r&d notes · no.02
邀請一位來賓
讓 AI 扮演課本裡的人:小克的角色訪談設計
撰文:丁后儀|2026.06.28|閱讀約 6 分鐘|瀏覽 – 次
課本裡的人物,學生多半只記得名字與年代:艾賓浩斯提出遺忘曲線、布魯姆分出認知層次、蘇格拉底愛問問題……然而,理論背後那個人怎麼想、為何這樣想,往往停在書頁上。
教學現場助教「小克」有一項功能,叫做「邀請一位來賓」:老師說「邀請○○」,小克便退到一旁,讓 AI 以這位人物的身分就位,接受老師與學生的訪談;說「謝謝○○的分享」,來賓退場,小克回來。
這篇文章想以這項功能為例,藉由角色卡的設計、訪談框架的取捨,以及唯一一次真正上場的經驗,探討 AI 扮演真實人物走進課堂時,老師如何備課、學生如何提問,又該如何面對真實與扮演的界線。(小克如何在課堂上協同與控場,請見研發手記 No.01。)
理論背後都有一個人;請他來,學生才會開始提問。
本人登場:艾賓浩斯來上課了
今年六月的大學部課堂,講到遺忘曲線時,我臨時說了一句:「邀請艾賓浩斯」。他沒有事先備好的角色卡,小克便當場上網查資料;不到一分鐘,投影幕轉成訪談模式,打出「接受訪談:艾賓浩斯」――這位在 1885 年發表記憶實驗的德國心理學家,就位了。
學生對「本人登場」很驚喜:課本上的一個名字,突然成了可以提問的對象。
那次訪談,很快就因為喇叭回音而卡住(經過寫在 No.01);學生的驚喜卻很真實。其實在那堂課之前,我已經為各個單元備好了十位來賓――那天真正走上台的,卻是臨時被邀請的艾賓浩斯。

課本上的名字,一旦能被提問,就成了一個人。
為什麼是訪談,不是講解
小克原本就能即時整理資訊圖,何以還要邀請「來賓」?我的考量有四:
01見到課本裡的人
理論背後有一個人;聽他用第一人稱說,理論就有了溫度與脈絡。
02學生也可以問
不只老師提問,學生也能直接向來賓發問,課堂從「聽講」變成「對話」。
03對話比講述好記
一問一答的情境,比單向講解更容易留下印象。
04更敢開口
對著「來賓」發問,比在全班面前問老師輕鬆,學生也更願意參與。
理論依據學生的提問,能揭露他們的理解與困惑,本身就是寶貴的教學資源(Chin & Osborne, 2008);對話式教學(dialogic teaching)也強調,理解是在師生的對話中共同建構的。Mollick 與 Mollick(2023)歸納學生運用 AI 的七種方式,其中之一正是「模擬者」(AI-simulator)。
好的提問,往往從「想認識這個人」開始。
受訪框架:你「就是」他
最早的版本,是「小克,你現在是李白」――讓小克模仿角色。結果一點都不成功:聲音不對,也不知道在講什麼。我請 AI 依三條規則重做:
- 01口令改成「邀請○○」小克一聽到,就讓位給這位來賓;來賓就位後安靜等提問,因為引言是老師的工作。
- 02來賓接受訪談,不是小克模仿我請 AI 直接以來賓本人的身分、用第一人稱接受訪談,而非由小克代為模仿;如此一來,回答更貼近人物,也更切中提問。
- 03依問題作答,簡短切題每次一兩句、約五十字;學生正在等待,回答過長,便失去對話的節奏。
聲音也是角色的一部分。早期的語音「沒有溫度,非常 AI」,於是每位來賓都依性別、年紀與氣質配上聲線:蘇格拉底沉穩而緩,擅長演說的羅斯林則明快有力。

「丁厚宜老師」就位了。
測試時,我也試著「邀請丁后儀老師」:語音辨識把我的名字聽成「丁厚宜」,AI 還一度拒演,自稱是另一套秘書助理――原來它讀到了上層資料夾裡、別的專案留下的設定檔。讓小克在獨立的資料夾裡呼叫 AI 之後,「丁厚宜老師」才順利就位,還說了一句:「不要怕犯錯,每一次的失敗都是往前走的機會。」
與其讓 AI 模仿來賓,不如請它成為來賓,直接接受提問。
備課,從講稿變成來賓
有了框架,接著是備課。我依自己的八個課程單元,為每個單元請好來賓:遠距學習請可汗與小芸學姐,AI 與未來人才請黃仁勳,短影音請志祺七七,資訊視覺化請羅斯林,簡報與提案請賈伯斯,課程設計請布魯姆,水域安全請阿海教練;蘇格拉底則是通用的提問者,擅長反問、引發全班思考。
每一位來賓,都有一張角色卡。我最在意的,是這四件事:
- 01對應課程單元每位來賓都為某個學習主題而來,而非只為增添趣味。
- 02招牌故事與口頭禪讓來賓有個性、有記憶點,例如阿海教練的「海可以玩,但要照海的規矩玩!」
- 03「要避免的」底線不談政治、不業配、不談八卦爭議;阿海教練談危險時用提醒的口吻,不嚇小朋友。
- 04聲音要對性別、年紀與溫度,都寫進卡裡。

角色卡寫的不是資料,而是一個人:他的故事、他的口頭禪,以及他不該說的話。
阿哲:一位滿身痛點的虛構來賓
十位來賓裡,最特別的是阿哲。他不是專家,而是我虛構的一位 32 歲行銷企劃:花一整晚做了 40 頁簡報,主管翻 3 頁就問「重點是什麼?」;用 AI 寫的文案,被一眼識破「AI 味太重」;線上會議鏡頭全關、一片死寂。他回答完,偶爾還會反問一句:「如果是你們,會怎麼做?」
我為阿哲設計了一條三段式的教學動線――
邀請阿哲,請他談談最近在工作上遇到的困境。
學生分組討論:問題出在哪?該怎麼救?
邀請賈伯斯或志祺七七,聽專家的解法,對照自己的方案。
所以學生先當顧問、再聽專家――理論不再是先給的標準答案,而是用來檢驗自己想法的對照組。
這條動線已經寫進角色卡與讀卡備忘錄,但還沒有在課堂上完整走過一次。
讓學生先當顧問,再聽專家,理論就成了對照組。
界線:來賓說的,不等於本人說的
十位來賓中,有幾位仍然在世。讓 AI 用他們的身分說話,我給自己三條規則:
- 01只取材公開言論角色卡依公開的演講、訪談與著作撰寫,不杜撰私人經歷。
- 02寫明「要避免的」不談政治、不業配、不談八卦爭議;例如賈伯斯的卡,就寫明「不推銷蘋果產品」。
- 03提醒「這不是本人」投影幕標示「接受訪談」,小克始終在一旁;來賓的回答,是 AI 依資料所做的推測,不是本人原話。
享受「本人登場」的驚喜,也要記得:這是一場扮演。
AI 會用很像本人的語氣說話,卻可能把觀點簡化,甚至說錯;越像真的,越需要提醒學生多問一句「這有出處嗎?」
誠實面對:來賓還在備課桌上
- 01真正上場的,只有臨時來賓十位備課好的來賓,都還沒在課堂上正式受訪;唯一上場的艾賓浩斯,還卡在喇叭回音裡。
- 02臨時來賓要等沒有角色卡的來賓,要先上網查資料,就位約需 30 到 60 秒。
- 03聲音還不夠「台灣」有表情的聲線多半帶大陸口音;要更道地的台灣聲音,需要另換語音引擎。
- 04回答不一定精確AI 依資料推測來賓會怎麼說,難免簡化或出錯,需要老師把關,也值得讓學生查證。
備課桌上的來賓,要走進課堂,才算真正上場。
一位大學教師的省思:提問力,是 AI 時代的基本功
AI 什麼都答得出來;會問好問題的人,才走得更遠。
訪談的主角,從來不是來賓,而是提問的人。老師示範怎麼問、怎麼追問,學生再接手提問――在答案唾手可得的時代,提問力才是需要刻意練習的能力。
角色卡裡,寫的是一個人。
故事、口頭禪與不該說的話,讓來賓有了人味;這也提醒我,科技再新,教學的起點仍是以人為本。
備課,從準備講稿,變成準備來賓與問題。
老師要想的,不只是「我要講什麼」,還有「請誰來、問什麼、學生會怎麼接」。
進一步而言,當 AI 能以任何人的身分說話,我們也必須追問――
畫面上的「接受訪談」,足以讓學生分辨真實與扮演嗎?
來賓說錯了,誰來發現?
在世的人被「扮演」,他會同意嗎?
所以扮演可以帶來驚喜,界線卻要事先畫好――惟有讓學生既享受對話、也學會查證,AI 來賓方能成為培育思辨能力的夥伴。
未來,帶進教學與研發
教學:依單元請來賓,再請學生查證
下一步,是把來賓寫進每一個單元的教學流程:講到哪個理論,就請哪一位來;試行阿哲「倒苦水、全班診斷、專家對照」的動線;訪談之後,再請學生查證來賓說的話――哪些有出處,哪些是 AI 的推測。
前篇研發手記 No.01〈好助教,懂得何時安靜〉→研發:角色卡範本,與更道地的聲音
研發上,想把角色卡整理成範本,讓每位來賓都有一致的欄位與底線,老師備課時照著填即可;聲音則想嘗試更道地的台灣聲線,讓來賓說話更有溫度。
延伸Mollick & Mollick (2023). Assigning AI:學生運用 AI 的七種方式 ↗🔒 小克為本機運作的研發原型,尚未對外開放;文中截圖取自隔離的測試環境(未開啟麥克風)。來賓的回答由 AI 依公開資料生成,不代表本人言論。
本文提及與延伸閱讀
- 工具Claude Code 無介面模式(Claude Code Docs)・edge-tts
- 學生提問Chin & Osborne (2008). Students' Questions: A Potential Resource for Teaching and Learning Science
- 對話教學Robin Alexander. Dialogic Teaching
- AI 角色Mollick & Mollick (2023). Assigning AI: Seven Approaches for Students, with Prompts
- 來賓艾賓浩斯・蘇格拉底反詰法・布魯姆分類學(維基百科)
- 案例Khan Academy Blog. Using AI for Conversations
- 法規EU AI Act, Article 50: Transparency Obligations
- 前篇研發手記 No.01:好助教,懂得何時安靜
- 下一篇研發手記 No.03:好看,不等於學得會
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。