這期的內容想先介紹一下這次專題的主要主角：導師 Agent

當學生貼上一段有 Bug 的程式碼並問「為什麼跑不通？」時，一般的 AI 助手會迫不及待地把修好的程式碼整套奉上。對「學習」來說，這直接剝奪了學生思考與 Debug 的機會。

我們需要的是一個「導師 Agent」—— 它不能直接給答案，而是要根據學生的卡關程度，循序漸進地提供引導，同時還要能默默記錄學生的觀念弱點。

今天這篇文章，我們就來拆解如何用 LangGraph + Gemini 打造一個具備「提示階梯」與「弱點紀錄」功能的導師 Agent。

導師 Agent 的核心設計目標

一個合格的 AI 導師必須具備以下三個特性：

1. 引導性（Scaffolding）：嚴格控管提示力道。從「純提問反思」到「點出概念方向」，最後才是「解釋概念內容」，絕不直接給出最終解法。
2. 記憶與動態階梯（Dynamic Hint Ladder）：根據學生連續卡關的次數（stuck_count）自動升級提示層級；一旦學生有進展（advancing），階梯立即重置。
3. 結構化輸出與黑板機制（State & Blackboard）：導師回答的同時，必須輸出結構化的 JSON，將診斷出的「觀念錯誤（Misconceptions）」寫入資料庫，作為後續個性化出題的依據。

大概就是這樣，明天會以上面的核心資訊去做 Agent 的製作以及改良。