(2026/02/28)
(以下資料利用NotebookLM製作)
請有系統的教我要如何利用AI在國中小出題，並設計一些實用的範例
在國中小教育現場，利用 AI 輔助出題不僅能大幅減輕教師的備課負擔，還能產出具備情境與深度的素養導向試題。要有一套系統化的出題流程，建議您掌握「確立規範、精準提示、學科範例應用、數位工具整合、審題優化」五大步驟。
以下為您系統性地拆解教學與實用範例：
在使用 AI 出題前，必須建立「Human-in-the-loop（HITL 人在迴圈中）」(也常被稱為「人機協作」模式)的觀念。
教師是舵手，AI 是加速器： AI 可以無中生有，但教師必須掌握教學目標與方向，AI 生成的題目不能直接使用，必須經過教師專業的審核與修改。
遵循教育部規範： 確保輸入 AI 的資料不包含學生隱私，並且教導學生辨識 AI 內容的正確性，增加題目的思辨性，讓學生無法單純依賴 AI 找答案。
要讓 AI 產出精準的考題，請套用「進階三層提示語結構」加上「教育理論限制」：
目的優先（設定角色與任務）： 賦予 AI 明確身分（如：國小自然老師），並指派任務（如：出 5 題選擇題）。
輸入資料（提供範圍或範本）： 直接餵給 AI 課本重點、文章文本，或是提供 3-5 題優良試題作為模仿範本（Few-shot Prompting）。
設定輸出（格式與測驗理論條件）：
融入測驗層次： 要求題目符合「布魯姆分類法（Bloom's Taxonomy）」的不同層次（如：記憶、理解、應用、分析），或閱讀理解的「PIRLS 四層次」。
出題限制（Checklist）： 規範題幹必須為正向表述（避免「下列何者『非』」）、選項長度必須一致、不可出現「以上皆是」等無效選項。
指定格式： 要求以 Markdown 表格或 CSV 格式輸出，方便後續轉檔。
💡 範例一：國語文閱讀測驗（結合 PIRLS 四層次）
傳統閱讀測驗常流於表面記憶，您可以利用 AI 快速產出具備深度的推論題。
【提示詞模板】 **（角色與任務）**你是一位專業的國小中年級國語老師，請根據下方提供的課文，出 4 題單選題。 **（輸出限制）**題目必須涵蓋 PIRLS 閱讀理解的四個層次：1. 提取關鍵訊息、2. 跨段落推論、3. 全文歸納的詮釋整合、4. 比較評估。每題需有四個長度相近的選項 (A, B, C, D)，且只有一個正解。 **（格式要求）**請用表格呈現，欄位包含：題目、選項A~D、正確答案、對應的 PIRLS 素養層次。 **（輸入資料）**文章內容：[貼上課文或閱讀文本]
💡 範例二：數學科素養導向命題（結合情境與思維鏈）
數學題若只考計算，缺乏素養精神。可要求 AI 將數學概念包裝進生活情境中。
【提示詞模板】 **（角色與任務）**你是一位資深的國小四年級數學老師，請根據下方教材重點，設計 3 題「素養導向」單選題。 **（輸入資料）**教材內容：認識三角形的構成要素、以邊與角分類三角形（正三角形、等腰、直角、銳角、鈍角）。 **（輸出限制）**1. 題目必須具備真實生活情境（例如：校園觀察、積木組合）。2. 避免使用「下列何者不是」的反向表述。3. 請運用「一步一步分析」的邏輯，在每題下方提供詳細的【解題邏輯 Rationale】，解釋為何正確選項是對的，以及干擾選項為何錯誤。
💡 範例三：社會/綜合領域（運用多角度思考法）
引導學生進行批判性思考。
【提示詞模板】 **（角色與任務）**請針對「設立科學園區對環境與經濟的影響」這個主題設計 2 道探究型問答題。 **（輸出限制）**請確保問題能引導小學高年級學生運用「多角度思考」，例如：從政府代表、環保團體、當地居民三種不同立場來思辨利弊。
除了使用 ChatGPT，您也可以直接運用以下專為教育打造的 AI 工具：
酷英平臺（Cool English）的 AI 試題工具： 適合英語科。教師只要輸入關鍵字與設定情境、難易度，系統就能自動生成英語文章，並產出單字題、是非題、閱讀測驗，還能匯出試卷供學生作答。
ClassSwift 測驗生成器： 老師在課堂上直接用截圖工具擷取電子書或網路文章畫面，AI 就會依據畫面內容自動生成選擇題（系統還會標示該題屬於布魯姆分類的哪一個認知層次），並可立即派送給學生的平板進行即時測驗。
Revisely / Google NotebookLM： 將教材 PDF 檔上傳，AI 會自動拆解出有問有答的「記憶閃卡」題庫或選擇題，NotebookLM 還能自動標記答案在原始文件中的出處，方便查核。
翰林/康軒 AI 命題系統： 許多書商已內建 AI 素養題庫，可直接選擇單元並一鍵生成結合時事的選擇題與「素養問答題」。
AI 生成題目後，務必進行最後的把關與應用：
檢視與精緻化「誘答力」： AI 有時生成的錯誤選項（干擾項）太明顯或太荒謬。教師應手動修改選項，讓四個選項具備同質性與合理的誘答力，提升題目的鑑別度。
要求 AI 自我迭代： 若題目品質不佳，可對 AI 下達：「請設定世界一流的試題評分標準，自行檢視你出的題目，修改到滿分 10 分後再輸出給我。」
一鍵轉化為遊戲化測驗： 將 AI 產出的表格（Excel 格式）複製，直接貼上至 Wordwall、Kahoot 或 Quizizz 等遊戲化平臺，就能在 1 分鐘內將枯燥的文字測驗轉變為課堂上讓學生搶答的數位互動遊戲。
有哪些 AI 提示詞技巧可以讓生成的試題達到「世界一流」品質？
要讓 AI 生成的試題達到「世界一流」的高品質，您可以結合**「AI 自我迭代」的高階技巧，以及專業測驗領域的「結構化提示詞（Prompt Engineering）」**。綜合來源資料，以下是能大幅提升試題品質的提示詞技巧：
一、 運用「自我迭代」咒語，定義並要求世界級標準 這是一個能讓 AI 答案品質飆升的高級技巧。不要只要求 AI 出題，而是請它先定義標準，再自己打分數並反覆修改。
具體提示詞範例： 「在回覆之前，請先制定一份內部評分標準，定義『世界一流』的試題答案。然後，在內部反覆修改完善，直到你的題目完全符合評分標準（10/10），最後只向我展示最終的完美版本。」
二、 啟動「深入思考」與「思維鏈（Chain-of-Thought）」 在處理複雜的邏輯題或素養情境題時，要求 AI 展示推論過程，能有效提高干擾選項的合理性與邏輯一致性。
啟動深度思考： 在提示詞中加入「對此深入思考」、「對此深度思考」或「請一步一步分析並回答」。
推論過程隱藏： 要求 AI 在生成題目時寫出「解題邏輯（Rationale）」，解釋為何正確答案是對的，以及為何其他選項是合理但錯誤的干擾項，但指明這個推論過程僅供教師審查，不顯示給學生看。
三、 提供優質範本（Few-shot Prompting） 不要讓 AI 憑空想像（Zero-shot），這往往會導致選項格式不一或誘答力不足。
作法： 在提示詞中先餵給 AI 3 到 5 題經過驗證的「優良試題範本」。
效益： 這能讓 AI 準確抓到您期望的題目長度、語氣、情境描述方式（如：先描述病人/情境特徵，再給數據），並讓干擾選項的設計更具真實性。
四、 採用「多階段拆解（Multi-stage）」生成法 將出題任務拆解成多個步驟，避免 AI 一次產出而產生邏輯漏洞或在題幹中洩漏答案。
步驟拆解： 要求 AI 依序生成：1. 確認測驗主題與課綱對齊 $\rightarrow$ 2. 撰寫真實情境（題幹，不含選項） $\rightarrow$ 3. 設計具體的主幹問題 $\rightarrow$ 4. 設計 1 個正確解答與多個具同質性的干擾選項 $\rightarrow$ 5. 進行自我審查（Self-critique）。
五、 制定嚴格的「審查清單」與「結構化輸出（JSON/Markdown）」 將測驗編製的專業原則納入提示詞中，強制 AI 自我檢核，並用結構化的方式輸出。
設定出題限制清單： 在提示詞中明確規範「題幹必須正向表述（禁止使用『下列何者非』）」、「選項長度必須由短到長排列」、「禁止使用『以上皆是/非』」、「選項間必須互斥」等原則，並要求 AI 產出後自行打勾確認。
結構化輸出： 指示 AI 使用 JSON 或 Markdown 表格格式輸出（例如設定欄位：對應課綱、題幹情境、主問題、選項 A~D、正確答案、測驗認知層次），這樣能大幅提升內容的精確度與一致性，也方便後續匯入測驗平臺。
💡 綜合實戰提示詞框架範例：
「你是一位資深的學科測驗專家。請根據我提供的教材內容，設計 3 題素養導向選擇題。 【步驟與要求】
請參考以下範本的風格出題（貼上優良範本）。
請確保題幹為正向表述，且 4 個選項長度相近，不得出現『以上皆是』。
請一步一步分析並運用思維鏈推論干擾選項的合理性。
請用 Markdown 表格輸出，包含：題目、選項、正解、布魯姆認知層次、解題邏輯。 【世界級標準檢核】 在回覆前，請先制定一份內部評分標準，定義『世界一流』的素養題。然後在內部反覆修改，確保符合上述所有出題限制，直到獲得 10/10 分，最後只向我展示最終完美版本的表格。」
這是一個非常實用且專業的出題需求！根據您提供的「目的優先、輸入資料、設定輸出」三層提示語結構，以及必須遵循的測驗理論與格式限制（如正向表述、選項長度一致、無「以上皆是」），我為您模擬了國語、數學、自然、社會四個科目的 AI 命題過程，並產出各 2 題的實際範例。
以下為四個學科的**「提示詞設計」與「生成的 Markdown 題庫結果」**：
【提示詞設計】
目的優先： 你是一位專業的國小中年級國語老師，請根據下方提供的短文，出 2 題單選題。
輸入資料： 「小明的秘密基地是鎮上的圖書館。圖書館長李伯伯總會推薦好書給他。有一天，李伯伯給了小明一本關於宇宙的書，小明讀完後，決定長大要當太空人。李伯伯笑著說：『書本是通往星空的階梯。』」
設定輸出：
融入測驗層次：需涵蓋 PIRLS 的「提取關鍵訊息」與「詮釋整合」。
出題限制：題幹必須為正向表述，4 個選項長度必須完全一致（各 6 個字），且不得出現「以上皆是」。
指定格式：請以 Markdown 表格輸出，包含：題目、選項 A~D、正確答案、對應層次。
【AI 輸出結果】
題目
選項 A
選項 B
選項 C
選項 D
正確答案
PIRLS 層次
小明讀完關於宇宙的書後，決定長大後要做什麼職業？
學校的老師
圖書館館長
勇敢太空人
偉大科學家
C
提取關鍵訊息
李伯伯說「書本是通往星空的階梯」，這句話的意思是什麼？
書本能幫助實現夢想
書本疊起來能爬很高
書本裡面有星星圖片
書本只能在晚上閱讀
A
詮釋整合
【提示詞設計】
目的優先： 你是一位資深的國小四年級數學老師，請根據下方教材重點設計 2 題素養導向選擇題。
輸入資料： 教材重點為「以邊與角分類三角形」，包含正三角形、等腰三角形、直角三角形、銳角三角形、鈍角三角形的概念。
設定輸出：
融入測驗層次：需涵蓋 Bloom 分類法的「理解」與「應用」層次。
出題限制：必須結合真實生活情境（如勞作、積木組合），題幹採正向表述，選項長度一致（各 5 個字），無無效選項，並在表格中提供解題邏輯。
指定格式：Markdown 表格輸出。
【AI 輸出結果】
題目
選項 A
選項 B
選項 C
選項 D
正確答案
Bloom 層次
解題邏輯 (Rationale)
小華在勞作課時，剪下一個三個角都是銳角的三角形紙板。這個三角形稱為什麼？
銳角三角形
直角三角形
鈍角三角形
等腰三角形
A
理解
根據定義，三個內角皆為銳角的三角形即為銳角三角形。其他選項的角特徵不符。
小明用三根長度完全一樣的吸管，連接拼成一個封閉的三角形。這個三角形稱為什麼？
直角三角形
鈍角三角形
等腰三角形
正三角形
D
應用
三根吸管長度一樣，代表三角形的三個邊等長，符合「正三角形」的定義。
(註：為了符合選項長度一致的限制，數學專有名詞皆調整為 5 個字。)
【提示詞設計】
目的優先： 你是一位國小中年級自然老師，請出 2 題關於昆蟲的單選題。
輸入資料： 教材重點：昆蟲的身體主要分為「頭部、胸部、腹部」三個部分，且特徵是擁有「六隻腳（三對步足）」。
設定輸出：
融入測驗層次：需涵蓋 Bloom 分類法的「記憶」與「分析」層次。
出題限制：正向表述，選項長度一致（各 6 個字），不得有「以上皆非」等無效選項。
指定格式：Markdown 表格輸出。
【AI 輸出結果】
題目
選項 A
選項 B
選項 C
選項 D
正確答案
Bloom 層次
根據自然課本的介紹，昆蟲的身體構造主要分為哪三個部分？
頭部胸部腹部
頭部軀幹四肢
觸角胸部尾部
頭部胸部尾部
A
記憶
小華在公園觀察到一隻會飛的動物，牠長有六隻腳。根據特徵，牠最可能是哪類動物？
鳥類動物家族
昆蟲動物家族
爬蟲動物家族
哺乳動物家族
B
分析
【提示詞設計】
目的優先： 你是一位國小高年級社會老師，請針對指定主題設計 2 題單選題。
輸入資料： 主題為「設立科學園區對環境與經濟的影響」，包含促進經濟發展、增加就業機會，但也可能引發環境汙染等問題。
設定輸出：
融入測驗層次：需涵蓋 Bloom 分類法的「理解」與引導「評鑑（多角度思考）」的選擇題。
出題限制：正向表述，四個選項長度必須完全一致（各 7 個字）。
指定格式：Markdown 表格輸出。
【AI 輸出結果】
題目
選項 A
選項 B
選項 C
選項 D
正確答案
Bloom 層次
政府在某地區設立科學園區，最主要會為當地帶來哪一種經濟上的改變？
減少就業的機會
增加就業的機會
減少商家的數量
降低土地的價值
B
理解
雖然科學園區能帶來經濟發展，但如果是當地的環保團體，最可能會擔心哪一種情況發生？
增加當地水質汙染
提升當地居民收入
減少當地工廠數量
改善當地交通狀況
A
評鑑
(註：社會科第二題運用了角色扮演的情境（環保團體），將原本偏向申論的「多角度思考」轉化為符合測驗原則的高階選擇題。)
要利用 AI 產出一整張總分 100 分的高品質月考考卷，最核心的策略是**「多階段拆解（Multi-stage）」**。請不要試圖用一個指令讓 AI 產出整份試卷，這容易導致邏輯混亂或題數不足。
您必須發揮「教師是舵手」的角色，引導 AI 先規畫「試卷藍圖（配分架構）」，接著再「分題型」逐一餵入教材並套用提示詞，最後進行審題與優化。以下為您拆解具體的步驟與實做示範：
第一階段：建立試卷藍圖與配分（總分 100 分） 先請 AI 根據您的單元重點，規畫出一份包含不同題型（如：是非題、選擇題、素養題、簡答題）的配分表，確保難易度與認知層次分布平均。
第二階段：分大題生成試題（套用三層提示語） 依照藍圖，每次只請 AI 產出一個大題。套用「目的優先、輸入資料、設定輸出」的公式，並嚴格加上「出題限制（如：選項等長、正向表述、無以上皆是）」與「布魯姆分類法」等條件。
第三階段：自我迭代與審題優化 若生成的選項誘答力不足，利用「自我迭代」指令要求 AI 修正：「請設定世界一流的評分標準，自行檢視並修改到滿分 10 分再輸出」。
假設我們要出一張 100 分的自然科月考卷。
📍 階段一：請 AI 規畫 100 分試卷藍圖
【您的提示詞 Prompt】
你是一位專業的國小中年級自然老師。我要出一張總分 100 分的「昆蟲家族」月考卷。 教材重點包含：昆蟲特徵（頭胸腹三部分、六隻腳）、常見昆蟲辨識、昆蟲的生長過程（完全變態與不完全變態）。 請幫我規畫一份試卷架構，需包含：1. 是非題、2. 單選題、3. 素養情境題、4. 簡答題。請以表格列出各大題的題數、每題配分、總分，以及主要測驗的認知層次。
【AI 的產出結果】（AI 會幫您建構如下的藍圖，確認無誤後再進入下一階段）
第一大題：是非題（10題 x 2分 = 20分）- 測驗層次：記憶
第二大題：單選題（15題 x 4分 = 60分）- 測驗層次：理解、應用
第三大題：簡答與素養題（2題 x 10分 = 20分）- 測驗層次：分析、評鑑
📍 階段二：分段出題實做（以「第二大題：單選題」為例）
依照藍圖，我們現在要產出 60 分的單選題。為了確保品質，我們可以分批產出（例如先產出前 5 題）。
【您的提示詞 Prompt】
**（目的優先）**你是一位專業的國小自然老師，請根據「昆蟲家族」單元，為月考卷的「第二大題：單選題」先出 5 題單選題。 **（輸入資料）**教材重點：1. 昆蟲身體分為頭部、胸部、腹部。2. 胸部有六隻腳（三對步足）。3. 蝴蝶與甲蟲屬於完全變態（卵、幼蟲、蛹、成蟲）。4. 螳螂與蝗蟲屬於不完全變態（無蛹期）。 （設定輸出與限制）
融入測驗層次：需符合布魯姆分類法的「理解」與「分析」層次。
出題限制：題幹必須為正向表述；四個選項 (A,B,C,D) 長度必須一致；絕對不可出現「以上皆是」或「以上皆非」。
指定格式：請以 Markdown 表格輸出，包含：題號、題目、選項 A~D、正確答案、Bloom 層次、解題邏輯。
【AI 產出的試卷內容（節錄範例）】
題號
題目
選項 A
選項 B
選項 C
選項 D
正確答案
Bloom 層次
解題邏輯
1
小明在校園裡抓到一隻不知名的蟲子，他想確認這是不是昆蟲。他應該優先檢查這隻蟲子的哪一個特徵？
身體是不是綠色
有沒有長出翅膀
是不是有六隻腳
會不會吐絲結繭
C
理解
昆蟲最核心的特徵是胸部有六隻腳（三對步足）。顏色、翅膀或吐絲並非所有昆蟲的共同特徵。
2
自然課時，老師請大家將昆蟲分類。蝴蝶和獨角仙被分在同一組，而蝗蟲和螳螂被分在另一組。請問這種分類方式的依據最可能是什麼？
成長過程有沒有蛹期
平常是不是吃植物的
是在白天還是晚上活動
身體有沒有堅硬的外殼
A
分析
蝴蝶與獨角仙（甲蟲）經歷卵、幼蟲、蛹、成蟲，為完全變態；蝗蟲與螳螂無蛹期，為不完全變態。
📍 階段三：高階素養題與簡答題實做（補足最後的 20 分）
針對最後的 20 分大題，我們可以要求 AI 融入真實情境與多角度思考。
【您的提示詞 Prompt】
請接續出「第三大題：簡答與素養題」。請設計 1 個包含真實情境的題組，總共包含 2 個子題（每題 10 分）。 情境：學校的花圃最近出現了很多毛毛蟲，有些同學提議要噴灑農藥把牠們全部消滅，但有些同學反對。 請要求學生從「生態平衡」與「昆蟲生長階段」的角度進行多角度思考。
【AI 產出的試卷內容】 第三大題：素養情境問答題（共 20 分）
情境閱讀： 學校的花圃最近出現了很多會吃葉子的毛毛蟲，導致植物的葉子都被咬得破破爛爛的。小華提議：「我們應該請學校噴灑農藥，把這些害蟲全部消滅！」但小明卻說：「不行，這樣做可能會破壞花圃的生態。」
第一題（10分）： 根據自然課學過的昆蟲成長過程，這些毛毛蟲長大後可能會變成什麼？如果現在把牠們全部消滅，校園裡未來可能會缺少哪一種美麗的昆蟲？
評分標準：能點出毛毛蟲是「完全變態」昆蟲的幼蟲期，未來會化蛹並羽化成蝴蝶或蛾（5分）；指出校園會減少蝴蝶（5分）。
第二題（10分）： 請你扮演大自然守護者的角色，除了噴灑農藥之外，請提出一個既能保護植物，又能維持生態平衡的好方法。
評分標準：能提出具體且合理的替代方案，例如：將部分毛毛蟲移至專屬的觀察箱飼養、利用天敵（如鳥類）來控制數量，或是只移除部分毛毛蟲而非全滅（10分）。
💡 教師最終把關： 當 AI 分段完成 100 分的考卷後，您可以將這些表格內容複製到 Word 中進行排版。若發現單選題的干擾選項太簡單，教師可直接手動將選項調整得更具誘答力，即可完成一份具備深度、排版整齊且符合素養導向的完美月考卷！
雙向細目表（Two-Way Specification Table / Test Blueprint），又稱為「測驗藍圖」，是編製高品質測驗時不可或缺的核心架構。
它的「雙向」通常指的是兩個維度：
學科內容（Content）： 測驗涵蓋的單元、主題或知識點。
認知層次（Cognitive Levels）： 學生對知識的掌握程度，通常採用「布魯姆分類法（Bloom's Taxonomy）」，分為記憶、理解、應用、分析、評鑑與創造等層次。
透過這兩個維度交織出的表格，教師能明確標示出各單元在不同認知層次下，應該分配的題型、題數、配分比重與難易度。其最大功用是確保整份試卷的「內容效度（Content Validity）」，避免考題過度集中於某一單元，或偏重於死背記憶的低階題型，確保測驗能真實反映教學目標與課程分布。
在使用 AI 生成試題時，如果沒有給予藍圖限制，AI 往往會隨機產出題目，且研究指出，若無明確引導，AI 非常容易過度生成低階認知（如單純記憶、理解）的題目，而缺乏高階思辨題。
因此，將雙向細目表融入 AI 出題的工作流（Workflow），可以遵循以下四個步驟：
一、 第一階段：請 AI 協助建構「測驗藍圖」 在開始生出具體題目之前，教師應先要求 AI 制定雙向細目表。
做法： 餵入教材重點，並下達指令：「我要出一張 100 分的月考卷，請根據布魯姆分類法，幫我規畫一份試卷的雙向細目表（配分藍圖），用表格列出各大題的主題、題數、配分，以及對應的認知層次。」
目的： 讓教師確認難易度分布合理，發揮「教師為舵手」的把關功能。
二、 第二階段：藍圖驅動的分段出題（Blueprint-Driven Generation） 確認藍圖後，千萬不要請 AI 一次產出整份試卷，而是要根據細目表「分區塊、分階段」進行多階段提示（Multi-stage prompting）。
做法： 依照藍圖的規劃，向 AI 下達精準指令。例如：「請根據藍圖，針對『光學原理』單元，生成 3 題選擇題。這 3 題的認知層次必須設定在『應用（Applying）』與『分析（Analyzing）』級別。」
目的： 透過逐步拆解，可以大幅減少 AI 的邏輯錯誤，並確保產出的題目完全符合藍圖所設定的難度與題數。
三、 第三階段：導入 RAG（檢索增強生成）確保比例與範圍精準 在更專業的測驗（如國家級檢定或大型考試）中，雙向細目表會與 RAG 技術結合。
做法： 將官方課程綱要或測驗藍圖作為系統的「知識庫（Retrieval index）」，強制 AI 只能根據這個藍圖來出題。
目的： 系統能自動強制執行藍圖的比例分配（例如：嚴格控管內科題目占 20%、小兒科占 10%），能有效防止 AI 產出超出課綱範圍（Scope drift）的題目，並確保試題符合在地化的文化與規範。
四、 第四階段：利用 AI 進行藍圖自我檢核（Self-Validation） 題目生成後，可以將雙向細目表轉化為 AI 的「審查清單（Checklist）」。
做法： 要求 AI 進行自我評估：「請檢視你剛才出的這 5 道題目，是否確實符合我們設定的『評鑑』層次？題目的配分與選項格式是否符合規範？如果有不符合的，請重新修正。」
目的： 利用 AI 進行第一道品管過濾，揪出不符合藍圖規範的瑕疵題，最後再交由人類教師進行最終的專業審題與定稿。
在大型考試或專業測驗（如國家證照考試或學校段考）中，「雙向細目表（測驗藍圖）」是確保試卷內容效度與難易度平衡的核心。然而，如果不加限制地讓 AI 出題，AI 往往會偏離課綱範圍，或過度生成偏向「單純記憶」的低階題目。
綜合最新的醫學授權考試 AI 命題研究與教育實務，以下為您整理將「雙向細目表」與 AI 命題深度結合的 5 個高階實作技巧：
要讓 AI 精準對齊藍圖，最有效的方法是採用檢索增強生成（RAG）與配額生成框架（Budgeted generation framework）：
課綱定錨（Curriculum-anchored）： 不要只給 AI 簡單的單元名稱，而是將官方的課程大綱、學習目標或國家標準指引作為 AI 的「知識庫（檢索索引）」。強制 AI 只能從這些權威資料中提取內容來出題，可大幅降低 AI 產出超綱或文化不適宜題目的風險。
設定配額框架： 根據雙向細目表中的權重，直接在指令中對 AI 下達明確的比例配額（例如：精確要求生成 20% 的內科題、10% 的小兒科題）。當某個「藍圖節點（Blueprint node）」的題數達標後，就停止生成該類題目，確保整份試卷的配分完全符合藍圖分布。
為了方便教師將生成的題目填入雙向細目表的表格中，您可以要求 AI 使用 JSON 格式或 Markdown 語法輸出，並且必須獨立標示出該題所屬的藍圖節點。
實作方法： 在提示詞中規範輸出的欄位必須包含 blueprint_node（對應課綱單元）與 cognitive_level（對應認知層次）。
效益： 這種結構化的資料輸出，能讓系統或教師快速檢核該題是否確實落在細目表設定的格子內，並大幅提升 AI 回覆的精確度與層次感。
研究指出，AI 生成的題目有高達 73.75% 集中在「記憶」與「理解」層次，極度缺乏「分析」與「評估」的高階題目。要落實雙向細目表中的高階指標，提示詞必須加入布魯姆分類法（Bloom's Taxonomy）的特定動作動詞：
對齊「應用」層次： 要求 AI 設計情境，並使用「說明、展示、運用」等動詞。例如：「請設計一個情境，讓學生說明人物的信仰體系如何影響其決策」。
對齊「分析」層次： 要求 AI 產出需要比較或解構的題目，使用「比較、區分、推斷」等動詞。例如：「請出題讓學生區分資訊中的事實與觀點」。
對齊「評鑑」層次： 要求 AI 設計需判斷或辯護的題目，使用「辯護、評判、選擇」等動詞。例如：「給定兩種解決方案，請學生選擇最合乎邏輯的方案並為其辯護」。
不要讓 AI 一次把題目跟選項生出來，這樣很容易導致邏輯錯誤或選項間互相洩漏答案（cueing）。針對細目表中的每一格，應採用多階段拆解：
步驟一： 確立主題與藍圖對齊（如：設定為「心血管系統 - 應用層次」）。
步驟二： 請 AI 撰寫無選項的「臨床情境」或「生活素養題幹」。
步驟三： 擬定主幹問題（正向表述）。
步驟四： 設計 1 個正解與多個具同質性的誘答選項（干擾項）。
最後，您可以將雙向細目表的規範轉化為審查清單，讓 AI 在輸出題目給您之前，先擔任「第一關審查員」進行自我評估與修正。
實作提示詞： 「請根據以下檢核表自我審查你剛才生成的題目：(1) 題目是否確實測驗了藍圖設定的『分析』能力？(2) 題幹是否為正向表述？(3) 誘答選項是否具備合理性？如果有任何不符，請自行修改完善後再輸出最終版本。」
💡 實戰提示詞模板（結合藍圖標籤與結構化輸出）：
「你是一位專業的測驗命題專家。請根據我提供的課程指引（貼上特定課綱內容），為期末考生成 1 道單選題。 【藍圖對齊要求】
單元節點：對應『氣候變遷的影響』。
認知層次：對應布魯姆分類法的『評鑑（Evaluating）』層次，請引導學生對不同情境進行『比較與評判』。 【出題限制】
題幹必須是真實情境應用，且為正向表述。
選項長度須由短到長排列，禁止出現『以上皆是』。 【輸出格式】 請以 JSON 或 Markdown 格式輸出，必須包含以下欄位：blueprint_node（對應單元）、cognitive_level（認知層次）、vignette（情境題幹）、lead_in（主問題）、options（選項A~D）、key（正確解答）、rationale_hidden（內部解題邏輯，請說明干擾項為何錯誤）。」
透過這套嚴謹的流程，您就能確保 AI 生成的每一道題目，都能完美且精準地填入您的「雙向細目表」之中。
請教我如何用 RAG 技術確保題目完全對齊課綱範圍。
使用 RAG（檢索增強生成，Retrieval-Augmented Generation）技術是防止 AI 產出「超綱」或不符教學目標題目的最有效方法。RAG 的核心概念是不讓 AI 單憑其內建的龐雜知識庫（可能包含不適用當地的規範或超綱內容）來出題，而是強制 AI 只能從您指定的「權威資料」中提取資訊。
根據來源資料，您可以透過以下 4 個具體步驟與實作技巧，運用 RAG 技術確保題目完全對齊課綱範圍：
一、 建立專屬的「權威知識庫（Curriculum-anchored）」
匯入官方資料： 不要只給 AI 單元名稱，必須將官方的課程大綱（課綱）、學習目標、國家臨床指引或指定的權威教科書，系統性地匯入作為 RAG 的檢索索引（Retrieval index）。
關閉跨區域預設知識： 為了避免文化或地域偏差（例如考出臺灣未核准的藥物或不符臺灣課綱的知識），必須在系統中設定嚴格的區域限制，並明確「關閉跨司法管轄區的備用機制」，只要檢索到不支援的內容就自動拒絕生成，確保題目的在地化與合規性。
二、 結合雙向細目表進行「配額生成（Blueprint-driven coverage）」
設定配額框架： 將測驗的「雙向細目表（試卷藍圖）」整合進檢索脈絡中。您可以利用「預算生成框架（Budgeted generation framework）」，明確向 AI 下達各單元節點的比例目標（例如：嚴格要求內科題目占 20%、兒科占 10%）。
系統層級控管： 當某個課綱節點的題數達標後，系統就停止生成該類題目；若題目超出特定節點的容量，則會被放入修改佇列或排除，以維持整份試卷對齊藍圖的配分比例。
三、 使用「結構化提示（Structured Prompting）」強制標記課綱節點
精準檢索指令： 在要求出題時，使用結構化指令對知識庫進行檢索。例如：「請根據擷取到的課綱學習目標，生成一題關於川崎氏症的兒科單選題」。
強制 JSON 輸出課綱標籤： 要求 AI 產出題目時，必須以 JSON 等結構化格式輸出，並且強制包含 blueprint_node（對應課綱單元/節點）、vignette（題幹）、options（選項）、key（正解）以及 rationale_hidden（隱藏的解題邏輯）等欄位。這能方便後續以自動化方式檢核題目是否落在正確的課綱範圍內。
四、 建立「來源追蹤與專家驗證」的治理機制 在 RAG 工作流中，檢索不僅是技術，更是把關品質的「治理機制」：
附上檢索紀錄（Retrieval logs）： 要求 AI 生成的每一道題目，都必須附上完整的檢索紀錄，包含：參考的資料來源、章節段落與時間戳記。
專家查核事實陳述： 在進入題庫前，人類學科專家會獲得這些檢索紀錄的存取權。專家必須核實題幹與選項中的「每一個事實陳述」，是否都能精準追溯到 RAG 知識庫中的官方來源。若出現國際指引與國內課綱衝突的情況，也能透過這些紀錄確保以國內標準為準。
透過這套 「建立專屬課綱知識庫 $\rightarrow$ 設定藍圖配額 $\rightarrow$ 結構化標示 $\rightarrow$ 來源追蹤審核」 的 RAG 工作流，就能將 AI 限制在您畫定的課綱範圍內，大幅降低內容偏移（Content drift）的風險，產出具備高內容效度的高品質考題。
要利用「AI 自我迭代（Self-iteration）」讓生成的考卷題目達到「世界一流」的標準，關鍵在於不要讓 AI 一次性給出最終答案，而是要求它先建立評分標準、進行自我審查，並在內部反覆修改到滿分後再輸出。
綜合來源資料，您可以透過以下具體的步驟與提示詞技巧，將這個高階技巧應用在命題上：
這是一個能讓 AI 答案品質大幅飆升的高級指令。您可以直接在原本的命題提示詞最後，加上這段「自我迭代咒語」：
「在回覆之前，請先制定一份內部評分標準，定義『世界一流』的試題答案。然後，在內部反覆修改完善，直到你的題目完全符合評分標準（10/10），最後只向我展示最終的完美版本。」
雖然要求 AI 定義「世界一流」很有效，但為了確保試題符合測驗專業，您可以直接把「一流試題的條件」變成 AI 的自我檢核清單，要求它在迭代過程中逐一核對：
題幹明確與正向表述：題意是否清楚？是否避免了「下列何者『非』」的反向問法？
選項品質與誘答力：四個選項長度是否一致（或由短到長排列）？錯誤選項（干擾項）是否具備合理的誘答力，而不是太荒謬或太明顯？
無效選項排除：是否已確保沒有出現「以上皆是」或「以上皆非」這類無效選項？
在 AI 進行自我迭代時，您可以要求它運用思維鏈（Chain-of-Thought）進行內部推論。要求 AI 在修改題目時，先在內部解釋「為什麼正確答案是對的」以及「為什麼干擾選項是合理但錯誤的」。透過這種將任務拆解並展示推論的過程，AI 能更精準地找出自己設計的題目是否有邏輯漏洞，進而修正出更高品質的誘答選項。
在專業的測驗命題（如執照考試）中，這套自我迭代機制可被拆解為更嚴謹的四個循環步驟：
自動檢查與產生評論（Critique）：AI 先產出初稿，並根據評分標準對題幹、選項進行自我批判。
針對性重產出（Regeneration）：AI 僅針對有瑕疵的部分（例如某個誘答力不足的選項或不清楚的題幹）進行重新生成。
重新評估（Re-evaluation）：AI 將修改後的新題目再次與完整的檢核清單進行比對，確認已獲得滿分（10/10）。
最終輸出：輸出最終完美版本。
💡 教師的最終把關（Human-in-the-loop） 雖然「AI 自我迭代」能讓題目在結構、語氣和格式上趨近完美，並大幅修復無效選項等常見錯誤，但 AI 仍可能產生學科概念的過度簡化或文化語境上的偏差。因此，當 AI 輸出這份「世界一流」的題目後，仍必須由人類教師進行最終的專業審題與定稿，確保考卷具備絕對的信度與效度。