职业考试备考：AI 生成考点卡片和模拟题

准备 NCRE 二级 Python 时，背完大纲还得把规则变成能自己做的题。让 AI 先按官方范围整理考点卡，再出几道代码阅读题，能帮你快速开始复习；但模型偶尔会写出看似合理、实际不准确的解析。本文用 NCRE 2025 版大纲中的循环内容做一个小样：4 张卡片、4 道单选题，最后在 Python 里逐题运行核对。

准备资料和本机模型

NCRE 是教育部教育考试院主办的计算机水平考试。中国教育考试网列出的二级 Python 2025 版大纲涵盖程序控制结构、循环结构与程序阅读；它并没有把本文的练习题列为真题。查看考试大纲目录 · 查看二级 Python 2025 版大纲

Ollama 是本机运行模型的软件，Qwen3.8-27B 是本例使用的模型。如果还没安装，可以先看Ollama 安装教程和本机运行 Qwen3.8-27B。Qwen3.8-27B 对电脑内存要求较高；本文实测的 64GB Mac 运行时占用约 34GB。电脑配置不够时，不要照搬这个大模型配置。

第一步：只选一个你正在复习的知识点

先从考试院大纲挑一个小主题。本例选 for 循环里的 range()，再用 Python 官方文档核对细节：range(start, stop, step) 会按步长生成数列，stop 不包含在结果里；步长可以为负数，写成 0 会报 ValueError。Python 官方 range() 教程 · range 类型说明

不要只给模型一句“帮我复习二级 Python”。范围太大时，它容易补进考试大纲没支持的规则。练习包中的提示词已经把来源范围、卡片字段、题量和“资料没写就不要猜”写清楚；你可以先照原样生成，再替换成自己确认过的科目和官方资料。

第二步：在本机生成考点卡和题目

下载NCRE 二级 Python 考点卡练习包，解压后在文件夹里运行：

python3 generate_quiz.py

脚本读取同目录的提示词，通过 127.0.0.1:11434 请求本机 Ollama 的 qwen3.8-27b:latest，并把结构化结果存为 qwen生成结果.json。运行前先打开 Ollama，确认这个模型已经下载。模型文件较大，第一次下载需要网络和磁盘空间；生成请求本身发给本机 Ollama。

这次模型在约 1 分 42 秒内生成了 4 张考点卡和 4 道选择题。它选了 range() 的终止值、默认起点、负步长和零步长等内容。下面是一道模型生成的练习，不是官方原题：

执行代码 list(range(5, 0, -1))，输出的结果是什么？
A. [5, 4, 3, 2, 1]
B. [5, 4, 3, 2, 1, 0]
C. [0, 1, 2, 3, 4]
D. ValueError

模型选择 A。按规则从 5 开始，每次减 1，遇到 stop 值 0 就停止，所以结果不包含 0。

第三步：用 Python 核答案，再自己复述

别只看模型给的选项。用你准备考试的 Python 环境运行题目里的代码。本例在 Python 3.9.6 中执行了练习包里的全部 4 题：4 道题的运行结果都与标注答案相符，每题也只有一个选项匹配。

核对后把答案遮住，尝试自己解释“为什么 stop 不包含”和“负步长怎样改变序列方向”。如果只记住了选项字母，回到官方文档再做一遍。python运行核对.md 保存了四道题的实测结果，qwen生成结果.json 保留模型实际输出，便于你对照。

考点卡能缩短整理时间，但不能代替教材、官方大纲或历年真题。NCRE 大纲只告诉你考查范围，不保证任何一次生成题的题型、难度和命题分布都与正式考试一致。若模型给解析，还是要自己看代码和来源。

工具和练习包

下载NCRE 二级 Python 考点卡练习包，里面有来源核对记录、提示词、可复用脚本、模型实际输出和 Python 运行核对表。

这次没有测试其他考试科目、完整模拟卷、云端聊天服务、扫描 PDF/OCR、较小内存电脑或正式考试环境。要换科目时，先找该考试主办方发布的当期大纲，再改提示词；报名时间、考试政策和是否有变动要回考试院官网重新核对。