專欄分享 / 研發手記 / No.05

r&d notes · no.05

研發手記・VoiceUp 小雀演講+

把教學專業,寫成 AI 的紅線

老師裁決、AI 施工:VoiceUp 演講陪練系統的開發歷程

撰文:丁后儀|2026.09.22|閱讀約 6 分鐘|瀏覽 – 次

分享線上 KTV 時,我寫下「一個晚上,一間 KTV」;然而,要陪三十位學生練一整個學期的系統,卻不可能只靠一個晚上。從今年七月的第一次需求對談,到十月初完成闖關、戰力榜、攻略本與長老小屋,VoiceUp 前後留下了 88 次版本紀錄。

差別不在程式,而在責任。私人的小工具,好不好用由自己承擔;陪學生學習的系統,牽動的是學生的練習、回饋與研究資料,每一個數字、每一句回饋,都必須經得起檢驗。

VoiceUp 是遊戲化設計,也是 AI 應用、UI/UX 與大腦科學的結合。這篇文章想以它的開發歷程為例,聚焦其中的 AI 應用,藉由回顧我與 AI 的分工、寫給 AI 的紅線,以及幾次自己當學生測出來的轉折,探討教師如何在人機協作中守住教學專業。(遊戲化的設計初衷,請見研發手記 No.04。)

螺旋重排後的題庫分佈圖:橫軸為主題契合、內容結構、情境語彙、連接詞、語速、贅字率六個維度,縱軸為入門到大師的難度,五種顏色代表五個層級的關卡
開發實況|螺旋重排後的題庫分佈圖:橫軸是六個評量維度,縱軸是難度,每一顆圓點是一關;五種顏色代表五個層級,逐層變難。
88次版本紀錄,從七月到十月
7條寫給 AI 的絕對紅線
3道防混門檻,自己當學生測出來
AI 會寫程式,但「什麼是好的表現」,只有老師知道。
01

分工:先有工作流,才有程式

動工之前,我先為這個專案設計了一套 CCS 工作流:說清楚目標與人、AI 各自的角色,再拆成節點,設下守門的檢查點,以及必須由我親自裁決的關卡。

01設計工作流ccs

角色、節點、守門點與關卡。

02需求對談talk

先描述兩個理想的使用情境。

03交接開工handoff

規格書、紅線與交接清單。

04衝刺驗收gate

每一個衝刺,由我逐項驗收。

工作流在 Claude Cowork 中整理成交接包,Claude Code 讀完才開工;村莊、角色與攻略本的圖表,則由我以 ChatGPT 生成。

程式碼全由 AI 撰寫;我的角色,是說清楚情境、做出裁決,以及退件。

AI 施工

  • 撰寫程式與資料庫
  • 自我測試、找出漏洞
  • 整理規格、題庫與文件

老師裁決

  • 描述情境、定義尺規
  • 裁決題庫與遊戲規則
  • 驗收、退件與親自測試

我不必會寫程式,卻必須清楚知道學生要練什麼。

02

紅線:把教學專業,寫成 AI 的規則

工作流裡的守門點(Hook)與裁決關卡(Gate),最後寫進 Claude Code 每次開工必讀的專案守則 CLAUDE.md,化成七條「絕對紅線」:違反任何一條,AI 都必須停下來問我――這正是人在迴路(human-in-the-loop)的設計。

我最在意的,是尺規的數字,不讓 AI 自創。評量尺規(rubric)中的 123 架構(1 核心、2 面向、3 關鍵)、語速基準每分鐘 180 字,一律以核定的計畫書為準;標示「待補」的,就停下來問。因為生成式 AI 會一本正經地補上看似合理的數字,也就是所謂的AI 幻覺(hallucination)。

教師省思|尺規
一個看似合理、卻未經核定的數字,就可能讓學生練偏了方向。
  1. 01版本與表態,完整留存每個講稿版本與學生的每一次表態,都要入庫。
  2. 02尺規數值,不得自創我最在意以核定的計畫書為準;標示「待補」就停下來問。
  3. 03學生個資,不送進 AI系統內以匿名代碼運作。
  4. 04範文由老師提供不由 AI 生成充數。
  5. 05提示詞要有版本每次修改都記錄原因。
  6. 06對抗測試必跑不能被「套公式」的講稿騙到高分。
  7. 07部署由老師親按AI 只準備,不代按。

AI 碰到紅線就停下來問――把「不確定」交回給人,正是紅線存在的意義。

03

回饋要具體:從無異議回饋到證據式檢核

系統還在開發,我先模擬學生的角色試玩,發現早期的回饋看起來工整,卻沒有指出問題、也沒有給方向。我直接退件:「這是無異議回饋,無法讓學生進步。」

於是回饋改成「證據式檢核」:開講前先亮出檢核單;講完逐條對照,通過的引用學生原句當證據,沒過的給具體提醒,過關後再給「更上一層」的建議。這呼應了 Hattie 與 Timperley 對有效回饋的提醒:往哪裡去、做得如何、下一步是什麼。

改講稿時,決定權則交還學生:對小雀的每一條建議,都要表態――採納、部分採納或拒絕,並寫下理由,才能存成新版本。這是一種後設認知(metacognition)的練習,也是我的期待:學生未來能運用 AI 完成任務,也能掌握品質,為自己的決定負責。

小雀的檢核單:開頭點題、給出理由、行動呼籲三項都打勾,每項下方引用學生說的原句
小雀的檢核單:每一項都引用學生說的原句當證據。
講稿診斷:先肯定一開口就亮出主張的亮點,再以 123 金字塔體檢 1 核心、2 面向、3 關鍵
講稿診斷:先肯定亮點,再以 123 金字塔體檢結構。
逐條表態:小雀的兩條建議各附依據、想一想與句型示範,學生分別選了採納與部分採納,並寫下理由
逐條表態:採納、部分採納或拒絕,都要寫下理由(模擬學生的測試內容)。

我對 AI 的產出做裁決;學生,也該學會對 AI 的建議做裁決。

04

每一版,都自己當學生測

Q1關掉錄音、改用打字,也能過關?

同樣在模擬學生時,我故意不開口、關掉錄音,直接打字――竟然也能過關。當天就補上三道門檻:錄音不足 8 秒、不滿 20 字、語速低於每分鐘 60 字(像在打字),一律判定無效;低於標準,也不給分。

防混攔截:這次不算數,小雀沒聽到你開口;語速每分鐘 37.3 字,看起來像用打字的
防混門檻:語速太慢,像在打字,這次不算數。

Q2第一層就這麼難,後面反而簡單?

題庫累積到數十題時,我請 AI 畫一張圖,對照每一題的維度、關卡與難度。圖一畫出來就看見問題:第一層就衝得很難,後面的關卡反而簡單,六個維度的分佈也不均勻。

我決定先回到評量的基本盤――一段好的說話,應該包含哪些面向?――以尺規的六個維度為統一標準,重新對照每一題,再依螺旋式課程(spiral curriculum)的精神重排;重排後的分佈,就是文首那張圖。

重排後的每日闖關山路:Lv.1 基礎試煉到 Lv.5 終極試煉,由下往上一層一層變難
重排後的五層山路,一層比一層難。
5層,生活圈到高壓即興圈
6關,分維練習到驗收
90題,逐層變難、六維全分佈

AI 不會主動指出哪裡不對;許多漏洞,要老師親自當一次學生,才測得出來。

05

誠實面對:辛苦與限制

  1. 01介面一直「很制式」最初的版面,我連續退件:「很制式」「沒有遊戲冒險感」「能不能是一個村莊?」命名改了好幾輪,攻略本的圖表也一度太可愛。後來我們約定:介面(UI/UX)改版,先討論、再動手。
  2. 02模擬回饋,有它的天花板AI 評分接上之前,系統只能檢核「說了什麼形式」:句型、字數、語速與贅字;內容是否言之有物,仍有待 AI 評分。
  3. 03真正的檢驗,在學生身上VoiceUp 預計今年 11 至 12 月測試,封測後,明年 2 月開學才正式使用。在此之前,所有設計都還沒有經過真實學生的檢驗。
退件後的首頁:手繪風冒險村莊,每日闖關、長老小屋、戰力榜、攻略本各是一棟建築
對應 01|退件後的首頁:從制式的功能列表,變成一座冒險村莊,每個功能一棟房子。
提示條:模擬回饋預覽,AI 教練尚未連線,此頁用於確認格式
對應 02|AI 評分接上前,頁面會明白標示「模擬回饋」。

這些限制,有的靠技術持續改善,有的,則要交給真實的課堂來回答。

06

一位大學教師的省思:藍圖與驗收,留在老師手上

教師省思|人機協作
AI 可以施工;藍圖與驗收,必須由老師親自把關。

「非取代,而是適性陪跑」是 VoiceUp 的設計哲學,也是我與 AI 協作的方式。

  1. 01先把教學目標與尺規想清楚目標與尺規越清楚,AI 越不會偏離。
  2. 02每一版,都自己當學生測學生會遇到的漏洞,老師要先遇到。

進一步而言,當每一位老師都能與 AI 協作自建工具,我們也必須追問――

追問 1|尺規

什麼是「好的表達」,由誰來定義?

追問 2|回饋

AI 的回饋具體嗎?正確嗎?由誰來檢驗?

追問 3|決定

AI 的建議採不採納,由誰來負責?

所以三個答案都應該是「人」――老師定義與檢驗,學生決定與負責;惟有如此,AI 方能成為適性陪跑的夥伴。

07

未來,帶進教學與研發

in the classroom

教學:讓學生看見自己的取捨

封測後,VoiceUp 將於明年 2 月開學正式陪伴修課學生練習。每一個講稿版本、每一次採納或拒絕的理由都會留存;學生能回看自己的取捨,老師也能看見每一位學生的思考軌跡。

前篇研發手記 No.04〈遊戲化,不是花俏〉→
in research

研發:AI 評分,加上多元評量與校準

下一步是接上 AI 內容評分:系統門檻與規則檢核把關形式,AI 評內容,再加上教師評分、專家外評、學生互評與自評,多元評量、相互印證;並匯出評分樣本,與教師及專家評分對照校準,以教學實踐研究檢視學生口說表現的變化。

相關案例智匯共生〈自己先走一段,再陪更多人往前走〉↗
期盼透過這篇分享拋磚引玉,也想聽聽大家―― 如果你也想自建一個教學工具,你會先為 AI 寫下哪一條紅線?

🔒 VoiceUp 目前為研發測試版,尚未對外開放;文中截圖取自測試環境,暱稱、講稿與練習紀錄皆為虛構。

本文提及與延伸閱讀

#研發手記 #AI協作 #CCS工作流 #ClaudeCode #人機協作 #評量尺規 #有效回饋 #後設認知 #教學實踐研究 #VoiceUp

交流園地

歡迎留下想法與我交流。填暱稱即可留言,留言會公開顯示,請勿留下個資。