Day 4 做完之後，Visual Learning Lab 已經可以把一段文字分析成 Quick Summary、Key Concepts、Relationships，再把 Relationships 自動畫成 Visual Flow。

但有一個東西其實從 Day 2 就一直放在首頁，卻完全不能用。

就是 PDF 上傳。

所以 Day 5 的目標很直接：

不要再自己複製文字，讓 PDF 真的可以直接丟進 Visual Learning Lab。

先讓 PDF 真的進到分析流程

這次我用 pypdf 來處理 PDF。

它會先把 PDF 裡可以讀到的文字一頁一頁抽出來，並且保留頁碼，例如：

[Page 1]
...

[Page 2]
...

[Page 3]
...

接著再把這些內容送進 Day 4 已經做好的 GPT 分析流程。

所以整個流程開始變成：

PDF
↓
pypdf 抽取文字
↓
保留頁碼
↓
GPT 分析
↓
Quick Summary / Key Concepts / Relationships
↓
Visual Flow

我目前也先限制最多分析前幾個有文字的頁面，畢竟現在還在測試階段，我還不想一開始就把一整本幾百頁的課本丟進 API。

另外這次我特別保留頁碼，是因為前幾天有人留言提醒我一個問題：如果 AI 把教材簡化錯了，但視覺化又做得很好懂，使用者反而可能更容易相信錯誤內容。

所以我之前才把 Source Check 加進 Product Vision。

Day 5 算是這個功能第一次真的有一點雛形。

第一份測試：Sinusoids

第一份我拿來測的是自己上課的 Sinusoids 講義。

原本講義有二十幾頁，我先裁成 5 頁，內容包含 Sinusoids、角度與 x 軸單位、Phasors、Impedance / Admittance，還有三角恆等式。

把 PDF 上傳之後，Visual Learning Lab 第一次真的顯示：

PDF source: text found on 5 of 5 page(s); analyzed 5 page(s).

接著原本的 AI 分析也正常跑了出來。

這次最大的差別是，Key Concepts 和 Relationships 後面開始出現：

Source: p.1
Source: p.2
Source: p.4

例如 Angle and x-axis units 被標成來自第 2 頁，我回去翻原本 PDF，內容確實就在那裡。

這至少代表現在 AI 說：

「這個概念來自這裡。」

我可以真的回原文確認，而不是只能直接相信它。

Visual Flow 也一樣可以正常生成。

但這張圖馬上又暴露出一個問題。

它其實不太像 Flow。

像：

Sinusoids
↓
Phasors

Sinusoidal analysis
↓
Impedance and admittance

Sinusoid representation
↓
Angle and x-axis units

這些內容比較像「哪些概念彼此有關」，而不是第一步、第二步、第三步的流程。

更有趣的是，GPT 自己其實知道。

它的 Suggested Visualization 推薦的是：

• Concept Map
• Image / Diagram
• Comparison

結果 Visual Learning Lab 還是很堅持地畫了一張 Flow 給它。

所以目前 Suggested Visualization 還只是「建議」，並沒有真的控制網站要使用哪一個視覺化工具。

這也表示後面真正想做到的應該是：

AI 判斷 Flow
↓
產生 Flow

AI 判斷 Concept Map
↓
產生 Concept Map

AI 判斷 Comparison
↓
產生 Comparison

而不是什麼東西都塞進 Flow。

真正的大問題不是 Flow

本來我以為今天最大的問題會是 Visual Flow 不夠漂亮，結果在看 Sinusoids 的分析時，我發現了一個更大的問題。

GPT 在 Trigonometric identities 下面寫了一句，大意是：

有提到三角恆等式，但原始內容沒有提供具體公式。

問題是我打開 PDF 一看。

公式明明就在那裡。

像：

sin(A ± B)
cos(A ± B)
sin(ωt ± 90°)
cos(ωt ± 90°)

一個都沒少。

這時候我才發現，GPT 並不是看錯了。

它是根本沒有看到。

目前我的 PDF 處理方式是：

PDF
↓
pypdf
↓
抽出文字
↓
GPT

所以 GPT 能理解多少，完全取決於 pypdf 到底成功抽出了多少文字。

如果教材裡的內容是公式物件、波形圖、座標圖、圖片，甚至是手寫註記，而 pypdf 沒有把它抽成文字，那這些東西對 GPT 來說就等於不存在。

這也是我今天第一次很明顯地發現：

「可以讀 PDF」跟「真的看懂 PDF」完全是兩回事。

第二份測試：Laplace Transform

為了確認不是 Sinusoids 這份教材特別奇怪，我又拿另一份工程數學的 Laplace Transform 講義進來測。

這次效果明顯好很多。

GPT 很順地抓到用 Laplace Transform 解 ODE 的主要流程：

給定的 ODE
↓
代數方程（輔助方程）
↓
變換域中的解
↓
原問題的解

這種類型的教材本來就有很明確的步驟，所以 Flow 看起來就合理很多。

它也抓到了 f(t)、F(s)、inverse Laplace transform、kernel 等概念，來源頁碼也都有正常標出來。

【圖片 6：Laplace 的 Key Concepts / Relationships，最好截得到 Source】

這次測試也更明顯地證明了一件事：

不同內容真的需要不同的視覺化。

Laplace Transform 這種「有明確步驟」的內容很適合 Flow。

Sinusoids 這種比較偏「概念彼此關聯」的內容，則比較適合 Concept Map。

也就是說，後面不能只是一直把 Graphviz Flow 做得更漂亮，而是真的要開始讓 AI 判斷：

這份教材到底應該怎麼被呈現？

Source Check 開始真的有點用了

這次 PDF 功能做完之後，我覺得 Source page 是目前一個滿重要的進展。

以前 GPT 整理完一份內容，我看到一個概念只能想：

「應該是對的吧？」

現在至少開始變成：

某個概念
Source: p.3

我真的可以翻回第 3 頁檢查。

但目前的 Source Check 還有一個很明顯的限制。

它只能追：

成功被抽成文字的內容。

如果資訊來自公式、圖片、電路圖、波形、圖表或手寫註記，目前的系統根本不知道它存在。

所以真正完整的 Source Check，未來應該不只是：

Source: p.3

而是能知道：

第 3 頁的哪一段？
哪一張圖？
哪一個公式？

這件事情現在當然還做不到，但至少問題已經開始變得很明確。

Day 5 原本只是想做 PDF，最後反而找到下一個真正要解的問題

做到今天，目前 Visual Learning Lab 看 PDF 的能力大概是：

PDF
├─ 文字        ✓
├─ 頁碼        ✓
├─ 公式        可能會漏
├─ 圖片        看不到
├─ 圖表        看不到
└─ 手寫註記    看不到

所以 Day 5 最大的成果，反而不只是「PDF 上傳終於可以用了」。

而是我第一次真的拿自己的工程教材測下去之後發現：

如果它只能看 PDF 裡抽得出來的文字，那它其實還沒有真的在看教材。

前幾天我一直在想怎麼把 GPT 的理解轉成 Flow、Concept Map，甚至後面的 3D。

但今天才發現，在想「怎麼畫」之前，還有一個更基本的問題：

AI 到底有沒有真的看到完整的教材？

所以下一步，我想先暫停增加新的視覺化種類。

我要試著讓 Visual Learning Lab 不只是「讀 PDF 文字」，而是真的能看到 PDF 頁面裡的公式、圖片和圖表。

到那個時候，才比較有資格說它真的開始「看教材」。

GitHub Repo：
https://github.com/f24131128-lgtm/visual-learning-lab