探索 HuggingFace 并构建 AI 试题生成器

大家好！我是 Kurt。最近，我一直在深入研究 AI 模型的世界。您可能听说过 HuggingFace，这是一个面向 AI 爱好者和开发者的强大平台。让我带您了解我试验其中一个 AI 模型的历程，以及它如何引导我为教育工作者构建有用的东西：AI 考试问题生成器。

HuggingFace 是什么？

HuggingFace 是任何对 AI 感兴趣的人的宝库。它提供：

90 万多个 AI 模型

200k+数据集

30 万多个演示应用程序（Spaces）

所有这些都是开源的，可以立即使用，使机器学习中的协作变得轻而易举。这些模型涵盖了多模态、计算机视觉、自然语言处理 (NLP) 和音频等广泛的类别。

但问题是——阅读有关人工智能的书籍对我来说还不够。我想要亲身体验。所以，我决定测试 HuggingFace 的一个模型。

我与 HuggingFace 的第一步

使用 HuggingFace 设置项目非常简单。以下是该过程的简要概述：

创建帐户：注册并导航至设置以生成访问令牌。

启动 Node.js 项目：npm init --y

安装所需的软件包：npm i @huggingface/inference dotenv

复制示例代码：将 HuggingFace 模型页面中的代码片段粘贴到您的项目中。 import { HfInference } from "@huggingface/inference" const client = new HfInference("YOUR_HF_TOKEN") let out = ""; const stream = client.chatCompletionStream({ model: "Qwen/QwQ-32B-Preview", messages: [ { role: "system", content: "你是一个乐于助人、无害的小助手，你是阿里巴巴开发的 Qwen，你应该按部就班地思考。" }, { role: "user", content: "给我讲个故事" } ],temperature: 0.5, max_tokens: 2048, top_p: 0.7 }); for await (const chunk of stream) { if (chunk.choices && chunk.choices.length > 0) { const newContent = chunk.choices[0].delta.content; out += newContent;控制台.log（新内容）； } }

运行代码：当 AI 处理您的输入并生成输出时，观察魔法的展开。

就这样，我的模型就建立起来并开始运行了！但我还不满足——我还想做更多。

找到需要解决的问题

作为一名前兼职**计算机科学教授**，我经常面临编写考试试题的挑战。我的老师朋友也有同样的困扰。编写符合**布鲁姆分类法**的试题既繁琐又耗时。

如果您不熟悉，**布鲁姆分类法** 是教育中用于按认知水平对学习目标进行分类的框架。它包括：

记忆：基本回忆和识别

理解：领悟信息

应用：在新情况下使用信息

分析：将信息分解成几部分

评估：根据标准做出判断

创作：制作新的或原创的作品

有效的考试需要综合考虑这些层次，而不仅仅是基本的回忆问题。而这正是我看到创新机会的地方。

介绍 Nexar：AI 考试问题生成器

为了解决这个问题，我开发了 **Nexar**，一个由人工智能驱动的生成考试题目的工具。它的工作原理如下：

设置问题数量：决定生成多少个项目。

选择起始项目编号：对于组织问题很有用。

选择问题类型：从多项选择题、填空题或判断题中选择。

选择难度级别：基于布鲁姆分类法。

提供内容：从模块粘贴文本或写一个主题。

单击“生成”，然后观察 AI 根据您的输入创建问题。这些问题符合布鲁姆的框架，使考试准备变得更加容易！以下是示例输出

如何尝试

Nexar 仍处于原型阶段，但功能齐全。如果您是教师、开发人员，或者只是对 AI 感兴趣的人，我很乐意让您尝试一下。您的反馈将帮助我改进并将此工具提升到一个新的水平。

👉

构建 Nexar 是一次有趣且充实的体验。这证明了人工智能可以创造性且高效地解决现实世界的问题。如果您有想法或想要合作，请与我们联系！