在上一篇文章中，我們透過手動切換「分齡語境」，讓 AI 助教可以用國中生或大學生聽得懂的語言對話。但這還不夠完美——真正的教學，是動態的。

傳統的題庫系統非常死板：學生答對就換下一題，答錯就打個大大的紅色叉叉，甚至給出一長串看不懂的詳解。這種系統缺乏了人類老師最重要的特質：「讀空氣」。

【今日開發目標】

今天 Day 24 的核心任務，就是要為 Professor Spark 裝上「自適應狀態機 (Adaptive State Engine)」，讓它能在背景默默觀察學生的挫折感。答對了就加深難度；一旦發現學生連續卡關，它必須自動「彎下腰」，把抽象的數學轉化為最基礎的生活直覺。

核心架構：看不見的「無痕閉環」

為了不讓畫面上出現「Level 1、Level 2」這種會給學生帶來評分壓力的字眼，我們決定把等級機制完全隱藏在後端。整個系統透過四個階段形成無縫閉環：

1. 前端的「隱形記憶體」

在 app.js 的底層，我們偷偷維護了一組狀態變數，並在每次學生發送訊息時，隨附在 Payload 中傳給後端：

javascript
let studentState={
currentLevel:1,// 當前難度
consecutiveMistakes:0,// 連續答錯次數
};

2. AI 的「雙重人格」 (Structured Outputs)

這是系統最巧妙的一環。我們透過修改 Gemini 的 RESPONSE_SCHEMA，強制 AI 在每一次對話時，必須同時扮演兩個角色：

• 親切的老師：產出給學生看的引導文字 (reply)。
• 冷酷的評鑑員：在背景偷塞一份不給人看的 diagnostic (診斷報告) 給系統。

json
"diagnostic":{
"is_correct":false,
"detected_gap":"忘記將乘法移項轉換為除法",
"recommended_difficulty_delta":0,
"next_pedagogical_action":"scaffold_hint"
}

3. 後端狀態機的絕對裁決

伺服器 (chatRoutes.js) 收到這份診斷報告後，會執行狀態機邏輯：

• 答對 (increase_difficulty)：currentLevel + 1，下一題變難。
• 單次答錯 (scaffold_hint)：錯誤次數 +1，Level 不降，給予解題線索。
• 連續答錯 2 次以上 (downgrade_concept)：系統判定認知負載過高！強制 currentLevel - 1，並要求 AI 放棄數學算式，啟動「生活比喻救援」。

測試對話紀錄：當數學退回「數手指」

文字架構說起來很抽象，讓我們直接看看今天實測出的驚人對話紀錄：

學生（請老師出題）。  AI 助教 (Level 1)（給予題目）：

學生（答對）。AI 助教 (Level 2 - 成功升級)：

(注意：系統偵測答對，自動將題目從單純的加法，升級為乘除法。)

學生 (故意算錯)。AI 助教 (單次答錯 - 鷹架提示)：

(注意：Level 沒有降，AI 維持原題目，但給予了除法概念的提示。)

學生 (徹底崩潰)。AI 助教 (觸發 downgrade_concept)： 

【未來教育反思】

看到最後一句生活比喻時，我深切體會到動態自適應的價值。

死板的線上題庫在學生卡關時，只會機械式地遞送下一道或公布詳解，把不會的學生直接甩在車後。Adaptive Learning 的精髓不在於「題目有多難」，而在於系統知不知道什麼時候該停下腳步、蹲下身子，用學生聽得懂的語言重新拉他一把。

至此，我們終於補齊了 AI 助教系統中最核心的一塊認知拼圖：它不再只是死板的回話機器，而是具備記憶、懂進退、真正實踐「因材施教」的智能導師。

【明日預告】

當學生卡關時，除了切換難度，還有一個更常發生的現實狀況：學生心態崩了。

「我好笨」、「我就是數學白癡」、「我不想學了」。

明天 Day 25，我們將探討 【邊界處理】如果學生不是不會，而是「真的很挫折」呢？——在不變成心理諮商工具的前提下，打造教育場景專屬的同理共情與學習動力修復機制！