让 AI 生成难度递增的选择题测验、开放式问题和练习，并附带带讲解的批改。
在 Kodokon 中打开本课自我测验是巩固知识最有效的方式——远胜于重读一遍课文。问题在于：现成的测验从来无法恰好对应你刚学过的内容。AI 解决了这一点：它能在三十秒内搭出一份贴合你的章节、你的水平和你的薄弱环节的测验。你只需带着正确的约束去提出要求。
你是一位编程测评出题人。
请为我出一份关于 Python 循环（for、while、break、continue、range）的 8 道选择题测验。
约束：
1. 难度递增：第 1-3 题简单，第 4-6 题中等，第 7-8 题困难。
2. 每题 4 个选项，只有一个正确。
3. 错误选项必须是**貌似合理的**：用初学者的经典错误来构造它们（索引差一、条件写反、break/continue 混淆）。
4. 先把所有题目都出出来，不给答案。
5. 等我给出我的 8 个答案后，再提供带讲解的批改：对每道题，说明为什么正确答案是对的，以及在适用的情况下我的答案为什么是错的。这段提示词里有两条约束值得你留意。约束 3 要求貌似合理的干扰项：一份错误选项荒谬可笑的测验什么都检验不了；一份错误选项复现经典错误的测验则能揭示你真正的困惑。约束 4 迫使你把题目与答案分开：如果 AI 同时把批改展示出来，你的眼睛会在大脑动脑之前就读到它，于是测验丧失全部价值。
选择题测验检验的是识别能力；开放式问题和编程练习检验的是产出能力，后者更具挑战，也更接近职业现实。交替使用这两种形式：用测验快速扫过一个章节，用练习确认你真的会把代码写出来。
你是一位正在准备实验课练习的老师。
请为我出 3 道关于 JavaScript 数组操作（map、filter、reduce）的编程练习，难度递增：
- 练习 1：单个方法的直接应用。
- 练习 2：两个方法的组合。
- 练习 3：一个贴近现实的小案例（例如，处理一份订单或用户列表）。
对每道练习，给出：题目、输入数据，以及确切的预期结果——但不要给出解答。
我会一道一道地把我的答案提交给你。对每次尝试，只回复：哪里对了，哪里不对，以及一个帮我取得进展的提示。只有在我第二次尝试仍未成功之后，你才展示带讲解的解答，并逐行解释。错误用法，好让你清楚地辨认出它：索要练习连同答案，把一切读一遍，然后告诉自己“对，我本来也能想到”。这是最普遍的能力错觉：理解一个解答从来都不能证明你会把它产出来。正确用法强制相反的顺序：题目、努力、尝试，之后才是带讲解的批改。