本文从知识及知识表示方法角度出发，对以往的计算机考试系统进行了全面的分析和讨论，从中找到这些考试系统的根本缺点，在于这些考试系统是封闭的考试系统，即这些考试系统均使用过程表示法来实现。这样的考试系统只能一次性使用，系统的使用率低，这就造成了软件复用量小，开发周期长，开发工作量大，开发费用高等缺点，而且系统中遗留的错误比较多。 在此基础上，运用人工智能原理，引入了知识和知识表示的概念，把系统的总体设计提升到一个更高的层面上，并为实现系统的开放性提供了良性模型，这是本文所反映工作的主要创新点。开放式考试系统选用了产生式表示法实现了系统的开放性和可扩充性，所谓可扩充性就是，用户根据需要对配置文件稍加修改，即可实现用户实际的多种不同的需要，满足用户在不同程度上的多种要求；而开放性是指用户可以根据教学大纲的要求及教学需要，随时方便高效地输入试题并由系统形成相应的评分答案库。 在具体实施过程中，采用编译原理中的自底向上的分析方法。本文先后论述了两种不同的自底向上分析方法来实现开放式考试系统，即SLR(1)分析方法和算符优先分析方法。并将这两种方法在解决这个问题上，进行了实际的对比。本模型为建立可扩充性的开放式考试系统提供了一种可行的方案和有效的工具。由于这样的开放式考试系统模型是不针对任何课程的，因此可以根据这个模型，很容易地将其它学科现有的考试考试系统改造成为相应的开放式考试系统，而这样的考试系统具有开放性和可扩充性。最后本文给出了一个使用这个开放式考试系统模型的实例，该实例是针对《计算机基础课程》做成的开放式考试系统，以此来具体说明本开放式考试系统模型是如何应用的。 同时本文也对如何混合编程进行了有益的探讨。