Bloom Taxonomy Engine 是一个专用于题目设计与学习层级分析的专业技能，用于增强 examiner 和 learning-designer 两个智能体的能力：前者负责认知层级出题与难度平衡，后者负责学习目标层次化与匹配层级的活动设计。
它采用 Anderson 与 Krathwohl（2001）修订版布鲁姆认知领域六层级：1 记忆（回忆事实概念，关键词 list、define、identify、memorize）；2 理解（把握含义并解释，explain、summarize、classify、compare）；3 应用（执行程序、运用知识，use、calculate、execute、solve）；4 分析（拆解成分、找关系，distinguish、deconstruct、organize、attribute）；5 评价（依标准判断，judge、critique、justify、verify）；6 创造（产出新事物，design、construct、plan、produce）。
主要能力包括：分层级给出题型与示例，如记忆层用选择题、判断题、术语匹配，理解层用解释型选择题与比较题，应用层用计算题与代码题，分析层用案例分析、日志分析，评价层用评判论述与方案对比，创造层用设计题、项目与综合论述；并给出各层级在考试中的建议占比（如记忆 15-20%、理解 20-25%、应用 25-30%、分析 15-20%、评价 5-10%、创造 5-10%）。
还提供按考试类型的分布指南：认证笔试偏记忆与理解各 30%，实操认证偏应用 40%，标准化考试较均衡，研究生考试偏高阶（分析 25%、评价 20%、创造 10%），公务员考试偏记忆 35%。面向 learning-designer，给出各层级学习活动与工具，如记忆用抽认卡与思维导图、理解用费曼技巧与类比、应用用练习与编程作业、分析用案例与对比表、评价用互评与评分量表、创造用 PBL 与作品集。
最后附题目质量核查清单：每题是否标注布鲁姆层级、整体分布是否匹配考试目的、高阶思维题（分析+评价+创造）是否至少占 30%、题间是否存在答案提示泄漏、干扰项是否具有合理性。
使用方式与限制：资料未提供具体安装命令、调用参数或 API 细节，暂未提供；主要作为出题与教学活动的参考框架使用。