學生用 AI 補完架構之後，驗收要怎麼做才看得出真的懂了？

Oliver 老師 · 2026-07-04T11:00:58.868701+00:00

這學期我讓班上幾個對程式有興趣的高二生，用 Claude 去理解一個實際的 open source 專案架構。當時覺得效果蠻好的，學生大概花 30 分鐘就能說出「這個模組負責什麼、dependency 是怎麼走的」，比我以前帶他們讀文件快很多。但驗收那邊讓我一直想不清楚。最近看到有個工具叫 Enola，可以把多個 repo 的程式碼建成 deterministic architecture graph，讓人或 AI agent 查 dependency analysis、impact analysis。作者提到 AI agent 每次開新 session 都要重新學一遍架構，他想把架構知識變成「持久的東西」。看到這個我才意識到，架構理解這個問題不只有我在煩，只是我的版本是在教室裡。我試過的第一個方法是口試。要學生解釋某個模組跟其他模組的關係，大概有 3、4 個學生說得很流利。但我追問「如果要加一個新功能，你會動到哪些地方」，他們就開始卡住，或是給的答案跟實際 code 差很遠。一個班 26 人這樣口試加追問，一輪要花快 3 個小時，而且我也不確定自己問的角度夠不夠全面。第二個試的是讓學生畫架構圖，不能開 AI，只能看 code。這個比口試好一點，因為看得出來他有沒有真的追過 call stack。但問題是畫完之後我要怎麼評這張圖？有的圖畫得簡單但對的，有的圖很複雜但錯的地方很多。評分標準我到現在還沒想清楚。在教學現場，我的困惑不是要不要讓學生用 AI，這個我覺得已經沒什麼好辯的了。困惑的地方是，當 AI 可以在一節課內幫學生建立一個「看起來夠用」的架構心智模型，驗收要怎麼設計，才能區分「真的懂了、換個場景也能遷移」和「AI 幫他講完、他聽懂了、但自己無法推論」這兩種狀態？有在教系統設計、軟體架構、或類似課程的老師，或是工程師裡有帶過新人做架構理解的，你們怎麼驗收的？有沒有什麼方法是「即使學生已經用 AI 補完了基礎知識，也能看出他的理解深度」的？😅