前幾天的 Visual Learning Lab 已經慢慢長出一套完整的分析流程。

丟進一份 PDF 之後，它會整理 Quick Summary、Key Concepts、Relationships，也會去看教材裡面的公式、Diagram、Graph 和 Waveform。接著再根據內容判斷該畫 Concept Map、Visual Flow 還是 Comparison。

Day 9 又加了 Explain This，Day 11 則讓 Concept Map 和 Flow 裡面的節點也能直接往下問。

做到這裡之後，功能其實已經不少了。

但我重新用了一遍自己的東西，發現一個很明顯的問題：

它很會分析教材，但還是不太會「教」。

使用者打開結果之後，會一次看到摘要、概念、關係、Visual Evidence、Concept Map，資訊其實很多。但到底應該先看什麼？哪些概念要先懂？哪一個東西其實是下一個東西的前置知識？

目前都還是使用者自己決定。

所以 Day 12 我決定先不繼續增加另一種圖，也先不做原本排好的 Source Check。

今天直接做一個比較大的功能：

Guided Learning Mode。

也就是把前面 AI 已經理解好的教材，重新整理成一條真的可以一步一步走的學習路徑。

從「這是分析結果」變成「跟著我學」

以前 Visual Learning Lab 的流程比較像：

上傳教材
↓
AI 分析
↓
摘要 / 概念 / 圖表 / 視覺化
↓
使用者自己看

Day 12 之後，我想把最後一段改掉。

現在多了一條 Guided Learning：

上傳教材
↓
AI 理解整份內容
↓
安排學習順序
↓
一次只學一個 Step
↓
卡住可以 Explain This
↓
最後 Knowledge Check

這個差別對我來說滿大的。

因為前面幾天做的東西主要是在回答：

AI 可以把教材整理成什麼？

今天開始比較像是在問：

AI 整理完之後，要怎麼讓使用者真的跟著它學？

learning_path 不只是把 Key Concepts 排成 1、2、3

這次我沒有另外再呼叫一次 API 去產生課程。

Guided Learning 的內容直接被加進原本的 Structured Output，跟 Quick Summary、Key Concepts、Concept Map、Visual Flow 一起，在第一次分析教材時就產生。

新增的核心結構叫做 learning_path，大概長這樣：

{
  "learning_path": {
    "suitable": true,
    "title": "Understanding and Manipulating Sinusoids",
    "steps": [
      {
        "id": "step_1",
        "title": "Read the sinusoid model",
        "learning_goal": "...",
        "explanation": "...",
        "source_pages": [2],
        "connection_to_previous": "..."
      }
    ],
    "checkpoint_questions": [
      {
        "id": "q1",
        "question": "...",
        "options": [...],
        "correct_option_id": "a",
        "explanation": "...",
        "source_pages": [2]
      }
    ]
  }
}

我特別不希望它只是把 Key Concepts 原封不動排成一個列表。

因為「重要概念有哪些」和「這些概念應該用什麼順序學」其實不是同一件事。

例如這次拿 Sinusoids 的教材測試，它最後安排成 5 個 Step。

第一步先從正弦波最基本的模型開始，理解 V_m、ω、t 和 θ 在 v(t)=V_m cos(ωt+θ) 裡分別代表什麼。

到了第二步才開始進 period 和 phase，接著逐漸碰到三角關係與 sine、cosine 的組合。

這個順序至少是有「前一個概念幫下一個概念鋪路」的，而不是五張互相獨立的卡片。

每一步除了標題之外，現在都有 Goal、Explanation、Why this comes next 和 Source。

其中我最喜歡的其實是 Why this comes next。

因為它不是只告訴我「現在要學這個」，還會解釋為什麼這個東西應該接在前一步後面。

像其中一個 Step 在學如何把 sine 和 cosine 組合成單一 sinusoid 時，它會說這一步是在利用前面剛學過的 identities 和 phase concepts，把更一般的 sinusoidal expression 簡化。

這種內容以前其實也存在教材裡，只是散落在不同頁、不同公式之間。

現在它開始被整理成一條「學習順序」。

Next 和 Previous 完全不需要再問 AI

這次有一個架構上的點我很在意。

如果每按一次 Next，就重新呼叫 OpenAI 一次，那這個功能一定會又慢又浪費 API。

所以整條 learning path 是第一次分析教材時就一起生成的。

之後的 Step 1 → Step 2 → Step 3 → Step 4，其實都只是 Streamlit 在切換已經存在的 structured data。

目前進度存在 st.session_state 裡，所以 Streamlit rerun 之後也不會突然忘記現在走到哪一步。

畫面上會顯示 Step 2 of 5，上面再放一條 progress bar，讓使用者知道現在大概走到整份教材的哪裡。

所以這部分其實完全沒有額外 AI 成本。

這也是我今天做這個功能時很想守住的一件事：互動不等於每一個按鈕都要呼叫 AI。

如果東西已經在第一次分析時產生，就應該盡量把後面的互動留在本地完成。

看不懂某一步，可以直接 Explain This

不過 Guided Learning 如果只有 Previous 和 Next，其實很容易變成另一種簡報模式。

所以 Day 9 做的 Explain This 這次也被接進來了。

如果某一步看不懂，可以直接按 Explain this step。

它沒有另外做一套新的 explanation system，而是繼續沿用原本的 Structured Output：

• In simple terms
• Why it matters
• Intuition or example
• Source context

差別只是現在多了一種 learning_path_step target。

系統會把目前這一步的 title、learning goal、原本 explanation、connection_to_previous、source pages，以及前後 learning step 的資訊一起當成 context。

所以它不只是解釋某一句話，而是知道「你現在正在這條學習路徑的哪裡」。

像這次走到 phasors、impedance 和 admittance 時，Explain This 不只介紹 phasor 是什麼，也有接回前面剛學過的 amplitude-and-phase representation，說明為什麼前面的三角處理會成為後面電路分析的基礎。

這就跟 Day 11 的 Visual Flow 有點像。

我現在越來越不想讓 Explain This 只收到一個孤立的名詞，而是希望它知道：

「使用者是在什麼脈絡下卡住的。」

最後真的考我三題

Guided Learning 的最後不是「恭喜完成」。

我加了一個 Knowledge Check。

目前預設是 3 題選擇題，每一題通常有 4 個選項，而且題目也是第一次分析教材時就跟 learning path 一起產生。

這代表使用者選答案後，系統根本不需要再問 AI「他答對了嗎？」

因為 Structured Output 裡面已經有 correct_option_id 和 explanation。

所以按 Check answer 時只是本地判斷。

答對會直接顯示：

Correct

答錯則會顯示：

Not quite

接著再把原本生成好的解釋顯示出來。

我測試時還刻意答錯。

例如其中一題問：

把 sin(ωt) 改成 sin(ωt+φ)，但 amplitude 和 frequency 都不變，會造成什麼效果？

我故意選「週期會從 T 變成 T/2」。

系統直接判定 Not quite，然後再顯示原本準備好的 explanation，而不是為了糾正我重新打一個 API request。

三題都回答完之後，最後會直接得到這次 Knowledge Check 的結果。

我這次故意答錯兩題，所以最後是 1 / 3 correct。

目前我沒有把這個分數拿去判斷「你很弱」、「你已經精通」之類的東西。

因為三題測驗根本沒有資格替一個人的能力貼標籤。

它現在就只是很單純地告訴使用者：

這三題你答對了幾題。

我覺得這樣反而比較合理。

這次最大的改動，其實不是 Quiz

Day 12 這次算是目前改動比較大的一天。

最後 commit 顯示 4 個檔案總共大約有 830 行新增、20 行刪除，除了 app.py 之外，README、AGENTS 和 PRODUCT_VISION 也一起更新。

但真正讓我覺得這一天比較重要的，不是因為多了 800 多行，也不是因為終於有 Quiz。

而是前面幾天做的那些東西，開始真的串起來了。

Quick Summary 不再只是摘要。

Key Concepts 不再只是條列。

Concept Map 和 Flow 不再只是圖片。

Explain This 也不再只是掛在某幾段文字下面。

現在它們開始共同支撐一個完整一點的學習流程：

AI 理解教材
↓
整理教材結構
↓
選擇合適的視覺化
↓
安排 Guided Learning
↓
逐步學習
↓
卡住就 Explain This
↓
Knowledge Check

我覺得這才比較接近 Visual Learning Lab 一開始真正想做的事情。

不是把一份 PDF 壓縮成另一份比較短的文字，而是把原本不好進入的教材，重新整理成一個比較容易理解、可以互動、也可以逐步往下走的學習介面。

Day 12：從 output 開始變成 learning experience

如果只看功能名稱，Guided Learning 好像只是又新增一個區塊。

但對整個專案來說，我覺得它比較像一次方向上的改變。

前十一天，大部分時間都在想：

AI 能不能更完整地理解教材？

現在開始，我想問的是：

理解完之後，產品要怎麼幫人學？

今天這個版本當然還很初階。

學習路徑目前是一次生成的，還不會根據 Quiz 結果動態改變；答錯也不會自動把你送回對應的 Step；Source Check 還沒真正做進來；Guided Learning 也還沒有把 Concept Map 裡的節點直接嵌進每一步。

但至少它第一次不只是把所有答案攤在螢幕上。

它開始試著說：

先看這個。

懂了之後，再往下一步。

如果這裡卡住，就直接問。

最後，再確認一次自己到底有沒有理解。

我覺得這比再多做一種 visualization，更接近我現在想把 Visual Learning Lab 做成的樣子。

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