做教育信息化这行八年了，我见过太多想走捷径的机构老板。前阵子有个做K12辅导的老哥找我，说搞了个新系统，号称用chatgpt编排考场，能省掉80%的考务人力。我听着直摇头，但为了验证，我硬着头皮接了个本地小考场的测试单。结果？差点把我送走。

先说结论：别指望全自动。现在的模型，尤其是国内能稳定调用的那些，在处理复杂逻辑和格式排版时，还是太“天真”了。

咱们先聊聊成本。以前排个500人的模拟考，人工录入题目、随机打乱、生成答题卡，两个考务老师干两天，工资大概2000块。现在你买个大模型API调用，或者买那种SaaS服务，号称一次搞定。我算了一笔账，如果题目量大，Token消耗加上并发请求的延迟，单次成本确实低，可能只要几百块。但是！一旦出错，返工的成本谁来担？

我这次测试，用了市面上两款主流的大模型接口。A模型便宜，B模型贵点。我把一套包含单选、多选、填空的试卷扔进去，要求它生成JSON格式的数据，并附带随机生成的考场座位表。

A模型回复很快，3秒出结果。我一看，卧槽，挺像那么回事。但是细看发现，第15题的多选选项，它把C和D的内容搞混了，而且座位表里，有两个学生被安排在了同一个座位号上。这种低级错误，在大规模考场里就是灾难。

B模型稍微贵点，响应慢了点，大概8秒。它生成的座位表逻辑是对的，没有重复。但是！它在处理填空题的答案时，把“光合作用”写成了“光合作用”，虽然读音一样，但在严谨的考试系统中，这就是错别字，会导致自动阅卷系统直接判错。

这就是痛点。你以为AI能理解语境，其实它只是在概率上预测下一个字。对于chatgpt编排考场这种需要极高准确率的场景，它现在的表现还差得远。

有人会说，你可以加Prompt（提示词）啊。对，加提示词确实有用。我后来加了严格的约束条件，比如“必须严格保持原题文本不变”、“座位号必须唯一且连续”。效果确实好了一些，A模型的错误率降到了5%以下。但是，一旦题目数量超过200道，或者题型变得复杂，比如加入阅读理解的大段文本，模型的注意力机制就开始涣散，开始胡言乱语。

再说说避坑。很多供应商吹嘘他们的系统能“一键生成”，你信了，结果上线那天，发现生成的PDF答题卡，二维码位置偏移了0.5毫米，扫描仪直接读不出来。这时候你再去改Prompt，黄花菜都凉了。

真实的价格对比我也给大伙透个底。人工排考场，如果找外包，一般按人头算，500人大概1500-2000元。如果用AI辅助，前期开发成本高，后期边际成本低。但对于中小机构，每年也就考个几次，根本没必要搞什么AI编排。你买现成的考务软件，一年几千块，稳定得很。

所以，我的建议是：别盲目上AI。如果你非要尝试chatgpt编排考场，请务必做好人工复核。把AI当成一个“初级助手”，而不是“专家”。让它做那些机械性的、重复性的工作，比如生成试卷的页眉页脚、随机打乱选项顺序。但是，核心内容的准确性，必须人来把关。

我这次测试下来，发现最稳妥的方案是：用AI生成草稿，然后人工快速浏览一遍关键题目和座位逻辑。这样既节省了一半的时间，又保证了不出大错。

别听那些卖软件的吹得天花乱坠。技术是用来提效的，不是来制造麻烦的。如果你现在还在纠结要不要上AI考务系统，我的建议是：先小规模试点，别全量上线。不然，出了事故，背锅的还是你。

总之，chatgpt编排考场目前还处于“可用但不可全信”的阶段。保持警惕，保留人工审核环节，才是正道。别为了那点所谓的“科技感”，丢了考试的严肃性。