用了三年Moodle之后，我才真正把题库建设的流程跑通。最开始接到一个任务：把机构攒了五年的计算机二级Python题库从Excel和Word里全部搬上Moodle，支撑每期数百名学员的模拟考试。当时我以为就是把题目逐条复制进系统，结果发现完全不是这么回事——分类怎么设计、题目怎么批量导入、试卷怎么随机抽题、错题怎么反向修正，每一步都有讲究。这篇文章我就把完整跑通的一套Moodle题库建设方法写出来，从建库思路、导入格式，到组卷逻辑和长期维护，全部是实际操作验证过的。
1. 为什么我不再推荐把题库放在Excel里，而是搬进Moodle
1.1 一次集中出卷逼出来的转型
之前带一门三百人的《Python程序设计》课程，期末要出A/B两套试卷。以前的流程是这样的：从Excel题库里人工筛题，复制到Word里排版，再找人校对答案，最后去文印店印出来。两套卷子要保证知识点覆盖一致、难度接近、题不重复，光筛题就花了一天。考试结束后还有几十份雷同卷等着判断，批改工作量巨大。
后来一个学期改到Moodle平台上考试。题库建好后，在测验活动里添加随机题，从分类里选好题目数量和分值，保存，完事。系统自动给每个学生生成一套题，顺序打乱、选项打乱，A卷B卷这个概念直接消失了，因为每个人拿到的题目组合都不一样。考完自动评分，成绩直接进成绩册，还能按班级导出Excel报表。那一刻我才意识到，题库放在Excel里只是数据，放在Moodle里才是资产。
这个对比不是夸张。Word和Excel适合“存题目”，但完全不具备“按规则抽题、自动组卷、自动评分、统计分析”的能力。Moodle这类LMS真正厉害的地方在于，题库不是孤立存在的，它和课程、测验、成绩册、学员账号全部打通。同样的题目，你可以在章节测验里用一次，在模拟考试里用一次，在补考里再用一次，每次都从不同的维度抽取和组合。
1.2 Moodle题库与商用题库平台的取舍
市面上有很多现成的题库平台，尤其在考证领域，计算机二级题库、软考题库、华为认证题库这类产品非常多，注册就能刷题，题量也大。那为什么还要自己在Moodle里建题库？我做了个对比：
| 维度 | 商用题库平台 | Moodle自建题库 |
|---|---|---|
| 学习成本 | 注册即用 | 需要服务器和基本运维能力 |
| 题目内容 | 平台自带，更新节奏由平台定 | 自己录入、自己维护、完全可控 |
| 数据所有权 | 在平台手里，导出通常受限 | 完全自有，随时可导出备份 |
| 题型扩展 | 平台支持什么就是什么 | 原生题型+插件，如CodeRunner |
| 与教学流程整合 | 通常是独立App | 与课程、分组、成绩册、证书插件一体 |
| 成本 | 按年/按人头付费 | 开源免费，主要成本在服务器与人力 |
商用题库平台不是不好，它适合个人刷题备考。但如果你是一个学校、培训机构或企业培训部门，需要统计学员的学习数据、按自己的教学进度组织题目、把测验成绩纳入总评，商用题库平台就非常不顺手。
我之前帮一家培训结构做计算机二级Python题库建设，发现市面上那些App题库虽然题多，但学员做完以后老师拿不到细粒度的结果数据，只知道“这套题正确率”。而在Moodle里，每一道题的正确率、区分度、每个选项被选了多少次，全部有报表。这些数据对持续优化课程和考核内容极其重要。所以我的建议是：个人刷题用现成平台，机构级教学和培训考核一定要有自己的题库系统。
1.3 什么样的考试场景真正适合自建题库
不是所有题库都应该建在Moodle里。适合的场景，我总结了四类：
- 校内课程测验：章节小测、期中期末客观题部分，自动评分，省批改工作量。
- 考证培训的客观题模拟：软考、HCIA/HCIP、NISP、计算机等级考试里的大量选择题、判断题、填空题，Moodle原生就能承接。
- 企业内训考核：合规培训、岗前测试、定期安全考试，需要留痕和统计时非常合适。
- 课后自主练习：开启多次尝试、随机抽题，让学员反复刷同一知识点的不同题目。
不太适合的场景也要说清楚. 很多人搜“计算机二级ms office题库”或者“计算机一级wps office题库”，希望Moodle能直接做Word、Excel、PPT的操作题，从技术上来说，Moodle原生是做不了的。它只能判断选择题里你选了哪个选项，无法判断你在真实Office环境里有没有把段落间距设置成20磅。这一类操作题必须依靠专用仿真软件，或者考试官方提供的模拟器，Moodle作为练习入口和成绩记录端比较合适。如果是编程题，则可以借助CodeRunner插件，在沙箱里跑学生提交的代码并比对测试用例，这是另一套配置方案。
2. 建库之前必须想清楚的底层设计：分类、题型与边界
2.1 分类树设计：科目、章节、难度三层
在Moodle里，题库不是一个平铺的文件列表，而是有层级结构的。这个结构通过“分类”来实现。很多新手上来就把几百道题全部导到默认分类里，第一周感觉没事，等到要随机抽题组卷的时候就傻了——所有题混在一起，想从“公共基础”里抽10道、从“Python基础语法”里抽15道，完全没法操作。
我建议所有题库在建库之前，先花半天时间设计分类树。以计算机二级Python为例，一套我实践过多次的分类结构长这样：
计二Python题库 ├── 公共基础 │ ├── 数据结构与算法 │ ├── 程序设计基础 │ ├── 软件工程基础 │ └── 数据库设计基础 ├── Python语言基础 │ ├── 基础语法 │ ├── 数据类型 │ ├── 流程控制 │ ├── 函数与代码复用 │ └── 组合数据类型 ├── 文件与数据格式化 ├── 计算生态与第三方库 └── 操作题专项 ├── 基本操作 ├── 简单应用 └── 综合应用设计分类树时有几个原则。第一，一级分类按考试科目或知识模块，比如“公共基础”和“Python语言基础”是两套完全不同的内容，混在一起会严重影响后续抽题。第二，二级分类按知识点，粒度不要太粗也别太细，粗了随机抽题时无法控制知识点分布，细了每个分类只有一两道题，随机题会抽不上来。第三，如果有难度区分需求，建议单独建一套“难度”维度，比如每个章节下再区分基础/进阶/综合，或者在题目名称里加难度标记，用GIFT导入时一并写好。
在Moodle里创建分类的入口是：站点管理或课程管理 → 题库 → 分类。这里有一个非常关键的选项叫作“上下文”，它有几种层级，系统级、课程分类级、课程级、测验活动级。如果你希望题库能在多门课程里共用，一定要建在课程分类级或更高的系统级上下文中。只建在当前课程里的话，换个课程就用不到了。
2.2 Moodle原生题型选择清单
Moodle原生的题库里大概有十几种题型，但实际用得顺手、自动评分稳定的其实就那么几种。我的选型清单如下：
| 题型 | 适用场景 | 注意事项 |
|---|---|---|
| 单选题 | 概念题、计算题、代码输出题 | 选项数量建议4-5个，自动评分最简单 |
| 多选题 | 概念辨析、多选一类的考点 | 默认只要选错一个就不得分，需讲清楚规则 |
| 判断题 | 快速扫盲、基础概念确认 | 答案只能是TRUE或FALSE，GIFT导入方便 |
| 短答题 | 固定关键词的填空题 | 答案必须匹配，大小写和空格都会影响 |
| 数字题 | 数值计算题 | 可以设误差范围，比如1.0±0.1 |
| 匹配题 | 概念和定义、公式和名称配对 | 自动评分稳定，适合概念类知识点 |
| 拖拽题 | 排序、分类、图片标注 | 制作成本高，但效果好 |
| 嵌入答案（Cloze） | 一段文字里挖多个空 | 语法复杂，批量导入时容易出错 |
| 计算题 | 带随机变量的计算题 | 同一个知识点每次算出的数不一样，能防抄袭 |
| 论述题 | 编程题、主观题 | 不能自动评分，需要人工或CodeRunner |
对考证类题库来说，单选题、多选题、判断题、短答题、匹配题这五类覆盖了90%以上的客观题需求。拖拽题和Cloze虽然效果好，但制作和导入成本高，适合做少量精品题。
2.3 自动评分的边界：客观题引擎做不了什么
这是很多项目翻车的地方。Moodle原生题库本质上是一个“客观题引擎”，它的自动评分能力边界非常清晰：能判断学生选了什么选项、填了什么文本、把哪个拖拽块放到了哪个位置。但它无法判断学生做了什么操作。
所以，如果你的“计算机二级ms office题库”想让学生在Moodle里做Word排版题、Excel函数计算题并自动判分，Moodle原生做不到。实际的主流做法是两条路：一条是客观题部分放Moodle里做，操作题部分用官方模拟器或专用仿真软件去考，最后把操作题成绩手工或者通过接口回传到Moodle成绩册；另一条是编程类题目用CodeRunner插件，把Python或C语言代码提交到隔离环境里跑测试用例，自动判定是否通过。
我自己的经验是，不要试图让Moodle干它不擅长的事。规划题库时先分清楚：哪些题能用客观题自动评分，哪些必须走仿真环境，哪些只能人工批改。这个边界想清楚了，建库方向就不会跑偏。
3. 三种批量导入格式，从零到五百题的操作细节
3.1 Aiken格式：纯文本最快上手，适合单选
如果你手里有几千道单选题，想把它们快速导入Moodle，Aiken格式是最简单粗暴的方式。它甚至不需要懂任何代码，只要按固定格式把题目写成纯文本就行。
一个标准的Aiken格式长这样：
以下哪个是Python中的可变数据类型？ A) 字符串 B) 元组 C) 列表 D) 数值 ANSWER: C Python中用于定义函数的关键字是？ A) function B) def C) define D) func ANSWER: B导入路径：进入题库 → 导入 → 文件格式选择Aiken → 上传或粘贴文本 → 选择目标分类 → 导入。
Aiken格式有几条硬性规则，踩过坑的我每条都列出来：
- 每个题目由题干开始，紧接着是A/B/C/D选项，选项行必须以大写字母加英文句点或右括号开头。
- 答案行必须是“ANSWER: C”这样的形式，冒号必须半角，冒号后面可以有一个空格。
- 题目与题目之间用空行分隔。
- 文件编码必须是UTF-8无BOM，Windows记事本默认的ANSI编码会导致中文乱码。
- Aiken格式只支持单选题。多选题、判断题、填空题都不要尝试用Aiken导，会导入失败或者导进去变成单选。
Aiken格式最大的优点是轻，一个问题一个条目，肉眼就能检查格式有没有问题。它适合团队里不懂技术的老师来维护题目，拿出记事本就能改。
3.2 GIFT格式：更丰富的题型与反馈
当你的需求超过单选，要导入判断题、填空题、多选、匹配题，就得用GIFT格式。GIFT是Moodle全家桶里最强大的文本导入格式，支持的信息非常丰富，包括题目名称、反馈、分值权重。
单选题：
::PY-基础-001::以下哪个是Python中的可变数据类型？{ =列表 ~字符串 ~元组 ~数值 }判断题：
::PY-基础-002::Python是一种解释型语言。{TRUE}填空题：
::PY-基础-003::在Python中，用于定义函数的关键字是{=def}。多选题：
::PY-基础-004::下列哪些属于Python的内置数据类型？{ ~A. int =B. str =C. list ~D. struct }GIFT的语法核心是花括号。{=正确}表示正确选项，{~错误}表示错误选项。导入时如果花括号里只有一个=，Moodle会把它识别为单选题；如果有多个=，就识别为多选题。判断题直接用{TRUE}或{FALSE}。匹配题的写法是用=开头，每个匹配对用->连接：
::PY-Match::把术语和解释匹配起来。{ =列表 -> 可变的有序序列 =元组 -> 不可变的有序序列 =字典 -> 键值对集合 }GIFT格式还有一个容易被忽略的功能：可以在选项后面加#写反馈，学生答完题就能看到解释。
::PY-基础-005::下列哪个是合法的Python变量名？{ =my_var #正确，字母加下划线开头 ~1var #错误，数字不能开头 ~var-name #错误，连字符不是合法变量字符 }批量导入GIFT时，我强烈建议给每一道题写一个唯的名称，用::名称::指定。名称在整个题库里最好全局唯一，不然后续统计和管理会出现麻烦。命名规则我习惯用“科目-章节-序号”，比如“PY-基础-005”。
3.3 用脚本把Excel/Word题库清洗成导入文件
这是整个批量导入流程里最花时间、也是最有价值的一步。绝大多数机构的题库，源头都是Word文档或者Excel表格，格式五花八门，有的题干和选项混在一起，有的答案标注在题号后面，有的甚至答案单独放一个文档里。直接把这样的内容复制进Aiken或GIFT格式，会让人怀疑人生。
我的建议是：先清洗，再导入。清洗的第一步是把所有题目整理成统一的结构化表格，至少包含以下列：
| 章节 | 题型 | 题干 | A | B | C | D | 答案 |
|---|---|---|---|---|---|---|---|
| Python语言基础 | 单选 | 以下哪个是Python的可变类型？ | 字符串 | 元组 | 列表 | 数值 | C |
| Python语言基础 | 判断 | Python是解释型语言。 | TRUE |
整理成Excel后，可以用Python脚本把表格批量生成GIFT文件。我贴一个我常用的脚本，逻辑非常简单：
# -*- coding: utf-8 -*- import csv with open('questions.csv', encoding='utf-8-sig') as f: for row in csv.DictReader(f): stem = row['题干'].strip() qtype = row['题型'].strip() if qtype == '判断': ans = row['答案'].strip().upper() if ans in ('TRUE', 'T', '正确', '对'): print(f"::{stem}::{stem}{{TRUE}}") else: print(f"::{stem}::{stem}{{FALSE}}") else: ans = row['答案'].strip().upper() options = { 'A': row['A'].strip(), 'B': row['B'].strip(), 'C': row['C'].strip(), 'D': row['D'].strip(), } line = f"::{stem}::{stem}{{" for letter in 'ABCD': mark = '=' if letter == ans else '~' line += f"{mark}{options[letter]} " line += "}" print(line)把CSV文件和这个脚本放在同一个文件夹里，运行后控制台输出的就是标准的GIFT文本，直接复制到Moodle的GIFT导入框里就能用。如果不会Python，也可以用Excel的CONCATENATE函数拼接，但处理几百上千道题时，Excel公式容易出错且不好维护。
重点提示：题干里如果有花括号{}、=、~这些GIFT保留符号，导入前必须把它们去掉或者转义。最省事的办法是清洗时统一把这些特殊符号替换成中文全角符号，或者直接从题干里删掉。GIFT格式里未转义的花括号会让Moodle解析失败，这是新手最常见的报错。
3.4 Moodle XML：图片、多媒体与精细控制的兜底方案
Aiken和GIFT虽然方便，但有一个共同的短板：只适合纯文本题。如果题目需要插图、音频、视频，或者复杂的多选部分给分规则，就必须用Moodle XML格式。
Moodle XML是Moodle自己的题目交换格式，结构完整、信息保真，但手写起来非常烦琐。一个最简单的多选题XML长这样：
<quiz> <question type="multichoice"> <name> <text>示例多选题</text> </name> <questiontext format="html"> <text><![CDATA[以下哪些是水果？]]></text> </questiontext> <answer fraction="100" format="html"> <text>苹果</text> </answer> <answer fraction="0" format="html"> <text>土豆</text> </answer> </question> </quiz>我实际不建议手写XML来建整个题库，但强烈建议掌握一种用法：在Moodle里先手工建一道包含图片或特殊评分的题，然后通过“题库 → 导出 → Moodle XML格式”把它导出来，看看XML长什么样。以后需要批量生成同类复杂题时，照着这个XML结构去改就行。
XML另一个重要应用场景是题库迁移。当你要把Moodle从旧服务器换到新服务器，或者把课程从一个站点搬到另一个站点，用Moodle XML导出再导入，能最大程度保留图片、附件和选项结构。这一点在后面避坑部分我会详细讲。
4. 组卷：随机题、固定题、权重和防作弊的核心设计
4.1 一套可复用的“计算机二级Python模拟卷”组卷方案
题库建好之后，最常用的操作就是组卷。我以“计算机二级Python模拟卷”为例，给出一套可以直接复用的客观题部分组卷方案。
假设整张卷子满分100分，考试时间120分钟。客观题部分我设计为50分，剩下50分留给操作题和编程题走CodeRunner或人工批改。客观题的结构如下：
| 题目来源分类 | 题量 | 每题分值 | 小计 |
|---|---|---|---|
| 公共基础（全部子分类） | 10题 | 1分 | 10分 |
| Python基础语法 | 10题 | 1分 | 10分 |
| 数据类型+组合数据类型 | 10题 | 1分 | 10分 |
| 函数与代码复用 | 5题 | 2分 | 10分 |
| 文件与数据格式化 | 5题 | 2分 | 10分 |
具体在Moodle里的操作步骤：
- 在课程里创建“测验”活动，设置考试时间120分钟，开启随机排序问题和随机排列选项。
- 进入测验编辑页面，点击“添加 → 从题库中添加随机题”。
- 选择分类“公共基础”，设置抽题数量10，分值1。
- 重复上一步，依次给其他分类添加随机题，按表格设置题量和分值。
- 保存并预览，检查生成的试卷是否符合预期。
这套方案的优点在各个分类独立抽题，能保证每个知识模块都有题目覆盖。如果直接把几百道题放在一个大分类里随机抽，很可能抽出来的全是某个章节的题，知识点分布完全失控。
4.2 随机题数量与分类抽取逻辑
随机题在Moodle里不是一道具体的题，而是一个“抽题规则”。每次有学生开始作答时，系统会从指定的分类里随机挑出N道不同的题组成试卷。这个设计非常灵活，但有两条必须注意的规则。
第一，抽题数量不能大于该分类下实际存在的题目总数。如果你在一个只有5道题的分类里设置随机抽10道，保存测验时系统不一定报错，但学员点“开始答题”时会发现试卷生成失败或题目缺失。这个坑极其隐蔽，而且只在学员端报错。我多次见过老师问“为什么学生说进不了考试”，查了半个小时后发现是分类里题目数量不够。
第二，同一个测验里如果有多个随机题规则，且这些规则作用于同一分类或父子分类，系统会尽量不抽取重复的题，但前提是题量充足。如果题量不够，可能会出现同一道题在一张试卷里出现两次。在设计试卷时，要保证参与抽题的每个分类的题量至少是抽取量的1.5到2倍。从防作弊角度讲，分类里的题量越大，不同学生之间拿到相同题目的概率就越低。
我的经验值是：想让学员之间撞题率控制在较低水平，题库量应该是抽取量的5倍以上。比如随机抽10道题，分类里至少准备50道题。这样才能真正发挥随机抽题的防作弊价值。
4.3 防作弊不是Moodle强项：能做什么、不能做什么
很多学校或机构把考试搬到Moodle上的第一反应是问“怎么防止学生作弊”。我的回答通常很直接：Moodle原生提供的防作弊手段，只适合中低风险的测验，不适合高利害的严肃考试。
Moodle能做的：
- 随机抽题，不同学生拿到的题目组合不同。
- 随机打乱选项顺序，相邻考生即使看到同一道题，ABCD的位置也不同。
- 限定考试时间窗口，比如只能在当晚19:00-21:00之间进入。
- 限制尝试次数，只允许一次尝试。
- IP范围限制，只允许校内网段访问。
- 禁止查看反馈或正确答案，直到考试截止时间之后。
Moodle原生做不到的：
- 人脸识别、活体检测、第二机位监考。
- 切屏检测、强制关闭浏览器其他标签页。
- 防止学生用另一台设备查资料或远程协助。
- 完全防止口口相传的答案泄露，除非题量足够大且每次随机。
所以我的建议是：平时章节测验、模拟练习，用Moodle原生的时间限制和随机抽题就够了；如果是要计入毕业成绩或者职业资格认定的严肃考试，要么搭配浏览器锁定软件（比如Safe Exam Browser），要么把Moodle和专业的在线监考系统集成，在组织层面做好身份核验，不要把宝全押在平台功能上。
5. 避坑实录：我在题库建设中踩过的典型问题
5.1 全角字符与编码问题：最隐蔽的数据污染源
这类问题我第一次遇到时排查了将近半天。从Word里复制的题干，选项编号看起来是“A)”但实际上是中文输入法下的全角括号，甚至选项字母是全角“Ａ”。把这样的文本存成Aiken格式导入Moodle，Moodle无法识别选项行，直接报错“Aiken格式题目的语法错误”。
解决方案不复杂，但在清洗环节必须做仔细：
- 把所有全角字母
ＡＢＣＤ替换为半角ABCD。 - 把所有全角冒号
：替换为半角:，尤其在答案行上。 - 把所有全角括号
（）替换为半角()，如果选项编号用的是括号。 - 文件另存为UTF-8无BOM编码，Windows记事本用“另存为 → 编码选UTF-8”即可，VS Code则在右下角选择“UTF-8 with no BOM”。
5.2 Word粘贴与编辑器标签污染
在Moodle题目编辑器里直接从Word粘贴文本，会带进来大量Word私有标签，比如<p>、<span style="...">。前端显示的时候，要么字体大小不一，要么行距忽大忽小，最严重时题干和选项挤在一起。这个问题的根源是Moodle的编辑器默认会保留富文本格式。
解决办法有两个：一是粘贴时使用编辑器工具栏的“粘贴为纯文本”功能，快捷键通常是Ctrl+Shift+V；二是批量导入时完全跳过编辑器，直接在纯文本编辑器里整理成Aiken或GIFT格式上传。我后来的所有建库工作都走第二条路线，效率高且一致性强。
5.3 图片路径与题库迁移：换域名后图片全挂
有一年我们把Moodle站点从旧域名迁到新服务器，访问课程、测验、成绩册都没问题，但打开题目一看，所有图片都是裂的。排查后发现，题目文本里存储的是一段特殊的相对路径，形如@@PLUGINFILE@@/xxx.png，它依赖Moodle文件系统的解析。迁移时如果用了“课程备份+恢复”的方式，文件会被一起打包，图片正常；但我当时图快，直接在数据库里改了域名配置，结果图片全部找不到。
正确的迁移套路是：在旧站使用“备份”功能备份整个课程或题库，到新站使用“恢复”功能，这样文件区和题库内容能一起打包。如果只迁移题库，记住使用“题库 → 导入/导出 → Moodle XML”方式，Moodle XML会把题目中引用的图片文件一并导出，导入时自动恢复。
5.4 随机题不足、同名覆盖与分类权限
这三个问题经常一起出现，我拆开说。
随机题不足前面已经讲过了，这里不再重复，只说一个检查技巧：在题库分类页面，Moodle会显示每个分类下的题目数量，组卷之前先核对一次，确保每个要抽题的分类题量够数。
同名覆盖的问题出现在GIFT批量导入时。如果用::名称::指定了相同的名称，Moodle不同版本的行为不太一样，有些会创建重复题目，有些会直接覆盖原有题目。为了避免这个坑，导入前一定要检查生成的GIFT文件里有没有重复的名称。批量脚本里我习惯用“科目-章节-序号”作为题目名称，从源表格里去重，保证唯一性。
分类权限的问题则比较隐蔽。有时候老师在课程里看不到某个共享分类，不是题库不存在，而是该分类不在这个课程的上下文里，或者角色权限没有放开这个分类的使用权。处理方式是在“题库 → 分类”中将共享题库存放在课程分类级上下文，然后在课程中进行测验设计时，通过“从题库中添加随机题”选择对应分类；如果仍然看不到，需要管理员去角色权限里检查moodle/question:useall相关设置。
5.5 用考试成绩反向清洗题目
这是我认为整个题库建设技术里最值钱的一个环节，可惜很多人不做。每次考完试，Moodle会生成题目分析报表，里面包含每道题的正确率、区分度、标准偏差等统计指标。这些数据直接告诉我哪些题是好题，哪些题是垃圾题。
我的经验判断标准：
| 指标 | 健康范围 | 需要警惕 |
|---|---|---|
| 正确率 | 40%-90% | 低于40%或高于95%都要检查 |
| 区分度 | 0.2以上 | 区分度低于0.2说明题目没有鉴别力 |
| 选项分布 | 每个错误选项都有学生选 | 错误选项几乎没人选，说明干扰项太差 |
正确率过低的题，大概率是题干表述有歧义、答案给错了或者超出考纲；正确率接近100%的题，如果只是送分题可以保留，但如果是中档题，说明题目太简单；区分度为负的题，意味着答对的人反而总分低，这类题直接考虑淘汰。
我会把有问题的题移入“待修订”分类，逐条查看题干、选项、答案，修正后再移回正式分类。这个循环跑起来之后，题库质量会越来越高，后面积累的考试数据也能反哺教学设计。
6. 长期运营：让题库活起来的方法论
6.1 从“一次性导入”到“持续修订”
题库建设最常见的失败模式是“一次性冲量”。项目开始的时候拼命导入了几千道题，导入完成后就再也没人管，题库变成一座庞大的死数据仓库。到第二年考纲一换，很多题已经过时，但老师们也无从分辨。
我现在管理题库的方式是给题库建立“新陈代谢”机制。在分类树里专门建两个特殊分类：一个叫“待修订”，一个叫“已废弃”。每次考试结束后，根据题目分析报表，把有问题的题移入“待修订”，修正后再移回正式分类；确实不符合考纲或无法修复的题，移入“已废弃”，避免再被随机抽到。
同时，建议每个学期至少做一次全库体检。检什么？看各分类题目数量有没有失衡、有没有重复题、有没有过时的知识点表述。通过GIFT导出全库文本，放到Git仓库里做版本管理，这样哪天手误删了一大批题目，还能从历史版本里找回。别嫌麻烦，这套流程一旦建立，日常维护负担会很轻。
6.2 多人协同与权限分配建议
一个真正能长期用的题库，通常不是一个人维护出来的，而是多门课程的老师、助教、教务一起参与。如果权限控制做不好，就会出现有人误删共享分类、有人把分类结构改乱、有人把题目导到自己的课程里导致无法共享等混乱局面。
我的建议是按照角色来划分权限。管理员或专门的题库管理员负责创建分类结构、批量导入题目、管理共享分类；课程教师负责在自己课程范围内使用题库、根据教学反馈提出修订建议；助教负责清洗数据、跑清洗脚本、整理导入文件。不要让所有老师都有题库分类的管理权限，这个权限太危险。
在Moodle里，如果题库建在课程分类上下文中，同一课程分类下的课程都可以使用。这样既能实现跨班级共享，又能通过课程分类隔离不同培训项目。比如“计算机二级培训”是一个课程分类，下面挂了Python、MS Office、C语言等不同课程，它们的题库各自独立，又可以在同一个培训项目内灵活调配。
6.3 与课程、测验和成绩册的联动
题库建成后，可以围绕它搭建一整套教学流程。比如在培训场景里，我把课程设计成一个闯关路径：学员先做“入门诊断测验”，系统从题库的基础分类里随机抽20题，答对率达到80%以上才开放第一章的学习内容。每个章节学完后，做“章节测验”，从该章分类里随机抽题。最终结业考是一套综合试卷，从全部章节分类里按权重抽题。这些测验的分数通过成绩册设置权重，自动汇总成学员的总评成绩。
这种联动的好处是，题库不再是孤立的“刷题工具”，而是整个培训体系的数据中枢。每一次测验都会产生数据，每一道题的答题记录都会回流，帮助我判断哪些章节学员掌握得差、哪些题目有争议、哪些班级学习进度异常。
把这些跑通之后，题库建设从“录入题目”变成了“搭建考核体系”，价值完全不一样了。如果你也正准备在Moodle里建题库，我建议先小范围试跑，拿一门课、几百道题，把分类和导入格式跑通，再铺开。别追求一次性导入上万道题，源头数据不干净，导入再多也是在垃圾堆上盖楼。题库建设本质上是数据工程，前面分类和格式稳住了，后面组卷、统计、迭代都会非常顺手。
