前四天一路從「為什麼要做學習卡」、使用者是誰，到昨天終於把第一版 Learning Card 的內容定義出來。
目前一張 Learning Card 暫定包含五個欄位：
Emoji
Title
Content
Question
Answer
準備了四天，今天終於可以實際打開 Google AI Studio了。
平常使用生成式 AI，大多都是直接打開聊天介面開始問問題。
但這次的目標不只是「使用 AI」，而是希望最後能把 Gemini 整合進自己的 React 應用程式，所以今天決定直接從 Google AI Studio 開始。
這次先不研究太多設定，也暫時不碰 Structured Output、API 或其他進階功能。
今天只有一個很單純的目標：
看看 Gemini 能不能根據前幾天定義的需求，產生第一組 Learning Cards。
這次先不研究太多模型之間的差異，也沒有特別調整模型設定，直接使用 Google AI Studio 當下預設的 gemini-3.8-flash，其他設定也先維持預設。
畢竟今天的目標不是比較模型，而是先建立第一個 Baseline：
在幾乎沒有調整 AI Studio 設定的情況下，Gemini 能不能根據我們前幾天定義的需求，產生 Learning Cards？
模型之間的差異，之後有需要再來研究。
接著，把第一版 Prompt 丟進去。
這次先從 3～4 歲幼兒的海洋動物學習開始。
Prompt 如下：
請幫我製作一組適合 3～4 歲幼兒學習的「海洋動物學習卡」。
學習目標：
讓孩子認識常見的海洋動物，並了解每種動物一個簡單的特徵。
請產生 5 張學習卡。
每張學習卡包含：
- Emoji
- Title：動物名稱
- Content：簡單、適合 3～4 歲幼兒理解的介紹
- Question：一個可以讓孩子想一想的簡單問題
- Answer：問題的參考答案
請使用繁體中文。
第一版 Prompt 我沒有寫得太複雜。
沒有規定字數、沒有指定 JSON，也沒有要求固定的資料格式。
原因很簡單：
我想先看看，在只告訴 Gemini 基本需求的情況下，它會怎麼產生內容。
先有一個 Baseline，之後調整 Prompt 才有東西可以比較。
按下 Run 之後，Gemini 很快就產生了 5 張海洋動物學習卡。
其中一張是海龜：
🌊 卡片 1
Emoji：🐢
Title：海龜
Content：海龜背上背著一個圓圓大大的硬殼，
就像背著自己的小房子！牠們游水時揮動雙手，
就像在海裡慢慢飛翔一樣。
Question：海龜背上的殼，
摸起來是軟軟的、還是硬硬的呢？
Answer：是硬硬的喔！
它可以保護海龜不受傷。
其他四張則分別產生了：
第一眼看到結果，其實比我原本預期的完整。
這是我這次特別想觀察的地方。
因為 Prompt 並沒有告訴 Gemini：
「請使用疊字。」
「請多用比喻。」
「請使用跟孩子互動的語氣。」
但實際產生的內容裡，出現了：
「圓圓大大的硬殼」
「像背著自己的小房子」
「我們用小手一起數數看！」
「像大剪刀一樣的螯，咔嚓咔嚓！」
可以看出 Gemini 並不是單純把海洋動物的百科資料丟出來，而是有根據「3～4 歲幼兒」這個條件調整表達方式。
至少從第一次結果來看，Day 01 最開始提出的問題：
AI 能不能根據不同的學習對象，調整學習內容？
目前算是看到了一點可能性。
當然，一次實驗還不能代表每次都會得到一樣的結果，這部分之後還要繼續測試。
看到最後，我發現了一個有趣的地方。
原本的 Prompt 明明只要求：
請產生 5 張學習卡。
結果 Gemini 在五張卡片後面，又自己補了一段：
💡 陪讀小技巧（給家長的建議）
1. 動作模仿
2. 視覺指認
如果今天只是請 Gemini 幫忙準備教材，我可能會覺得：
欸，滿貼心的耶。
但如果換成開發應用程式的角度，就變成：
等等，我沒有叫你產生這個啊！
這也讓我感受到「跟 AI 聊天」和「把 AI 放進程式裡」的差別。
聊天的時候，多回答一點通常沒什麼關係。
甚至可能會覺得 AI 很貼心。
但是當程式預期收到的是 5 張 Learning Cards，AI 卻突然多送了一段「陪讀小技巧」，事情就開始變得不太一樣了。
Google AI Studio 的回應可以選擇複製 Markdown 或純文字。
目前純文字結果大概長這樣：
🌊 卡片 1
Emoji：🐢
Title：海龜
Content：...
Question：...
Answer：...
對人來說很好理解。
一眼就知道：
「喔，這是一張學習卡。」
但是之後真正要把資料交給 React 時，我希望拿到的東西應該更接近：
[
{
"emoji": "🐢",
"title": "海龜",
"content": "...",
"question": "...",
"answer": "..."
}
]
這樣前端才可以把每一筆資料直接交給 LearningCard Component 顯示。
所以今天也發現了一件事情：
人看得懂的格式，不一定就是程式好處理的格式。
不過這個問題今天先記下來。
畢竟才第五天，現在就開始跟 JSON 奮戰，好像有點太早（笑）。
另外還有一個問題。
這次產生的內容讀起來都很自然，但如果真的要當成「學習教材」，內容是不是完全正確，還是需要另外確認。
例如其中一張卡片提到：
鯨魚浮上海面呼吸時，頭頂會噴出高高的水花。
這種描述對幼兒來說很直覺，但如果從知識正確性的角度來看，可能還有更精確的說法。
這也剛好呼應 Day 03 做的一個決定：
Google AI
↓
Learning Card Draft
↓
Creator Review / Edit
↓
Final Learning Card
AI 產生的內容目前還是 Draft。
最後要不要成為真正的教材，還是需要經過確認。
至於 AI 產生的學習內容到底有多可靠，這個問題之後再來好好實驗。
今天終於第一次真的讓 Gemini 產生 Learning Cards。
從第一次結果來看，基本需求其實完成得比我預期好：
但同時也發現了幾個問題：
內容可以產生
↓
但是 AI 會自己加內容
格式看起來很整齊
↓
但還不是前端真正需要的資料結構
內容讀起來很自然
↓
但知識正確性仍然需要確認
第一次實驗算是順利。
不過現在這個 Prompt 還非常寬鬆，很多事情其實都是交給 Gemini 自己決定。
如果把 Prompt 寫得更明確一點，產生的結果會不會更接近我們真正想要的 Learning Card？
明天就拿今天的第一版 Prompt 繼續改看看。
Day 06｜Prompt 寫得越清楚，Gemini 就越聽話嗎？
iThome鐵人賽
看影片追技術