让 Qwen 出题与难度递进

2026-11-16 18:08 更新

出题靠期望样例钉格式与难度——给一组「用户输入 + 模型输出」的出题样例,格式照抄样例、难度照梯子走;百炼「优化 Prompt」用的正是同一机制。

一、前提与适用

前提 说明
适用任务 题库生成、作业出题、面试题准备、练习册批量生产
官方依据 百炼「优化 Prompt」支持期望样例(用户输入 + 模型输出),系统按样例优化提示词
不适用 主观论述题——没有唯一答案形态,样例钉不住质量
核心手段 难度梯子定义 + 出题格式样例 + 答案分离

二、怎么做

出题三件套:梯子、样例、答案分离。

  1. 难度写成「考什么能力」。「从易到难」不可判定;「第 1 档考语法事实(会背就能答)、第 2 档给代码判断输出、第 3 档给场景选写法」每档都有可核对的能力描述。梯子档数 2–4 档为宜。
  2. 给一组期望样例钉格式。样例就是「用户输入 + 模型输出」的成对展示——模型照抄输出格式的能力远强于理解格式描述。这与百炼「优化 Prompt」的期望样例机制同源:官方用它优化提示词,你在提示词里用它钉输出格式。
  3. 答案与题目分离。答案逐题编号放最后,题目区不出现答案——直接产出可用的「题卷 + 答案卷」两件套,不用二次加工。

坏写法:

给我出 10 道 Python 题,从易到难。

三处问题:难度「从易到难」没有能力锚点、「10 道」没有格式契约(选择题还是填空?)、答案去留未说明——模型可能把答案混在题目里,也可能自作主张附解析。

改写后的完整提示词:

你是 Python 出题助手。请按下面的难度梯子和格式出 3 道选择题。

难度梯子:
- 第 1 档(识记):考一个语法事实,会背就能答对。
- 第 2 档(理解):给一小段代码,判断输出或指出错误。
- 第 3 档(应用):给一个需求场景,选最合适的写法。

出题格式(严格照此样例输出):
{"level": 1, "stem": "题干", "options": ["A. ", "B. ", "C. ", "D. "]}

期望样例:
用户输入:请出 1 道第 2 档的题。
模型输出:{"level": 2, "stem": "下面代码的输出是什么?print(len([1, 2, 3]))", "options": ["A. 2", "B. 3", "C. 报错", "D. 6"]}

答案与解析全部放在最后,逐题编号列出,不要跟在题目后面。

梯子三档各有能力描述、样例钉死 JSON 形态、答案位置固定在末尾。

「提示词是否具备出题三件套」可以做成可跑检查:

## EXPECT: 难度档=3 格式样例=1 答案分离=1
PROMPT = open("prompts/9.2.txt", encoding="utf-8").read()

import re
levels = len(re.findall(r"^- 第 [123] 档", PROMPT, re.M))
sample = len(re.findall(r"期望样例", PROMPT))
split = int("不要跟在题目后面" in PROMPT)
print(f"难度档={levels} 格式样例={sample} 答案分离={split}")

实测输出与判定:脚本实跑输出与首行注释一致。逐条判定:难度梯子三档各命中 1 行(样例行内的「第 2 档」是引用,不算档位定义)、期望样例 1 组、答案分离声明 1 处——出题三件套齐备。判定器只查提示词形态;题目质量与答案分离是否失守,看下面的实测输出。

怎么看这个示例:判定器是本地脚本,上面那条提示词另在 qwen3.7-max(temperature=0.7、top_p=0.8) 上实测;脚本输出不等于模型输出,两者分别核对。

模型回复(真实输出节选):

{"level": 1, "stem": "Python 中,单行注释使用的符号是?", "options": ["A. //", "B. #", "C. --", "D. /*"]}
{"level": 2, "stem": "下面代码的输出是什么?\nx = [1, 2, 3]\ny = x\ny.append(4)\nprint(len(x))", "options": ["A. 3", "B. 4", "C. 报错", "D. [1, 2, 3, 4]"]}
{"le…(节选)

Qwen 输出卡片

以上为模型真实回复的节选,实测日期 2026-11-16。

三、参数与边界

边界 说明
单次出题量 3–10 题为宜;一次要 30 题以上应分轮生成并附上一轮已出题干,避免重复
难度稳定性 梯子描述控制的是题型方向,具体难度有波动;批量出题后人工抽检每档 1–2 题
样例数量 1 组样例够钉格式;要钉「不给超纲题」还需在指令里写明知识范围
答案泄漏 「答案放最后」在长输出里偶有失守,验收时检索题目区有无选项字母加粗等泄漏形态

四、验收清单

检查项 通过标准
梯子可判定 每档难度都有「考什么能力」的描述,能据此判断某题是否越档
格式可解析 输出 JSON 能被程序直接解析,字段名与样例一致
答案分离 题目区无答案,答案区逐题编号可对照
停手条件 连续两轮题目重复率过高,先扩知识范围描述或提高温度重试,而不是继续堆轮次

五、注意与相关

出题提示词的本质是「把评分标准前置」——梯子就是评分表,样例就是答卷模板,两者都给了,模型只是在填空。期望样例机制来自百炼「优化 Prompt」的官方功能,把它当作提示词内部技法使用是同一原理的平移。出好的题配讲解是 9.1 的主题;题目格式如果要进数据库,字段约束写法见 让 Qwen 按字段 Schema 输出 JSON 的 Schema;批量出题属于长输出场景,篇幅与分段手法见 控制 Qwen 输出篇幅与禁前言。

以上内容是否对您有帮助:
在线笔记
App下载
App下载

扫描二维码

下载编程狮App

公众号
微信公众号

编程狮公众号