教師為甚麼要懂 LLM，而不只是會用

星期三放學後，小六常識科主任在教員室問：「AI 幫我改完四十份專題報告的評語，快是快，但有三份分數明顯偏高——佢究竟有冇真係讀過？」坐在對面的資訊組同事想了一秒，只答到：「你試多次啦。」整間教員室安靜了兩拍。後來科主任自己逐份對照，發現 AI 特別偏愛字數多、形容詞多的作文，內容空洞也照給高分。

多數教師培訓教的是「怎樣按、怎樣貼、怎樣改格式」；這門課教的是「它為甚麼有時 brilliant、有時離譜，以及出事之前你怎樣看得出來」。這是整個 LLM 二十八課的第一課，先講清「為甚麼要懂」，下一課才拆開模型內部。

---

週三教員室裡的追問

上面那位科主任後來把其中一份「高分但空洞」的作文貼回 AI，問：「這篇論點有沒有站得住？」AI 立刻寫了四段分析，文筆流暢，還引用了「論證結構完整」——但通篇沒有指出任何一個具體論點漏洞。

她當時的感覺很典型：工具明明「寫得像老師」，判斷卻不像。這不是因為 AI 懶，而是因為它在做一件不同的事——模仿「好評語長甚麼樣」，而不是檢查「這個論點是否成立」。能講出這句話，就已經跨過「會用」和「會判斷」之間的那條線。

會用與會判斷

「會用」是操作層：知道在哪個欄位貼作文、用甚麼語氣要求評語、怎樣把輸出貼回 Google Classroom。這一層很重要，但停在此處，教師仍然會在三個地方被突襲。

「會判斷」是機制層：知道輸出為甚麼有時準、有時錯，以及錯的時候通常長甚麼樣。具體來說，你要能向同事說明三個必然特徵——

第一，它傾向給出完整答案，很少主動說「我唔知」。第二，它對你學校的私事（創校年份、上一屆評核、某份內部通告）幾乎一無所知，除非你把文件餵給它。第三，它的「最新見聞」停在訓練或更新截止日，不是今天早上的新聞。

把這三件事記牢，你就自然知道：可以叫它草擬家長信，但創校年份要自己核；可以叫它整理會議紀錄，但簽名前要逐段看過；可以叫它出選擇題，但答案和課程對照要自己驗。

它更像一位甚麼樣的同事

與其說 AI 是「全知助手」，不如把它想成一位語文極強、但從未踏進你校門的代課老師。

這位代課老師讀過海量公開文本，寫通告、寫評語、寫教案的速度和流暢度可能勝過你；但他沒有參加過你的科組會議，沒看過你的評分準則 PDF，也不會在資料不足時老實說「我查不到」。他會用非常肯定的語氣，把缺了的部分用「聽起來合理」的內容補上——這就是後面 幻覺那一課 要解釋的核心機制。

代課老師可以幫你省時間，但簽名發出去的永遠是你——這句話同時適用於真人，也適用於 AI。

四類失準與對應課程

在教員室裡，AI 出錯通常可以歸入四類。認得類型，就知道下一個問題該翻哪一課。

事實性錯誤：創校年份、政策編號、人名職銜——寫得肯定，查不到來源。處理方向是校本知識庫與引用式回答，見 知識庫與 RAG 與第 9、10 課。

偏好性偏差：評語偏愛「看起來豐富」的文字、統計數字看似精確其實是估計。根因常與對齊訓練有關，見 RLHF 與 DPO。

格式性失準：年級、字數、題型不對——不是它「唔聽話」，而是提示裡的條件在每一步生成時沒有被充分鎖定，見 Transformer 白話版 與 提示工程。

安全與私隱：學生繞過限制、對話內容外洩、不當使用。見模組六的 護欄 與 提示注入防護。

二十八課怎樣讀

整個課程分七個模組，由模型內部一路講到未來趨勢。你不需要一次讀完，按角色揀路線更實際。

前線教師

若你每週只有半小時，建議順序：第 1 課（本課）→ 第 2 課 Transformer → 第 9 課 幻覺 → 第 14 課 提示工程 → 第 15 課 RAG。這五課已覆蓋大部分「備課、評語、出題」場景。

科主任與 IT 主任

多讀第 3 課 Tokenization、第 4 課 參數、第 17 課 成本控制，以及模組五的 本地部署。採購會議上被問「七 B 同七十 B 差幾多」時，第 4 課會給你可直接引用的講法。

模組一覽

模組一（第 1–5 課）講模型內部；模組二（第 6–10 課）講怎樣煉成；模組三講生態系；模組四講應用（RAG、Agent、框架）；模組五講本地部署；模組六講安全與評估；模組七講多模態與趨勢。詳細課名可在 Learn 目錄 瀏覽。

容易走歪的地方

• 走歪：把「AI 寫得流暢」當成「AI 理解內容」。一份語法零錯但論點空洞的作文，仍可能拿到偏高的評語。 自查：隨機抽三份 AI 評過的作業，只看「有沒有指出具體論點漏洞」——若三份都只有套話，就要把提示改成「必須引用原文句子再評」。

• 走歪：以為日常對話會「教會」模型你學校的事。貼過去的校規不會變成它永久記憶的一部分。 自查：開新對話，不貼文件，直接問「我哋校規關於遲到的條文係乜」。若它仍答得像真的一樣，代表你需要的不是「多聊幾次」，而是知識庫。

• 走歪：學生場景直接開放聊天，期望他們會像教師一樣覆核。小五學生不會逐句對照教科書。 自查：問自己：這個用途有沒有提示層級上限、教師可查看紀錄、以及 ai_audit_logs？三項缺一，就不適合讓學生直接使用。

動手做一次

時間：約 12 分鐘。材料：任何一個 AI 工具、你學校的全名。

做甚麼：開新對話，貼入以下提示（把括號換成你校名）：

請告訴我「（你的學校全名）」的創校年份、現任校長姓名、辦學團體，以及最近一次校外評核年份。
每一項請標明你有幾成把握（0–100%），並清楚列出哪些項目你其實不確定。

交出甚麼：一張四欄小表（項目、AI 答案、你的核實結果、是否一致），手寫或貼在筆記裡即可。

怎樣算做對：你至少找出一項 AI 答錯或過度自信的地方，並能用一句話向同事解釋原因——「佢冇我哋學校的文件，所以用公開資料砌咗個似真嘅答案」。若你的學校網上資料極多、四項全對，改問一項內部才知的資料（例如某次家長日實際日期），效果通常更明顯。

下一課：Transformer 架構白話版——一句話送進模型之後，究竟發生甚麼事。