iPAS 適性化模擬考

問題

2026 年中我在準備經濟部 iPAS AI 應用規劃師能力鑑定。官方能練的只有幾份考古題，反覆重做只會記住答案，記不住觀念，也看不出自己到底弱在哪裡。

我做了什麼

一套適性化模擬考系統，一個人用 Claude Code 依「spec → plan → 實作 → 審查」的流程做完。Python 管線把考古題 PDF 拆成結構化題庫；Next.js 網頁可以考整份卷或隨機抽題，逐題自動存檔、伺服器端批改，並有成績分析儀表板。後端由組織內部閘道提供的模型替每個選項寫詳解，並把每道官方題生成經過驗證的變體題，讓練習每次都不一樣，也能對準弱點。

運作方式

1. ingest 管線把 6 份考卷解析成 300 題、1,200 個選項；每份卷必須通過「50 題 × 4 選項 × 1 正解」的強制檢查才會入庫。
2. 每道官方題當作種子，由一個模型生成易、中、難三種難度的變體：觀念不變，換情境或數字。
3. 另一個模型在不看答案的情況下獨立作答。答案不一致、信心偏低、出現多個正解或超出範圍，一律丟棄；再用 embedding 剔除同種子下過於相似的題目。
4. 不論官方題或生成題，都附上詳解：正解為什麼對，其他三個選項各自錯在哪。
5. 交卷時呼叫單一支寫入 RPC，由伺服器對照答案鍵算分，結果只寫入一次。
6. 弱點練習把答錯的題目依種子題歸成「家族」，從這些家族裡挑還沒做過的變體出題。

關鍵決策

• 前兩個階段完全不用 AI。 前兩個階段先做解析入庫和可用的考試介面，在接上任何模型之前，系統就已經能用。
• 答案鍵永遠不進瀏覽器。 題庫只能由伺服器讀取，選項與正解分欄存放，批改在資料庫內完成。
• 兩個獨立模型把關，不靠人工審查。 正解不能出錯，所以出題的模型不驗自己的題：由另一個模型不看答案獨立作答，答案不一致就丟棄。
• 弱點用種子家族配對，不用標籤。 2,094 題裡共有 3,584 種不同的自由文字觀念標籤，其中 71% 只出現過一次，因此標籤只拿來顯示。

成果

題庫共 2,094 題（官方 300、AI 變體 1,794），每題都有逐選項詳解。系統已容器化，並定義了 CI 流程（lint、型別檢查、單元與端對端測試）。我自己用它備考，2026-08-15 兩科都通過，分別是 70 與 76 分。有一個已知缺口記錄在案、尚未修補：資料層的擁有者規則讓使用者能直接改寫自己存下的分數。