GURU: Arjuna Quiz Engine —— AI 赋能印尼教师出题革命

图1：GURU: Arjuna Quiz Engine 界面预览（来源：项目 GitHub 仓库）

一款解决印尼教师真实痛点的 AI 出题工具

想象一下，在爪哇日惹的一间教室里，清晨的阳光透过百叶窗洒在木桌上。Ibu Sari 老师面对着四十名学生，还有三门课程的期末评估要完成。她没有时间手动编写差异化题库，也没有课程专家可以咨询——她只有手中的教鞭、白板笔，以及一个强烈的愿望：让每一个孩子都能被真正看见。

这就是 GURU: Arjuna Quiz Engine 诞生的背景。它不只是一个自动生成试卷的工具，而是一个真正理解印尼课程标准（Kurikulum Merdeka）的教学副驾驶。

背景故事：从 Hackathon 到改变课堂

这个项目源于 Cerebral Valley Hackathon，团队核心成员包括 naufaldi、anandpatikat 等印尼本土开发者。项目的命名本身就深具文化意涵——在爪哇 wayang（皮影戏）传统中，Arjuna（阿周那）是完美的弓箭手：精准、专注、心怀更高使命。项目团队希望每个 AI 生成的题目卡片都像一支射向特定学习目标的箭，每份评估试卷都是对清晰性的致敬。

印尼的 Kurikulum Merdeka（独立课程）是该国教育部近年来推行的教育改革核心，强调以学生为中心、尊重发展差异。然而对于一线教师而言，将抽象的课程能力目标（Capaian Pembelajaran）转化为具体题目是一项耗时且需要专业知识的工作。Arjuna Engine 正是瞄准了这个效率缺口。

类比解释：给老师的"AI 效率装备包"

如果把传统出题比喻为手动缝制衣服（每件都需要量体裁剪），那么 Arjuna Engine 就是一台参数化的服装打印机。老师只需要定义一个"版型"（题模板），设定好变量（年级、科目、认知层次），引擎就能在几秒内生成 N 份内容不同但目标一致的试卷——所有题目共享相同的教学意图，但数字、人名、场景各不相同，从根本上杜绝了学生之间的答案抄袭问题。

核心功能：不止于生成题目

1. Kurikulum Merdeka 完全对齐

引擎内置了 Kemdikbudristek 定义的 Capaian Pembelajaran（CP）和 Tujuan Pembelajaran（TP）映射表，覆盖 Fase A、B、C（分别对应小学1-2年级、3-4年级、5-6年级），支持 Bahasa Indonesia、Matematika、IPAS（科学）、PPKn（公民教育）等核心科目。这意味着老师无需自行对照课程标准，引擎直接输出符合国家规范的题目。

2. Bloom 认知层次自动分层

每个生成的题目都会自动分配认知层次标签：

• L1（Ingatan，记忆）：事实、术语、基本流程的回忆
• L2（Pemahaman，理解）：概念的阐释与翻译
• L3（Aplikasi，应用）：在熟悉情境中的应用
• L4（Analisis，分析）：从给定数据中分解与推理

老师可以通过滑动条自由调整各层次的比例，生成难度曲线自然的差异化试卷。

3. 打印就绪的 CSS 排版

引擎内置专为打印优化的 CSS 布局引擎，输出包含：学校名称/学生姓名/日期的封面头、编号统一的题目区块、独立打印的答案密钥（标注"RAHASIA"）、可选的二维码链接到数字版试卷。无需浏览器打印预览调整，生成的 PDF 直接可用于打印机。

4. 模板化题目设计

区别于逐题编写，Arjuna Engine 支持定义题模板（Question Template），包含带 {variable} 占位符的题干、一组替换值列表、干扰项生成规则和正确答案配置。引擎将这些模板展开为多个内容不同但难度目标一致的变体。

技术架构：TypeScript 全栈的严谨工程

项目采用 Turborepo monorepo 架构，由多个包组成：

• /apps/web：React 19 SPA，使用 TanStack Router 文件路由、Tailwind CSS v4、Radix UI 原子组件
• /apps/api：Hono 边缘服务端，REST + SSE 双协议
• /packages/core：Effect-TS 实现的核心业务逻辑（题目生成引擎、策略、验证）
• /packages/print：打印布局引擎（React render-to-string 管线）
• /packages/i18n：国际化支持（印尼语/英语）

Effect-TS 是这个项目的技术亮点——这是一种函数式编程库，提供确定性状态管理和 Effect（副作用）抽象，让题目生成逻辑具备高度可测试性和可组合性。所有业务逻辑都在 Effect 层而非框架层，这是专业 TypeScript 工程的标志。

数据库层使用 Drizzle ORM，开发环境连接本地 SQLite（通过 Turso CLI），生产环境切换至 Neon（边缘 Postgres）。API 部署目标明确指向 Cloudflare Workers，体现了对边缘计算的拥抱。

AI 层使用 Anthropic Claude Opus 4.7，主要应用于自然语言题模板生成（opt-in，非强制），默认题目生成逻辑完全在本地运行，不依赖云端 AI。

上手门槛：老师可直接用，开发者可深度定制

终端用户路径：访问 GitHub Pages（https://anandpatikat.github.io/guru-latihan-dinamis/），无需注册、下载、安装，直接在浏览器内创建题目、生成试卷、打印使用。这是最符合印尼大多数教师实际场景的方式——一个 URL 就能解决问题。

开发者贡献路径：需要 Node.js 22+、corepack、pnpm，fork 仓库后 pnpm install + pnpm dev 即可启动本地前后端联调，进入"Buat Soal Baru"页面即可体验完整题目生成流程。

局限与争议

项目坦诚地指出了几点局限。首先，无内置版权题库，题目生成质量依赖 Claude 的语言能力，在某些学科领域可能出现文化敏感性问题或语境偏差。其次，项目 README 明确说明"不适应用于高风险考试环境"——AI 生成题目必须经过教师人工审核，这是负责任的免责声明，但也限制了其在正式评估场景的使用深度。第三，license 为空（实测返回 null），虽然 README 声明 MIT License，但仓库本身未放置 LICENSE 文件，版权状态存在不确定性。

行业意义：AI for Education 的务实落地

GURU: Arjuna Quiz Engine 代表了 AI 教育工具的一种健康方向——不是取代教师，而是处理教师最不愿意做的行政性重复劳动。其核心指标不是用户活跃度，而是"减少了多少教师加班时间"。从工程角度，项目使用 Effect-TS 将函数式编程引入教育科技领域，是一个值得关注的技术实验。随着 2026-2027 路线图的推进（离线 PWA、学校集群共享题库、SAP-SEKOLAH 系统集成），这个工具有望成为印尼教育数字化基础设施的一部分。