一、專案背景
請先完整閱讀目前 ai.innovators.tw 專案架構、/tools/ 既有工具頁面、共用 Layout、Header、Footer、SEO、元件、樣式系統，以及現有工具的資料處理方式，再開始實作。
請特別參考目前專案中與以下概念相關的工具：
- AI 重新思考工具
- AI 擴規模設計器
- 創新心態診斷相關頁面
- tools 列表頁
- 現有報告複製、結果卡片、步驟流程 UI
請沿用現有品牌視覺與網站架構，不要建立完全獨立的新設計系統。
二、產品名稱
主名稱：AI 創新備課實驗室
英文可使用：AI Teaching Innovation Lab
核心標語：
不是幫你多做一份教案，而是重新思考：這堂課還能怎麼教。
Hero 輔助文案：
AI 很會幫講師產生課綱、案例與教案。
但真正困難的，往往不是「還缺什麼內容」。
而是：學員為什麼沒有投入？為什麼聽懂卻做不到？為什麼同一種教法一直重複，結果卻沒有改變？
把你遇到的真實教學問題帶進來。
從學習摩擦、舊教法與未驗證假設開始，重新設計你的第二種教法。
三、產品最重要的定位
這個工具不是：
- AI 教案產生器
- AI 課綱產生器
- AI PPT 大綱工具
- 輸入課程名稱後自動生成教學活動
- 輸入主題後列出 10 種破冰遊戲
- 教學活動資料庫
- ADDIE 自動填表工具
本工具真正解決的問題：
傳統講師備課通常在思考：我要教什麼？
本工具要帶講師改成思考：學員正在經歷什麼？
以及：我現在的教法，是否建立在錯誤或未驗證的假設上？
最後：除了原本的教法，是否還有第二種教法？
四、產品核心觀點
請把以下產品哲學視為最高優先級。
核心觀點一：
傳統備課，是準備講師要教什麼。
創新備課，是設計學員會經歷什麼。
核心觀點二：
一堂課出現問題時，不應立即增加：更多案例、更多影片、更多遊戲、更多討論、更多 AI 工具。
因為這些可能只是「優化舊答案」。
本工具必須先協助講師：
1. 找出被忽略的教學問題
2. 找出舊教法背後的假設
3. 提出新的教學問題
4. 找到真正值得改變的學習障礙
5. 再創造新的教學機制
核心觀點三：
AI 不負責決定創新流程。創新先生的方法論負責流程。
AI 只負責：協助觀察、協助拆解、提出候選問題、協助跨域借用、協助產生不同方向。
請不要讓 LLM 自由決定下一個階段。整體流程必須由系統固定控制。
五、核心方法論
整個工具使用「靈感製造機法則」作為主流程：
偵探 → 裁判 → 畫家 → 戰士 → 回到偵探
對應講師備課：
偵探：找出學習摩擦
裁判：重新思考舊教法
畫家：創造第二種教法
戰士：設計最小教學實驗
再次偵探：設計現場觀察指標
工具不是線性完成後結束。最後必須讓使用者理解：
新的教學實驗會產生新的觀察，新的觀察再進入下一輪創新備課。
六、網站路由
建議：/tools/ai-teaching-innovation/
頁面名稱：AI 創新備課實驗室
SEO Title 建議：
AI 創新備課實驗室｜重新思考你的教法，找到第二種教學答案
Meta Description：
不是輸入主題自動產生教案。從真實的學習摩擦、舊教法與教學假設開始，用創新思維重新設計學員的學習經驗。
七、產品核心流程總覽
完整使用流程共 7 個 Stage：
Stage 1：帶入真實教學情境
Stage 2：偵探｜找出學習摩擦
Stage 3：裁判｜重新思考舊教法
Stage 4：鎖定關鍵學習障礙
Stage 5：畫家｜創造第二種教法
Stage 6：戰士｜設計最小教學實驗
Stage 7：現場觀察與創新備課報告
八、Stage 1：帶入真實教學情境
頁面標題：先不要急著寫教案。
說明：
先帶進一個你真正遇過的教學問題。我們不會從「課程主題」開始。
因為同樣是 AI 課、領導課或溝通課，不同講師真正需要解決的教學問題可能完全不同。
輸入欄位：
1. 你是什麼類型的講師？（instructorRole）
Textarea 或 Input。
Placeholder：例如：企業創新講師、人資培訓講師、AI 應用講師、內部講師、技術講師
2. 這堂課的主題是什麼？（courseTopic）
Placeholder：例如：AI 應用、主管領導、問題分析與解決、簡報表達
注意：課程主題只是背景資料。不得因為使用者只填這個欄位，就直接產生教案。
3. 學員是誰？（learnerProfile）
Textarea。引導文字：請描述職級、工作背景、年資或對主題的熟悉程度。
Placeholder：例如：30 位企業中階主管，多數有 8 年以上工作經驗，對 AI 有興趣，但實際使用經驗落差很大。
4. 你觀察到什麼教學問題？（teachingProblem）
必填。這是 Stage 1 最重要欄位。
Placeholder：例如：下午上課時學員容易打瞌睡。雖然內容重要，但講理論約 20 分鐘後，學員開始失去注意力。
欄位下方提示：請描述你真的看見、聽見或遇到的情況。不要先寫解決方案。
5. 你現在通常怎麼處理？（currentTeachingAnswer）
必填。
Placeholder：例如：我會增加有趣案例、播放影片，或穿插一些互動活動。
提示：這是你的「舊答案」。工具不會直接幫你優化，而會先重新思考。
Stage 1 驗證：
必填：courseTopic、learnerProfile、teachingProblem、currentTeachingAnswer
如果 teachingProblem 太像解法，例如：「我要增加遊戲化」，可顯示提示：
「這比較像解決方式。試著回想：你看見學員出現了什麼行為或反應？」
不要阻擋使用者，但提供提醒。
九、Stage 2：偵探｜找出學習摩擦
頁面標題：先觀察，不急著解決。
說明：
真正的教學創新，通常不是從「我要加什麼活動」開始。
而是先找到：學員在哪裡卡住、失去投入、產生誤解，或聽懂卻做不到。
使用創新先生的「觀察四問」。
四張觀察卡片：
A. 找相同
標題：什麼問題一直重複發生？
問題：過去幾次教授這類課程時，有什麼現象不斷出現？
Placeholder：例如：只要連續講授超過 20 分鐘，下午場學員就開始低頭或失去反應。
變數：observationSame
B. 找不同
標題：哪些人反應不同？
問題：哪些學員比較投入？哪些學員容易卡住？他們之間可能有什麼差異？
Placeholder：例如：有實際工作案例的學員很投入，但不知道怎麼套用到工作的人很快失去興趣。
變數：observationDifferent
C. 找不合理
標題：哪裡仔細想其實很奇怪？
問題：課程裡是否有「大家一直都這樣教，但仔細想並不合理」的地方？
Placeholder：例如：明明希望學員會實作，卻先讓他們連續聽一個小時的理論。
變數：observationUnreasonable
這一欄視覺上應特別凸顯。因為「找不合理」是重要差異化方法。
D. 找可改變
標題：哪些元素其實可以被改變？
系統提供多選 Chip：教學順序、講授時間、學員角色、講師角色、分組方式、回答方式、教具、案例、空間、任務、限制條件、計分方式、回饋方式、開場、收尾
變數：changeableElements: string[]
另提供：其他可改變元素（customChangeableElement）
AI／分析引擎輸出：
Stage 2 完成後，系統產生「目前看見的學習摩擦」，輸出 3～5 張卡片。
格式：摩擦名稱 + 一句描述。
例如：
被動接收時間過長：學員連續一段時間只需要接收資訊，幾乎不需要判斷、回應或做出動作。
學習價值出現太晚：學員必須先理解大量理論，才能知道內容與自己的工作有什麼關係。
活動與學習目標分離：互動活動增加了氣氛，但未必直接處理學員真正卡住的地方。
重要限制：
AI 不得在 Stage 2 直接提出完整教學方案。
禁止輸出：建議加入 Kahoot、建議增加影片、建議進行角色扮演、建議增加分組討論。
這個階段只能：描述問題、找模式、找差異、找不合理、找可改變元素。
十、Stage 3：裁判｜重新思考舊教法
頁面標題：問題可能不是你的方法不夠好，而是你正在解錯問題。
顯示使用者的舊答案：「你現在通常這樣做：＿＿＿＿」
固定執行三組分析：
第一組：5 個被忽略的問題
標題：你可能還沒看見的問題
產生 5 題。規則：必須針對真實教學情境。問題要能挑戰目前對問題的定義。避免空泛。
錯誤：如何提升學員參與度？
正確：學員是在什麼環節開始從「思考」轉成單純「聽」？
第二組：5 個未驗證的教學假設
標題：目前教法背後，可能藏著這些假設
格式：你可能正在假設：「＿＿＿＿」
例如：
- 有趣案例本身就能維持注意力。
- 學員失去投入主要是內容太無聊。
- 互動活動只需要安排在講授之後。
- 所有學員失去注意力的原因相同。
- 學員聽懂內容，就比較有可能實際使用。
第三組：5 個值得重新思考的新問題
標題：比原本問題更值得思考的問題
固定產生 5 題。問題格式盡量使用：「如何才能讓＿＿在＿＿情境下，可以＿＿？」或符合創新重新思考邏輯的新問題。
例如：
- 如何才能讓學員在長時間課程中，每隔一段時間都必須做一次判斷？
- 如何讓學員從進教室開始，就不是單純的聽眾？
- 如何讓「是否投入」不再只依賴講師講得有不有趣？
- 如何讓學員在聽到方法以前，先產生「我需要知道答案」的心理？
- 如何讓課程節奏可以隨學員反應即時改變？
Stage 3 選題：
使用者必須從 5 個新問題中選 1～3 題。
顯示：已選擇 0 / 3
至少選 1 題才能繼續。
提示：不要選最好回答的問題。請選「如果找到答案，最可能改變你的教法」的問題。
變數：selectedRethinkingQuestions
十一、Stage 4：鎖定關鍵學習障礙
頁面標題：這堂課真正要改變的是什麼？
核心概念：
很多講師發現課堂有問題後，第一個反應是：再增加內容。
但學員的障礙可能根本不是「不知道」。
五類學習障礙：
1. 知識障礙 Knowledge：他不知道。例如：不知道方法、不知道步驟、不知道工具。
2. 理解障礙 Understanding：他聽過，但沒有真正理解。例如：記得名詞，但不能解釋差異。
3. 判斷障礙 Judgment：他知道方法，但不知道什麼時候該用。例如：知道很多 AI 工具，卻不知道任務應該交給哪一個。
4. 行為障礙 Action：他知道，也認同，但沒有真的做。例如：課堂會操作，回公司後仍回到舊方法。
5. 情緒／心理障礙 Emotion：他可能抗拒、害怕、覺得無關或沒有動機。例如：覺得 AI 會取代自己，因此不願投入學習。
使用方式：
可選 1 個主要障礙。可選 1 個次要障礙。
變數：primaryLearningBarrier、secondaryLearningBarrier
AI 判斷輔助：
系統根據前面資料，顯示：
「根據你描述的情況，我目前比較懷疑：主要障礙：行為障礙
原因：學員並非完全不知道內容，而是在長時間被動接收後，沒有持續做出判斷與操作。」
注意：必須標示：「這是分析建議，不是診斷結果。請依你的現場觀察判斷。」
最後由使用者自己選。
十二、Stage 5：畫家｜創造第二種教法
頁面標題：現在，才開始想新教法。
說明：
我們不直接問 AI：有什麼有趣的教學活動？
使用：一因 × 一物 × 一改，重新組合教學機制。
十三、「一因一物一改」教學版
一因：關鍵障礙
自動帶入 Stage 4。例如：被動接收時間過長，或：學員不知道如何判斷使用時機。
一物：借用一個物件或外部機制，分為兩組。
A. 課堂現有元素：
投影片、手機、麥克風、白板、便利貼、姓名牌、撲克牌、計時器、學員座位、講義、分組桌、作業紙
B. 跨領域借用：
拍賣、接力賽、球賽計分板、電視益智節目、偵探辦案、醫院檢傷、機場登機、廚房出餐、控制塔、股票交易、密室逃脫、闖關遊戲、法庭、選秀節目、新聞編輯台、樂團指揮、導航系統、健身訓練、生產線、客服叫號
使用者可：自己選、點「換一批」、點「讓系統推薦」
變數：borrowedElement
一改：改變元素
限制、隨機、交換、接力、倒序、隱藏、公開、計分、淘汰、放大、縮短、重複、分流、配對、即時、延遲、強制選擇、改變角色、改變順序、增加未知
變數：changeAction
十四、第二種教法產生邏輯
系統根據：真實教學問題、學習摩擦、選中的重新思考問題、主要學習障礙、一因、一物、一改，產生 3 個明顯不同的「教學機制方向」。
注意：不是產生三個相似活動。三個方向必須在「學員經歷」上有本質差異。
每個方向輸出格式：
方向名稱：應具體、有記憶點。例如：等待出任務的課堂
核心改變：一句話說明。例如：把學員從「連續聽課」改成「隨時準備做判斷」。
原本的學習經驗：例如：聽講 → 理解 → 最後練習
新的學習經驗：例如：接收線索 → 預測 → 做出選擇 → 看結果 → 整理方法
教學機制：清楚說明實際如何運作。例如：每組持有四張不同符號卡。講師不預告題目時間。每完成一小段內容，就拋出一個必須判斷的情境。所有小組 20 秒內出牌。先做判斷，再揭露方法。
它真正處理的障礙：例如：被動接收時間過長。
為什麼可能有效：說明機制與問題的關聯。不要只寫「增加趣味性」，應寫：學員無法長時間維持純接收角色，必須反覆從資訊中提取線索並做出選擇。
風險：例如：題目太簡單可能失去挑戰；計分可能讓部分學員產生壓力；大班課程需要更簡單的回應機制。
三方向差異要求：
例如：
方向 A：改變注意力機制——讓學員持續等待任務。
方向 B：改變內容順序——先遇到問題，再揭露方法。
方向 C：改變學員角色——讓學員成為判斷者、教練或評審。
不得全部只是：卡牌活動、搶答活動、小組競賽。
十五、第二種教法選擇
使用者從 3 個方向選 1 個。變數：selectedTeachingConcept
可按：選擇這個方向、再重新組合一次
「重新組合一次」時：
保留一因。重新選擇或隨機：一物、一改。
避免無限直接呼叫 AI。最多建議允許 3 次重新組合。
顯示：還可以重新組合 2 次
十六、Stage 6：戰士｜設計最小教學實驗
頁面標題：先不要重做整門課。
說明：
創新不是把 100 頁簡報全部重做。先找一個模組，測試一個新的教學假設。
系統產生「教學假設」：
格式：如果我們＿＿＿＿，那麼學員可能＿＿＿＿，因為＿＿＿＿。
例如：如果我們讓學員每隔 10～15 分鐘必須做一次判斷，那麼學員可能維持更高的投入程度，因為他們無法長時間停留在被動接收角色。
變數：teachingHypothesis。使用者可編輯。
選擇測試範圍：
問題：你準備先在哪個範圍測試？
選項：開場 10 分鐘、一個 20～30 分鐘模組、一個教學活動、一個案例、一次分組任務、課程收尾、自訂
變數：experimentScope
原本流程：currentModuleFlow
Placeholder：例如：講授 20 分鐘 → 案例說明 10 分鐘 → Q&A
系統產生新的最小實驗流程：
輸出格式：
原本：講授 20 分鐘 ↓ 案例 ↓ Q&A
實驗版：提出情境 ↓ 學員先做判斷 ↓ 小組出牌 ↓ 公布不同答案 ↓ 講師整理方法 ↓ 再次判斷
系統必須產生：
1. 實驗目標：本次只驗證什麼？
2. 不改變的東西：例如：課程主題不變、原案例不變、核心知識點不變
3. 本次只改變什麼：例如：改變內容揭露順序與學員回應方式。
4. 所需準備：例如：四張符號卡、3 個判斷題、計時器
5. 現場備案：例如：如果時間不足，保留第一次與最後一次判斷，中間題目刪除。
十七、Stage 7：再次成為偵探
頁面標題：不要只問學員：「今天滿意嗎？」
說明：
教學實驗之後，重新觀察學習現場。滿意度高，不代表學習障礙真的被改變。
系統依照教學假設產生 5 個觀察指標：
1. 學員開始失去反應的時間點：記錄第一次明顯大量低頭、停止回應的時間。
2. 主動參與比例：觀察每次任務中，有多少組能在時間內做出選擇。
3. 判斷理由品質：學員能否說出「為什麼選這個答案」。
4. 活動後內容回想：下一個環節是否仍能引用前一個判斷結果。
5. 講師介入程度：活動是否需要講師不斷提醒才能繼續。
提供「課後觀察紀錄」，使用者可複製。
格式：
我原本的教學問題：＿＿＿＿
我的教學假設：＿＿＿＿
我改變了什麼：＿＿＿＿
我觀察到：1. 2. 3.
哪個假設可能錯了：＿＿＿＿
下一次值得重新思考的問題：＿＿＿＿
十八、最終報告
報告名稱：我的 AI 創新備課實驗報告
報告結構：
01｜我的教學情境：講師角色、課程主題、學員、真實教學問題
02｜我的舊教法：顯示 currentTeachingAnswer
03｜我發現的學習摩擦：顯示 Stage 2 分析
04｜舊教法背後的未驗證假設：顯示 5 個假設
05｜我選擇重新思考的問題：顯示 selectedRethinkingQuestions
06｜真正可能需要改變的學習障礙：主要障礙＋次要障礙
07｜一因一物一改：一因、一物、一改
08｜我的第二種教法：完整顯示 selectedTeachingConcept
09｜我的教學假設：顯示 teachingHypothesis
10｜最小教學實驗：顯示實驗流程
11｜現場觀察指標：顯示五個觀察指標
12｜下一輪重新思考：固定文案：
教學創新不是完成一份新教案。而是：觀察 → 重新思考 → 創造 → 實驗 → 再觀察
下一次上課後，把新的觀察帶回來，再開始下一輪。
十九、報告功能
提供：
複製完整報告：純文字 Markdown 格式。
複製「第二種教法」：只複製：新問題、學習障礙、第二種教法、最小教學實驗
重新開始：必須二次確認。
儲存在本機：使用 localStorage。建議 key：ai-teaching-innovation-draft
自動儲存每個 Stage。重新進入頁面時：顯示「發現你上次尚未完成的創新備課實驗。」按鈕：繼續、重新開始
二十、AI 架構要求
建議使用 Hybrid 架構：
方法論引擎控制流程。LLM 只負責階段內的分析與文字生成。
不要使用：courseTopic -> send to AI -> generate lesson plan
每次 AI 呼叫必須限定任務。
// 例如 Stage 3：只允許 AI 回傳：
interface RethinkingResult {
ignoredProblems: AnalysisItem[];
unverifiedAssumptions: AnalysisItem[];
rethinkingQuestions: RethinkingQuestion[];
}
// Stage 5：
interface TeachingConceptResult {
concepts: TeachingConcept[];
}
// 建議 JSON Schema：
interface TeachingInnovationInput {
instructorRole: string;
courseTopic: string;
learnerProfile: string;
teachingProblem: string;
currentTeachingAnswer: string;
observationSame: string;
observationDifferent: string;
observationUnreasonable: string;
changeableElements: string[];
customChangeableElement?: string;
}
interface LearningFriction {
id: string;
title: string;
description: string;
evidence: string;
}
interface AnalysisItem {
id: string;
text: string;
explanation?: string;
}
interface RethinkingQuestion {
id: string;
question: string;
whyValuable: string;
}
type LearningBarrier =
| "knowledge"
| "understanding"
| "judgment"
| "action"
| "emotion";
interface BarrierAnalysis {
suggestedPrimary: LearningBarrier;
suggestedSecondary?: LearningBarrier;
reason: string;
}
interface Combination {
cause: string;
borrowedElement: string;
changeAction: string;
}
interface TeachingConcept {
id: string;
name: string;
coreChange: string;
originalExperience: string[];
newExperience: string[];
mechanism: string;
targetBarrier: string;
whyItMayWork: string;
risks: string[];
conceptType:
| "attention"
| "sequence"
| "role"
| "feedback"
| "decision"
| "environment";
}
interface TeachingExperiment {
hypothesis: string;
objective: string;
unchangedElements: string[];
changedElement: string;
originalFlow: string[];
experimentalFlow: string[];
preparation: string[];
fallbackPlan: string;
}
interface ObservationMetric {
id: string;
title: string;
description: string;
recordMethod: string;
} 二十一、AI Prompt 核心限制
請建立獨立 Prompt builder，例如：src/lib/teaching-innovation/prompt-builder.ts
不要將大量 Prompt 直接寫在 Astro 頁面。
Global System Instruction，AI 必須遵守：
你是一個教學創新分析助手。 你的工作不是直接產生教案，也不是提供一般性的教學活動建議。 你必須依照「先觀察問題，再挑戰舊答案，最後創造新教學機制」的流程進行。 使用者目前的教法不是錯誤答案，而是一個需要被重新思考的舊答案。 在重新定義問題以前，不得直接建議增加遊戲、影片、案例、分組討論、Kahoot、角色扮演或其他常見教學活動。 不要把「增加趣味性」「提升互動」「提高參與度」當作原因分析。 必須分析學員正在經歷的學習過程。 特別關注： - 學員何時停止思考 - 學員是否需要做判斷 - 學員是否知道內容與自己的關係 - 學員角色是否長時間固定 - 學員是否知道如何應用 - 學員是否得到即時回饋 最終創意必須改變「學習機制」，而不只是增加一個活動。
二十二、第二種教法 Prompt 限制
Stage 5 AI 產出時加入：
請產生三個本質不同的教學機制。 三個方案不得只是更換教具或遊戲名稱。 至少涵蓋三種不同類型： - 改變注意力機制 - 改變內容順序 - 改變學員角色 - 改變判斷機制 - 改變回饋機制 不得將「增加趣味性」作為主要價值。 每個方案都必須回答： 1. 原本學員經歷什麼？ 2. 新的學員經歷什麼？ 3. 哪個教學障礙被改變？ 4. 為什麼這個機制可能有效？ 請回傳合法 JSON。
二十三、AI 透明化
這點非常重要。
如果實際有串接 AI API，顯示：
「本階段使用 AI 進行內容分析。AI 依照『創新備課方法』產生候選方向，最後仍需由你依現場經驗判斷。」
如果沒有串接 AI API，而是模板／規則引擎：
不得出現：AI 正在思考、AI 正在分析、AI 生成中
應顯示：「系統正在依照創新備課方法整理你的輸入。」
請延續現有網站對 AI 透明化的原則。不得製造假 loading stage。
二十四、Loading 設計
如果真的等待 API：
使用單一 loading 狀態。例如：「正在重新檢視你的舊教法……」
下面可輪播靜態提示，但不要假裝 AI 已完成某個不存在的階段。
例如：
- 先找問題，不急著增加活動。
- 有時真正該改變的不是內容，而是學員的角色。
- 第二種教法，通常來自第二個問題。
二十五、UI／視覺方向
延續 AI 創新應用學院品牌。
主色：#315A78、#2563EB
可搭配：奶油白背景、深藍文字、少量橘黃色作為「新問題／關鍵發現」提示。
核心視覺隱喻：
不要使用：AI 機器人、發光大腦、齒輪、魔法棒
建議使用：「拆開原本的教學流程」
原本：講師 → 投影片 → 學員
流程被拆開。中間插入：放大鏡、問號、不同角色、不同順序、教具、判斷、回饋
最後形成三條不同的教學路徑。
二十六、Stage UI
桌面版：
左側可顯示流程：
1. 教學情境
2. 學習摩擦
3. 重新思考
4. 關鍵障礙
5. 第二種教法
6. 最小實驗
7. 觀察報告
Mobile：
頂部顯示：STEP 3 / 7，搭配 progress bar。
不要在手機版保留固定左欄。
二十七、結果卡片設計
「學習摩擦」使用觀察卡。
「未驗證假設」使用淺橘或警示風格，但不要做成錯誤訊息。
「新問題」使用較強視覺。選中的新問題要有明顯 selected state。
「第二種教法」三張卡片，桌面版可以並排或 grid。
每張卡片必須清楚看出差異類型，例如：改變注意力、改變順序、改變角色
不要只顯示方案 A、B、C。
二十八、預設 Demo
工具首頁提供：不知道怎麼填？看看範例
點擊後開啟 Modal 或展開區域。Demo 使用創新先生真實教學案例。
Demo 情境：
講師角色：企業創新講師
課程主題：創新思維
學員：30～40 位企業學員，全天實體課程。
真實教學問題：下午或連續講授一段時間後，部分學員容易打瞌睡或失去注意力。
舊答案：增加有趣案例、講笑話、播放影片，或穿插互動活動。
找相同：連續講授約 20 分鐘後，學員反應明顯下降。
找不同：需要動手、回答或競賽時，多數學員精神明顯提高。
找不合理：明明希望學員學會創新思考，課堂大部分時間卻是講師在思考與說明。
找可改變：學員角色、教學順序、回應方式、教具、計分。
Demo 最終方向之一：等待出任務的課堂
核心改變：把學員從「聽眾」改成「隨時準備做判斷的人」。
教學機制：課程穿插尖叫雞搶答、撲克牌計分、短時間判斷任務、實際創作品體驗與左右腦動一動 APP。
但是 Demo 說明必須強調：
重點不是複製尖叫雞或撲克牌。真正的創新，是重新設計「學員長時間被動接收」這個注意力機制。
這一句非常重要。
二十九、首頁避免的文案
不要寫：
- 輸入課程主題，AI 幫你快速完成備課。
- 30 秒生成完整教案。
- 一鍵產生互動活動。
- AI 幫你打造高互動課程。
這些會讓產品立即掉入紅海。
三十、建議首頁文案
Eyebrow：AI × 創新思維｜講師備課工具
H1：你的課，不一定需要更多內容。
H1 第二行：可能需要第二種教法。
Hero Description：
把你真正遇到的教學問題帶進來。不是從課程主題生成教案，而是從學員的反應、舊教法與學習障礙開始，重新設計一段不同的學習經驗。
CTA：開始重新思考我的教法
次要 CTA：先看真實案例
三十一、首頁第二區塊
標題：一般 AI 從「你要教什麼」開始。
下一行：這個工具從「學員哪裡卡住」開始。
左右比較：
一般 AI 備課
輸入：AI 應用課程
輸出：課程目標、課綱、教學活動、案例、Q&A
AI 創新備課實驗室
輸入：學員聽懂很多 AI 工具，但回到工作仍不知道何時該用哪一個。
流程：學習摩擦 ↓ 未驗證假設 ↓ 重新思考問題 ↓ 判斷障礙 ↓ 第二種教法 ↓ 最小實驗
三十二、首頁方法區
標題：不是幫你把舊教法做得更漂亮。
副標：而是重新打開教學的黑箱。
四個角色：
偵探：看見學習摩擦。
裁判：挑戰舊教法的假設。
畫家：重新組合教學元素。
戰士：小規模測試新的教學機制。
最後箭頭回到：再觀察——把學員反應帶進下一輪。
三十三、錯誤處理
API Error：
「這次分析沒有完整完成。」
保留所有使用者輸入。按鈕：重新分析
不要清除表單。
JSON parse error：
最多自動 retry 1 次。第二次失敗：顯示友善錯誤。
Console 可保留技術錯誤。UI 不顯示 raw JSON 或 stack trace。
三十四、基本 Analytics Event
如專案已有 analytics helper，請沿用。
建議事件：
- teaching_innovation_started
- teaching_context_completed
- friction_analysis_completed
- rethinking_question_selected
- learning_barrier_selected
- teaching_concept_generated
- teaching_concept_selected
- experiment_completed
- report_copied
- tool_completed
不要追蹤使用者輸入的完整教學內容。Analytics 只記錄行為事件。
三十五、無障礙與 UX
所有 input 有 label。
Card selection 支援 keyboard。
Selected state 不可只依賴顏色。
按鈕 disabled 時保持清楚。
Textarea 自動調整高度或提供足夠高度。
結果文字需支援長中文換行。
手機版卡片不可橫向 overflow。
所有動畫尊重：prefers-reduced-motion
三十六、建議檔案架構
請依現有專案實際架構調整，不要為了符合以下名稱破壞既有 convention。
src/ ├─ pages/ │ └─ tools/ │ └─ ai-teaching-innovation.astro │ ├─ lib/ │ └─ teaching-innovation/ │ ├─ types.ts │ ├─ constants.ts │ ├─ prompt-builder.ts │ ├─ teaching-engine.ts │ ├─ report-builder.ts │ ├─ storage.ts │ └─ validation.ts │ ├─ components/ │ └─ teaching-innovation/ │ ├─ StageProgress.astro │ ├─ ObservationCard.astro │ ├─ QuestionSelectionCard.astro │ ├─ BarrierCard.astro │ ├─ CombinationSelector.astro │ ├─ TeachingConceptCard.astro │ ├─ ExperimentFlow.astro │ └─ ReportSection.astro
三十七、開發優先順序
Phase 1：完成
- 完整 7 Stage UI
- localStorage
- 固定資料結構
- 一因一物一改選擇器
- Demo
- 報告產生
- 複製功能
- tools 列表入口
- SEO
分析部分可先使用 mock JSON。目的是先確認完整產品流程。
Phase 2：
串接 AI 分析。只替換：friction analysis、rethinking analysis、barrier suggestion、teaching concepts、experiment generation、observation metrics
不要讓 AI 改變 Stage Flow。
Phase 3：
增加「帶回上次教學觀察」。
使用者輸入：上次實驗結果、哪個地方有效、哪個地方沒有改變、新出現的問題
系統從 Stage 2 重新開始，形成真正的：教學創新循環
這個功能可以後續實作，不列入 MVP 必做。
三十八、驗收標準
完成後請逐項自我檢查。
產品定位：
- 無法只輸入課程主題直接產生完整教案
- 使用者必須描述真實教學問題
- 使用者必須輸入現在的舊教法
- AI 在重新思考前不直接提出活動
- 有明確呈現學習摩擦
- 有 5 個未驗證假設
- 有 5 個重新思考問題
- 使用者必須自己選擇值得思考的問題
- 有知識／理解／判斷／行為／情緒五類障礙
- 有一因一物一改
- 三個第二種教法必須有本質差異
- 最後產生最小教學實驗
- 有現場觀察指標
- 最終流程回到「再觀察」
UX：
- Mobile 可正常完成完整流程
- 自動儲存草稿
- 重新整理不遺失資料
- API 失敗不清除資料
- 所有選擇狀態明確
- Stage progress 正確
- 複製報告成功
- 不存在假的 AI loading 流程
品牌：
- 使用「第二種教法」概念
- 呈現創新先生方法論
- 不使用機器人／大腦／齒輪式 AI 視覺
- 不宣稱一鍵生成教案
- 不把活動增加視為教學創新本身
三十九、最重要的開發提醒
請在開始實作前，先回答並自行確認以下問題：
現在做的功能，是在幫講師「更快產生內容」，還是在幫講師「重新思考教學問題」？
如果答案是前者，請停止。重新檢查產品流程。
這個工具最大的差異不是 AI 生成能力。而是：它不讓講師太快得到答案。
它先讓講師看見：
- 自己忽略了什麼
- 自己正在假設什麼
- 自己可能解錯什麼問題
最後才開始創造新的教學方式。
整體產品必須讓使用者明顯感受到：
「我原本以為我要增加一個活動。」
「做完後，我才發現真正需要改變的是學員的學習經驗。」
這就是 AI 創新備課實驗室真正的產品價值。