這週五（11/14），是我在屏科大管院的第二次生成式 AI 應用課程。每次課程結束，我都在思考一個問題：作為一名教育者，我們真正的焦慮到底是什麼？
我們焦慮的，恐怕不是 AI 會取代我們。而是我們感覺自己像在「教歷史」——用著 PowerPoint 這種「上個世代」的工具，教導著即將活在「下個世代」的學生。我們腦中明明有許多精彩的教學設計——例如，我想讓學生模擬一場複雜的商業談判，像 Netflix 與 Sony 在「K-Pop獵魔女團」案子上的賭注；我想讓學生體驗統計學，不是背公式，而是即時互動的數據儀表板。
但在過去，這些構想的「實現成本」高到不可思議。你需要一個資訊團隊、半年的開發時程。而現在，你只需要 30 分鐘，和一個「對的提問」。
這就是我這次課程想傳達！生成式AI 將「教學構想」的生產工具交還給了教師本人。你的教學設計，就是新的「原始代碼」。
在這 3小時的衝刺中，我設計了幾個關鍵的「認知躍升」點，我想在這裡分享我的引導邏輯。
認知躍升一：從「我不會寫 code」到「我能指揮 code」
我的第一個熱身練習，是請大家做一個「3D 介系詞」的學習網頁 。
這背後的邏輯，不是要大家學會 HTML。而是要大家體驗一個「啊哈時刻」(Aha Moment)：當網頁跑不出來時，你該怎麼辦？
學員們很快就遇到了空白畫面 。我的答案是：回去告訴 AI。「我點擊沒反應，請修改」 。
當 AI 回傳修正後的程式碼，學員複製、貼上、刷新，然後畫面動了——就在這一刻，學員的身份發生了轉變。他們從「程式的恐懼者」變成了「AI 的指揮者」。他們不需要懂程式如何運作，但他們成功指揮 AI 修正了程式。
這就是我強調的「MVP」(Minimum Viable Product) 思維 。不要追求一次到位，而是透過快速的「生成 → 測試 → 回饋」循環，逼近你的目標。
認知躍升二：「800 行天險」與「模組化」思維
當學員成功做出第一個網頁，下一個陷阱就是「過度自信」。
我讓學員設計一個小學生學習英文單字的網頁。有了第一個網頁生成經驗，學員很快就做出來這個網頁。
我追問：「如果你的單字遊戲要從 10 個單字擴充到 1000 個，怎麼辦？」
直覺的作法是把 1000 個單字貼進同一個對話框。而這，幾乎一定會失敗。
我分享了我的經驗值：當一個對話（包含指令和程式碼）超過 800 行，AI 的表現就會急遽下降 。它會開始「忘記」你一開始的指令，程式碼會開始混亂、崩潰。
這就是 AI 目前的「天險」：有限的情境視窗 (Context Window)。
你該怎麼辦？答案是「模組化」思考，或我稱之為「結構與內容分離」 。
- 分離結構： 你先讓 AI 生成一個 10 個單字的「模板」(Template) 。
- 處理內容： 你另開一個新對話，給 AI 1000 個單字和那個模板的「格式」，請它只專注於「轉換格式」這件事 。重新組合： 你把新生成的 1000 筆內容，貼回原本的「結構」中 。
你看，這是不是很像在管理一個專案？你把一個複雜的大任務，拆解成兩個獨立的小任務（一個做框架、一個填內容），AI 就能高效率執行。這不只是在寫 code，這是在管理 AI。
認知躍升三：「獵魔女團」的啟示——你的價值在於「設計」
接著，我展示了「K-Pop 獵魔女團」 的個案網頁 。
這是一個極其複雜的「單頁應用」。它模擬了 Sony 當年面臨的決策困境。學生在第一輪有 3 個選項，如果他選了「Sony 看不懂 K-Pop 價值」，第二輪會展開 4 個新的子選項（例如：因為 K-Pop 是小眾市場） ，接著再進入第三輪...
AI 能想出這個複雜的教學流程嗎？完全不能。
這個決策樹、這些選項、背後的商業邏輯，完全來自於我作為教師的專業設計。我必須先把這個教學腳本寫好。AI 扮演的角色，是一個「超級執行者」。它在 10 分鐘內，幫我實現了這個過去需要 100 個小時開發的互動介面。
這是我認為教育者最該鬆一口氣的地方：AI 不會取代你的教學價值，它只會解放你的生產力。 你的核心價值——教學法、個案設計、提問的藝術——在 AI 時代，不但沒有貶值，反而因為「實現成本」的降低，而大幅增值了。
認知躍升四：「工具-任務匹配」——Chat、Studio 與 Opal 的分野
最後，我介紹了 AI Studio和 Opal。為什麼要在已經很燒腦的課程最後，丟出兩個新工具？
因為我想傳達「工具-任務匹配 (Tool-Task Fit)」的觀念。你不能用一把錘子（ChatGPT）去鎖所有螺絲。
- Chat (Gemini/ChatGPT)： 它是你的「瑞士刀」。適合快速原型、生成單一檔案的網頁。
- AI Studio： 它是你的「小型工廠」。當你的構想是一個「應用程式」(App)，需要多個檔案（元件、圖標、API）協同運作時，就該用它 。例如，我演示的「經理人模擬器」 ，它需要「情境圖」（呼叫圖片生成 AI） 、「狀態儀表板」（獨立元件）、和「遊戲邏輯」(JS)。這用 ChatGPT 來做，就會綁手綁腳。我提供了一個 C-R-O-S-S 框架 (Context, Rules, Objective, State, Start)，這就是你的「設計藍圖」，能確保它蓋出你要的房子。
- Opal： 它是你的「自動化產線」。當你的需求不是一個「產品」，而是一個「流程」時，就該用它。例如：「去網路上抓資料，分析後，存到 Google Drive」 。這是一個跨服務的「工作流」。在 ChatGPT 裡面下這個找資料指令，你後續仍得繼續手工地編輯文本，它無法連貫執行。而 Opal 的設計，就是為了精確、可靠地執行這種自動化流程。
所以，我想說的是…從「知道」到「做到」
從一個 3D 介系詞網頁，到一個能自動跑的 AI 研究流程。這整條路徑，在今天，都已經可以用「自然語言」來鋪平。
過去，我們教育工作者的瓶頸在於「實現」；未來，我們唯一的瓶頸，只剩下「想像」。
你的教學構想，就是最珍貴的資產。開始指揮 AI，把你的想像，變成學生的體驗吧。
