在「未來教育」的場景中，學習介面不能只是像聊天室一樣只有文字對話。好的 AI 助教介面應該要能：

1. show出不同教學功能卡片：如果 AI 在用「生活比喻」，網頁應該秀出黃色的比喻卡片；如果是「觀念拆解」，秀出藍色卡片；如果是「隨堂測驗」，秀出測驗卡片。
2. 提供快捷思考按鈕：小學生常不知道怎麼繼續問下去，AI 如果能自動附上 3 個「你可以這樣問」的按鈕，學生點一下就能繼續學習。

所以今天我們來想一個問題： 如果 AI 回傳的是一段長篇大論，網頁程式要怎麼知道哪段是「比喻」？哪段是「快捷問題」？

【今日開發目標】

所以今天主要就是在處理這件事情： 不要讓 AI 隨便回文字，而是規定它一定要按照我指定的 JSON 格式回傳。 我想利用 SDK 的 responseMimeType: 'application/json'+responseSchema，讓 Gemini 只能輸出標準 JSON 格式。

我希望 AI 每次回覆的資料大概長這樣：

{
  "reply": "這裡是 AI 給學生的引導內容",
  "scaffold_type": "analogy",
  "suggested_questions": 
    "那直角跟一般的角有什麼不一樣？",

【Google AI 工具實作過程】

為了落實結構化輸出，我們在後端（server.js）進行了以下四個關鍵步驟：

1. 系統指令 (systemInstruction)： 定義 AI 助教 Professor Spark 的教學方針——嚴禁直接給答案、語氣親切並使用生活化比喻、每次聚焦 1 個引導步驟並拋出反問。
2. 定義 JSON Schema 契約 (responseSchema)：
   • reply（字串）：給學生的白話引導對話 (100~200 字)。
   • scaffold_type（列舉 Enum）：限制只能回傳 analogy（比喻）、breakdown（拆解）或 quiz（測驗）三者其中之一。
   • suggested_questions（字串陣列）：要求 AI 自動產生 2~3 個引導學生繼續思考的快捷按鈕選項。
3. 安全解析與容錯機制： 在 API 端加入 try...catch 的 JSON.parse 容錯防護，即使發生網路異常或非預期格式，Express 伺服器也不會崩潰，並能提供預設備用回應。

【核心 Code / Prompt 展示】

1. 後端核心 API (server.js)

2. 本地測試腳本 (test-chat.js) 與實際驗證結果

在 Terminal 執行測試腳本，模擬學生提問：「老師，我不懂什麼是直角，可以教我嗎？」驗證AI精準輸出符合 JSON Schema 規範的結構化資料

回傳之 JSON 內容：

【未來教育反思】

如果只是讓 AI 自己決定要回什麼，前端還要想辦法從一大段文字裡面判斷「這是不是比喻」、「這是不是測驗」，其實會變得很麻煩。現在透過 scaffold_type，AI 可以直接告訴前端這次用了哪一種教學方式，前端就可以按照這個結果去顯示不同的卡片。另外 suggested_questions 也讓我覺得蠻實用的。

因為有些學生不是沒有問題，而是不知道自己下一步可以問什麼。如果 AI 可以直接給幾個可以繼續思考的問題，學生就不用一直想「那我要問什麼」，直接點下去就可以繼續。

所以這次對我來說，不只是讓 AI「回答得比較固定」，而是開始讓 AI 的回答真的可以跟前端介面接在一起。

【明日預告】

明天（Day 05）要開始做「盲點診斷」。這次會讓學生故意講出一些錯誤的觀念，再測試 AI 能不能判斷他到底是哪裡理解錯了。最後希望可以讓 AI 不只是告訴學生「你答錯了」，而是找出他的理解偏差點，再針對那個地方繼續引導。