Day 7 做完之後，Visual Learning Lab 已經第一次可以根據教材內容，自動在 Visual Flow 和 Concept Map 之間做選擇。

像 Sinusoids 這種偏概念關係的內容，會用 Concept Map；Laplace Transform 這種有明確步驟的內容，則會用 Visual Flow。

做到這裡之後，我開始覺得整個方向有比較清楚。

我不想做一個「輸入教材 → 固定吐出某一種圖」的工具。

我比較想做的是：

教材
↓
AI 理解內容
↓
判斷內容的結構
↓
選擇適合的呈現方式

但現在其實還少了一種很常見的學習情境。

就是：

比較。

像：

感應馬達 vs 同步馬達
串聯電路 vs 並聯電路
sine vs cosine
方法 A vs 方法 B

這種內容如果硬塞成 Flow 很怪，做 Concept Map 又不一定最好懂。

所以 Day 8 我加了第三種真的可以被 AI 選中的視覺化：

Comparison。

Comparison 不是把兩個概念排在一起而已

一開始看起來好像很簡單。

如果教材裡有 A 和 B，那就畫一個比較表。

但想一下就會發現這樣不行。

例如一份教材同時提到：

Sinusoids
Phasors
Impedance
Admittance

不代表它就在「比較」這四個東西。

所以我沒有讓程式只要看到兩個概念就自動選 Comparison。

現在 AI 判斷 Comparison 的條件比較像：

這份內容的主要理解方式，是不是來自「並排看差異」？

像是：

• similarities and differences
• alternatives
• tradeoffs
• parallel properties
• side-by-side characteristics

如果這些才是教材的主要結構，才選 Comparison。

所以目前 primary visualization 開始變成：

primary_visualization

flow
concept_map
comparison
none

其中：

有明確步驟
→ Flow

概念彼此關聯
→ Concept Map

差異與對照最重要
→ Comparison

Comparison 也有自己的資料結構

前幾天做 Flow 的時候，我已經踩過一個坑。

如果直接把 Relationships 拿去畫圖，很容易變成「每一條關係 individually 都是對的，但整張圖很亂」。

所以從 Day 7 開始，我已經不再讓所有 visualization 共用 Relationships。

Day 8 的 Comparison 也一樣有自己獨立的 Structured Output。

大概長這樣：

comparison

├─ suitable
├─ reason
├─ title
├─ items
├─ criteria
└─ takeaway

items 是要拿來比較的東西。

criteria 則是比較的維度。

例如：

三相感應馬達
同步馬達

可能會用：

轉子轉速
轉差需求
轉子磁場來源
結構與控制
典型應用

來比較。

我也限制每個 criterion 都要有每個 item 對應的內容。

不然就很容易變成：

A 有資料
B 空白
C 又突然多一個奇怪的欄位

這種看起來就不像真正的比較表。

第一個測試：感應馬達 vs 同步馬達

這次我先不拿 PDF。

直接貼一小段文字，內容是三相感應馬達與同步馬達的差異。

主要寫到：

• 轉子轉速
• 是否需要轉差
• 轉子磁場來源
• 結構與控制複雜度
• 典型應用

按下 Visualize 之後，這次 AI 沒有選 Concept Map，也沒有選 Flow。

而是真的選了：

Comparison

最後生成的表格大概是：

Criterion        三相感應馬達              同步馬達

轉子轉速          通常低於同步轉速          等於同步轉速
轉差需求          需要轉差                  正常穩態下沒有轉差
轉子磁場來源      感應電流                  直流激磁或永久磁鐵
結構與控制        較簡單、耐用              通常較複雜
典型應用          工業驅動                  固定轉速需求

這次我覺得效果滿直接的。

因為如果把這段內容畫成 Concept Map，雖然也不是不行，但使用者還是要自己沿著線找：

到底兩個馬達哪裡不一樣？

Comparison 則直接把這件事放到畫面中央。

Takeaway 也不能變成「哪個比較好」

Comparison 下面我還加了一個 Takeaway。

但我不希望它變成：

感應馬達比較好。

或：

同步馬達比較優秀。

因為很多比較其實沒有 winner。

這次 AI 回的重點比較像：

感應馬達需要靠轉差產生轉子感應電流與轉矩；同步馬達則在正常穩態下以同步轉速運轉、沒有轉差。前者通常較簡單耐用，後者則適合固定轉速等需求。

這樣我覺得比較合理。

Comparison 的目的應該是：

讓差異變清楚。

不是幫使用者亂選一個答案。

但加完 Comparison 之後，我又把 Laplace 弄壞了

Comparison 本身第一次測試其實很順。

但我重新把前幾天的教材丟回去做 regression test 時，出現了一件很有趣的事。

Sinusoids：

→ Concept Map

正常。

馬達比較：

→ Comparison

也正常。

但是 Laplace Transform：

→ Concept Map

等等。

它前一天明明已經很穩定地選 Flow。

而且這張 Concept Map 本身其實沒有做錯。

它真的有抓到：

Laplace Transform
Integral Transform
Inverse Transform
ODE Solution Method
Integral Formula
Kernel

這些概念。

問題是：

這不是這份教材最值得優先看到的東西。

因為這幾頁其實有一個非常明確的 ODE 解題流程。

也就是：

Given ODE
↓
Laplace Transform
↓
Algebraic equation
↓
Solve algebraically
↓
Inverse Transform
↓
Solution

所以這次出現了一個更有意思的問題。

一份教材可以同時適合很多種視覺化

以前我想得比較簡單。

我以為：

某份教材
→ 一定有一個明確類型

但真的測之後才發現不是。

Laplace Transform 當然可以做 Concept Map。

因為它也有一堆重要概念：

f(t)
F(s)
kernel
inverse transform
integral transform

但同時它又有一個很重要的解題流程。

那到底應該選哪一個？

這時候真正要問的其實不是：

「它能不能畫成 Concept Map？」

而是：

「哪一種圖最能幫助使用者先理解這份內容？」

所以我又調整了一次 visualization selection 的判斷。

現在如果教材裡存在一條：

• 明確
• 有連續步驟
• 對理解教材很重要
• 大約至少有三個 meaningful stages

的流程，那 Flow 會有比較高的優先權。

例如：

problem
↓
transformation
↓
intermediate result
↓
final result

即使同一份教材裡還有很多 definitions、notations 或其他 concepts，也不應該因為「概念很多」就直接選 Concept Map。

再測一次 Laplace

修完 selection rule 之後，我又拿同一份 Laplace PDF 再跑一次。

這次終於重新選回：

Visual Flow

流程變成：

Given ODE / initial value problem
↓
apply Laplace transform
↓
Transform into an algebraic subsidiary equation
↓
Solve by algebraic manipulations
↓
apply inverse transformation
↓
Transform back to obtain the original-problem solution

這樣就合理多了。

所以到 Day 8 結束時，我現在有三個固定測試：

三相感應馬達 vs 同步馬達
→ Comparison

Sinusoids
→ Concept Map

Laplace Transform
→ Visual Flow

這三份剛好代表三種不同教材結構。

Visualization Router 開始真的有點像 Router 了

做到現在，整個邏輯已經從最早的：

教材
↓
Relationships
↓
全部畫成 Flow

慢慢變成：

教材
↓
AI 理解內容
↓
判斷主要學習結構

├─ Process
│   ↓
│  Flow
│
├─ Concept Network
│   ↓
│  Concept Map
│
└─ Comparison
    ↓
   Comparison Table

而 Relationships 還是另外保留。

這件事我現在越來越確定是對的。

因為 Relationships 的用途是：

告訴我內容裡有哪些語意關係。

但 visualization 的用途是：

選出最適合人類理解這份教材的結構。

兩者不應該是同一件事。

Day 8：新增的其實不只是 Comparison

表面上今天只是多了一個比較表。

但我覺得真正有意思的是，Visual Learning Lab 開始需要做「取捨」。

同一份教材可能同時可以畫：

Flow
Concept Map
Comparison

但 primary visualization 只能先選一個。

所以 AI 現在不只是要知道：

「這些內容彼此有什麼關係？」

還要開始回答：

「如果只能先給學生看一種圖，哪一種最有幫助？」

目前當然還很早。

現在也只有三種 renderer。

但至少到今天，我已經不再是：

做了一個新圖表，所以拿所有教材來測它。

而是開始反過來：

先看教材需要什麼，再決定要不要用它。

目前 Visual Learning Lab 已經可以：

PDF 文字理解             ✓
PDF 視覺內容理解          ✓
Source Page              ✓
Visual Evidence          ✓
Visual Flow              ✓
Concept Map              ✓
Comparison               ✓
自動選擇主要視覺化        ✓

下一步我想開始處理另一個問題。

現在 AI 已經可以幫我把教材整理得比較好懂。

但如果我看到其中某一句，還是看不懂呢？

我不想再把那句話複製出去、重新開 AI、重新解釋上下文。

如果可以直接在教材裡點一下：

Explain this

然後它就知道我現在卡在哪裡。

那好像才真的開始有一點「互動式學習工具」的感覺。

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