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 Bar·7月4日週六·18 min中文

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

重點
  • 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

乾貨
  • 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

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

詳細

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。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。