鐵人檔案
本專案旨在解決傳統數位學習中「單向灌輸」與「答非所問」的痛點，結合 Google AI 生態系（Google AI Studio, Gemini API, Antigravity CLI, Google Stitch 與 Firebase），打造一套落實「適性鷹架教學」的 AI 虛擬助教系統。
系統具備三大核心能力：
盲點診斷與蘇格拉底式引導：不直接給答案，透過觀念拆解與生活化比喻引導學生獨立思考。
多模態與適應性測驗：支援上傳手寫算式批改，並依據答題表現動態調整題目難度。
結構化學習卡片：將 AI 回傳轉化為視覺化教學卡片與思考快捷鍵，提供真正的因材施教體驗。
當系統愈來愈龐大，真實學生開始上線測試時，一個現實且殘酷的工程考驗迎面而來：我們的 AI 虛擬助教，到底該選擇哪一個 Gemini 模型？更致命的是，當大量請求...
當系統準備推廣給更多不同語言背景的學生（例如外籍學生或雙語班學生）時，同一個 AI 助教，可以用不同語言教學生嗎？ 多數人對 AI 翻譯能力很有信心，覺得「把英...
在實體教學現場，面對同一個物理或資訊概念，面對國中生如果開口就是「偏壓、載子擴散、拉普拉斯轉換」，學生大概三秒內就會眼神放空；但面對大學工學院學生，如果還在用「...
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...
昨天我們完成了超酷的「自適應狀態機」，讓系統能根據學生的對錯動態升降難度。但在實際測試時，我們發現了一個傳統程式邏輯無法涵蓋的真實教育痛點：如果學生不是不會算，...
在 Day 14 時，我們替虛擬助教導入了 RAG（檢索增強生成），讓學生可以直接上傳 PDF 檔案，讓 AI 助教檢索內容後再回答。 但真實的學習場景往往充滿...
經過了前面 26 天的漫長打磨，從一開始在 Google AI Studio 嘗試調整 System Instruction、用 Google Stitch 刻...
大家好，我是芮菁。不知不覺，我們的「AI 虛擬助教系統（AI Virtual Tutor System）」已經走到第 28 天了！ 回顧這近一個月的旅程，我們從...
