一、背景。本号的数据大屏研讨小组，在试题数据回购活动中，为给大家提供更好的共享数据，我们首先提供了电子表格questions_set2_2026-06-08.csv和questions_set2_2026-06-08.json文件导入、导出的功能，以提高数据的共享。
二、问题。在实践中，遇到了多数人一样的问题，AI生成的界面，数据并不容易通用，每次都要AI生成具体的网页，这如此解决？
三、本质。这是一个技术与理论的问题，如果聚焦到信息系统，便更容易理解，尤其是从信息管理系统的角度看，数据与数据处理的功能是两个独立的概念，如果不实践会以为捆绑在一起。数据依赖数据库管理。所以，上述导入、导出本身也是基于轻量级的字典方式组织数据的.json数据库文件来完成的。
在试卷管理中提供通用的名称，提供规范的导入、导出功能。也可以通过增加套题方案来导入其他来源的套题。
(1)AI提示词：增加新建套题功能，并有与其他套题相同的功能。
因为试题的来源如果我们用AI生成，存储的格式也需要先传给它模板，再来回转换，中间经常出错。不如，我们进行接入AI的LLM。来智能生成套题，随时即可同步完成所需的相关测试。由此，才能达成真正的智能出题与数据大屏回收评价数据。
（1）LLM设置AI提示词：新增设置LLM的API按钮，默认火山引擎LLM，并测试链接。
注：首先在火山引擎等申请LMM的API-Key。注意相关的API连接要求。
（2）智能组题AI提示词：新增加智能生成套题按钮，设置套题名称、内容要求后，即可用设置的LLM生成复合套题规范的试题，存在总的数据库questions.json中，并在发题管理自动增加本套题的全部管理功能，注意在生成试题过程中若有中断使用临时文件记录并再次重试从断点继续生成。
🤖 [阶段1/4] 开始生成套题 套别ID: s11 套别名: 第十一套题：AI模型训练的常识 主题内容: 数据、算法、算力，神经网络、预先训练模型、模型训练，多模态，模型训练相关的名词、功能等 知识题数量: 30 阅读题数量: 4 难度级别: 简单✅ [阶段1/4] 参数和配置验证通过，准备调用LLM…
📚 [阶段2/4] 正在生成 30 道知识题…
│ 开始智能生成（支持2次自动续传）
📤 [请求 1/3] 初始请求… ↩️ 返回5003字 (用时26.2秒) 📝 当前累计: 5003字 开头: { “questions”: [ { “q”: “以下哪个是数据的常见存储形式？”, ” 结尾: … “ans”: 3, “points”: 2 } ] }
✅ JSON解析成功！累计1次请求
│ 完成 ✓
请求用时: 26.2秒 原始返回: 30 道题✅ [阶段2/4] 知识题生成: 30 道有效 (用时26.2秒)
📖 [阶段3/4] 正在生成 4 道阅读分析题…
│ 开始智能生成（支持3次自动续传） │
📤 [请求 1/4] 初始请求… ↩️ 返回4278字 (用时18.2秒) 📝 当前累计: 4278字 开头: { “readingQuestions”: [ { “scenario”: “import numpy as n 结尾: … “points”: 5 } } ] }
✅ JSON解析成功！累计1次请求
│ 完成 ✓
请求用时: 18.2秒 原始返回: 4 道题✅ [阶段3/4] 阅读分析题生成: 4 道有效 (用时18.2秒)
💾 [阶段4/4] 正在保存题库… 文件写入用时: 0.00秒
🎉 [阶段4/4] 套题生成完成！ 套题: s11 – 第十一套题：AI模型训练的常识 知识题: 30 道 阅读分析题: 4 道 总耗时: 44.5秒===============================
项目学习并不容易，不信您可以先试试，上面的功能自己完成花费多少课时？没源码的情况下，计时实践完成，就有体会了。
项目学习，对课程有兴趣的教师、学生尚可吧？更多数教师、学生不想深入，有限的课时内还是比较难完成要求的。
这就是为何项目（Project-BasedLearning，也简称PBL）学习多数是给以方案思路，学生能够部分的完成，尤其是在课堂教学的段时间内，这就是当年笔者为何总结出“半成品加工”策略，让学生只是解决其中的部分问题（但是，一定不是简单填空，这并不是加工，只是答题啊，如以为是PBL，P是问题的p，PBL=Problem-BasedLearning）
当下，在AI之下，编程的技术或可不是瓶颈了，可是完整的方案或者创意点，在一节课上去形成，经常其他项目的教学实验发现也只少数智商或技术较好的学生有突破，多数学生能根据要求来生成或完善已经了不起了，这还是基于一般（win7）机房当时网速比较好的情况，复杂的环境是制约“创意、创新”的基础条件。
探索基于AI生成思路的项目学习，可能任重道远。因为：AI生成增加了更多需求和动态可能～～
