立刻验收如四层环境栈中哪一层必须最先安装check课中检验认证课程使用穿插在关键决策点考的是选型判断而非记忆例如受监管应用必须走 Azure 体系时哪条路径是最强起点全仓库 2435 道题的分布大致均衡pre 657 道、post 926 道、check 852 道——学前的摸底与学后的验收几乎各占一半形成先测后学、学完必测的闭环。四、选项位置去偏正确答案不再总在第 2 位 初版测验有一个隐蔽问题61.5% 的题正确答案都放在 B 选项下标 1——闭着眼选 B 就能对一大半。为此项目专门写了 scripts/debias_quizzes.py 一次性重写选项顺序思路很讲究确定性打乱用文件路径 题干做 SHA-256 种子生成随机数重跑结果字节级一致幂等不会让题库每次变脸语义保护凡是选项里带all of the aboveboth A and B这类位置指代debias_quizzes.py#L29-L35 的正则的题目跳过不动避免打乱后语义错乱CI 友好--check模式只报告分布不写文件保证任何正确答案扎堆的 PR 都会在检查中暴露。五、自动审计quiz.json 的 Schema 校验规则scripts/audit_lessons.py 对整个课程做不变量检查其中针对测验的规则check_quiz 函数包括规则号检查内容L006quiz.json 必须是合法 JSON且题目非空L007禁止使用旧版字段q/choices/answer必须迁移到标准五字段L008选项数量必须在 26 个之间L009correct必须是 options 的合法下标配合目录命名、docs/en.md存在性、内链可达等检查任何一份格式漂移的测验都会在审计报告中被点名——测验体系靠机器审稿保持 500 多课时的一致性。六、测验怎么用AI 技能驱动的测评闭环 测验不只是躺在仓库里的 JSON它们由内置的 AI 技能Skills驱动消费入学定级skills/find-your-level/SKILL.md 用 10 道定位题把你的已有知识映射到合适的起始阶段并生成带时长估算的个性化学习路径阶段测验skills/check-understanding/SKILL.md 按阶段出题8 题答错会给出解析并指回具体需要复习的课时教学循环skills/learn/SKILL.md 每节课概念 → 数学 → 代码 → 测验四步走答错的题进入复习队列。也就是说quiz.json 既是教材的一部分也是 AI 导师题库——学习进度、薄弱点、复习计划都建立在同一套结构化题目之上。写在最后quiz.json 体系最值得借鉴的三点结构极简5 个字段撑起 2400 题、质量靠工具去偏脚本 审计脚本让题库可维护、使用靠闭环pre 摸底、post 验收、check 检验答错自动指回课时。对任何想给课程加测验的团队来说这套设计都可以直接抄走。【免费下载链接】ai-engineering-from-scratchLearn it. Build it. Ship it for others.项目地址: https://gitcode.com/GitHub_Trending/ai/ai-engineering-from-scratch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
