跳到主要內容
resoluna.

AI Solutions PM

教學設計出身,用 AI 協作把真實需求做成產品。

我負責定義問題、設限制、做取捨;AI 負責把決定寫成程式。這個站展示的不是程式碼,而是每個案例背後的判斷、人機分工,和從使用者回饋迭代的過程。

1
案例
87
實際使用者
5
決策紀錄
全部案例 →
上線中2026-04 – 2026-08

地球日 × 六頂思考帽

把六頂思考帽嵌進課堂流程的小組思辨工具,依現場回饋邊上課邊迭代

我的角色:產品規劃、教學設計、需求定義;與 Claude 協作開發

87
實際使用學生 · 約 87 位,國中七年級
3
班級 · 704、708、717

我怎麼跟 AI 工作

每個案例都記錄了「我判斷了什麼、AI 做了什麼、結果如何」。跨專案看,會看見同一套方法。

  1. 地球日 × 六頂思考帽 ·依課堂觀察改產品規則

    我判斷了什麼

    帶班後我決定放棄「一人一頂帽子」,改成全組作答、可 Pass;白帽要拆成具體欄位,老師後台也要能直接改學生答案。

    AI 做了什麼

    Claude 修復作答按鈕、把白帽改成三個欄位、實作 Pass 機制,並在後台加入作答編輯功能。

    結果

    流程變成每個人每頂帽子都有事做;不想答的欄位有明確出口,而不是空著卡住。

    一句話 原型的角色設計要讓真實課堂來檢驗 →

  2. 地球日 × 六頂思考帽 ·課後 AI 分析

    我判斷了什麼

    我定義分析框架:不判斷是不是 AI 寫的,而是看白→黃有沒有引用事實、黑→綠有沒有回應困難、藍帽是不是具體行動。

    AI 做了什麼

    Claude 寫了 analyze-708.js:從 Firestore 讀資料,用程式先算好填寫率、藍帽一致性、行動分布,再把統計與原文交給 Azure OpenAI 做質性分析。

    結果

    產出 708 班 28 筆作答的分析報告,含各組連貫度與三項教學建議。

    一句話 數字交給程式算,模型只負責解讀 →

看人機合作回放 →