昨天做完 Guided Learning 之後，Visual Learning Lab 終於不只是把教材整理好放在畫面上，而是會真的排出一條學習順序，帶著使用者一個 Step 一個 Step 往下走，最後再用 Knowledge Check 確認自己到底有沒有理解。

但實際測完之後，我馬上又看到一個問題。

假設最後三題只答對一題，畫面會很誠實地告訴我：

Knowledge Check: 1 / 3 correct

然後呢？

其實就沒有然後了。

系統明明已經知道我錯了哪兩題、我選了哪一個錯誤答案、正確答案又是什麼，甚至還知道這兩題原本跟 Guided Learning 的哪幾個 Step 有關。

結果最後卻只是丟一句 Not quite 給我。

我覺得有點浪費。

所以 Day 13 我決定把 Knowledge Check 往後再接一段：

Adaptive Review Mode。

它不是只記錄「你答錯了」，而是開始利用這個錯誤，決定接下來應該複習什麼。

從考完就結束，變成真正的複習迴圈

Day 12 的流程大概是：

Guided Learning
↓
Knowledge Check
↓
顯示答對幾題
↓
結束

Day 13 之後則變成：

Guided Learning
↓
Knowledge Check
↓
找出答錯的題目
↓
回到相關 Learning Step
↓
Focused Review
↓
Retry Check

我覺得這兩個版本看起來只差後面幾步，但產品感其實差滿多的。

前一個版本是在「測你」。

新的版本開始試著利用測驗結果，改變下一步要給你的內容。

Quiz 現在知道自己在考哪一課

要做到這件事，第一個要補的其實不是 AI，而是資料結構。

昨天產生 Knowledge Check 時，每一題本來都有 question、options、correct answer、explanation 和 source pages，但它其實不知道自己跟哪一個 Guided Learning Step 有關。

所以 Day 13 先在 checkpoint question 裡加入 related_step_ids。

例如一題是在考 phase shift，它可能就會指向前面「Interpret period and phase」這一個 learning step。

這個 mapping 很重要，因為之後使用者答錯時，根本不用再問 AI：

「這一題錯了，我應該回去複習哪裡？」

系統直接看 structured data 就知道了。

也就是說，Review Queue 本身完全可以在本地產生，不需要 API。

如果兩題都指向同一個 Step，還會把重複的 Step 合併；如果是不同 Step，就按照原本的 learning path 順序排回去。

答錯之後，真的可以跳回原本那一步

這次我還是用 Sinusoids 的教材測試。

三題我故意只答對一題，最後得到：

Knowledge Check: 1 / 3 correct

接著系統開始整理這次需要回頭看的內容。

最基本的版本不是直接再生一大篇 AI 回答，而是先建立 Review Queue，告訴我哪些 Guided Learning Step 跟這次答錯有關。

如果按下 Review step，它會直接把原本 Guided Learning 的 current step 切回那一頁。

整個過程不會重新分析 PDF，也不需要重新產生一份課程。

這點我滿喜歡的，因為前面花時間建立的 stable step ID 終於開始有用了。

一開始做 Structured Outputs 時，我只是覺得「有固定格式比較好處理」；做到後面才發現，這些 ID、Relationship、source page、step mapping，全部都開始變成後面互動功能的基礎。

真正的 Adaptive 發生在 Focused Review

單純把我送回原本課程還不夠。

因為我真正想知道的不是：

「這一章你沒看懂。」

而是：

「你到底誤會了什麼？」

所以這次另外加入了一個 Build focused review。

這個按鈕才會真的再呼叫一次 OpenAI API。

但它不是重新把整份 PDF 再分析一次，也不會把原始 PDF 整包重傳。

送出去的是已經整理好的相關 context，包括答錯的題目、使用者剛才真的選了哪一個錯誤選項、正確答案、原本的 explanation、相關 learning steps、Key Concepts、Relationships、Visual Evidence，以及那些 Step 對應頁面的 extracted text。

最關鍵的是這一段：

模型會看到我實際選了什麼錯誤答案。

這讓它可以針對錯誤本身解釋，而不是只重新講一次課本內容。

它真的抓到我錯在哪裡

這次其中一個錯誤是把 V_m 跟水平位移混在一起。

Focused Review 沒有只重新介紹「什麼是正弦波」，而是直接指出：

不要把 V_m 視為水平位移參數。

接著再重新區分 V_m 和 θ：

V_m 控制的是波形垂直方向的峰值大小，而 θ 才決定相對參考波形的水平位移或起始相位。

這就是我今天最想看到的結果。

因為系統不是只知道：

Question 1 = Wrong

而是真的知道：

使用者在 Question 1 選了這個錯誤答案，所以可能把兩個參數的角色搞混。

另一題我故意把「增加 180° 相位」理解成波形保持不變。

Focused Review 也直接針對這個誤解重新說明：增加 180° 等於把正弦波移動半個週期，sin(x+180°) = -sin(x)，所以每一點的值都會反號。

這裡我覺得已經比普通的「答錯後顯示詳解」更接近我想做的東西。

普通 Quiz 的 explanation 通常是在解釋：

為什麼正確答案是 B？

現在我比較想讓系統回答：

為什麼你剛剛會選到 D，而且 D 跟 B 到底差在哪裡？

這兩個其實是不太一樣的。

Focused Review 不是每次 rerun 都重新花錢

因為這次開始增加第二種 API request，所以 cache 也變得更重要。

如果同一份教材、同樣兩題答錯，而且連選錯的 option 都一樣，那再次按 Build focused review 不應該又重新呼叫一次 API。

所以 Focused Review 的 cache identity 不只看 material hash，還會把「錯了哪些題」以及「選了哪些錯誤 option」一起算進去。

概念上大概是：

material identity
+ incorrect question IDs
+ selected wrong option IDs

這樣如果錯誤模式完全相同，可以直接重用之前的 review。

但如果這次第二題改答對、只剩第三題錯，incorrect-answer pattern 就變了，舊的 Focused Review 也不能直接拿來用。

這件事情如果沒處理好，很容易出現一個很荒謬的狀況：使用者明明已經改答對了，系統還在叫他複習上一輪的錯誤。

複習完，再考一次，但不是原題重播

Focused Review 做完之後，下面還有一個 Retry Check。

這次也不是把剛剛三題原封不動再出一次。

Focused Review 的 Structured Output 會另外產生一小組 retry questions，通常是兩題，而且應該針對剛才真正答錯的概念重新設計。

像這次第一題直接改成問：

在 v(t)=3 cos(ωt-40°) 中，如果只把 -40° 改成 -40° 之外的相位值，主要改變波形哪一項特徵？

也就是重新檢查使用者到底有沒有分清楚 amplitude、frequency 和 phase。

另一個錯誤則會換一種方式再測 180° phase shift，而不是把剛才的題目重新貼一次。

跟 Day 12 一樣，Retry Check 的作答本身完全不需要 API。

因為 correct option 和 explanation 已經在產生 Focused Review 時一起回來了。

所以使用者選答案、按 Check answer、顯示 Correct 或 Not quite，全部都是本地判斷。

目前 API 行為變成：

我越做到後面越覺得這個區分很重要。

AI 應該用在真的需要重新推理、重新生成內容的地方，而不是每一個互動都丟給模型。

Day 13 最大的改變：使用者開始影響產品下一步

Day 12 做完 Guided Learning 時，雖然看起來已經很像一個學習流程，但其實每個人拿到的路線還是一樣。

只要輸入教材相同，AI 產生的 learning path 相同，Step 1 到 Step 5 基本上就是固定的。

Day 13 第一次開始不一樣。

因為使用者的 Knowledge Check 作答，真的會影響後面的畫面。

答對三題的人，不需要 Focused Review。

答錯 phase 的人，會被帶回 phase。

把 amplitude 和 phase 搞混的人，Focused Review 就會針對這兩個參數的差別重新解釋。

答錯 180° phase shift 的人，Retry Check 也會再測相關概念。

所以現在整個流程開始變成：

教材內容
↓
決定第一條學習路徑
↓
使用者作答
↓
使用者的錯誤
↓
決定下一段複習內容

這可能是目前 Visual Learning Lab 第一次真的出現一點「adaptive」的感覺。

這次又是一個比較大的改動

Day 13 的 app.py 大約又增加了 800 多行。

除了原本 Guided Learning 和 Quiz 的 state，現在還多了 Review Queue、Focused Review Structured Output、錯誤 pattern cache、Retry Check state，以及新教材載入後的 adaptive state reset。

功能確實開始變複雜。

但我覺得至少目前這些複雜度都還是圍繞著同一件事情：

讓教材理解的結果變成真正可以互動的學習流程。

而不是為了功能數量一直塞東西。

從「你錯了」變成「那我們回來處理這裡」

Day 13 做完後，我自己最喜歡的不是 Retry Check，也不是又多了一個 AI request。

而是產品面對錯誤的方式開始變了。

以前是：

Not quite.

現在比較像：

你剛才在這裡把 V_m 和 θ 搞混了。
我們先回去看這一步。
接著換一個方式重新解釋。
最後再用另一題確認一次。

這才比較接近我想像中的學習工具。

因為真正學習時，答錯本來就不應該只是得到一個紅色框框。

錯誤本身其實就是一個訊號，告訴系統：

下一步應該教什麼。

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