教學即代碼：165 個技能如何重塑在線教育

當教學變成編程：一個反常識的起點

過去十年，在線教育的核心敘事是「內容規模化」——Coursera 把頂尖大學課程錄成影片，Duolingo 把語言學習遊戲化，可汗學院用短片覆蓋 K12 知識點。這些平台的共同假設是：教學質素取決於內容的質與量。但一個被嚴重低估的事實是——同樣的教材，交給不同老師，學生成效可以差三倍以上。關鍵從來不是內容本身，而是教學過程中的動態決策：何時追問、何時跳過、何時給提示、何時換一個類比。

這就引出一個反直覺的問題：如果我們把教學能力——而非教學內容——當作第一公民來設計，會發生什麼？

答案正在被一個看似不相關的領域揭開：AI Agent 的技能系統。當 LLM 開始配備工具調用能力時，開發者很快發現，模型本身的智能只是基礎設施，真正決定 Agent 表現的是它擁有哪些「技能」（Skills）以及這些技能如何組合。OpenAI 的 Function Calling、Anthropic 的 Tool Use、以及開源社區的各種 Agent 框架，都在做同一件事：將能力模組化。

這與教學的底層邏輯驚人地相似。一位優秀教師的腦袋裡，運行的正是數以百計的微型「教學技能」——診斷學生迷思概念的技能、選擇恰當例子的技能、給予即時回饋的技能。問題是，這些技能長期以來只存在於人類教師的 tacit knowledge（內隱知識）之中，無法被提取、複用或系統化改良。

技能模組化：從 165 個技能到教學作業系統

這就是 165 這個數字的意義所在。它不是一個任意門檻，而是一個生態系統的臨界質量。當一個 AI 教學系統擁有超過 150 個經過驗證的教學技能時，它開始展現出傳統教育科技從未達到的能力維度：

第一，技能的組合爆炸。 單一技能可能很簡單——例如「檢測學生的猶豫信號」只是一個被動監測。但當它與「根據猶豫程度調整難度」和「生成替代解釋」組合使用時，系統就能實現人類教師最難的直覺：在學生卡住的那一秒，用最精準的方式介入。165 個技能不是 165 條規則，而是 165 個 Lego 積木，組合數接近天文數字。

第二，技能的自我進化。 ResearcherSkill 的出現是這個架構中最關鍵的突破。傳統 AI 教學系統依賴工程師預先定義教學邏輯——這意味着每次教學策略的改進都需要工程週期。ResearcherSkill 讓 AI 本身能夠自主檢索、測試和驗證新的教學策略，然後將有效的策略封裝為新技能。換句話說，這個系統不僅能教書，還能研究「如何更好地教書」。這是一個元教學層面的能力，也是「教學即代碼」的真正含義——教學方法不再是靜態的文字描述，而是可執行、可測試、可版本控制的程式碼。

第三，技能的跨領域遷移。 當教學技能被抽象為獨立模組，它們就能脫離特定學科的限制。一個在數學教學中驗證有效的「漸進式提示鏈」技能，可以無縫遷移到程式設計教學中。165 個技能覆蓋的不只是一個學科，而是跨越多個領域的教學最佳實踐。這在教育科技史上是第一次——教學法不再依附於內容，而是成為一個獨立的、可移植的能力層。

ResearcherSkill：AI 從工具到自主教師的質變

如果說技能模組化是骨架，ResearcherSkill 就是讓這個骨架活過來的神經系統。要理解它的革命性，需要對比三種 AI 教學的演化階段：

第一代（2022-2023）：AI 作為內容輔助。 ChatGPT 能回答學生的問題，但缺乏教學結構。它給出的答案往往是正確的，但未必在學生當下的認知區間內。這像一個知識淵博但不理解教學法的教授。

第二代（2024-2025）：AI 作為預設教師。 透過精心設計的 System Prompt 和 Chain-of-Thought，AI 開始展現教學行為——會追問、會給提示、會逐步引導。但這些教學策略是工程師寫死的，遇到沒被預測到的教學情境就會失效。

第三代（2026-）：ResearcherSkill 驅動的自主教師。 這是質變的開始。ResearcherSkill 讓 AI 教學系統具備了行動研究（action research）的能力——它可以在真實教學互動中形成假設（「這類錯誤可能源自概念混淆而非計算失誤」），設計教學干預（「我應該先診斷他們的基礎理解」），然後根據學生的反應評估干預效果。如果有效，這個策略會被提煉為新技能加入系統；如果無效，它會被記錄並避開。

我認為，這個架構最深刻的影響不在技術層面，而在教育哲學層面。它打破了兩個根深蒂固的假設：第一，教學必須由人類主導；第二，教學改進必須通過大規模實驗或個人經驗積累。當 ResearcherSkill 能夠在與一千名學生的互動中迭代一千次教學策略，它所積累的教學智慧可以超越任何人類教師的職業生涯總和。

對創業者與開發者的具體啟示

站在香港科技創業者的角度，我認為這個趨勢帶來了三個具體的行動方向：

第一，重新思考「教育產品」的架構。 如果你正在開發教育相關的產品，不要只關注內容製作或用戶增長。問一個更根本的問題：你的產品有沒有「教學技能層」？有沒有將教學策略從內容中抽離？這就像 SaaS 從單體架構走向微服務——最終勝出的不是功能最多的平台，而是架構最靈活的平台。

第二，關注技能生態而非模型能力。 LLM 的能力曲線已經進入平台期——每代模型的差距在縮小。真正的護城河不再是「用哪個模型」，而是「你圍繞模型建立了多少專屬技能」。165 這個數字會不斷增長，而最早累積到數千個教學技能的團隊，將擁有幾乎不可追趕的競爭優勢。

第三，從「內容 creator」轉向「教學工程師」。 內容 creator 的思維是「我做了一份最好的教材」。教學工程師的思維是「我設計了一個能不斷優化自身的教學系統」。前者產出的是靜態資產，後者產出的是動態能力。對於繁體中文市場而言，這尤其重要——因為主流教育科技大多圍繞英文設計，而繁體中文的教學語境（香港的 DSE、台灣的學測、文言文教學、粵語授課）有大量未被滿足的技能需求。

總結一句：教學即代碼不只是一句口號，它是下一代教育基礎設施的設計原理。165 個技能只是開始，真正的未來在於——當每一個有效的教學直覺都能被封裝為一行可執行的代碼，教育的規模化將不再是內容的規模化，而是智慧的規模化。