為何校本訂製型 AI 才是未來教育的真正解方？
作者：資深線上學習平台教育內容開發者（20年 EdTech 研發經驗）
近年來，生成式人工智慧（Generative AI）風靡全球，從各式大型語言模型（LLM）的橫空出世，許多學校的校長、IT 負責主任與前線教師都經歷了從驚艷、嘗試，到逐漸產生「落地焦慮」的過程。不少學校在推動 AI 教育時正處於觀望態度——既想利用科技為教師減負、提升學生自主學習效能，又擔心技術門檻過高、資訊不準確或流於表面。
今天，我想以一個在網上學習平台與教育內容開發領域深耕超過二十年的「老兵」身份，與各位同工深度探討：學校究竟該如何將 AI 真正轉化為高質素的教學資源與行政利器？
一、 面對「空白對話框」的落地焦慮：通用 AI Prompting 的硬傷
當前許多學校對 AI 抱持觀望，核心痛點在於前線師生在直接使用通用 AI（如原始的 ChatGPT 或 Claude）對答時，往往會遇到以下三個難以克服的瓶頸：
- 「提示詞焦慮」與高使用門檻：要獲得高質量的 AI 回應，使用者必須精通複雜的 Prompt 工程（Prompt Engineering）。要求日理萬機的老師或認知能力尚在發展的中小學生去學習「扮演特定角色」、「設定限制條件」，這無疑是增加了不必要的認知負荷。
- 缺乏校本關聯與教育框架：通用 AI 偏向抽象、通用，它並不認識你的學校。如果缺乏引導，它無法自發融入香港教育局（EDB）的課程指引、校本評核（SBA）標準，更無法自動對接學校本學年的發展關注點。
- 數據孤島與行政脫節：學校日常有大量的問卷數據、資助計劃和行政報表，通用 AI 無法直接讀取、整合並轉化為符合校務管理需求的動態圖表。
突破盲點：校本訂製型 WEBAPP 的流程引導優勢
相比之下，配合 AI Studio 開發的「校本情境化 AI WEBAPP」（下稱「校本 AI 應用」），其最大的價值在於將複雜的 Prompt 隱藏在後台，把直觀的流程留給師生。
以真實開發案例:
(Step1-Project-Topic-Analysis-Query.jpg) 來看，在《AI學科專題研習建議助手》中，使用者面對的不再是令人焦慮的空白對話框，而是結構化的表單（如點選物理科、特定示範題目、資料來源等）。
更重要的是，如：
這種流程導向的設計，讓學生的精力從「如何寫出對的 Prompt」解放出來，專注於多角度影響分析的思維訓練，這才是真正能對接本港課程指引、即時落地的教學工具。
二、 拒絕「削足適履」：現成型商用平台 vs 校本訂製型 WEBAPP
有些學校為了避開寫 Prompt 的麻煩，會轉而考慮採購坊間現成的（Off-the-shelf）商用 AI 教育平台。然而，這些平台往往賣的是「標準化商品」，就像百貨公司裡固定尺碼的成衣，難以真正切合每家學校獨特的「校情」。
我們可以透過以下矩陣，深度剖析三種模式的教育效能差異：
| 比較 維度 | 模式一：通用 AI 對答(如原始大模型對話) | 模式二：現成 AI 教育平台(Off-the-shelf 商用平台) | 模式三：校本情境化 AI WEBAPP(客製化開發 / 本文首選) |
| 師生 使用 門檻 | 極高。 極度依賴個人提示詞技巧。 | 中等。 有固定功能模組，但師生仍需適應平台既定的工作流程。 | 零門檻。 操作直觀（如一鍵導入、拍照上傳），完全不需寫 Prompt。 |
| 本港 課程 與 校本適應度 | 極低。 AI 缺乏本地教育語境。 | 低至中等。 多為跨國或通用市場設計，內容標準化，難以融入個別學校的校本教材與特色發展項目。 | 完美融合。 後台直接鎖定 EDB 課程框架、融入學校發展目標與特定教學法。 |
| 數據 整合 與 行政減負能力 | 無。 無法讀取或處理學校日常的行政數據。 | 極低。 數據通常封閉在平台內，無法與學校現有的問卷、資產等數據深度連動。 | 極高（數據治校）。 可直接導入學校數據，由 AI 進行動態圖表分析並一鍵生成官方報告。 |
| 內容 安全 與 準確性控制 | 難以控制。 容易出現「AI 幻覺」，學生可能接觸到未經篩選的網絡資訊。 | 中等。 依賴平台方的知識庫更新，學校缺乏最高控制權，無法自行校正底層資料。 | 高度受控。 限制 AI 僅在學校指定的「校本知識庫」（如官方指引、指定教材）中搜尋。 |
數據治校與多模態的真實印證
現成平台為照顧大眾市場，功能必然流於通用，無法做到精準的行政減負。反觀校本訂製型 WEBAPP 卻能完美連動校務。
例子：
此外，在特色課程的實踐上，如以下中國文化專題用的WEBAPP：
而另一組與經濟學/歷史相關的WEBAPP：
三、 撥雲見日：中小學校本 AI 應用的成功開發出路
既然「校本訂製型 WEBAPP」是首選，學校應該如何有效且成功地開發出來？
誤區：盲目追求「建構校本大語言模型（LLM）」
目前有不少香港學校存在一個技術誤區，以為要做到「校本訂製」，就必須從頭去訓練或微調（Fine-tune）一個屬於自己學校的 LLM 模型。這不僅需要耗費天文數字的運算資源（GPU）與資金，技術門檻更非一般中小學所能承擔。
正確的出路是：「站在巨人的肩膀上」——在大型機構提供的成熟 LLM（如 Google Gemini、OpenAI 等）之上，配合 “Knowledge Base”（知識庫檢索技術，即 RAG）進行開發。 學校只需提供校本教材、課程指引、行政範本等文字資產作為 AI 的「專屬參考書」，AI 就能在既安全、又準確的範疇內回答問題，成本極低且成效立竿見影。
關鍵：拒絕「煙火一剎」，尋找兼具教育與技術經驗的方案團隊
然而，這條出路能否走得通，取決於學校選擇了怎樣的開發夥伴。
在 EdTech 領域多年，我見過太多失敗的案例：學校找了純技術型的開發團隊，這些團隊往往過度著重演算法、大談高科技術語，將產品包裝得極其炫目。然而，因為他們缺乏前線教學經驗，完全忽略了「教育內容」與「課堂情境」的重要性。結果開發出來的工具，不是不切合香港教育局的課程架構，就是操作流程完全不符合老師的教學習慣。這些看似亮眼的「高科技配方」，最終往往落得「煙火一剎」的下場——熱鬧過後便被束之高閣，無法在校園生根。
結語：給教育工作者的建議
一個成功的「校本 AI 應用」，必須是「技術為輔，教育為本」。
我強烈建議各位校長與 IT 負責主任，在規劃校本 AI 方案時，應尋找對教育平台及教學內容均有深厚經驗的方案供應團隊。只有當開發團隊能聽懂老師的教學語言、理解 SBA 的評估邏輯、明白 QEF 的行政申報痛點，並能將這些「教育智慧」融入到以大型 LLM 為底層、Knowledge Base 為核心的 WEBAPP 中，才能真正為學校鍛造出一套安全、高質素且可持續發展的「校本專屬智慧工具」，真正為師生賦能。