AI 技術
一題學透一個知識點，背後是一整套 AI 引擎
Dogtor 不只是把題目丟給 AI。我們把課綱拆成知識點，讓每一題、每一次作答、每一個推薦都對應到具體觀念——AI 負責規模化，知識點負責讓學習可以被量測。
- 5
- 套 AI 系統協同運作
- 3
- 個模型交叉驗證每一題
- 0–10
- 分的知識點掌握度，逐題更新
- 24/7
- AI 家教隨時解題
01 · 知識圖譜
課綱知識圖譜：所有東西的骨架
我們整理 108 課綱與公開學習資源，把每一個科目拆成「冊 → 章 → 小節 → 知識點」的階層結構。題目、關卡、錯題、學習報告與推薦，全部都掛在知識點上。
- 以 LLM 從同一小節的題目中歸納 2–7 個高辨識度知識點，再經人工審查合併過細或重複的分類。
- 再由 Gemini 逐題判斷題目屬於哪一個知識點，並自動排除依賴圖片等無法作答的題目。
- 用 TF‑IDF 與 SVD 將知識點投影成向量，視覺化成跨科目的 3D 知識圖譜，讓相近觀念彼此靠近，作為擴充新科目與規劃關卡的依據。
02 · 題庫生成 Pipeline
多模型交叉驗證的 AI 生題流程
每一題都經過「生成 → 盲解 → 詳解 → 審核 → 程式驗證」的流程，任何一關不通過就直接剔除，而不是修改答案來湊題數。
固定範圍
鎖定冊、章、小節、知識群、常見混淆與排除範圍；不確定的事實標記為需查證，不讓模型補猜。
知識點導向生成
依知識點與參考題，由大型語言模型生成臺灣繁體中文、四選一、一題一個判斷重點的題目。
盲解交叉驗證
另一個模型在看不到作者答案的情況下重新作答，答案不一致的題目直接退件。
詳解與最終審核
生成精簡詳解（一句核心觀念＋2–4 個列點），再由審核模型檢查正確性、唯一正解與重複題。
程式驗證
自動檢查選項唯一、答案編號、範圍、格式、內容雜湊與審核覆蓋率，只匯出未被改動且全部通過的題目。
預演後上線
先匯入 staging 資料庫預演並回讀驗證，確認每關可抽滿題目後才上線正式環境。
流程以內容雜湊快取每一次成功請求，失敗只續跑缺少的步驟；並分開記錄每個模型角色的 token 用量，控制成本。上線後學生也能在作答畫面回報題目錯誤，回流修正題庫。
03 · 汪汪題 AI 家教
會自己判斷該做什麼的 AI 家教 Agent
「汪汪題」不是單次的 LLM 呼叫，而是一個 tool‑calling agent。學生打字或拍照上傳題目後，Agent 會自行判斷這次需要哪一種協助：
解題與觀念說明
以家教 prompt 直接講解題目與背後觀念，支援拍照上傳的題目。
出練習題
指定範圍就照範圍出題；沒指定時，根據學生最近 30 天答錯的題目生成類似題，存成一個可闖關的練習關卡。
學習狀況摘要
讀取學生的答題數、正確率、各科與對戰表現，整理成簡短回饋。
產品問題與回報
只根據官方產品文件回答 App 使用問題，並能把學生回報的問題連同截圖轉給團隊。
04 · 客製化 AI 生題庫
拍一張講義，就變成一個關卡
學生可以拍照或上傳筆記、講義、考卷或 PDF。系統把檔案存到 Cloud Storage，透過多模態模型讀取內容，生成結構化的題目、選項與詳解，直接變成可以闖關的遊戲化關卡——不受既有科目限制。
- 多模態理解：圖片與 PDF 直接作為模型輸入（Vertex AI Gemini），不需要先手動整理成文字。
- 結構化輸出：每關約 15 題 JSON，經格式正規化與答案驗證後才寫入資料庫。
- 額度與重試控制：生成前先檢查使用者額度，失敗有限次重試並記錄錯誤，避免浪費運算。
05 · 知識點掌握度模型
每一次作答，都在更新學生的知識地圖
每位學生對每個知識點都有一個 0–10 分的掌握度。這個分數決定下一關抽什麼題、今天該複習什麼，也是家長學習報告的基礎。
貝氏平滑的掌握度分數
以最近 20 題的滑動視窗計算正確率，並加入隨答題數淡出的 50% 先驗，避免「答對 1 題就被判成精熟」。
score = (correct + w/2) / (n + w) × 10，w = max(0, 4 × (1 − n/20))弱點導向抽題
關卡抽題時，以 max(10 − score, 1) 作為權重分配題數，越弱的知識點出越多題。
weight = max(10 − score, 1)遺忘曲線衰減
參考艾賓浩斯遺忘曲線，Cloud Scheduler 每天在第 7／14／30／60 天溫和降低未複習知識點的分數，但保留至少一半的努力成果。
score ← max(5, score × 0.95 / 0.90 / 0.85 / 0.80)今日個人化複習推薦
結合掌握度與距上次練習的天數計算緊迫度，7–14 天的「黃金複習期」權重最高。
priority = (10 − score) × W(Δt)06 · 家長學習報告
把學習數據翻譯成家長看得懂的話
Parent Pro 透過 LINE 官方帳號推送每日與每週學習報告。系統彙整答題量、正確率、各科與知識點表現，再由 AI 整理成錯題重點與具體學習建議，讓家長不只看到分數，也知道孩子卡在哪個觀念。
07 · 雲端架構
建構在 Google Cloud 上
Dogtor 的後端、資料與 AI 工作負載都運行在 Google Cloud 的 asia-east1（台灣）區域，並分為 staging 與 production 兩套環境。
Cloud Run
FastAPI 後端，自動擴展承接 App、汪汪題與 LINE Bot 流量
Vertex AI · Gemini
多模態生題、題目與知識點配對
Cloud SQL
題庫、知識點、作答紀錄與掌握度
Cloud Storage
使用者上傳的講義與照片、產品知識文件
Cloud Scheduler
每日遺忘曲線衰減與學習報告排程
Cloud Build · Secret Manager
CI/CD 部署與金鑰管理
08 · 負責任的 AI
讓 AI 對學生負責
- 題庫題目必須通過多模型交叉驗證與程式檢查，退件題直接排除，不靠修改答案湊數。
- AI 家教回答產品問題時只能依據官方文件，不自行猜測規則或價格。
- 學生可隨時回報題目錯誤，團隊審查後修正題庫。
- 由台大教授顧問在 AI、HCI 與學習互動方面提供指導，並與學術研究合作評估 AI 對學習的影響。
親自體驗 Dogtor 的 AI 學習
免費下載，讓 AI 幫你找出真正卡住的觀念。