把 1998 年的英国电视游戏节目《Who Wants to Be a Millionaire》搬进课灵的全过程复盘 —— 技术复刻不难AI 出题才是真正的门槛。在课灵上复刻《谁想成为百万富翁》游戏一、为什么是 “百万富翁”《Who Wants to Be a Millionaire》—— 是由英国独立电视台制作的一款电视游戏知识问答节目15 道题每题 4 个选项难度递增答错出局达到安全线可以保底奖金阅读百度百科《百万富翁》了解详细内容。这个节目 1998 年首播到今天还在播。它能活 27 年本身就不寻常。我后来想明白了为什么 —— 它把答题包装成了一场小型的英雄之旅。顺便提一下国内能连播 27 年的节目我掰着手指数了除了春晚就没几个。知识竞技这种 “硬内容” 能跑这么久本身就是件值得琢磨的事。具体说它的结构值得拆一拆即时反馈选完答案立刻知道对错。行为主义学习理论最基本的强化循环。难度阶梯从常识到专业层层递进。暗含维果茨基的 “最近发展区”—— 你够一够就能到但下一题总会要你多走一步。风险决策见好就收还是搏一把这种 “该不该继续” 的判断本身就是高阶思维训练。求助系统打电话、问观众。本质是训练 “你知道谁知道”—— 元认知的经典问题。我在课灵中复刻了这个游戏技术上用的是一款现成的 HTML5 游戏引擎背景、角色、按钮、音效全部内置渲染效果相当到位。引擎跑起来只用了半天。真正难的是出题。二、15 道题人类出题者的噩梦让我们面对现实出一整套的百万富翁题目是相当困难的。你需要的不是 15 个随机问题而是一条有讲究的难度曲线。Q1 要简单到让人产生 “我能行” 的错觉Q15 要难到让大家都要查一下。中间每一级都是一个小型的心理博弈 —— 上一题给你信心下一题就让你自我怀疑。而且每道题需要 4 个选项1 个正确答案 3 个干扰项。干扰项不是随便写的 —— 它们必须看起来 “有可能是对的”但又经不起推敲。这本质上是在模拟认知冲突让学习者在几个貌似合理的答案之间做判断。我们的用户大多是教师和课程设计者。他们懂内容但不是题库专家。手动输入 15 题 × (1 题干 4 选项) 75 个文本框难度递增全都靠感觉干扰项质量参差不齐。所以很自然地我们把目光转向了 AI。三、AI 出题第一次翻车第一次测试很简单 —— 给 AI 一个主题让它返回 15 道题。结果令人失望。AI 确实生成了 15 道题但问题很多难度几乎一样区分度极低同一个领域内反复问 “第一个是什么”“最大的是哪个”“作者是谁”。干扰项要么太明显“中国的首都是A. 北京 B. 月亮 C. 火星 D. 太阳”要么根本不合理。这说明一个核心问题AI 不理解什么叫 “难”。对人类来说“Q15 应该比 Q1 难得多” 是一个直觉判断但对大语言模型来说“难” 是一个相当模糊的概念。它会默认把自己训练数据中最常出现的问题当作 “正常” 的把稍微少见一点的当作 “难” 的 —— 这和人类对难度的感知完全不同。我自己盯了半小时 AI 的输出才意识到问题在更深一层我们根本没告诉 AI 一个 “难” 的客观标准。我说 “难一点”但凭什么是文字更长是概念更多还是需要跨领域推理于是我们开始系统性地思考什么让一个问题变得 “难”四、用 Bloom 分类法给 AI 一个 “难度坐标系”教育领域有一个经典框架叫Bloom 认知分类法它把认知过程分为六个层次布鲁姆分类法Bloom’s Taxonomy是一个分层框架用于分类教育目标和学习成果Bloom 分类法给了我们一个可量化的 “难度坐标系”。但我们最初的做法是把它变成一个用户可以选择的难度滑块入门、基础、进阶、专业、专家五选一。这带来一个逻辑上的矛盾如果用户选了 “入门”Q1 到 Q15 都是入门级 —— 那 Q15 也太简单了。如果用户选了 “专家”Q1 就是学术争论 —— 那还有什么 “热身” 可言真实的百万富翁游戏Q1 偏容易Q15 偏难。难度不在 “整体档位”而在曲线的斜率。很快我意识到我们一直在做错一件事 —— 试图让 “难度” 成为一个用户可调的旋钮但它其实应该是游戏本身的属性。所以我们做了一个关键决定移除难度选择器把难度曲线直接写在游戏设计里。现在每一套题都有固定的 Bloom 进阶路径这个设计的妙处在于用户不再需要选择难度。他们只需要输入主题 —— 比如 “中国近代史” 或 “分子生物学基础”——AI 自动在主题内按 Bloom 层次爬坡。Q1 是入门级的常识入口Q15 到该主题里比较深的认知层次。效果令人满意。Q1 稳定在常识水平而 Q15 则是 “证据最能反驳”“古人是怎么看待这个概念” 一类需要辩证思考的深层问题。我们发现AI 每一级都能有比较明显的认知跃迁。但真正的突破来自 禁止行为清单。我们发现告诉 AI 什么不能做比告诉它做什么更有效。每个题目块都有自己的禁区— Q6-Q9禁止纯事实回忆。禁止 是什么 / 谁是 / 哪一年— Q10-Q12禁止一切 是什么 / 谁 / 哪一年 / 第一个 / 最大的。禁止纯定义。每题必须分析或评价— Q13-Q15禁止一切简单回忆。如果非专业人士能答对重写。干扰项必须代表真实学术立场这种 负面约束 比正面描述更好用。AI 很难理解 让问题更难一点但它清楚地知道 不能做 的是什么。五、不止是出题用户体验的 最后一公里AI 出题再聪明也会出现问题 —— 把冗余的诗说成直白的把晦涩的事实安在错误上。所以我们设计了一套让用户能够轻松把关的交互预览优先不直接填入生成后不直接覆盖编辑框而是弹出一个预览窗口15 道题的题干和正确答案一目了然。用户可以先审阅满意了再批量填入。只展示正确答案我们刻意隐藏了干扰项预览中只显示题干和正确答案。这是基于认知负荷理论审核 15 道题已经够累了如果再让用户检查 45 个干扰项的质量他们只会略过直接点 “保存”。点击即编辑预览里每个题目和答案文本都是可修改的 —— 点一下输入框回车保存。同时有数字计数器题目 45 字、答案 8 字防止文本太长破坏排版。一键重新生成不满意点 “重新生成”相同参数再调一次 AI。课灵百万富翁游戏审查 AI 生成的题目与正确答案六、从复刻到创作回顾整个过程值得记一下的发现是技术复刻很简单内容创作才是真正的门槛。把百万富翁的游戏引擎跑起来半天。把出题体验打磨到可用两天。而这两天里大部分时间不是在写代码而是在思考三个问题 ——“什么让问题变难”“用户如何信任 AI 生成的内容”“如何降低把关的认知成本”。让我意外的一个发现是一个游戏的设计约束比 AI 的能力更重要。我们最初试图让用户选择难度等级但这创造了一个两难局面 —— 入门级的 Q15 太容易专家级的 Q1 太难。直到我们意识到真正的百万富翁游戏根本不是 选难度而是 固定难度曲线——Q1 偏友善Q15 偏残酷 —— 一切才豁然开朗。把这条曲线固化在规则里比任何复杂的参数都有效。Bloom 认知分类法给了我们一个可复用的坐标系在多个领域都能用的范例。无论是中国历史、分子生物学、还是流行音乐AI 都能沿着同样的认知阶梯生成从 入门 到 评价 的问题。但这离完美还很远。AI 偶尔还会在 Q10-Q12 段偷偷塞入 哪个时期 这种纯回忆题。干扰项的质量在 Q13-Q15 段上仍有提升空间。可行的方向是让多个 AI Agent 互相校验 —— 一个出题一个评价难度一个检查格式合规。那将是下一个阶段的事。七、写给同样在折腾 AI 出题的你如果你也在做类似的事下面几条是我这段时间里反复验证过的第一别让 AI 选难度把难度定在规则里。第二告诉 AI 什么不能做比告诉它做什么更有效。第三审核体验比生成质量更影响留存。让用户能 30 秒看完 15 道题比让 AI 把 15 道题生成到 100 分更重要。《谁想成为百万富翁》这个游戏功能现已在课灵中推出了欢迎来课灵创建你自己的《谁想成为百万富翁》知识竞答游戏。如果你觉得这个游戏形式有意思或者你在 AI 出题这件事上有想法请来课灵社区和我们聊聊。