测试人员连续练习十几道自动生成题后发现一个反常规律：题干、道路场景和干扰项都在变化，只要一直选择 B，正确率仍然很高。此时题库看起来有两千道，实际却暴露了答案位置。用户学到的是按键规律，而不是灯光规则。

这不是显示层偶发的随机问题。当前 QuestionBank.ets 为科二和科四各生成 1000 道自动题，生成函数把 correctIndex 固定为 1，答案随后直接取 OPTION_KEYS[1]。页面在 Index.ets 中按这个答案判题，因此偏置会贯穿搜索、练习和历史记录。

本文只处理 _auto 自动生成题的答案位置分布。手工题和文档题已有明确选项顺序，不在改动范围内。下面的 ArkTS 代码是依据当前数据模型设计的建议实现，尚未放入原工程，也没有执行构建或设备运行。

一、先把问题限定在自动生成题，不要误伤已有题目

源码审计可以确认四件事：GENERATED_SUBJECT_COUNT 为 1000；每个科目都按该数量循环；科二和科四各执行一次自动生成；生成路径将正确选项放在数组下标 1。normalizeQuestion() 对自动题再次组装选项时也沿用相同位置。也就是说，共计 2000 道 _auto 题的答案位置被规则性地固定为 B。

页面的 answerTheoryQuestion() 调用 getQuestionAnswer(question) 后与用户选择比较，它没有制造偏置，只是忠实消费题库数据。因此修复位置应放在题库构建边界，而不是在页面点击事件中临时换答案。

数据来源	当前选项所有权	本篇是否调整	原因
_auto 自动生成题	生成函数同时创建选项和答案	是	正确槽位被固定为 B
手工内置题	题目数据已写明选项和答案	否	改动会改变既有题意与顺序
文档导入题	导入结果已包含答案键	否	应尊重原始资料的确定顺序
页面当前题	只负责展示与判题	否	页面不应拥有题库置换规则

问题属于数据分布，不等同于单题结构错误。单题的 A、B、C、D 都可能合法，答案键也能对应正确文本，但两千道题聚合后仍可能严重偏斜。入口结构校验和分布审计应并存，二者不能互相替代。

二、渲染时随机打乱看似简单，却会制造新的不一致

最直接的念头是在页面每次显示题目时调用 Math.random() 打乱四个选项。这个方案会让同一道题在搜索结果、练习页、返回重进和历史回看时出现不同顺序。如果答案键没有随排列同步更新，会直接判错；即使同步更新，用户截图中的 B 也可能在重现时变成 D，排障证据失去稳定性。

更稳的约束是：同一个题目 ID 永远得到同一个槽位，生成时决定一次，之后只消费快照。 这里需要可复现、近似均匀的置换，不需要密码学安全随机。顺序号连续的自动题可直接按模 4 分配，能够让每四题恰好覆盖 A、B、C、D。

const OPTION_KEYS: string[] = ['A', 'B', 'C', 'D'];

export function getStableCorrectIndex(generatedIndex: number): number {
  if (!Number.isInteger(generatedIndex) || generatedIndex < 0) {
    throw new Error('generatedIndex must be a non-negative integer');
  }
  return generatedIndex % OPTION_KEYS.length;
}

这个函数拥有“序号到槽位”的唯一规则。它信任的是自动题构建阶段传入的非负整数，不接受页面索引或当前列表位置。因为列表筛选、删除和排序都会改变页面索引，拿页面位置取模会让同一 ID 漂移。

三、让稳定序号成为题目身份的一部分

仅把循环变量传给函数还不够。后续规范化需要再次确认答案时，必须能从稳定身份恢复同一序号。建议自动题 ID 明确包含不会随列表排序变化的序号，例如 subject2_auto_0007。新增种子时不要重编号旧 ID；删除题目也保留已有 ID 的含义。

export function buildGeneratedQuestionId(subject: string, generatedIndex: number): string {
  const serial: string = generatedIndex.toString().padStart(4, '0');
  return `${subject}_auto_${serial}`;
}

export function readGeneratedIndex(questionId: string): number {
  const marker: string = '_auto_';
  const markerIndex: number = questionId.lastIndexOf(marker);
  if (markerIndex < 0) {
    throw new Error(`Not an auto question: ${questionId}`);
  }
  const serial: string = questionId.substring(markerIndex + marker.length);
  const value: number = Number(serial);
  if (!Number.isInteger(value) || value < 0) {
    throw new Error(`Invalid auto question id: ${questionId}`);
  }
  return value;
}

这里的 ID 解析只服务于自动题，不应拿它处理手工题。真实项目若已经发布过另一种 _auto ID，应先盘点旧 ID 格式并写兼容分支，不能直接改名后让历史中的 wrongQuestionId 全部失联。padStart() 只改善可读性，稳定性的根本来自“旧 ID 不重编号”。

四、组装选项时同时返回答案键，避免两套规则分叉

正确文本、三个干扰项、选项数组和答案键应在同一个函数内生成。若一个函数排选项，另一个函数再按自己的算法猜答案键，两段代码迟早会分叉。下面用已确认的槽位放入正确文本，再按原顺序填充干扰项。

import { QuestionOption } from './DrivingLightModels';

export interface GeneratedOptionSnapshot {
  options: QuestionOption[];
  answer: string;
}

export function buildGeneratedOptions(correct: string, distractors: string[],
  correctIndex: number): GeneratedOptionSnapshot {
  if (correct.length === 0 || distractors.length !== 3) {
    throw new Error('Generated options require one answer and three distractors');
  }
  const texts: string[] = ['', '', '', ''];
  texts[correctIndex] = correct;
  let distractorIndex: number = 0;
  for (let slot: number = 0; slot < texts.length; slot++) {
    if (slot === correctIndex) {
      continue;
    }
    texts[slot] = distractors[distractorIndex];
    distractorIndex++;
  }
  const options: QuestionOption[] = [];
  for (let slot: number = 0; slot < OPTION_KEYS.length; slot++) {
    options.push({ key: OPTION_KEYS[slot], text: texts[slot] });
  }
  return { options, answer: OPTION_KEYS[correctIndex] };
}

函数拒绝空正确文本和非三个干扰项，但还没有判断文本是否重复，这一责任留给下一节的构建校验。correctIndex 应只来自 getStableCorrectIndex()；如果未来扩展为五选一，选项键、槽位算法和分布规则必须一起升级，不能只改数组长度。

五、自动题在构建阶段生成一次不可变快照

生成题不应在搜索、渲染、答题三个入口反复重建。建议在 buildGeneratedQuestion() 中完成 ID、槽位、选项和答案的绑定，随后将 QuestionItem 作为只读快照加入题库。这里保留当前模型字段，不虚构页面未使用的新协议。

import { QuestionItem, TYPE_CHOICE } from './DrivingLightModels';

export interface GeneratedQuestionSeed {
  subject: string;
  category: string;
  title: string;
  correct: string;
  distractors: string[];
  explanation: string;
}

export function buildGeneratedQuestion(seed: GeneratedQuestionSeed,
  generatedIndex: number): QuestionItem {
  const id: string = buildGeneratedQuestionId(seed.subject, generatedIndex);
  const correctIndex: number = getStableCorrectIndex(generatedIndex);
  const snapshot: GeneratedOptionSnapshot = buildGeneratedOptions(
    seed.correct, seed.distractors, correctIndex);
  return {
    id,
    subject: seed.subject,
    type: TYPE_CHOICE,
    title: seed.title,
    options: snapshot.options,
    answer: snapshot.answer,
    explanation: seed.explanation,
    category: seed.category
  };
}

该函数创建之后不再读取 Math.random()。同一个 ID 在应用重启、搜索、开始考试和历史定位时都对应同一答案键。示例仍需接入现有 QuestionBank.ets 的种子循环，并核对现有 ID 是否已经被历史数据引用。

六、规范化只验证或复制快照，不能偷偷再次洗牌

当前工程需要 normalizeQuestion() 兼容不同来源的数据形状，但规范化不等于重新生成。对已经具备四个选项和明确答案的自动题，应复制并校验；若必须从种子恢复，则只能从 ID 读取同一稳定序号，绝不能用当前时间、数组下标或新的随机数。

export function normalizeGeneratedQuestion(question: QuestionItem,
  seed: GeneratedQuestionSeed): QuestionItem {
  const generatedIndex: number = readGeneratedIndex(question.id);
  const expectedIndex: number = getStableCorrectIndex(generatedIndex);
  const expected: GeneratedOptionSnapshot = buildGeneratedOptions(
    seed.correct, seed.distractors, expectedIndex);
  return {
    id: question.id,
    subject: question.subject,
    type: question.type,
    title: question.title,
    options: expected.options,
    answer: expected.answer,
    explanation: question.explanation,
    category: question.category
  };
}

这个示例要求调用方能按题目 ID 找到原种子。若种子不可追溯，最安全的处理是保留已持久化快照并做一致性检查，而不是凭空编造干扰项。规范化连续执行一百次，输出仍应逐字段相同；这是能否稳定重放的关键断言。

七、分布审计要检查数量，也要检查答案文本对应关系

A、B、C、D 各 250 道并不自动代表题库正确。如果答案键均匀，但键指向了错误文本，数据仍然不可用。构建结束后应同时统计位置分布、验证 ID 唯一、确认四个选项文本非空且互不重复，并核对答案键对应的文本等于种子正确答案。

export interface AnswerDistribution {
  A: number;
  B: number;
  C: number;
  D: number;
}

export function buildAnswerDistribution(questions: QuestionItem[]): AnswerDistribution {
  const result: AnswerDistribution = { A: 0, B: 0, C: 0, D: 0 };
  for (let index: number = 0; index < questions.length; index++) {
    const answer: string = questions[index].answer;
    if (answer === 'A') result.A++;
    else if (answer === 'B') result.B++;
    else if (answer === 'C') result.C++;
    else if (answer === 'D') result.D++;
    else throw new Error(`Unknown answer key: ${answer}`);
  }
  return result;
}

export function isBalanced(distribution: AnswerDistribution): boolean {
  const values: number[] = [distribution.A, distribution.B,
    distribution.C, distribution.D];
  const max: number = Math.max(...values);
  const min: number = Math.min(...values);
  return max - min <= 1;
}

这里的“最大差值不超过 1”适用于连续序号按模 4 分配。若业务改成带权槽位或某些题只有两个选项，应为不同题型分别定义期望分布。统计函数应运行在题库构建或单元测试阶段，不要在用户每次进入页面时重复扫描两千道题。

八、验证矩阵覆盖稳定性、隔离范围和升级场景

接入时先保存当前题库 ID、选项和答案快照，再对新实现执行对照。分布变化是预期，题目文本、学科、分类和解释不应无故变化。手工题和文档题必须逐 ID 比较，确认完全未被置换。

场景	操作	预期结果
科二 1000 道自动题	统计答案键	A/B/C/D 各 250 道
科四 1000 道自动题	统计答案键	A/B/C/D 各 250 道
同一题重复规范化 100 次	比较完整快照	ID、选项顺序和答案键完全一致
关闭后重新构建题库	比较同一 ID	槽位不随启动次数变化
检查每道自动题	找到答案键对应文本	与种子 correct 完全一致
手工题与文档题	改造前后逐 ID 对比	选项和答案不变
干扰项重复或为空	执行构建校验	明确拒绝，不进入练习
新增一个种子	比较旧 ID	旧题槽位不整体漂移
搜索后开始练习	比较题目快照	搜索与练习显示顺序一致
历史定位旧错题	用 ID 查找	能找到题目；旧 ID 不被重编号

自动题答案从全 B 改为均衡后，旧成绩的“用户当时选择 B”仍是历史事实，不应回写篡改。若历史页面展示正确答案文本，需要决定显示答题时快照还是当前题库内容，并在产品层明确版本边界。

九、常见误区和排查顺序

现象	优先检查	可能原因	处理方式
同一题返回后答案位置变化	是否在 Builder 或页面回调洗牌	置换发生在渲染期	移到题库构建阶段并保存快照
分布均衡但判题错误	答案键对应的选项文本	选项和答案由两段逻辑生成	一个函数同时返回两者
新增种子后旧题全变	ID 是否按数组当前位置生成	插入导致后续编号重排	使用稳定业务 ID，旧 ID 不重编号
手工题也被打乱	自动题范围条件	对全题库统一置换	只处理 _auto 来源
每个科目单独看仍偏斜	是否跨科目合并统计	总量均衡掩盖子集偏差	按 subject 分组检查
自动题出现重复选项	种子干扰项内容	仅检查长度，未检查唯一性	构建时对四个文本去重
搜索与考试顺序不同	两处是否各自规范化	使用了不同恢复规则	共用只读题库快照
旧历史找不到题	是否更改旧 ID	题库升级破坏引用	提供 ID 映射或保留旧 ID

排查时先打印一小组脱敏的 id/answer/optionText，不要把两千道完整题库塞进日志。确认单题映射无误后再看分布，最后才检查页面消费。这样能区分“数据生成错”“答案映射错”和“页面渲染错”三类问题。

十、落地顺序与本文证据边界

建议实施顺序是：冻结旧 ID 清单；为自动题建立稳定序号；让选项与答案在同一构建函数中产生；移除渲染期重排；增加按科目分布和文本一致性断言；最后回归搜索、理论练习与历史定位。若应用已经向用户发布，应先评估题库升级对旧错题引用的影响。

本文通过只读源码审计确认了当前科二、科四各生成 1000 道自动题，并确认自动生成路径把正确位置固定在下标 1。文中的稳定置换、快照结构和审计函数均为建议代码，没有集成到 The_kemusan 原工程，没有执行 hvigorw assembleHap --no-daemon，没有生成新的 HAP，也没有进行真机验证。只有完成接入、构建、自动化断言以及实际练习回归后，才能确认偏置已被消除且没有引入答案错配。