一款基于 Gradio 的教学内容测验题生成工具一款基于AI的教学内容测验题生成工具。你只需粘贴任意学习材料（如员工手册

📘 文本转测验题目生成器（Text2Quiz，主模型：Qwen）

一款基于 Gradio 的教学内容测验题生成工具。你只需粘贴任意学习材料（如员工手册、产品规格、课程章节等），系统即基于 MindSpore-Lab/qwen1_5_7b-chat 模型生成包含选择题、填空题与简答题的完整题组，帮助你快速构建测评题库，检验学习者对关键知识点的掌握程度。

说明：本应用仅介绍并使用 Qwen 主模型生成流程，不涉及或描述任何备用模型或第三方 API 调用。

体验链接：tempera/ChatBot

✨ 主要特性

多题型覆盖：自动生成选择题、填空题、简答题三类题目，适配不同教学与评测场景。
严格基于原文：系统提示词限制模型必须基于用户提供的文本生成题目，避免引入外部知识或臆测。
统一格式输出：按照 Markdown 结构化排版，并为每道题提供明确的参考答案，便于复用与导出。
交互友好：Gradio 提供简洁直观的网页界面，一键生成测验题目并即时预览。
稳健解析：针对 openmind pipeline 的返回结构做了兼容处理，保证结果正确提取与展示。

🧩 架构与工作原理

模型与框架：

- 主模型：MindSpore-Lab/qwen1_5_7b-chat

- 推理框架：openmind pipeline（framework="ms"，信任远程代码 trust_remote_code=True）

关键环境变量：

- OPENMIND_HUB_ENDPOINT：模型中心地址（示例为 https://modelers.cn）

- RUN_MODE：运行模式（设置为 predict）

系统提示词（摘要）：

- 明确要求基于用户文本生成三类题型：选择题（四选一）、填空题、简答题。

- 强制每道题末尾提供 **答案:** 字样的参考答案。

- 使用 ### 选择题、### 填空题、### 简答题 分隔三个题型板块。

流程概述：

1. 用户输入源文本；

2. 组装 messages（system+user）；

3. 调用 Qwen 进行文本生成（控制采样参数如 temperature、top_k、top_p、max_new_tokens）；

4. 解析 pipeline 返回结构为最终 Markdown 内容；

5. 在界面中展示生成的题目集。

返回解析函数：

- extract_pipeline_content(result) 针对 pipeline 返回的多种 list/dict 嵌套格式，统一提取 content 字段并进行清理。

⚡ 快速开始（Windows）


cd d:\Projects\VScode\魔乐社区\打榜赛道\text2quiz-ds

创建虚拟环境并安装依赖


python -m venv .venv

.\.venv\Scripts\activate

pip install -U pip

pip install gradio openmind

配置环境变量（示例）


$env:OPENMIND_HUB_ENDPOINT = "https://modelers.cn"

$env:RUN_MODE = "predict"

运行应用


python app.py

启动后在浏览器打开 Gradio 提供的本地地址（如 http://127.0.0.1:7860），粘贴文本并点击按钮生成题目。

🧑‍💻 使用指南

输入：将你的学习材料粘贴到文本框（建议至少几百字，以便覆盖更多知识点）。
点击：按下「🎓 一键生成测验题目」。
输出：在结果区域查看自动生成的三类题目，含参考答案；可复制到你的题库系统或文档中。

题型结构约定：

### 选择题：每题选项 A/B/C/D，唯一正确答案；
### 填空题：从原文中挖空关键片段，答案必须来自文本；
### 简答题：要求基于文本内容进行解释或总结，附简要参考答案。

🛠️ 故障排查

Qwen 模型初始化失败

- 现象：控制台出现 主模型 Qwen 1.5 7B 初始化失败: ...；

- 处理：

1. 检查网络连通性与模型中心地址 OPENMIND_HUB_ENDPOINT；

2. 确认 openmind 安装与版本兼容；

3. 检查 framework="ms" 与 trust_remote_code=True 配置是否正确。

输出质量不稳定（题目不完整或格式偏差）

- 处理：

1. 适当降低 temperature（如 0.4~0.6），保持题目更规范；

2. 增加/强化系统提示词的约束；

3. 提供更清晰、更结构化的源文本（加小标题、分条说明）。

Gradio 页面无法打开或运行异常

- 处理：

1. 检查 Python/依赖安装是否成功；

2. 查看终端报错信息并按提示修复；

3. 关闭占用端口的进程或修改端口后重试。

🚀 性能与优化建议

采样参数：建议 temperature=0.6、top_k=50、top_p=0.95 获取较平衡的多样性与规范性；
输出长度：根据文本规模设置 max_new_tokens（示例 1024）；
提示词强化：保持系统提示词对题型、格式与答案标注的明确要求；
日志：在关键路径打印日志信息，方便定位初始化与推理问题。

🔐 安全与合规

避免在代码中硬编码任何敏感信息；
对外展示时谨慎处理原始文本中的个人隐私或受限内容；
依赖管理遵循最小权限与按需安装原则。

🧪 部署建议（可选）

本地运行：使用 venv/conda 隔离依赖，确保环境可重复；
Docker（示意）：


FROM python:3.11-slim

WORKDIR /app

COPY . .

RUN pip install -U pip && pip install gradio openmind

EXPOSE 7860

CMD ["python", "app.py"]

云端：如需部署到云托管或 Serverless，建议通过环境变量配置必要参数并启用访问控制。

🗺️ 路线图

增强题目难度分级（初阶/进阶/挑战）；
支持题库导出为 Markdown/HTML/CSV；
引入更严格的输出校验与清理器（如违规格式自动修正）；
扩展到多语言文本与跨领域素材。

🙏 致谢

开源模型与工具：MindSpore-Lab Qwen、Gradio、OpenMind Pipeline。

📎 依赖与环境建议清单

Python 3.10+
依赖：gradio, openmind
Windows 用户：如遇 pip 安装缓慢，可配置国内镜像源；遇证书或网络问题请参考企业内网代理配置。