一、專案背景與初衷
在過去輔導家教學生英文的經驗裡，我發現大家背單字最常陷入一種「無效努力」的循環。最經典的畫面就是：學生用手遮住英文，看著中文死背。這種缺乏上下文的硬記，導致他們在大考遇到全新句型時，常常會因為缺乏線索而選不出正確答案。而且，初次學一個單字時，如果不知道正確的搭配詞，很容易一開始就記錯語感。

一開始，我原本想做一個「輸入單字，AI 幫你出題」的 LINE 文字對話機器人。但實際思考後發現，如果在 LINE 裡面一來一往地打字答題，畫面很快就會變成可怕的文字牆，不但容易失去耐心，寫在裡面的單字最後也會像一般筆記本一樣，被放到忘記。

因此，我把問題往前追了一層：與其被動等學生來輸入指令，不如打造一個能「主動追蹤記憶、創造真實語境」的專屬系統。 於是我結合了 LINE LIFF 網頁與 n8n，設計出這套「Vocab Tracker」動態單字儀表板。

二、它是怎麼運作的？
為了讓學習流程最順暢，我刻意把「視覺介面」跟「AI 大腦」拆開來運作。使用者在 LINE 打開工具後，流程會這樣進行：

1. 視覺化的記憶追蹤： 學生一打開畫面，不會看到冷冰冰的聊天室，而是一個精美的網頁儀表板。系統會把快要忘記的單字標上紅色的「衰退中」標籤。看著待複習的數字，能給予學生視覺上的提醒，取代原本死水般的單字本。

2. 啟動大考盲測： 這是本系統的核心。按下頂部的「啟動今日學測盲測」大按鈕後，網頁會在底層偷偷隨機抽出 3 個單字，並把它們打包丟給 n8n。因為是隨機盲測，學生完全不知道接下來會考哪幾個字，徹底防止「劇透」。

3. AI 動態情境出題： n8n 裡面的 AI 扮演著命題委員。它收到單字後，會立刻動態生成全新、符合台灣高中程度的「克漏字」或「詞彙單選題」，並傳回網頁。每次生成的語境都不同，強迫大腦必須在真實情境中提取記憶。

4. 即時批改與成就感回饋： 網頁收到題目後會連續彈出作答視窗。只要答對，該單字就會自動移入「成就殿堂」分頁，並掛上「貫通」徽章，提供強烈的正向遊戲化回饋。

三、為什麼不用純對話機器人？（介面設計取捨）
在開發過程中，我深刻體會到 UI（使用者介面）對學習體驗的影響。如果只用對話機器人，學生必須手動輸入「A、B、C、D」來答題，不僅繁瑣，且切換功能時需要一直記指令。
透過導入 LINE LIFF 網頁，我把所有互動變成了直覺的按鈕、進度條與連續作答彈窗。AI 只負責在後台「燒腦出題」，而學生面對的，永遠是一個乾淨、流暢且充滿成就感的學習儀表板。

四、開發與測試的真實挑戰：馴服 AI 成為好老師
這次讓我發現，製作 AI 應用不只是把大模型串接到 LINE 上，更重要的是如何控制它的不穩定性，並讓它按照教學邏輯運作：

• 命題品質的控制： 單字測驗不能只是隨便湊四個選項就好。必須確保題目合理、正確答案明確，而且「誘答選項（干擾項）」要有鑑別度但不能引發爭議。這需要不斷調整 AI Agent 的提示詞，讓它真正具備「大考命題委員」的水準。

• 變數沒對齊，AI 開始「通靈」： 測試時，我發現 AI 居然無視我給的單字清單，瞎掰了超簡單的題目。查了執行紀錄才發現，因為網頁傳送了複數變數（words），但 n8n 裡讀取的是單數（word）。少了一個字母，AI 收不到資料只好隨便出題交差。這讓我學到跨節點資料對齊的重要性。

• 前端高容錯防呆機制： 我有時請 AI 出 3 題並用「陣列清單」回傳，但它偶爾會發神經只吐出單一物件，導致網頁當機。與其不斷逼迫 AI，我選擇在前端寫入「防呆機制」：發現格式不對就自動重新包裝。這大大提升了系統的穩定度，讓作答體驗完全不中斷。

五、目前的限制與未來展望
目前 Vocab Tracker 已經能做到雙軌制的單字測驗與歸檔，但這也讓我開始思考：要做到真正的「長期學習紀錄」，不能只靠簡單的歷史對話，而是需要將學習數據結構化。接下來，我計畫擴充兩大功能：

1. 間隔重複演算法： 結合 Google Sheets 紀錄的熟練度與 n8n 的排程功能。當單字經過 1 天、3 天、7 天進入真正的遺忘臨界點時，系統會透過 LINE 主動推播提醒，讓學生一鍵導流回網頁進行盲測。

2. AI 語意批改： 導入第二層處理流程，讓系統不僅能改單選題，還能幫學生批改高度開放的「中譯英」題目，抓出文法盲點。

這次最大的收穫是發現：AI 的價值不一定在於它能回答多艱深的問題，而是能不能被放進一個「有紀律且流暢的使用情境」裡，精準解決教學現場的真實痛點。