做到第 25 天時，我突然發現一件有點尷尬的事。
Visual Learning Lab 已經有 Source Atlas、Learning World、Universal Learning World Compiler、Direct Manipulation、Grounded Semantic Twin，也累積了幾百個自動化測試。但如果今天有一個完全沒看過前 25 篇文章的人打開專案，他可能還是會問：
所以這東西到底厲害在哪？
如果我要花十分鐘解釋架構、再告訴他哪裡要按、為什麼這個畫面和那個畫面其實是同一個 semantic state，那問題就不是評審看不懂，而是產品還沒有把自己的核心價值講清楚。
所以 Day 26 我決定先不加新功能。
今天只有一個目標：
把前 25 天做的東西，收斂成一條大約 90 秒就能親自驗證的 Golden Path。
如果只列目前功能，其實已經很多：
但這種列表其實很危險。
因為它很容易看起來像「我每天加了一個功能」。
我現在真正想證明的是另一件事：
真實教材
↓
Semantic Understanding
↓
Source Grounding
↓
Stable Semantic Entity
↓
Interactive Representation
↓
Direct Manipulation
↓
Canonical Shared State
↓
Multiple Synchronized Views
↓
Return to Original Source
這條鏈才是 Visual Learning Lab 到目前為止真正的核心。
前幾天為了測試 runtime，我留下了不少工程介面，例如鍵盤參數 fallback、時間 fallback、3D / static fallback、Exploration Recording、Replay、record counter 等。
它們不是沒用，但放在一般使用者面前，整個 Explore 頁面很像工程控制台。
所以 Day 26 第一件事不是增加東西，而是刪東西。
我把這些 learner-facing controls 收掉，只留下真正會用到的 Play、Pause、Reset、baseline / comparison 等少量工具。
底層 runtime 和安全契約沒有因為 UI 被拿掉就刪除，只是不再讓它們跟主要學習物件搶注意力。
這次也重新調整了 Source 與 Explore 的資訊層級，希望使用者第一眼看到的是：
教材裡的東西，以及它能怎麼被探索。
而不是一排控制器。
這次沒有用自己為 renderer 量身打造的測試文字。
我拿 MIT OpenCourseWare Classical Mechanics Chapter 5 的拋體運動教材，走實際 production pipeline。
教材中有一張初速度向量分解圖：
Source Atlas 會把原始教材區域和系統裡已存在的 semantic entities 接起來。
這裡有一個很重要的限制：
Source Atlas 並不是在「修改 PDF」。
PDF 還是原來的 PDF。
它只是建立：
source evidence
↔ semantic ID
之間的關係。
當我選到一個有互動 representation 的 semantic entity 時，右側會出現可以進入互動世界的入口。
目前工程名稱叫做：
Open interactive twin
它的底層概念就是 Grounded Semantic Twin。
這個名字其實連我自己實際驗收時都覺得有點抽象。
最簡單的解釋是：
教材裡那個不能動的概念，在互動世界裡的同一個 semantic object。
例如教材原始條件可能是：
Initial speed = 20 m/s
Launch angle = 45°
這些是教材內容，所以不能因為我拖動畫面就偷偷把原文改掉。
Interactive Twin 會另外保留：
Compiled baseline
20 m/s
45°
Current exploration
100 m/s
24.252°
也就是「教材說什麼」和「我現在探索到哪裡」是兩件不同的事情。
這是我目前很喜歡的一個設計。
因為互動教材很容易讓使用者忘記哪些數字來自來源、哪些是自己調出來的。
Visual Learning Lab 現在刻意把兩者拆開。
進入 Explore 之後，這次我不是去拉一個和畫面分離的 slider。
我直接抓住初速度向量的端點。
向量長度代表初速度，方向代表發射角。
拖動之後，系統把 gesture 轉成 semantic parameter update，再經過 validator 提交到 canonical state。
接著其他 representation 都從同一個 state 更新。
我實際把狀態拖到：
Initial speed ≈ 100 m/s
Launch angle ≈ 24.252°
這時一起更新的不是只有向量。
還包括：
這也是我現在認為 Direct Manipulation 真正有價值的地方。
如果只是「拖一個球」，其實很容易做。
比較難的是：
拖動的那個東西，必須真的對應 semantic state，而且所有畫面都認同這次修改。
另外一個我一直很在意的點是 API。
如果每拖一次都重新問模型：
「請幫我計算現在的軌跡。」
那這個產品不只慢，也會變得非常昂貴，而且不同 request 之間還可能產生語意漂移。
所以現在 Learning World 編譯完成後：
drag
playback
state update
trajectory recomputation
derived values
view synchronization
source navigation
都是 local runtime。
這次 Golden Path 的 direct manipulation 階段：
API request delta = 0。
模型負責理解與提出結構，互動階段由受控 runtime 負責執行。
探索完之後，右側還保留：
Return to supporting source
按下去會回到當初這個 semantic entity 所對應的教材區域。
這條 roundtrip 對我來說很重要。
因為最後它形成的是：
Source
→ Meaning
→ Interaction
→ State Change
→ Representation
→ Source
而不是：
PDF
→ AI 生一張新圖
→ 使用者不知道這張圖哪裡來的
Day 26 還刻意留了一個 control case。
例如 x_position 這種 derived quantity。
如果你看到：
x = v0 cos(theta) t
然後直接拖 x，系統到底應該修改：
答案並不唯一。
如果 runtime 沒有合法 inverse mapping，我不希望系統為了看起來很互動，硬生出一個把手。
所以不可操作的 semantic entity 仍然可以：
focus
source grounding
formula trace
related representation
但不一定有 draggable handle。
這是我現在對「互動」的一個重要限制：
能動不代表比較好，知道什麼時候不能亂動反而更重要。
自動化測試可以確認很多事情，但今天實際操作時還是抓到了兩類問題。
第一個是 UX。
我自己第一次照 Golden Path 操作時，其實也一度在找：
到底哪個才是「分身」？
功能存在不代表功能容易被找到。
這次 Source 頁面已經比之前清楚很多，但 Interactive Twin 仍然是一個偏工程術語。
這件事目前先保留成產品限制，而不是假裝第一次使用者一定懂。
第二個問題更重要：validator。
中文拋體教材有一次產生的 Learning World declaration 因為 height = 0 被拒絕。
Terminal 顯示：
Positive semantic parameter has a non-positive range: height
原本的 parameter policy 把 length 和一些必須嚴格大於零的 quantity 放在同一組，因此 ground-level initial height = 0 也被當成非法。
更麻煩的是，後續離線 audit 又證明：
如果粗暴地把所有 length 改成可以等於 0，wavelength = 0 和 radius = 0 也可能被放過。
這讓我重新確認了一件事：
Safety 不是「越嚴越好」，也不是「讓 Demo 通過就好」。
真正需要的是 deterministic semantic contract。
物理量的 dimension/type，和它允許的數值 domain，其實是兩件不同的事情。
這個問題也會繼續列入後續 reliability / security hardening，而不是靠一直重新生成，直到碰巧得到一份 validator 喜歡的 JSON。
Day 26 最後的成果不是一個新的 renderer。
而是一條現在真的可以操作的 vertical slice：
真實教材
→ 找到來源
→ 找到語意
→ 進入互動 representation
→ 直接操作物件
→ 多視圖同步
→ 回到原始來源
更重要的是，這條路同時把幾個一直分散在前幾天的設計串起來：
這也是目前我最想讓評審看到的 Visual Learning Lab。
不是一個會把 PDF 摘要成幾個 bullet point 的聊天介面。
而是一個嘗試把教材裡的知識，編譯成「可以被操作、但仍然保留來源」的學習環境。
Day 26 開發過程中跑過一輪 437 tests 的完整 regression，當時 427 通過，另外 10 個失敗來自被移除的舊 UI control assertions；這些項目後續已用 focused tests 修正與重測。
在 parameter semantic 問題上，相關 focused suite 有 141 個測試通過。
但我不會把這些數字寫成：
「系統已經能正確理解任何教材。」
這些測試能證明的是 validator、state transition、interaction contract、request discipline 等工程行為。
它們不能證明每一份陌生 PDF 的語意都會被模型理解正確。
目前也還有幾個明確限制：
這些剛好就是剩下幾天要處理的東西。
Day 27 我不想再自己準備一份「很適合 Visual Learning Lab」的教材。
我要開始拿陌生教材攻擊它。
而且這次還會加入一個很現實的問題：
目前一直使用的模型，到底還是不是最適合這套 semantic compiler？
下一步我準備用同一批陌生教材，比較目前模型和更強模型在：
上的差異。
如果更強模型真的有用，就用數據決定換。
如果沒有，就不因為版本號比較新而換。
剩下四天，開始進入真正的壓力測試。
iThome鐵人賽
看影片追技術