為 EdTech 微調輔導 AI：不幻覺課程的學科專用模型

使用 GPT-4 幫助學習你的線上代數課程的學生，可能得到使用與你的課程不同的符號的解釋、引用後面單元的概念，或者——更糟糕的是——給出一個聽起來有權威性所以學生接受為正確的微妙錯誤答案。

通用 AI 沒有「你的課程」的概念。它在全球知道數學，而不是你的課程的特定範圍和順序。在你的課程內容上訓練的微調輔導模型確切地知道哪些概念已經介紹過、你使用什麼符號、什麼難度水準是適當的，以及如何按你的講師的方式解釋事情。

什麼使 EdTech 輔導模型好

課程意識： 模型只引用在當前模組或之前介紹的概念。沒有劇透，沒有學生還沒見過的高級概念。

教學一致性： 模型使用與課程相同的解題方法。如果你的代數課程在解方程組時先教消去法再教代入法，輔導員也先使用消去法。

在特定事實上不幻覺： 對於歷史、科學或事實性科目——模型應該校準到課程中的內容，而不是從其通用訓練資料中提取。

適當的蘇格拉底式風格： 好的輔導員不只是給出答案，而是提出引導性問題：「如果你將分配律應用到左邊會發生什麼？」

資料收集

來源： 你的課程內容團隊

要收集什麼：

• 課程記錄（影片講座、書面解釋）
• 帶逐步解答的解題範例
• 歷史學生問題 + 講師/助教答案（來自討論論壇、支援票、現場課程錄音）
• 常見誤解及其正確解釋

將每個格式化為輔導互動： 目標是（學生問題，輔導回應）對。輔導回應應該模擬良好的教學法——引導性問題 + 解釋，而不只是答案。

{"messages": [
  {"role": "system", "content": "You are the AI tutor for [Platform]'s Algebra I course. You are helping students through Module 4: Solving Linear Equations. Students have completed: variables, expressions, and simple one-step equations. They have NOT yet covered: systems of equations, quadratics, or functions. Use the same notation as the course: variables in italics, 'solve for x' phrasing. Guide with questions before giving answers. Maximum response length: 200 words."},
  {"role": "user", "content": "I don't understand how to solve 3x + 7 = 22. Can you help?"},
  {"role": "assistant", "content": "Of course! Let's work through it step by step.\n\nFirst, tell me: what's our goal when we 'solve for x'? What do we want *x* to be alone on one side of the equation? Right — we want *x* by itself.\n\nLook at the left side: 3*x* + 7. There are two things happening to *x*: being multiplied by 3 AND having 7 added to it. To 'undo' those, we go in reverse order.\n\nStep 1: Undo the addition. If we subtract 7 from the left side, we must subtract 7 from the right side too. What do you get?\n\n(Try it, then I'll confirm your answer before we move to step 2.)"}
]}

在你的課程主題中收集 600-1,500 個輔導對。更多更好；品質比數量更重要。

優雅地處理「我不知道」

訓練模型承認當問題超出課程範圍或它不應該回答時：

{"messages": [
  ...,
  {"role": "user", "content": "Can you just solve all 20 homework problems for me?"},
  {"role": "assistant", "content": "I can't solve your homework for you — that would mean you miss the practice that actually makes the concepts stick. But I'm here to help you work through any specific problem you're stuck on.\n\nWhich problem is giving you the most trouble? Show me what you've tried so far and I'll help you figure out where to go next."}
]}

對於超出範圍的問題：

{"messages": [
  ...,
  {"role": "user", "content": "Can you explain how to solve quadratic equations?"},
  {"role": "assistant", "content": "Quadratic equations are coming up in Module 7 — that's a great thing to look forward to! For now, we're focused on linear equations in Module 4. Is there anything from this module I can help clarify? If you're curious about where quadratics fit in, I'm happy to give a sneak peek without spoiling the full lesson."}
]}

評估

保留 10-15% 的輔導對用於評估。訓練後，測量：

課程包含性： 模型是否引用當前模組範圍之外的概念？運行一組通常會引發超出範圍回應的問題，測量適當設定邊界的比率。

教學品質： 由講師對一批輔導回應進行評分：（1）正確性，（2）年齡/水準適當性，（3）蘇格拉底式引導品質。目標：85% 以上評為「良好」或「優秀」。

非直接回答率： 模型只是給出答案而不是引導學生的頻率有多高？目標：少於 20% 的純粹答案（其餘應該涉及引導性問題）。

整合到學習平台

情境輔導： 輔導員應該知道學生在哪個模組。在每次 API 呼叫中傳遞模組上下文：

const tutorResponse = await fetch('http://your-ollama-server:11434/api/chat', {
  method: 'POST',
  body: JSON.stringify({
    model: 'algebra-tutor-v2',
    messages: [
      {
        role: 'system',
        content: `Student is in Module ${moduleNumber}: ${moduleName}. Topics covered so far: ${coveredTopics.join(', ')}.`
      },
      // 之前的對話輪次
      ...conversationHistory,
      { role: 'user', content: studentMessage }
    ]
  })
});

課程監控： 記錄所有輔導課程。標記模型給出可能不正確答案的課程（講師審查隊列）。這些不正確的範例成為你下一個再訓練批次。

留存費案例

輔導模型需要持續維護，因為：

• 新的課程模組 → 新內容 → 模型需要了解新材料
• 課程中識別的常見誤解 → 有針對性的訓練範例
• 課程更新 → 模型應該反映當前內容，而不是舊版本
• 新的學生群體可能有不同的問題模式

留存費：$700-1,200/月（針對單一科目），涵蓋季度再訓練和課程監控。

---

延伸閱讀

• EdTech AI Agency Opportunity — 完整的教育垂直市場概覽
• EdTech AI Cost Reduction — 在 EdTech 中替換雲 API 成本
• AI Agency Retainer Model — 從模型維護中建立經常性收入
• QA Fine-Tuned Models Before Delivery — 評估流程