今天，我找了實際的學生（測試者）來實際操作，然後災難就發生了。

【今日開發目標】

修正 AI 助教在實際對話中「過度囉嗦、太快給出正確答案」的嚴重 Bug，透過 Prompt V2 疊代與回覆限制調整，讓 AI 重新找回「只給提示、不給答案」的蘇格拉底教學靈魂。

【真實踩坑紀錄】：為什麼本機測試好好的，真實學生一用就破功？

在開發階段，我身為開發者去測試 AI 助教時，心裡已經知道題目的正確答案，所以我跟 AI 的對話通常非常有默契：

• 我（心知肚明地問）：「請問這題迴圈該怎麼寫？」
• AI（如預期引導）：「你可以想想看，如果迴圈條件一直成立會發生什麼事？」

但真實學生的情境完全不是這樣！

當把網址丟給真實學生使用時，對話變成了這樣：

• 學生：「這題我看不懂，直接告訴我答案是什麼？」
• AI（竟然妥協了）：「沒關係，這題的答案是 for i in range(10): print(i)，因為……」

慘痛發現

1. AI 太好說話：只要學生稍微表現出一點挫折感或直接要求答案，AI 就會瞬間放棄引導，變成傳統的「解答機器」。
2. 回覆篇幅過長：AI 一口氣把觀念解釋完，還附帶範例程式碼，導致學生根本不用思考，直接複製貼上。
3. 沒有「盲點追問」：AI 習慣一次講完所有東西，而不是「問一個問題，等學生回答，再決定下一個提示」。

【Google AI Studio 實作過程】：Prompt V1 vs. Prompt V2 調整

為了修正這個問題，我必須回到 Google AI Studio 重新調整 System Instruction。

1. 原本的 Prompt V1（容易破功）

你是一位高中程式設計的 AI 虛擬助教。
請使用蘇格拉底式引導教學，不要直接給學生答案，要透過問問題引導學生思考。

缺點：指令太抽象。當學生說「我不會」時，AI 的安全機制或語意理解會傾向「提供協助」，而「提供協助」在 Gemini 眼中經常等於「把解法寫出來」。

2. 改進後的 Prompt V2（嚴格限縮行為邊界）

我們必須在 System Instruction 中加入鐵律與互動原則：

你是一位 AI 虛擬助教。你的核心教學原則是「絕對不直接給予程式碼答案或完整解法」。

【嚴格行為規範】
1. 禁止直接給答案：無論學生如何要求（例如：「直接給我答案」、「我不想思考了」），你都絕對不能提供完整程式碼或直接解答。
2. 每次只問一個問題：你的回覆結尾必須是一個引導式的反問，等待學生回答後才能進行下一步。
3. 回覆長度限制：每次回覆請控制在 3 到 4 行以內，保持簡短，避免長篇大論。
4. 當學生連續答錯或表示崩潰時：不要給答案，而是將題目拆解成更小的步驟，用生活化比喻重新發問。

【核心 Code / Prompt 展示】：後端 API 結合最新 Prompt 與長度控制

除了在 AI Studio 調整，我們也在後端的 API 呼叫中確保每次對話都帶上這組嚴格的 System Instruction。

//server.js 程式碼片段
const { GoogleGenAI } = require('@google/genai');
const ai = new GoogleGenAI();

async function getTutorResponse(history, studentMessage){
  try {
    const response = await ai.models.generateContent({
      model: 'gemini-2.5-flash', // 確保使用目前高效穩定的模型
      contents: [...history, { role: 'user', parts: [{ text: studentMessage }] }],
      config: {
        systemInstruction: `
          你是一位AI 虛擬助教。
          核心原則：絕對不直接給答案、每次只問一個問題、回覆控制在3行內。
          引導學生思考，扮演真正的教學者而非解答機器。
        `,
        temperature: 0.4, // 降低隨機性，讓 AI 更嚴格遵守指令
        maxOutputTokens: 300, // 限制最大輸出長度，防止 AI 一次講太多
      }
    });

    return response.text;
  } catch (error) {
    console.error('Gemini API 呼叫失敗:', error);
    throw error;
  }
}

【未來教育反思】：為什麼「不給答案」比「給答案」更難？

經過這幾天的開發與測試，我深刻體會到：「讓 AI 學會閉嘴、學會不幫學生作弊」，比叫他做事難上十倍。

傳統的聊天機器人追求的是 Efficiency（效率）——以最快的速度幫使用者解決問題。 但 AI 助教 追求的是 Friction（有建設性的阻力）——刻意製造思考的門檻，讓學生在引導下一步步建立邏輯。如果 AI 太聰明、太熱心，反而剝奪了學生犯錯與思考的權利。

【明日預告】

修正好 Prompt 的壞脾氣後，我們的 AI 助教終於像個真正的老師了。接下來，我們將進入第 21 天：「模型選型——AI 助教到底需要速度還是推理能力？」，來實際評估不同 Gemini 模型在教育情境中的表現差異！