在课灵上复刻《谁想成为百万富翁》游戏

这是一篇开发随笔。记录我最近把《Who Wants to Be a Millionaire》（谁想成为百万富翁）这个 1998 年的英国电视游戏节目搬进课灵的全过程。重心不在产品功能介绍，而在过程中那些踩过的坑、做过的取舍、以及几个让我自己意外的小发现。

一、为什么是"百万富翁"

《Who Wants to Be a Millionaire》——是由英国独立电视台制作的一款电视游戏知识问答节目，15 道题，每题 4 个选项，难度递增，答错出局，达到安全线可以拿保底奖金，阅读百度百科《百万富翁》了解详细内容。

这个节目 1998 年首播，到今天还在播。它能活 27 年，本身就不寻常。我后来想明白了为什么——它把’答对题’包装成了一场小型的英雄之旅。

（顺便提一下：国内能连播 27 年的节目，我掰着手指数了数，除了春晚就没几个了。知识竞技这种"硬内容"能跑这么久，本身就是件值得琢磨的事。）

具体说，它的结构值得拆一拆：

• 即时反馈：选完答案立刻知道对错。行为主义学习理论最基本的强化循环。
• 难度阶梯：从常识到专业层层递进。暗合维果茨基的"最近发展区"——你够一够就能到，但下一题总会要你多走一步。
• 风险决策：见好就收，还是赌一把？这种"该不该继续"的判断本身就是高阶思维训练。
• 求助系统：打电话、问观众。本质是训练"你知道谁知道"——元认知的经典问题。

我在课灵中复刻了这个游戏，技术上用的是一款现成的 HTML5 游戏引擎，背景、角色、按钮、音效全部内置，渲染效果相当到位。引擎跑起来只用了半天。

真正难的是出题。

二、15 道题，人类出题者的噩梦

让我们面对现实：出一套好的百万富翁题目是相当困难的。

你需要的不是 15 个随机问题，而是一条有讲究的难度曲线。Q1 要简单到让人产生"我能行"的错觉，Q15 要难到让大家都要查一下。中间每一级都是一个小小的心理博弈——上一题给你信心，下一题就让你自我怀疑。

而且每道题需要 4 个选项：1 个正确答案 + 3 个干扰项。干扰项不是随便写的——它们必须看起来"有可能是对的"，但又经不起推敲。这本质上是在模拟认知冲突：让学习者在几个貌似合理的答案之间做判断。

我们的用户大多是教师和课程设计者。他们懂内容，但不是题库专家。手动输入 15 题 × (1 题干 + 4 选项) = 75 个文本框，难度递增全靠感觉，干扰项质量参差不齐。

所以很自然地，我们把目光转向了 AI。

三、AI 出题：第一次翻车

第一次测试很简单——给 AI 一个主题，让它返回 15 道题。

结果令人失望。

AI 确实生成了 15 道题，但问题很多：难度几乎一样，区分度极低。同一个领域内反复问"第一个是什么"“最大的是哪个"“作者是谁”。干扰项要么太明显（“中国的首都是？A. 北京 B. 月亮 C. 火星 D. 太阳”），要么根本不合理。

这说明一个核心问题：AI 不理解什么叫"难”。

对人类来说，“Q15 应该比 Q1 难得多"是一个直觉判断。但对大语言模型来说，“难"是一个相当模糊的概念。它会默认把自己训练数据中最常出现的问题当作"正常的”，把稍微少见一点的当作"难的”——这和人类对难度的感知完全不同。

我自己盯了半小时 AI 的输出，才意识到问题出在更深一层：我们根本没告诉 AI 一个"难"的客观标准。我说"难一点"，但凭什么"难"？是文字更长？是概念更冷门？还是需要跨领域推理？

于是我们开始系统性地思考：什么让一个问题变得"难"？

四、用 Bloom 分类法给 AI 一个"难度坐标系"

教育领域有一个经典框架叫 Bloom 认知分类法，它把认知过程分为六个层次：

Bloom 分类法给了我们一个可量化的"难度坐标系"。但我们最初的做法是把它变成一个用户可以选择的难度滑块：入门、基础、进阶、专业、专家，五选一。

这带来一个逻辑上的矛盾：如果用户选了"入门"，Q1 到 Q15 都是入门级——那 Q15 也太简单了。如果用户选了"专家"，Q1 就是学术争论——那还有什么"热身"可言？真实的百万富翁游戏，Q1 偏容易，Q15 偏难。难度不在"整体档位"，而在曲线的斜率。

很快我意识到我们一直在做错一件事——试图让"难度"成为一个用户可调的旋钮，但它其实应该是游戏本身的属性。

所以我们做了一个关键决定：移除难度选择器，把难度曲线直接写在游戏设计里。

现在，每一套题都有固定的 Bloom 进阶路径：

这个设计的妙处在于：用户不再需要选择难度。 他们只需要输入主题——比如"中国近代史"或"分子生物学基础”——AI 自动在主题内按 Bloom 层次爬坡。Q1 是入门级的常识入口，Q15 站到该主题里比较深的认知层次。

效果令人满意。Q1 现在稳定在"中国的首都是哪"这种水平，而 Q15 则是"哪个证据最能反驳’李白是胡人’这个假说”——需要评价证据质量，而不是回忆事实。中间每一段都有比较明显的认知跳跃。

但真正的突破来自"禁止行为清单”。我们发现，告诉 AI 什么不能做，比告诉它做什么更有效。每个题目块都有自己的禁区：

• Q6-Q9：禁止纯事实回忆。禁止"是什么/谁是/哪一年”
• Q10-Q12：禁止一切"是什么/谁/哪一年/第一个/最大的”。禁止纯定义。每题必须分析或评价
• Q13-Q15：禁止一切简单回忆。如果非专业人士能答对，重写。干扰项必须代表真实学术立场

这种"负面约束"比正面描述更好用。AI 很难理解"让问题更难一点”，但它清楚地知道"不能做"的是什么。

五、不止是出题：用户体验的"最后一公里"

AI 出题再聪明，也会出现"幻觉"——把杜甫的诗说成李白的，把明朝的事安在宋朝头上。所以我们设计了一套让用户能够轻松把关的交互：

1. 预览优先，不直接填入

生成后不直接覆盖编辑器。而是弹出一个预览窗口，15 道题的题目和正确答案一目了然。用户可以先审阅，满意了再填入。

2. 只展示正确答案

我们刻意隐藏了干扰项，预览中只显示题目和正确答案。这是基于认知负荷理论：审核 15 道题已经够累了，如果再让用户检查 45 个干扰项的质量，他们只会跳过去直接点"保存"。

3. 点击即编辑

预览中的每个题目和答案都是可直接编辑的——点一下变输入框，回车保存。同时有字数计数器（题目 45 字、答案 12 字），防止文字太长破坏游戏 UI。

4. 一键重新生成

不满意？点"重新生成"，相同参数再调一次 AI。

六、从复刻到创作

回顾整个过程，值得记一下的发现是：技术复刻很简单，内容创作才是真正的门槛。

把百万富翁的游戏引擎跑起来，半天。把出题体验打磨到可用，两天。而这两天里大部分时间不是在写代码，而是在思考三个问题——“什么让问题变难"“用户如何信任 AI 生成的内容"“如何降低把关的认知成本”。

让我意外的一个发现是：一个游戏的设计约束，比 AI 的能力更重要。 我们最初试图让用户选择难度等级，但这创造了一个两难局面——入门级的 Q15 太容易，专家级的 Q1 太难。直到我们意识到真正的百万富翁游戏根本不是"选难度”，而是"固定难度曲线”——Q1 偏友善，Q15 偏残酷——一切才豁然开朗。把这条曲线固化在规则里，比任何复杂的参数都有效。

Bloom 认知分类法给了我们一个可复用的坐标系，在多个领域都能用的范例。无论是中国历史、分子生物学、还是流行音乐，AI 都能沿着同样的认知阶梯生成从"入门"到"评价"的问题。

但这离完美还很远。AI 偶尔还会在 Q10-Q12 段偷偷塞入"哪个时期"这种纯回忆题。干扰项的质量在 Q13-Q15 段上仍有提升空间。可行的方向是让多个 AI Agent 互相校验——一个出题，一个评价难度，一个检查格式合规。那将是下一个阶段的事。

七、写给同样在折腾 AI 出题的你

如果你也在做类似的事，下面几条是我这段时间里反复验证过的：

第一，别让 AI 选难度，把难度定在规则里。

第二，告诉 AI 什么不能做，比告诉它做什么更有效。

第三，审核体验比生成质量更影响留存。让用户能 30 秒看完 15 道题，比让 AI 把 15 道题生成到 100 分更重要。

《谁想成为百万富翁》这个游戏功能现已在课灵中推出了，欢迎来课灵创建你自己的《谁想成为百万富翁》知识竞答游戏。如果你觉得这个游戏形式有意思，或者你在 AI 出题这件事上有想法，请来课灵社区和我们聊聊。