我教 GMAT（申請商學院研究所要考的英文考試）十幾年了。最近我把一批學生面談的錄音逐字稿交給 AI，整理成一份它之後備課、回答學生問題時會去查的知識庫。裡面每一條說法都附上我的原話和錄音時間點，可以回頭查；我自己前後講法互相矛盾的地方，由我來拍板。
這篇依序講四件事：我原本卡在哪裡、我希望這份知識庫長什麼樣子、實際跑出來的數字，以及我對 AI 說過的話原文。最後有一段可以直接貼給 AI 的起手範本。想自己動手做的人，技術細節放在附錄：技術做法。
每週一封，只挑跟你工作有關的 AI 動態。免費訂閱電子報 →
原本的困擾
第一個困擾是素材很多，但 AI 讀不到「我是怎麼教的」。我先把雲端硬碟上所有學生的成績單和面談錄音轉成逐字稿。當時我對 AI 的期待很簡單：逐字稿可以補上我的教學思路，讓成績單的分析更有系統。光是面談逐字稿就有 202 份，轉完只是一堆檔案。
第二個困擾是全部讀一遍太貴。我一開始照最直覺的做法，一份逐字稿交給一個 AI 幫手去讀。實際跑了 20 份，一共用掉約 257 萬 token（AI 計算用量的單位），平均每份約 13 萬。照這個數字，202 份全跑要約 2,600 萬 token。
第三個困擾是 AI 說它做對了，我不敢信。我請最便宜的 AI 模型從一場約 62 分鐘的面談裡，整理出我對學生的判斷、我開的練習建議和我的估計，每一筆都要附上我說的原話。它交回來 44 筆，還在報告裡寫「所有原話都是從原文逐字複製」。我寫了一支小程式去比對，44 筆裡有 6 筆的原話在逐字稿裡找不到，另外有 4 筆標的時間點根本不存在。
第四個困擾是我自己的講法會打架。同一個問題，2024 年的我和 2026 年的我講的不一樣。例如各科要花多少時間準備，舊的講法是看各科多一分能換到多少百分位，新的講法是看各科離「甜蜜點」還差幾級；題目出現的位置影不影響分數，新舊講法也相反。AI 只會把它在逐字稿裡看到的全部列出來，不知道哪個才是現在的我。
我希望的樣子，跟一路怎麼改的
我要的是一份 AI 備課、回答學生問題時會去查的教學知識庫，它要做到三件事。第一，每一條說法都帶著我的原話和時間點，可以用程式核對。第二，每一條都標出在幾場面談裡出現過，只出現一次的，不當成我的方法。第三，講法矛盾的地方由我拍板，拍板結果放在文件最前面，被淘汰的舊講法只留作紀錄。
過程大致是這樣，關鍵的轉折集中在 10/3 一天。
10/3 上午，先小量試跑。 我讓三種不同的 AI 設定照同一份整理規則，讀同一份逐字稿來比較。最便宜那個模型的結果，就是上面那 6 筆錯。規則因此加了兩條：原話不能把兩段不同的發言接成一句；AI 要自己跑程式檢查，回報程式實際印出來的不符筆數，不能口頭說「都對」。
10/3 上午，改成抽樣。 我看到全部跑完要 2,600 萬 token 之後就喊停，改成隨機抽 22 場，抽到整理不出新東西為止。非得看過全部逐字稿才答得出來的問題，改用關鍵字搜尋。
10/3，拿沒讀過的面談回頭檢查，再逐項拍板。 AI 把 22 場面談裡的說法歸成 464 組，寫成一份教學方法的總整理。我再請它另外抽 12 場沒讀過的面談，看這份整理涵蓋了多少。接著我分三批處理 22 個前後矛盾的地方，每一項寫下採納或不採納，以及理由。
10/7，「什麼時候不該用」改成用到才補。 另一件事是我拿一對一家教課的逐字稿，整理出一份「學生卡在哪、我怎麼處理」的對照表。表上每一條都有一欄「什麼情況下不該用這招」，這一欄約有 528 格，我審不完。所以改成：備課講義用到哪一條，我審講義時順手補那一條。
10/18，推翻自己一次。 數學題來不及時要猜答案，我原本定的規則是「至少留 0.5 分鐘」，後來決定不設下限，猜完就走。這一條原本是我自己拍板過的，我又推翻了自己。
實測
範圍是面談逐字稿：202 份裡抽樣 22 場、另外抽 12 場沒讀過的回頭檢查，加上那份家教對照表裡的 1,028 條。比較方式是同一份規則、同一份逐字稿，換不同的 AI 模型跑，再看用程式核對前後的差別。
程式核對原話，抓得到 AI 自己說沒問題的錯。 同一份逐字稿、同一份規則，最便宜的模型整理出 44 筆，程式查出 6 筆原話對不上、4 筆時間點不存在，它自己卻說全部相符。貴一級的模型整理出約 100 筆，程式查出 0 筆不符。家教對照表的量更大：1,028 條逐條核對，有 89 條（約 9%）沒通過。這些留著，但不能單靠它們撐起一個教法。
抽樣比全部讀划算，而且可以回頭檢查。 全部讀要約 2,600 萬 token，抽 22 場就夠整理出 464 組說法。我拿 12 場沒讀過的面談回頭檢查，涵蓋率落在 65% 到 80%。負責整理的 AI 自己提醒過，它判定「有涵蓋」的標準偏寬，真實的涵蓋率可能比這個再低一些。
矛盾由我拍板，而且我常說不。 三批一共 22 項。最後一批要放進教材時，AI 一次給了 10 項修改建議，我回覆 5 項不採納、2 項採納但有例外，只有 3 項整項採納。有些規則要先有判斷標準，我就請 AI 從過去的學生案例倒推：「什麼時候開始限時練習」整理了 43 個案例，「邏輯推理題（CR）該練哪個難度」整理了 28 個，一共 71 個案例，每個都附原話和時間點。我看完只改了一處，那是學生自己口誤。
拍板之後，要放到真的會被用到的地方。 22 項拍板的結果改進了 29 處教材，也同步到知識庫、網站和講義。考場用的一頁重點卡也寫好什麼時候可以拿掉：同一種題型連續 10 題都在時間內做對、而且沒有回頭重看，這張卡就收起來；兩週後錯誤率又升高，就再放回去。
發現的問題。 同一批資料裡做成績單分析時，有一個 AI 幫手把成績單上的題號順序當成表格的排列順序，25% 的場次因此對錯了位置，改正之後有三個結論整個翻過來。這是它自己重跑時發現、主動報出來的。所以核對不能只核對原話，也要核對它對資料長相的假設。
開發時我下的提示詞
下面這幾句是我在開發時對 AI 說的原話，大多出自 10/3 同一場對話。裡面有些詞是我平常跟 AI 溝通的習慣用語，我在每段前面先交代當時的背景，後面也附上換成你的情境時可以怎麼說。
1. 不要全部讀，先抽樣
AI 可以一次派出好幾個小幫手各自去讀檔案（原話裡的 subagent 就是這些小幫手）。當時它原本打算一份逐字稿派一個，我叫它換個做法：
你應該用聰明的方式，不該派太多subagent。
換成你的情境：手上有任何大量讀檔的工作，先問 AI 有沒有抽樣的做法。
2. 問它涵蓋了多少
AI 整理完第一輪之後，不要預設它全都抓對了，我直接問它到底涵蓋了多少：
所以現在小範圍逐字稿涵蓋我教學方法的多少？可以從範圍外抽驗嗎？
換成你的情境：AI 整理完先別急著相信，請它拿沒讀過的資料回頭抽驗，看目前的成果涵蓋了多少。
3. 檢查也要省
AI 原本提議派六個小幫手各讀一場，我問它能不能再省一點：
去實際範圍外抽驗，但真的要派六隻嗎？不能派一支抽六場就好？
換成你的情境：AI 提的做法太貴時，直接問有沒有更省的做法，例如讓一個小幫手處理好幾份。
4. 把動腦和苦力分開
這句話裡的 Token 就是前面說的 AI 用量單位。我把苦力跟動腦拆開來交辦：
你負責指揮、驗證，subagent 負責調查或讀檔，需要用到大量 Token 的實作都用 subagent，但是你負責關鍵的指揮、思考跟驗證，好不好
換成你的情境：把大量讀檔交給便宜的小幫手，主要的 AI 只做規劃跟最後檢查。
5. 拍板舊講法
背景是前面那個「各科要花多少時間」的矛盾，「百分比斜率」是舊講法，「甜蜜點」是新講法：
百分比斜率分配已經淘汰了。現在都是用甜蜜點。 其餘我同意。
換成你的情境：看到 AI 列出的舊講法，直接告訴它哪一條淘汰了、現在改用什麼，其餘一句「我同意」帶過。
6. 不採納時寫條件
這是我回覆 AI 那 10 項教材修改建議的其中一項，「類模考」是考前整套照考試規格做的模擬練習：
不採納｜類模考最近我比較少再提了。除非學生有六週我才會排一週類模考（在考前倒數第二周），如果沒有六週我都會把類模考拿掉。其他同意。
換成你的情境：不同意時不要只說不要，把你實際怎麼做的條件寫出來，這句才是知識庫要的東西。
7. 嫌要審的東西太多
AI 那時把需要我確認的項目做成網頁，密密麻麻要我一頁一頁勾，我直接叫它拿回去重整：
審閱頁太多了，去縮減合併，我審不了那麼多 。
換成你的情境：不要讓 AI 把所有瑣碎細節都丟給你勾選。叫它先過濾合併，只留下真的需要你做主的事情就好。
8. 做出來的東西要放到會被用到的地方
原話裡的 spec，指的是我寫給 AI 看的備課規則：
你生出的這些東西已經有接上現有的spec了嗎？不接上的話他們只會成為孤兒不會被用到。
換成你的情境：每做出一份新文件，就問它有沒有放進備課、回答學生問題或課綱這些真的會被讀到的地方。
起手提示詞範本
這段範本可以直接貼給讀得到你電腦資料夾的 AI。讀檔、統計跟核對都交給它做，你只要看結果，決定要採納哪些項目就好。把括號換成你自己的情況：
我想把（我的教學逐字稿／講義／文章資料夾）整理成一份教學知識庫，讓你之後幫我備課、回答學生問題時可以查。成果請只歸納資料裡實際出現的原話與做法（包含我的判斷／做法／講法／估計），不要自己補充專業知識，也不要評價好壞；要是不同時期或情境有互相矛盾的說法，整理成待決清單等我確認。如果全部讀完會超過（我的預算），就改用抽樣處理。請先看一下資料夾，給我一份執行計畫，我看過再開始。附錄：技術做法
這一段是給想自己動手做的人。流程以我實際用的抽取規格和驗證腳本為準，程式碼是精簡後的版本。
正文沒寫出來的技術名詞
- 正文說的「AI 幫手」「小幫手」是子代理（subagent）：跟我對話的那個 AI 派出去、各自讀檔回報的另一個 AI。下圖裡的「主線」就是派工的那個 AI。
- 試跑的三種設定是 Claude Haiku、Claude Sonnet，以及一份特別長的逐字稿。「最便宜的模型」是 Haiku，「貴一級的模型」是 Sonnet。
- 抽樣是分層隨機抽樣；需要整批語料才答得出的問題用關鍵字腳本掃。
- 「學生卡在哪、我怎麼處理」的對照表，我內部叫卡點處方表，表上每一條是一張卡，「什麼情況下不該用」那欄叫誤用邊界。
- 除了逐張驗原話，我另外做了錯位對照測試，估出誤中率約 6%。
- 拿沒讀過的面談回頭檢查，就是範圍外回測；那份教學方法總整理是一份教學體系文件。
一份逐字稿的抽取與驗證
抽取代理讀完一份逐字稿，輸出一個 JSON 檔，驗證程式再逐筆對回原文。順序是這樣：
抽取規格有五條鐵則：每一筆附時間點和原話；原話必須落在同一個發言段內，不能把兩段接起來；逐字稿沒有的不推測，留空陣列；分類欄位只能用事先列好的值；全份讀完再輸出。逐字稿是語音辨識產物，有錯字，也有說話人標錯，所以「誰說的」以內容判斷，並在欄位註明。
每一筆的最小結構如下：
{
"diagnoses": [
{"section": "CR", "root_cause": "technique_gap",
"summary": "一句白話：老師判斷問題出在哪",
"ts": "00:18:16", "quote": "從逐字稿逐字複製的連續片段"}
]
}驗證程式的核心只有三件事：原話去掉空白後是不是原文去掉空白後的子字串、時間點是否存在於發言段標頭、這些筆數是不是分散在整場而不是只讀了前半。
import re
def squash(s):
return re.sub(r"\s+", "", s)
def check(items, transcript):
flat = squash(transcript)
headers = {m.group(1) for m in re.finditer(
r"^@\S+\s+(\d\d:\d\d:\d\d)\s*$", transcript, re.M)}
bad_quote = [i for i in items if squash(i["quote"]) not in flat]
bad_ts = [i for i in items if i["ts"] not in headers]
return len(items), len(bad_quote), len(bad_ts)實際的腳本還會檢查分類欄位有沒有用到列表外的值，以及超過全場 60% 之後的時間點占比（低於 15% 就判定只讀了前半）。單檔的不及格條件是不符率超過 10%、有列舉值錯誤，或後半占比不足。規格另外規定，正式流程裡引句不符的那一筆整筆作廢。
矛盾怎麼裁決
歸納階段只做一件事：把語料裡出現的講法分群，每群記錄出現在幾場、最早和最晚的日期。同一個主題出現不同講法時，不挑一個，全部列出來。
需要判準的決策規則（例如何時開始限時），我先請代理從案例整理。每個案例一列，附學員當時的數據、我的處方、原話和時間點，我審的是 71 列證據。
一條主張的狀態
每一條主張在知識庫裡有它的狀態，只有走到最後一格才會被備課和答疑讀到。
想自己做：最小版本
- 一份抽取規格，每筆都要原話和時間點。
- 一支比對程式，原話不是原文子字串就作廢。
- 先試跑一到三份，規格定了再放量；能抽樣到飽和就不全量。
- 歸納時只寫語料有的，每條標出現場數。
- 一張裁決清單，你只回答採納或不採納，並寫理由。
就這樣。