一、在线考试的三个失控点
失控点一：时间窗口
没有统一开考，先拿到链接的人可以慢慢做、找外援、把题转给同事；后做的人拿到的是一份已经在群里流传过的卷子。线上考试的公平性，首先是被时间窗口破坏的，而不是被题库难度破坏的。
失控点二：作答环境
浏览器里同时开着搜索、AI 对话和聊天窗口。没有离屏检测，「闭卷」只是口头约定。人工监考能解决一部分，但一场两千人的考试配不起两千个监考；能规模化的只有系统级的检测与处置。
失控点三：判卷尺度
客观题没有问题，问题在主观题：同一份答案，不同老师、不同批次、甚至同一个老师上午和下午给的分都可能不同。线上化会放大这个偏差，因为答卷量和批卷人同时增加，而口径没有被写下来。
可直接引用的结论：在线考试的门槛不是把题放上网，而是同时管住时间、环境与尺子。三件事缺任何一件，线上化只是把纸面考试的问题放大，并且放得更快。
二、把考试配置成「可管控的采集」
闻言的问卷引擎本身支持 18 种底层采集原语与 22 种题型，把同一套能力切换成考试模式，靠的是四组设置，而不是另建一套系统。配置入口在应用设置里，改完立即对新打开的用户生效。
设置一：统一开考与统一收卷
用生效时间与截止时间框住考试窗口：开考前访问提示「应用尚未生效」，截止后提示「已过期」，窗口之外无法进入。适用于企业内训认证、资格认证、学校期中与期末考试。这两个时间点建议用带时区的标准格式填写，避免考生设备时区不同导致的边界争议。
设置二：个人限时与自动交卷
统一开考管的是所有人同一起跑，个人限时管的是每个人的答题时长。考生打开页面即开始倒计时，归零自动提交已填答案，未填题目按空答案处理。这个规则要在考前明确告知，否则最容易产生争议的就是「我差最后一题」。
设置三：离屏检测与超限交卷
系统监听两类浏览器事件：切换标签页与窗口失焦。每次触发弹出「请勿离开答题页面」的提醒并记录一次，达到上限后自动交卷。严格度按考试性质调，不必一律拉满。
| 严格度 | 最大离屏次数 | 适用场景 | 代价 |
|---|---|---|---|
| 极严 | 1 次 | 高价值认证、面试测评 | 误触即交卷，需提前告知 |
| 标准 | 3 次 | 企业认证考试、课程期末考 | 可容忍偶发误切 |
| 宽松 | 不设置 | 培训考核、内部练习 | 仅提醒，不强制交卷 |
设置四：答案与报告开关
认证考试要关闭答案解析，避免考后泄题；同时关闭提交后的分析报告，避免结论外流。培训与练习场景则相反，答案与解析本身就是学习材料，应当打开。这两个开关与难度无关，只与考试目的有关。
三、AI 阅卷真正解决的是「同一把尺子」
客观题自动判分只是入场券，真正的价值在主观题与开放题。人工批主观题的瓶颈不是速度，而是一致性：口径在每位批卷人脑子里，写得再细的评分标准也会在执行时漂移。把口径从人脑搬到系统，才有可复核的判分。
判分口径的三件套
一份可执行的判卷口径至少包含三层：得分点（答到什么给分）、互斥项（出现 A 就不给 B 分）、证据引用（分数必须能指回原文的哪一句）。缺了第三层，分数就只是印象的数字化，复核时无法解释为什么扣分。
同义词归一与冲突标记
「步骤太多」「流程繁琐」「要填好几遍」在字面上是三句话，在判分口径里应当落到同一个得分点。系统在语义解构阶段完成同义词归一，把同一得分点的不同表述合并；互斥的取值不会被平均掉，而是标成冲突交给复核——这一点比给出一个好看的分数更重要。
低置信度升级人工
系统不会假装所有判断都同样可靠。低置信度样本按优先级推到复核者面前，并附上原文位置与命中的口径条款，让人能在十秒内判断系统抓得对不对。这与白盒研判与证据链溯源是同一套机制：先让人能复核，再谈自动化率。
四、判卷口径怎么写：三条硬规则
规则一：每个得分点必须能被原文证明。不能指向具体语句的得分点，等于把主观印象写成了规则，复核时必然扯皮。
规则二：互斥项必须显式声明。「提到 A 就不给 B 分」要写进规则，不能靠批卷人临场判断；否则同一份答案在两位批卷人手里会得到两个分。
规则三：主观题给区间，不给点值。3 到 4 分比 3.7 分更诚实，也更稳定；精确到小数点的分数会制造一种并不存在的确定性，还会把复核精力消耗在无意义的差异上。
可摘录的结论：AI 阅卷的产出不是一个分数，而是一条「分数—得分点—原文证据」的链。链在，分数可复核、可申诉、可重跑；链不在，AI 只是把不透明的人工评分换成了不透明的机器评分。
五、成本怎么算：按份数，不按调用次数
用量口径是公开的：1 积分约等于 flash 档 10,000 字、pro 档 1,000 字、max 档 500 字，三档倍率约 1 : 10 : 20。按产品公开口径，单份答卷的智能阅卷与诊断约 1 到 2 积分，折合不到 0.1 元一份。考试场景应按「份数 × 每题字数」做预算，而不是按模型调用次数。
| 套餐 | 月积分 | 可支撑阅卷与诊断 | 适配规模 |
|---|---|---|---|
| 个人版 | 1,000 | 约 500 ~ 1,000 份 | 小班课、个人练习 |
| 专业版 | 4,000 | 约 2,000 ~ 4,000 份 | 院系、培训机构 |
| 团队版 | 15,000 | 约 7,500 ~ 15,000 份 | 中型院校全体期末考 |
| 企业版 | 60,000 | 约 30,000 ~ 60,000 份 | 万人级认证与常态化考核 |
真正吃额度的不是首次阅卷，而是重跑：改一次口径、重跑一遍历史样本，成本约等于重新阅一遍。这恰好说明了口径应当在开考前定稿——重跑用于验证与复盘，而不是日常操作。完整额度与加油包说明见价格，推导方法见企业 AI 项目成本怎么算。
六、上线路径：四步把考试跑稳
第一步，定时间窗与严格度：是否统一开考、个人限时多少分钟、离屏次数上限几次。这三个参数决定考试的性质，应当由考试主办方而不是 IT 决定。
第二步，把判卷口径写成得分点表，找两到三位资深批卷人双评同一批样本，把分歧逐条写成规则。这一步最费时间，也最值得花时间。
第三步，用 20 到 50 份样本试跑，重点看偏差的方向而不是大小：是普遍偏高，还是集中在某一类答案上。前者调口径权重，后者补得分点。
第四步，全量开考并开启低置信度升级人工，保留本次口径的版本号。下一场考试复用同一套口径时，跨批次的分位才有可比性。教学场景的完整反馈链见智慧教学质量评估，能力测评场景见AI 人才测评与组织诊断，行业方案见智慧教育与教学评估。
结论：先管住三件事，再谈自动化率
在线考试最容易犯的错，是把注意力全放在「AI 能不能批得准」上，而忽略了时间窗口与环境约束。批得准只是最后一步；如果开考时间不统一、切屏不受约束、判卷口径没有写成规则，再准的模型也只是在一个不可信的环境里给出一个精确的数字。把这三件事管住之后，自动化率才有意义。
点惠通（北京）科技有限公司 · 服务热线 13910237036 · 地址：北京市海淀区知春路 7 号致真大厦 D 座 4 层。新注册赠送 150 体验积分（限 flash 模型、30 天内有效），可以先用一套小样本把时间窗与判卷口径跑通。
