质量水平是一把双面尺：既描述学生（这个水平的学生典型地能做什么），也描述题目（这道题考到哪个水平）。两者用答对概率互相锚定——水平 N 的题目，就是水平 N 的典型学生有约 60% 把握答对的题目。写描述时可以从两个参考入手：

① 参考课标：课标「学业质量」部分对各水平的描述是起点。若课标写得比较笼统，建议按这个句式改写补充：「能在……情境/材料中，独立/在提示下，完成……任务」——即「条件 + 支持程度 + 可观察的行为动词」。例如不写「较好地理解文章」，而写「能在包含干扰信息的多段落文章中，独立找出支持某一观点的两处证据」。相邻水平的差异要落在具体变化上：材料更复杂、干扰更多、推理步骤更长、支持更少。

② 回想你熟悉的典型学生：把学生分成若干水平，想象每个水平上一个具体的学生。检验标准：一个典型（居于水平中间）的水平 1 学生，做水平 1 的题目应有约 60% 的把握答对。同一水平内部也有位置差异：刚踏入水平 1 的学生，做这个水平的题目答对率约 50%——一半做得出、一半做不出，正处在「会与不会之间」；接近水平 1 上限的学生，答对率约 70%——本水平的任务对他已相当稳定，只在最复杂的变式上偶尔失手，他做水平 2 的题目答对率也开始接近 50%，说明他即将迈入下一个水平。如果某类任务某学生几乎都能完成（超过 70%），说明这类任务已低于他所在的水平；他基本做不出的（低于 50%），则属于更高水平。各水平以此类推。

描述越具体，AI 生成的题目难度就越贴合你的预期。