Day 7｜不要什麼都畫 Flow：讓 AI 自己決定怎麼畫

Day 6 做完之後，Visual Learning Lab 終於不只是「讀 PDF 裡的文字」，而是真的可以看到公式、波形圖、向量圖和其他視覺內容。

但測到最後，我又發現一個很明顯的問題。

AI 已經看懂教材了，網站卻還是只會做一件事：

畫 Flow。

前幾天測 Sinusoids 時其實就很明顯。

GPT 自己在 Suggested Visualization 裡一直告訴我：

Concept Map
Comparison
Image / Diagram

結果下面還是：

Visual Flow

所以今天想解的問題不是「再把 Flow 畫漂亮一點」。

而是：

如果 AI 已經知道這份教材比較適合 Concept Map，為什麼網站不能真的畫 Concept Map？

Suggested Visualization 終於不能只是裝飾了

前幾天的架構大概是這樣：

教材
↓
GPT 理解
↓
Suggested Visualization
↓
顯示「Concept Map、Flow、Comparison...」

但是

↓
網站永遠畫 Flow

這其實滿矛盾的。

所以 Day 7 我加了一個新的 Structured Output：

primary_visualization

裡面讓 AI 回傳：

type:
- flow
- concept_map
- none

reason:
為什麼選這種視覺化

也就是說，現在不只是問 GPT：

「你覺得這份教材適合什麼？」

而是真的讓它做決定。

目前先只做兩種：

有明確步驟、流程、轉換
→ Flow

以概念、屬性、關係為主
→ Concept Map

其他像 Timeline、Comparison、Analogy、3D 還沒有做。

我不想一次全部塞進來，先確認「AI 自己選 renderer」這件事情真的能工作。

Concept Map 也不能直接拿 Relationships 硬畫

Day 6 做 Visual Flow 時，我已經踩過一次坑。

那時候我原本直接把 Relationships 拿去畫圖，結果每一條關係都各畫各的，最後變成很多分散的小島。

所以這次我沒有再犯同樣的錯。

Concept Map 有自己獨立的資料：

concept_map
├─ suitable
├─ reason
├─ nodes
└─ edges

每個 node 還會分成：

central
primary
supporting

這樣 AI 可以先決定：

哪一個是整張 Concept Map 的核心？

再把其他重要概念往外連。

而不是把所有 Relationships 全部塞進去。

Relationships 還是保留。

但現在它的工作很單純：

把教材裡所有有意義的語意關係整理出來。

Concept Map 則負責：

挑出最值得拿來理解整份教材的概念結構。

第一份測試：Sinusoids

今天第一個測試當然還是那份已經被我虐很多次的 Sinusoids。

因為它剛好很適合拿來驗證這個功能。

前幾天同樣一份 PDF，Visual Learning Lab 會硬畫成 Flow。

今天重新丟進去之後，第一次看到：

Concept Map

最中心的節點是：

正弦波

接著往外連到：

v(t) = Vₘ cos(ωt + θ)

相量、阻抗與導納

週期 T 與角頻率 ω

相位與相位差 θ、φ

三角恆等式與相位轉換

正弦分量合成

這張圖看起來就比以前硬塞成 Flow 合理很多。

因為 Sinusoids 這幾頁本來就不是在教：

第一步做什麼 → 第二步做什麼 → 第三步做什麼

而是在建立一堆彼此有關的概念。

所以 Concept Map 的目的不是排序，而是告訴我：

這些東西是怎麼連在一起的。

這也是我第一次覺得 Visual Learning Lab 開始真的有一點「根據教材選擇表達方式」的感覺。

但不能只測一份

如果我只測 Sinusoids，還不能證明 AI 真的會選。

也有可能今天只是改完之後，所有東西都開始畫 Concept Map。

所以第二份我重新丟了 Laplace Transform。

這份教材前幾天已經證明它有一個很自然的解題流程。

結果這次 AI 沒有選 Concept Map。

它還是選了：

Visual Flow

而且主線很清楚：

Given ODE / initial value problem
↓
Apply Laplace transform
↓
Transform into an algebraic equation
↓
Solve by algebraic manipulation
↓
Apply inverse transform
↓
Obtain the solution

所以今天真正讓我滿意的其實不是 Concept Map 本身。

而是同一套程式，面對兩種不同內容時，真的做出了不同選擇：

Sinusoids
→ Concept Map

Laplace Transform
→ Visual Flow

從「生成視覺化」變成「選擇視覺化」

做到 Day 7，我覺得 Visual Learning Lab 的方向開始慢慢跟最一開始不太一樣了。

一開始我想的是：

把教材丟進去，AI 幫我畫圖。

但現在比較像：

教材
↓
AI 理解內容
↓
判斷內容的結構
↓
選擇視覺化方式
↓
產生對應的視覺化

這中間差了一步：

判斷。

如果教材是步驟，就用 Flow。

如果教材是概念網路，就用 Concept Map。

以後如果做 Comparison、Timeline、Image Breakdown、甚至 3D，也應該照同樣的方式。

不是：

「我今天新做了一個 Timeline，所以不管什麼教材都拿來畫 Timeline。」

而是：

「這份教材本身適不適合 Timeline？」

這應該才比較接近我想做的產品。

Concept Map 現在還不漂亮

目前第一版 Concept Map 還是用 Graphviz。

功能上可以工作，但版面還有很多可以改善的地方。

像 Sinusoids 這張圖現在比較偏橫向，整張拉得很寬，有些節點的字也稍微偏小。

【圖片 4：Concept Map 完整畫面，可以看出目前偏橫向的版型】

但我今天先不處理。

因為目前真正重要的是：

Concept Map 可以生成        ✓
Flow 可以生成               ✓
AI 可以在兩者之間做選擇     ✓

至於節點拖曳、點擊展開、縮放、互動，甚至未來不用 Graphviz，都是之後可以再處理的事情。

Day 7：終於不是所有內容都長一樣

這幾天回頭看其實滿有趣。

Day 4：

Relationships
↓
全部畫成 Flow

Day 6：

Relationships
≠
Visual Flow

Flow 有自己的結構

Day 7：

教材
↓
AI 判斷

├─ Flow
└─ Concept Map

所以今天新增的表面上只是 Concept Map。

但我覺得真正重要的是底層邏輯開始改了。

Visual Learning Lab 不再只是：

「把 AI 回答畫出來。」

而是開始嘗試：

先理解教材的結構，再決定它應該被怎麼看。

目前只有兩種選擇。

但至少今天第一次不是所有教材都長一樣了。

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