让 AI 出题刷练习，是 AI 进入学习流程最顺手的一步：把薄弱知识点发给 DeepSeek，几十秒拿到一批新题，做完还能追问讲解。但刷题的结构比刷题的量更重要——真题和 AI 模拟题怎么搭，直接决定练习是在校准方向还是在原地打转。这篇讲两类题各自的强项、AI 模拟题质量的判断方法与搭配节奏，每一条都能直接搬进自己的复习表。
真题与模拟题各自的强项
真题的价值集中在三样东西上：考点的真实分布、难度的真实梯度、设问的真实风格。一套真题从命题、审题到试测，打磨成本远高于 AI 生成一套题的成本，里面的陷阱设置与干扰项设计是反复校准的产物，所以真题要精做——每道错题追到知识点，近年真题覆盖的考点清单就是复习主干。AI 模拟题的强项在另一侧：随叫随到、可无限出变式、能针对薄弱点定向加练。让 AI 围绕一个知识点连出五道同类题，这种定向补强是真题给不了的。一句话定位：真题管方向，模拟题管题量，顺序不能反——用模拟题定方向，越练越偏。
| 维度 | 真题 | AI 模拟题 |
|---|---|---|
| 强项 | 考点的真实分布、难度的真实梯度、设问的真实风格 | 随叫随到、可无限出变式、能针对薄弱点定向加练 |
| 成本 | 命题、审题到试测，打磨成本远高 | 生成成本低 |
| 怎么用 | 精做，每道错题追到知识点 | 一次一批，做完即换，不必长期留档 |
| 角色 | 管方向 | 管题量 |
AI 模拟题先验答案再用
AI 生成的题目质量参差，拿过来就刷风险不小，三类常见问题要心里有数。一是答案出错：计算题偶有算错，开放题自拟的参考答案可能逻辑粗糙，照着错误答案订正，越练越偏。二是情境失真：题干背景编得想当然，条件互相矛盾、数据不合常识，这种题做完也没有训练价值。三是超纲与口径漂移：模型不清楚你的考试范围，会把别的教材体系的解法混进来，思路再漂亮也对不上考纲。所以先验答案再用是铁律：下笔前扫一眼题干与答案是否自洽，做完用教材或真题核对存疑处。出题侧的专业审查思路可以借来用，见题目质量的审查点与教师的审题把关两篇，老师怎么审 AI 的题，学生就能怎么自查。
两类题的搭配比例与节奏
落到执行，搭配可以分三层。第一层用真题定基准：按年份做近年真题，标出薄弱章节，真题为主线的节奏不动摇。第二层用 AI 定向补量：把薄弱知识点发给 DeepSeek 或豆包，要求「按某某考试的范围出五道变式题，附答案与解析」，一次一批，做完即换，不必长期留档。第三层回真题检验：补练之后用一套没做过的真题验证，正确率的变化比感觉可靠。比例不用死板，方向性判断是真题占大头、模拟题当填充，越临近考试越向真题倾斜。另外隔一段时间让 AI 重新出一批，避免反复刷同一风格的题，制造虚假熟练感。
刷题自查要点
三条自查要点收拢全文。第一，问这批题从哪来：进入错题本的 AI 题目，答案核对过没有，没核对的先标记隔离，别混进可靠题源。第二，问刷题结构转没转：真题推进、AI 补练、真题检验三层都在动才算健康，只在 AI 题里打转，方向感会越来越模糊。第三，问 AI 的角色边界：它是出题与讲题的助手，考什么、怎么考的判断以考纲文件和老师口径为准，AI 对结果的置信边界怎么把握，见AI 不确定性下的信任一篇；交作业前的整体自查，见学生用 AI 的自查清单一篇。
刷题搭配速查
- 定位：真题管方向，模拟题管题量
- 顺序：先做真题找薄弱，AI 定向补，再回真题检验
- 验题：AI 出的题先验答案，存疑对照教材
- 比例：真题占大头，越临近考试越倾斜真题
关于刷题搭配的常见疑问
- AI 出的模拟题能替代真题吗？：不能替代，只能补充。真题的考点分布与难度梯度是命题端反复校准的产物，AI 模拟题的价值在定向补量与变式练习，方向性判断始终以真题为准。
- 发现 AI 给的答案是错的怎么办？：先用教材或真题核对确认，确认后把这批题整体降级处理——同一批生成的题往往带着同源的问题，别只改一道。
- 临近考试还值得用 AI 出题吗？：值得但换用法。这个阶段以成套真题为主，AI 用来做错题变式和速答训练，别再让它大批量出新题。
