昨天測試不同 Learner 之後，我發現 Gemini 會根據年齡調整 Learning Card 的用詞、知識點，甚至連 Question 的設計方式都會跟著改變。

不過在測試過程中，也出現了一個讓工程師有點在意的問題。

如果我什麼都不改，同一份 Prompt 再送一次，結果還會一樣嗎？

所以今天不改 Prompt、不換模型，也不增加任何新功能。

只做一件非常單純的事情：

同一份 Prompt，連跑三次。

原本以為今天只是要驗證「AI 每次回答都不一樣」。

結果實際跑完之後，反而發現事情沒有這麼簡單。

今天來測試 Gemini 的輸出穩定性

今天繼續使用前幾天的幼兒海洋動物 Learning Card。

測試條件全部固定：

Model：gemini-3.8-flash
Learner：3～4 歲幼兒
Topic：海洋動物
Animals：海龜、鯨魚、章魚、螃蟹、小丑魚
Cards：5 張

Prompt 也完全不修改：

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。

【學習主題】
海龜、鯨魚、章魚、螃蟹、小丑魚

請針對以上 5 種海洋動物，各產生 1 張學習卡。

【每張學習卡包含】
- Emoji：使用一個適合該動物的 Emoji
- Title：動物名稱
- Content：使用 30～50 個中文字介紹這個動物，只介紹一個主要特徵
- Question：根據 Content 提出一個簡單問題
- Answer：簡短回答 Question

【內容規則】
- 使用繁體中文
- 使用適合 3～4 歲幼兒理解的詞彙
- 避免使用不必要的專有名詞
- 每張卡片只介紹一個主要知識點
- Question 必須可以根據 Content 回答
- 不要產生 Learning Card 以外的其他內容

為了避免前一次的回答影響下一次，每次測試都重新建立 New Chat，再貼上完全相同的 Prompt。

總共測試三次：

New Chat → Prompt → Run #1
New Chat → Prompt → Run #2
New Chat → Prompt → Run #3

接著就來看看，同一份 Prompt 到底會得到什麼結果。

第一眼看過去：好像其實滿穩的？

先從最基本的結構開始檢查。

三次都有：

Emoji
Title
Content
Question
Answer

也都有按照指定的五種動物產生 Learning Card。

前幾天曾經出現的「陪讀小技巧」，這次三次都沒有再突然跑出來。

所以如果只是從：

「Gemini 有沒有按照 Prompt 產生我要的五張 Learning Cards？」

這個角度來看，三次其實都滿穩定的。

原本還期待第三次突然自由發揮一下，結果居然比想像中乖（笑）。

更意外的是：連「教什麼」都很接近

原本在開始實驗之前，我以為可能會看到這種結果：

海龜

Run #1：硬殼
Run #2：游泳
Run #3：產卵

畢竟 Prompt 只指定「海龜」，沒有告訴 Gemini 一定要介紹海龜的哪個特徵。

但實際結果並不是這樣。

海龜

三次幾乎都在介紹：

硬殼
↓
保護自己

鯨魚

三次都圍繞：

浮出水面呼吸
↓
噴出水花

章魚

三次都選擇：

八隻手／腳

螃蟹

三次都是：

橫著走

小丑魚

三次也都以：

橘色 + 白色條紋

作為主要內容。

整理起來：

至少在這三次小規模測試裡，Gemini 對「這張 Learning Card 要教什麼」的選擇，比我原本預期的還要一致。

同一件事，不代表會用同一句話說

不過再仔細看，就開始看到差異了。

例如海龜。

Run #1：

海龜身上背著一個又圓又硬的大殼，就像背著自己的小房子，可以保護自己的身體不受傷喔！

Run #2：

海龜的背上有一個又硬又圓的大外殼，就像穿著堅固的盔甲一樣，可以保護牠不受傷喔！

Run #3：

海龜背上有一個又硬又圓的大外殼，就像背著自己的小房子，可以保護自己不被大魚咬傷喔！

三張卡片教的其實都是：

海龜有硬殼，可以保護自己。

但 Gemini 使用的比喻不同。

Run #1：小房子
Run #2：盔甲
Run #3：小房子

所以目前看起來：

Gemini 三次都可以教同一件事情，但不代表三次會用同一句話教。

這其實也滿符合生成式 AI 的特性。

如果每次都逐字逐句產生完全相同的內容，好像反而有點失去「生成」的意義了。

Question 也一樣

再來看看螃蟹。

Run #1：

螃蟹是往前走還是往旁邊橫著走？

Run #2：

螃蟹是用什麼姿勢走路的呢？

Run #3：

螃蟹走路是怎麼走的？

三個 Question 都不一樣。

但其實都在問同一件事情：

Learner 知不知道螃蟹是橫著走？

Answer 也分別變成：

Run #1：往旁邊橫著走
Run #2：橫著走路
Run #3：橫著往旁邊走

所以這次可以看到：

Question 的寫法：會變
Answer 的寫法：會變

但

Learning Objective：大致相同

這讓我開始覺得，「Gemini 的輸出穩不穩定」好像不能只用 Yes / No 回答。

還得先問：

我們說的「穩定」，到底是指哪一件事情？

連 Emoji 都不一定一樣

還有一個很小，但我覺得滿有趣的地方。

三次鯨魚使用的 Emoji：

Run #1：🐳
Run #2：🐋
Run #3：🐋

Gemini 並沒有做錯。

因為我的 Prompt 只寫：

使用一個適合該動物的 Emoji

🐳 是鯨魚。

🐋 也是鯨魚。

對 Gemini 來說：

都符合需求啊。

但如果未來 UI 設計希望每次看到「鯨魚」都顯示完全相同的圖示，現在這個 Prompt 顯然沒有辦法保證。

這也讓我開始想到另一個問題：

哪些事情應該交給 AI 決定？哪些事情其實應該由前端自己控制？

例如：

AI
→ 負責產生學習內容

Frontend
→ 負責固定的 UI / Display Rules？

這個問題目前先留著，之後真的開始做 React 畫面時再回來處理。

「一張一個知識點」還是沒有那麼聽話

三次測試裡，最明顯沒有完全遵守的規則，還是這一句：

每張卡片只介紹一個主要知識點。

例如 Run #1 的章魚：

章魚的身體軟軟的，長著八隻長長的腳，腳上還有很多圓圓的小吸盤，能抓緊東西喔！

除了「八隻腳」，還順便講了「吸盤」。

Run #3 的螃蟹：

螃蟹走路和大家不一樣，牠是橫著往旁邊走的，而且前面有一對大鉗子，像剪刀一樣厲害！

除了「橫著走」，又順便介紹「大鉗子」。

Run #3 的小丑魚也是：

身上穿著亮橘色和白色的條紋衣服，最喜歡躲在軟綿綿的海葵家裡玩耍。

看來 Gemini 對「只介紹一個」的理解，好像是：

我主要介紹一個，順便再補充一點應該沒關係吧？

工程師：

我就是叫你不要順便（笑）。

這也讓我發現，不同 Prompt 規則的穩定程度好像不太一樣。

像這些：

產生 5 張             → 三次都做到
指定 5 種動物         → 三次都做到
五個欄位              → 三次都做到
不要額外產生其他內容   → 三次都做到

但是：

每張只介紹一個知識點   → 偶爾還是會多講一點

所以把規則寫進 Prompt，確實可以影響結果。

但並不代表每一條自然語言規則，都會被完全一樣地執行。

然後，我發現了一個前端工程師更在意的問題

看到這裡，其實人類閱讀完全沒有問題。

三次都是：

Emoji
Title
Content
Question
Answer

看得懂，也知道每一張 Card 在哪裡。

但仔細比較三次輸出，排版開始出現差異。

Run #1、Run #2 的 Card 中間都有：

---

用來分隔每張卡片。

但是 Run #3 沒有。

另外前兩次是：

Emoji：
Title：

Run #3 則變成：

Emoji:
Title:

一個使用全形冒號，一個變成半形冒號。

對人類來說：

有差嗎？還不是看得懂。

但是如果今天要交給 React：

等一下。

假設我要從這段文字裡找出每一張 Learning Card：

哪裡是一張 Card 的開始？

哪裡是一張 Card 的結束？

「---」一定會存在嗎？

欄位後面一定是「：」嗎？

還是下一次又會變成「:」？

事情突然開始麻煩起來了。

所以 Gemini 到底穩不穩？

跑完三次之後，我覺得答案不是單純的：

穩定。

或：

不穩定。

比較接近：

相對穩定
────────────
Card 數量
欄位
指定動物
核心學習內容
Question 的方向


會發生變化
────────────
文字表達
比喻方式
Emoji
部分補充知識
排版格式

也就是說，如果我在意的是：

「這張海龜 Learning Card 有沒有在教適合幼兒理解的海龜知識？」

這三次結果其實滿穩定。

但如果我要求：

「每一次 Response 都必須長得完全一樣，讓程式直接解析。」

那目前顯然還沒有做到。

順手記錄一下生成時間

這次也順便記錄了三次 Gemini 的生成時間：

最快和最慢的差異還滿大的。

不過目前只有三次樣本，而且今天主要測試的也不是 Gemini 的效能，所以這裡先單純記錄，不對時間差異做任何結論。

Day 08 小結

今天原本只是想看看：

同一份 Prompt 按三次，Gemini 是不是每次都會亂跑？

結果實際測完，反而發現「穩定性」這件事情比想像中更有層次。

三次生成中，Learning Card 的：

結構
指定動物
核心知識
Question 方向

其實都相當接近。

真正容易改變的是：

文字怎麼說
用什麼比喻
使用哪個 Emoji
順便補充哪些資訊
輸出怎麼排版

對人來說，這些差異可能沒有什麼問題。

反正三份都看得懂。

但是我們這 30 天的目標，不只是要在 Google AI Studio 裡看 Gemini 回答問題。

最後還要把這些 Learning Cards：

交給 React。

這時候問題就不一樣了。

人看得懂的 Response，程式不一定好處理。

所以明天，前端工程師終於又要開始上班了（笑）。

Day 09｜人看得懂就好嗎？開始面對 Gemini 的 Response 格式問題