校園裏那個「永遠在忙」的人——談談香港學校技術支援的困局與出路

從晨早課室故障說起:香港學校不缺 IT 撥款與 AI 項目,卻長期欠缺像實驗室技術員、政府電腦操作員那樣清晰的 TSS 職級。文章回顧 2017 年教聯會「納入常額編制」訴求,並回應「有了 AI 還要請 TSS 嗎」——結論是技能會變,校本穩定人手仍不可少。

早上八點一刻,鈴聲還沒響,電腦室的投影機突然黑屏;家長 App 的密碼重設訊息同時湧進來;老師拿着平板問:「點解上唔到 Wi‑Fi?」——校園裏總有人一邊聽電話、一邊蹲在機櫃前、一邊在群組回覆「收到,即刻睇」。課上完了,學生以為一切理所當然;真正撐着整件事的,往往是那一兩個技術支援人員(TSS)。

這篇文章想說的,不是埋怨,而是一個愈來愈難迴避的問題:香港學校的資訊科技發展很快,但支撐服務運作的人力結構,似乎一直沒有跟上。

資源其實有,職級卻常常沒有

先說公道話:教育局並非沒有投放資訊科技資源。學校常用的經常性撥款,包括「資訊科技綜合津貼」(CITG),可用於消耗品、軟件、網絡保安、保養,以至聘請技術支援人員或購買技術支援服務;另有自 2017/18 學年起發放的「資訊科技人員支援津貼」(ITSSG),2026/27 學年每校約 35 萬元,主要用來加強駐校技術人手——可以自行聘請,也可以委託公司派駐。

再往上數,還有「第四個資訊科技教育策略」下覆蓋全校課室的無線網絡建設(業界常稱 WiFi900 相關安排),以及優質教育基金(QEF)對 STEAM、數字教育的支持;近年更有「『智』啟學教」一筆過撥款,推動人工智能輔助教學。硬件、平台、課程項目,一個接一個。

問題在於:錢與項目可以到位,職位本身卻往往仍停留在「津貼聘用/服務合約」的層次。CITG 與 ITSSG 的官方表述,都強調學校可靈活訂定入職要求與薪酬福利——靈活固然好,卻也意味着:TSS 多數不在資助學校核准編制裏,沒有像其他工種那樣清晰的職級階梯。ITSSG 的出現,確實加強了人手資源;但它本質上仍是現金津貼,並不等于把 TSS 納入常額編制。

其實,這個缺口並不新鮮。2017 年 6 月,香港教育工作者聯會(教聯會)與候任特首辦主任會面,就善用新增經常教育經費提出補充要求,其中特別提到:應將「資訊科技技術支援人員(TSS)」納入常額編制。理由很直白——TSS 不屬常額、欠缺晉升前景、流失率偏高,而電子學習已成大勢。教聯會當時建議增設專門經常撥款聘請 TSS(涵蓋薪酬、強積金及《僱傭條例》福利),並按中小學學位教師薪金中位數估算,預計新增開支約四至五億元。近十年過去,校園科技只會更多、不會更少;當年那句「納入常額」的訴求,讀起來仍然刺耳——因為問題的核心,還沒有真正被結構性解決。

同一個校園,兩種待遇感——甚至三種對照

最容易拿來對照的,是實驗室技術員。資助中學的實驗室技術員有編制計算方法,亦有一級、二級、三級等職級與薪級安排,職責隨 STEM/科學活動需要更新,官方文件寫得清楚。他們服務的對象,主要是科學相關課堂與活動——當然重要。

再拉開一點看公務員體系:政府本身就有「電腦操作員」職系(由數字政策辦公室相關職系管理),職責涵蓋操作與監察電腦設備、網絡及數據中心/伺服器室、用戶支援/求助台、相關採購與資產管理等——跟學校 TSS 日常做的事,其實頗相近。更關鍵的是,這條路有透明的總薪級表階梯:例如二級電腦操作員約第 6 至 15 點、一級約第 16 至 20 點、高級約第 21 至 28 點,再上至助理電腦操作經理、電腦操作經理。薪點對應的金額隨公務員事務局公布的總薪級表調整(以 2026 年 4 月 1 日起計,約由二萬出頭遞增至近十萬元級別,視職級而定)。換言之,政府承認「操作層 IT 支援」值得一套正式職級;資助學校的 TSS,卻多數仍靠校本靈活聘用,欠缺可對照的核准編制階梯。

TSS 呢?日常面對的是全校:學生帶裝置上課、老師用電子學習平台、家長查電子通告、行政要跑網上校管系統、訪客要上網、典禮要影音。服務面更闊,責任鏈更長,但在不少學校,職稱仍停留在「技術支援」「IT 助理」,晉升路徑模糊。這裏不臆測個別學校的具體薪金數字——重點是:校內往往看不到像實驗室技術員、或政府電腦操作員那樣公開可循的職級階梯,薪酬與前景也較難與業界同級技術工作競爭。業界裏常見的感受是:招人難、留人更難;升職空間窄,雜務卻從不缺——搬機、佈線、跟進供應商、放學後趕維修,都可能落在同一個人身上。

老師有較清晰的專業階梯,亦要持續進修數字教育相關培訓;TSS 同樣要不斷學——雲端、保安、裝置管理、AI 工具進校後的新問題——卻未必換來對等的專業認可。很多人自資報讀課程、晚上翻文件、週末趕緊測新系統,為的是學校下一波挑戰到來時不至於手足無措。可是,學習若只被看成「個人興趣」,而不是崗位應有的專業投資,士氣自然難持久。

坊間有種心態:「老師流動性低,TSS 走了再請過。」這句話聽起來務實,其實很傷人:把穩定當成理所當然,把流失當成可接受成本。事實上,換人的隱性代價往往更高——新同事要重新認識校情、裝置帳號、供應商習慣,中間掉落的細節,最後還是老師與學生來承擔。

發展很快,結構卻像在趕工

回看這十來年:無線網絡普及、電子學習成為日常,接着是 STEM/STEAM,再來是人工智能進校園。節奏快得像趕工建樓——先把招牌亮起來,骨架是否穩妥,有時反而少人問。

有資源時,話題容易集中在「買什麼設備、推什麼計劃」;人手結構、職銜、晉升、培訓預算,卻常被輕輕帶過。資源緊絀時,又會想:不如外判吧。外判不是原罪,但若校內沒有懂技術、懂採購、懂跟進的人,老師真的要自己追供應商、拆合約條款、判斷維修是否合理嗎?最後往往還是那幾個「懂一點 IT」的同工默默頂上。

一個「資訊科技統籌」職銜,不足以概括整條服務鏈。統籌可以定方向;真正半夜重啟伺服器、白天撐課堂裝置、傍晚對家長系統的,需要被看見、被命名、被納入長遠人力規劃——教聯會當年說的「常額編制」,講的正是這種結構性位置,而不只是多一個臨時工時。

那 AI 來了,還要請幾個 TSS 嗎?

有人會認真反問——而且問得很合理:AI 能減輕老師行政負擔,AI agent 又能處理日常 IT 疑難,學校是否還要請幾名 TSS?難道不該「減人手、加智能」?

先承認能省的部分。重設密碼、常見 FAQ、簡單故障分流、按劇本做的狀態檢查,確實可由聊天機械人或自動化接手;善用的話,重複性壓力會下降。這是好事,不必為了護航人手而否定 AI。

但校園 IT 從來不只是「答問題」。Wi‑Fi、投影機、佈線仍是實體工作;供應商合約與驗收要人把關;學生與家長資料涉及私隱,不宜全盤交給黑箱;開學、派成績、惡劣天氣停課那幾天,家長系統一擠,要的是懂校情、知道該找誰升級的人;雲端或 AI 本身掛掉時,還得有人現場止血。更諷刺的是:學校愈積極導入 AI,就愈需要人評估工具、設定權限、訂政策、做培訓,以及收拾「影子 IT」。AI 減的是部分票務;加的是整合、治理與事故應變。

誠實的答案不是「還要請那麼多同樣的人」,而是「仍需要穩定的校本技術力量,只是技能組合會變」——少一點純重複操作,多一點自動化、保安、數據判斷與 AI 落地。若把 AI 當砍崗位的理由,最後往往只剩外判熱線與老師自己追供應商。政府有電腦操作員職級、教聯會談常額編制,正是因為操作層支援是長遠能力。AI 愈是戰略項目,校內愈需要留得住、跟得上的人。

可以怎樣走下去?

與其只抱怨,不如問:學校與業界可以做些什麼?

一、把「人」寫進發展計劃。 談 AI、談電子學習時,同步寫明技術支援編制、培訓時數、替假與應急安排,以及人手技能如何從「修機應急」轉向「自動化+治理+AI 落地」,而不是只寫設備清單。

二、校內先給尊嚴與階梯。 即使短期未能等到全港統一職級,學校仍可訂立清晰職稱(例如技術支援主任/高級技術員)、年度調薪與進修支援,避免「什麼雜務都丟給 IT」。

三、對照已有的正式職級經驗。 實驗室技術員說明學校體系可以為技術崗位訂編制;政府電腦操作員職系則說明「操作層 IT 支援」本來就可以有透明晉升階梯。不是要把工種對立,而是承認:當某類技術崗位服務全校運作,就值得認真討論核准編制、職責指引與合理晉升——至少讓「默默貢獻者」有正式位置。

四、外判與自聘要有校內「懂行人」。 供應商可以幫手,但不能代替校本知識。家長、老師、學生三邊都依賴的系統,需要有人長期守着;否則一出問題,前線同事只能在群組裏乾着急,然後把電話打給「那個懂 IT 的人」。

這些建議不一定要一次到位。哪怕先從職稱、工作範圍、培訓預算三樣小事做起,已經是在告訴同事:你的專業被看見了。而政策層面,2017 年那次「納入常額」的討論,也值得被重新拿出來——不是為了翻舊帳,而是因為 AI 時代的校園,比當年更需要穩定的技術隊伍。

設備會折舊,平台會換代;真正難買回來的,是願意留在學校、既懂技術又懂教育節奏的人。香港校園已經走到 AI 門口,是時候認真問一句:我們會否給這些沉默的支撐者,一個配得上他們工作的名分與出路?

—

參考連結

– 教育局「資訊科技綜合津貼」
– 教育局「資訊科技人員支援津貼」(ITSSG)
– 教聯會(2017):要求將 TSS 納入常額編制 — https://hkfew.org.hk/教育政策/item/8296-教聯會要求將「資訊科技技術支援人員-tss-」納入常額編制
– 公務員事務局:總薪級表
– 數字政策辦公室:電腦操作員職系說明

本地部署大模型平台

LangChain‌AI 產品及服務越來越多,每天總有幾個產品推薦,好用的教學又多的但又不見多,假如你也正在找比較有方向的AL平台,不妨試試。

Dify,名字好記DO IT FOR YOU,Web 界面的LLM平台,可以RAG,AI工作流。

RAGFLOW,RAG 的可視平台,也是web 界面,提供RAG 界面,可以自己選擇embedding 模型,rerank 模型,可以直接上傳文件,可以選擇和本地ollama 一起跑。也有chat 和knowledge base

haystack 是一個LLM 框架,提供模塊化,可以自己開發搭建,我還沒有這能力。

cognita 是一個LLM 框架,有在線演示https://cognita.truefoundry.com/

GPUStack 是一個本地運行AI的管理器,這個名氣沒有cherry studio llm studio 之類那麼出名,也是網頁界面。
MaxKB,有點類似RAGFLOW,國內開發的平台,有RAG,chat,AI 流程。
LangChain‌,這個是十分出名AI框架,書籍也有不少。

MCP介紹

AI 的信息每天都在更新,最近比較受歡迎的叫MCP(Model Context Protocol,模型上下文協議)是一種由Anthropic於2024年11月推出的開源標準化協議,旨在簡化大型語言模型(LLM)與外部數據源和工具的互動。MCP伺服器作為該協議的核心組成部分,是一個獨立的程式,負責向LLM提供特定的功能或數據,例如存取檔案系統、資料庫(如PostgreSQL)、外部API(如GitHub、Slack)或執行特定任務(如搜尋、操作日曆)。它的設計理念類似於HTTP協議之於網頁應用,提供了一個統一的「連接器」,讓LLM能夠輕鬆與外部世界互動。

MCP伺服器如何與LLM互動?

MCP採用客戶端-伺服器架構,具體互動流程如下:

  1. 初始化與發現:當MCP客戶端(如Claude Desktop或支援MCP的應用程式)啟動時,它會連接到本機或遠端的MCP伺服器,並詢問伺服器提供的功能(即工具清單)。
  2. 工具註冊:伺服器回應可用工具(如「查詢資料庫」、「獲取當前時間」),客戶端將這些工具註冊到LLM的上下文中。
  3. 需求觸發:當用戶向LLM提出問題或任務(例如「幫我檢查GitHub上的最新提交」),LLM識別出需要外部數據,隨即透過MCP客戶端向對應的MCP伺服器發送請求。
  4. 執行與回饋:MCP伺服器執行任務(例如調用GitHub API),將結果返回給客戶端,LLM再根據結果生成回應。
  5. 雙向通信:與傳統API不同,MCP支援雙向互動,伺服器甚至可以反向利用客戶端的AI能力(例如生成內容),無需額外的API金鑰。

這種標準化互動讓LLM突破訓練數據的限制,實現即時、動態的功能擴展。

用戶的優勢

MCP伺服器為用戶帶來了多方面的便利:

  • 統一整合:無需為每個外部工具開發獨立的整合程式,MCP提供了一個通用的介面,減少開發時間與成本。
  • 靈活性:用戶可以根據需求啟動不同的MCP伺服器,例如連接到個人Google Drive或企業級資料庫,隨時切換LLM提供者(如從Claude換到其他模型)而無需重寫程式碼。
  • 即時性:透過MCP,LLM能存取最新數據(例如天氣、股票價格),解決傳統模型知識過時的問題。
  • 可擴展性:隨著MCP生態系統成長,用戶可從開源社區獲取現成的伺服器(例如Cloudflare、Discord整合),直接應用於自己的工作流。
  • 個人化體驗:MCP伺服器能根據用戶的特定數據(如個人日曆、聊天記錄)提供量身定制的回應。

性能與安全的區別

MCP伺服器在性能與安全方面的設計與傳統方法有明顯差異:

  • 性能:
    • 優勢:MCP伺服器通常運行於本機或私有雲端,減少了遠端API調用的延遲,提升回應速度。雙向通信也讓互動更高效,避免單向請求的多次往返。
    • 挑戰:由於目前多數MCP實現以本機為主,對於需要高吞吐量的企業應用,擴展性可能受限。遠端部署尚在發展中,可能需要額外的基礎設施支持。
  • 安全:
    • 優勢:MCP內建權限控制,每次工具使用需用戶明確授權,確保LLM不會未經許可存取敏感數據。此外,數據傳輸支援TLS加密,符合企業級安全標準。
    • 挑戰:與傳統API相比,MCP的雙向通信增加了伺服器端的安全管理複雜性,例如防止惡意伺服器利用客戶端AI能力。開發者需自行配置防火牆、身份驗證等額外措施。

個人資料如何保護?

MCP在設計上非常重視個人資料的隱私與安全,提供多層保障:

  • 本地優先:大多數MCP伺服器預設運行於用戶設備上,數據無需上傳至雲端,降低了洩露風險。
  • 明確授權:每次LLM調用MCP伺服器工具時,系統會提示用戶確認,確保敏感操作(如讀取檔案、發送郵件)在掌控之中。
  • 模組化控制:伺服器功能被限制在明確定義的工具範圍內,LLM無法隨意存取未授權的數據。例如,一個GitHub MCP伺服器只能存取指定的儲存庫,而非整個帳戶。
  • 加密與日誌:數據傳輸使用TLS加密,同時支援集中式日誌記錄,讓企業用戶能追蹤所有AI存取行為,符合合規性需求(如GDPR、HIPAA)。
  • 開源透明:作為開源協議,用戶和開發者可審查MCP伺服器的程式碼,確保無隱藏的後門或數據收集行為。

那究竟如何用呢,我剛剛在網上看到了一個使用Cherry Studio + MCP的 教學,這還是公測版,目前LLM studio 和ollama 還是未能支持MCP的

https://mp.weixin.qq.com/s/a8XlAw4wrdJpKGVUWneaqg

https://github.com/punkpeye/awesome-mcp-servers?tab=readme-ov-file

這是一個例子,可以根據用戶指令去幹事,這裡可以看到你可以拼接不同的服務到大模型或者不同的大模型API 上去,那就不用擔心處理的不夠好。找個時間測試一下。

AI 教學工具:以 Quizizz 和 Canva 為核心的教育新助力

隨著人工智慧(AI)的發展,教育領域正迎來一場革命性的改變。AI 教學工具不僅能幫助教師提升效率,還能讓學生體驗到更具互動性和個性化的學習過程。在眾多工具中,Quizizz 和 Canva 憑藉其強大的功能和廣泛的應用性,成為當前最受歡迎的選擇之一。本文將重點介紹這兩款工具的特色與應用,並簡要提及其他值得關注的工具,留待未來深入探討。

為什麼選擇 AI 教學工具?

AI 教學工具能自動化許多繁瑣任務,例如製作教材、設計測驗或分析學生表現,讓教師有更多時間專注於教學本身。對學生來說,這些工具提供了趣味性與實用性兼具的學習方式,幫助他們更有效地吸收知識。以下將深入介紹 Quizizz 和 Canva 如何在教育中大放異彩。

—

Quizizz 與 Canva

 1. Quizizz

Quizizz 是一款以遊戲化學習為核心的 AI 教學平台,讓教師能輕鬆創建互動測驗,並透過數據分析了解學生進度。它將學習變成一場有趣的競賽,深受教師和學生喜愛。  

優勢:  

– 快速生成測驗:教師可以上傳文件、網頁內容或 YouTube 影片,Quizizz 的 AI 會自動生成相關問題,省去手動編寫的時間。例如,輸入一段關於「光合作用」的文章,幾秒內就能得到多選題或填充題。  

– 遊戲化體驗:學生在測驗中競爭積分、查看排行榜,這種設計大幅提升參與度和學習動機。  

– 個性化調整:AI 能根據學生答題情況調整問題難度,或將問題改編成真實場景(如「植物如何在沙漠中生存?」),讓學習更貼近生活。  

–應用場景:Quizizz 適合課堂上的即時評估、課後作業或複習活動。教師還能利用其即時數據,快速發現學生的薄弱環節並提供針對性指導。  

注意事項:免費版本功能有限,若需進階分析或更多自訂選項,建議升級至付費計劃。 學校版本還是挺貴的。 

2. Canva Education with AI

Canva 是一個廣受歡迎的設計平台,其教育版本(Canva for Education)免費提供給教師和學生,並整合了 AI 功能(如 Classroom Magic),幫助快速製作視覺化教材。  

優勢:  

– AI 輔助設計:透過「Magic Write」功能,教師只需輸入關鍵詞(如「介紹太陽系」),即可生成簡報大綱或文字內容,再搭配 Canva 的豐富模板,幾分鐘內完成專業級教案。  

– 視覺吸引力:提供大量圖片、圖標和動畫,讓枯燥的課堂材料變得生動有趣。例如,將歷史事件製成資訊圖表,讓學生一目了然。  

– 協作功能:學生和教師能在平台上即時合作,適合小組專案或創意作業。  

應用場景:Canva 特別適合製作簡報、海報或學習單,也能讓學生用於展示作業成果,提升他們的設計與表達能力。  

注意事項:雖然基本功能免費,但某些進階 AI 工具(如 Magic Animate)可能需要 Pro 版,建議視需求升級。  不過申請教育版是很多都免費,假如學校還未申請,建議申請,有些軟件直接使用canva edu 認證可以直接免費。

其他值得關注的工具(未來介紹,歡迎推薦)

除了 Quizizz 和 Canva,還有一些 AI 教學工具也頗具潛力,值得一試:  

– Grammarly Edu:提升學生寫作能力的語法檢查工具。  

– Google Classroom 搭配 Gemini(等開放):管理課程並分析學生數據的強大組合。  

– ChatGPT(等deepseek 智能體):生成教材或回答問題的多功能助手。  

這些工具的詳細介紹將在未來文章中展開!

如何善用 Quizizz 與 Canva?

– 教師可以用 Canva 設計視覺化的測驗說明或反饋圖片,再將其匯入 Quizizz,打造更有吸引力的測驗體驗。例如,在 Quizizz 的測驗結束後,展示一張 Canva 製作的「恭喜完成」迷因,提升學生士氣。  

– 針對需求選擇:若您需要快速評估學生理解程度,Quizizz 是首選;若目標是製作吸睛的教材,Canva 則更勝一籌。  

– 試用與調整:兩者都提供免費版本,建議先從小規模試用開始,根據課堂反饋調整使用方式。

Quizizz 和 Canva 憑藉其 AI 技術與使用者友善的設計,成為現代教育中的得力助手。前者將學習變成遊戲,讓學生樂在其中;後者則以視覺化的方式,讓教學內容更具吸引力。不論您是希望提升課堂互動還是簡化備課流程,這兩款工具都能帶來顯著改變。立即試用它們,開啟 AI 輔助教學的新篇章吧!

如果您對其他工具感興趣,歡迎告訴我,我將在未來為您帶來更多精彩內容!

AI 於教育上的使用

國產模型Deepseek 爆發後,每日都有不同的AI新聞,個個圈子都在發起學習AI,有點似前幾年STEM 熱潮——熱,但不知道方向。好像很火熱,就是無從入手,究竟由哪開始?

AI 在教育上有哪些可以用

  1. 題目:出題,海量題庫生成
  2. 分析:分析學生答案,分析成績
  3. 語言練習:聽讀由AI判斷準確度
  4. 講解:講故事,講題目,可以模擬不同音效
  5. 情緒分析:根據學生與AI的交流,分析學生的情緒
  6. 創作:可以創作APP,圖片 等比較難度大的,根據AI 的指導生成
  7. 行政:根據官方文件自動生成行政文件、編課之類
  8. 教材:根據內部資料生成新的學習資料,AR、VR 教材
  9. 個性化資料:可以根據學生學習進度自動生成相關資料和學習方案(knewton)

認知下的AI

AI 雖然出了很多年,但是每個人的理解都有些不一樣。

有些人覺得AI就是一個機器人,幫你做任何事。

有些人AI就是一個對話機,可以回答你問題。

有些人覺得AI 未必準確,資料亂套

有人覺得AI是一個工具,省事。

其實說來說去,也不知道要說AI是什麼,早到捉圍棋alphago,還有Apple Siri,到了後來chatgpt 爆發。AI 其實已經慢慢融入生活內,不知不覺地在身邊出現,變成一些普通的東西,掩飾AI 面孔。就如iPhone siri,很早就開始懂得聽你指令幫你找東西和控制Home kit,這是一種AI 上的應用,小朋友覺得已經很平凡。但為何後來的Chatgpt 和Deepseek 會火爆呢?個人覺得在大語言模型升級後,算力提升和各種應用相應突破,就如iPhone 出現,打破了Nokia 的世界,各種APP 相應推出,一台iPhone 不再是電話,而是一個強大的工具。

孩子在玩ipad時,他從來沒問我iPad 怎麼安裝app,他好像自己就懂得去找一個可以裝東西的地方,他也懂得啟動,設定,然後根據提示一步步的玩遊戲。這才能是天生的?估計是,人的理解能力。那麼給一個AI 工具孩子,他們可以使用嗎?當然是可以的,雖然有些人很擔心AI會亂來,例如幫還在完成了作業,其實這些工具google 早就有了,豆包的app,siri 也可以回答,孩子的世界他不懂什麼是AI,他要的是答案。既然AI已經在孩子身邊,那麼就是要教他們如何正確的使用,可以的話順便講解一些AI 的一些知識。

其實AI模型也是模仿人類行為,不是所有東西都要教授後才懂得,它在學習人類的『判斷推理』,自我學習,也不是100%正確。

免費的AI 教學 工具

先說一下目前流行的工具,這些工具都是建立在大模型上,反應速度都是相當快,為何之前那麼少見?因為訓練一個大模型是需要億美元來計算,現在大語言模型基本已經成熟,大家的目標都是轉移到推理,訓練,工具,插件等開始落地盈利。

豆包:中文、粵語、英文基本都是懂的,中文能力幾乎是AI APP 中最強大的,估計跟他的母公司(字節跳動)有關係。叫他作詩,出練習題目基本沒有問題,最重要是免費,手機粵語直接語音講就可以。可以跟他說10條什麼類型的題目和答案。還可以直接聊天。

deepseek 、元寶、grok 大模型也有提供對話,個人推薦deepseek,特別是在科學、數學上面,deepseek 提供推理過程,不只是一個答案,在教育上使用非常好,可以演示給學生看AI 是如何推理一個數學題目

canva,提供了教育界免費使用的服務,裡面也有很多AI 的元素加入了,例如Dream lab 可以直接出圖

另外Canva ppt 美觀是無敵的,可以只接搜索使用 canva ai 就能圖文生成。

學習平台

還有其他平台想padlet,quizizz ,edpuzzle之類都相應的加入AI 功能,目的就是為何減少你的時間去作一些題目,取代而之為你直接去選擇,目的是為了節省一點時間,而且可以分析學生答題的時間,edpuzzle 還能根據視頻內容自動產生題目,避免抄襲。

還有語言學習的APP Elsa speak(收費),都是使用AI 來評估個人語言學習進度。

在IT 教育方面,AI coding 比較流行,平台也很多,就算本地也不錯,可以用ollama 和vscode 來作為本地代碼輸出。apple mlx 也提供了框架建立本地模型。

目前有很多應用可以於教育使用,慢慢再列出,目前百花齊放,但是建議還是要先使用,再來檢討成效,因為孩子覺得這些都是跟一些遊戲APP 沒什麼區別,需要家長在使用中進行講解他背後的原理和問題,假如大人都不用,怎麼教育下一代。

AI 在教育的影響

職人員:有些人擔心老師被淘汰,可不能這麼想,老師有AI 能看不到的東西,目前AI 還未智能到一體化(智能體),很多功能還是在應用層面,也就是說,分析試卷,就是分析成績,進度,給題目。作為老師會分析這學生平時的行為和最近的情況,要綜合那麼多因素的理解,是需要把所有資料例如考勤,平時作業情況,都匯入系統才有可能然AI 去識別,但老師不用那麼多數據已經知道,哪怕一句對話,一個神情就知道學生問題。

AI 對教育人員只會提供更多協助,當然工具很多,怎麼選擇是另一個層次的問題,成本也是考慮因素,還有很多法規會相應出台,能否使用學生數據,個人資料,內部資料進行訓練還是目前沒有的東西。但是可以肯定掌握了某些工具,是可以減省一些時間,例如用Kimi 生成個PPT ,你可以減少去找圖去排版,這起碼備課的時間都少了,而且可以吸引學生。

對學生:AI能提供的是無限的資料,因此對學生來說是自主學習一個很好的平台,學生如何通過AI 工具來提升自己能力,不是為了答案,而是在AI協助下解決自己的一些想法,想知道的知識,自己判斷。老師作為學生的引導,AI作為自主學習的工具夥伴。

風險:AI 沒有100%準確,在訓練大模型時已經說明準確率只有一半左右,通過日後的演算慢慢地增加精確度。還有在大模型的微調時也會出現偏於某一方面的能力,導致一些能力失衡,AI會突然失憶,或者變傻,chatgpt 就出現過

技術門檻:文件AI 工具agent 之類還未普及,都在不停地發現新大陸,建立內部大模型成本高,要自己選擇大模型的大小,微調的工具。模型還在不停更新,向量數據庫能否隨之更新還有待技術提升。在百花爭艷的AI 中,就看看學習。淘汰不是老師,而是教育機構,越是逃避,越會被淘汰 。

在世界上的手機、電動汽車、電腦等等,都接入了AI,AI也會像手機那樣平民化實用化,這是無可避免的。

Ubuntu install EXO

1.Install Conda

mkdir -p ~/miniconda3
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh
bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3
rm ~/miniconda3/miniconda.sh


source ~/miniconda3/bin/activate
conda init --all

2. Instal Driver


lspci | grep -i nvidia


sudo apt install nvidia-driver-550

3.gcc

gcc --version

sudo apt install gcc


sudo apt update && sudo apt upgrade

sudo apt install nvidia-cuda-toolkit

reboot

nvcc --version

4.EXO

git clone https://github.com/exo-explore/exo.git
cd exo
pip install -e .
# alternatively, with venv
source install.sh
exo

後記

在安裝時經常會出現gcc 或者lib錯誤,看了一些網站文章發現是版本太新了,最好還是選擇比較舊的版本,例如cuda 也不要挑最新的12.8。 然後就算安裝完成,成功啟動,不知道為何第二次跑ubuntu 又會出現error,不過最簡單方法就是再執行一次source install.sh,然後再跑exo,又可以正常跑,在macos 跑得流暢,不知道是否ubuntu 問題。