KeyFrame內部研究專用

AI Agent教學應用:予 AI 講台語!_免費開源教材產生器——教育部官方發音,安裝到生成一次看完

三師爸Sense Bar18 min中文
觀看原始影片

三句話摘要

用AI Agent協助台語教師一鍵生成完整數位教材的開源專案方案。 打包完整的專案工作流而非單一技能,是解決複雜、多步驟教學或工作場景的高效策略,此思維可推廣至任何專業領域。 採用整合專案而非單一技能:複雜的台語教材工作流無法用單一Skill完成,需要在專案資料夾內建立多個子功能,讓教師在同一對話空間統一管理所有教學資源生成。

重點整理

  1. 採用整合專案而非單一技能:複雜的台語教材工作流無法用單一Skill完成,需要在專案資料夾內建立多個子功能,讓教師在同一對話空間統一管理所有教學資源生成。

  2. 自動化環境檢查與資源下載:Agent初次執行時會逐一檢查計算機是否安裝必要工具(Git、FFmpeg等),自動下載教育部教材庫,確保離線可用,降低教師配置難度。

  3. 多元教材格式輸出:支持生成講義(含學習目標、台羅拼音、圖片)、教師解答本、單元考卷、教學影片(含台語語音)、網頁互動遊戲、PowerPoint簡報等完整教學生態。

  4. 思維可複用於其他領域:此專案架構不限台語教學,講者強調相同邏輯可應用於任何需要複雜多步工作流的專業領域,透過組織專案而非疊加技能來解決問題。

實用技巧與重點

  • 部署步驟
  • 在本地建立資料夾(例:西朝/2026台語專案)
  • Cloud Code(或Codex、VS Code)開啟資料夾
  • 將GitHub Repo網址輸入Agent,執行安裝
  • 可生成的教材類型
  • 講義:含學習目標、課綱指標對照、核心詞彙、台羅拼音、圖片、課堂測驗
  • 教師解答指導板
  • 單元考卷(可指定教學目標與內容範圍)
  • 教學影片(含台語語音與字幕,實景對話情境)
  • 網頁互動遊戲:翻牌、拖拉配對、聽音配對、朗讀練習
  • PowerPoint簡報
  • 技術規格
  • 免費語音API:每分鐘3句限制;超量需付費
  • 支援國語轉台語語音
  • 無需額外API Key,全賴Agent配額
  • 採開源工具實現

結論

打包完整的專案工作流而非單一技能,是解決複雜、多步驟教學或工作場景的高效策略,此思維可推廣至任何專業領域。

完整解析

講者分享了一個為台語教師量身訂做的AI教材生成解決方案。傳統台語教學面臨教材稀缺與製作耗時的問題,此專案透過AI Agent直接在教師的工作環境內自動化生成各種教學資源,大幅降低準備時間。

專案的關鍵創新在於架構設計。與其依賴單一技能(Skill),講者改採整合專案(Project)的方式,將台語教材生成的所有環節——講義撰寫、考卷出題、影片製作、互動遊戲設計、簡報排版——統一納入一個專案資料夾。教師只需在本地建立資料夾,透過Cloud Code等IDE開啟,將GitHub倉庫網址告訴AI Agent,Agent便會自動檢查所需工具(Git、FFmpeg等)、下載教育部教材庫。整個初始化過程中,Agent會逐一驗證環境,確保之後所有生成任務都能離線執行。

生成的教學資源類型豐富。以「菜市場購物」為例,講者展示了系統如何產出完整講義(含台羅拼音、圖片、課綱對照),對應的教師解答本,再到教學影片(AI合成真實台語語音,配以購物對話情節),以及網頁互動遊戲(讓學生透過翻牌、拖拉配對等方式練習詞彙與發音)。此外,教師也可要求生成PowerPoint簡報作為課堂教材。所有這些資源的生成只需在專案對話中輸入需求,無需操作複雜軟體或撰寫代碼。

技術實現上,專案充分利用開源與免費資源。語音合成採用免費API,限制為每分鐘3句,若教師教學量大,可與服務商洽談付費方案。整個系統無需申請額外API Key,完全仰賴AI Agent的配額消耗,成本相對透明。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。