不少老師其實已經知道，AI 應該走入校園。但現實是，在課時有限、教學進度緊迫的情況下，要老師額外學習 AI、設計新教學方式，甚至重新調整課堂流程，這本身已是一個不小的挑戰。

問題從來不只是「要不要用 AI」，而是：在有限時間與既有課程下，AI 可以如何真正融入教學，而不是成為額外負擔。

這篇文章，正是希望幫助學校理解AI如何以校本大型語言模型（LocalLM）的形式，一步步將這些可能性轉化為可落地的教學場景。

中文科：從內容生成走向語文能力培養

在中文課堂中，本地 LLM 可用於支援閱讀理解與寫作教學。例如，學生使用CT-LLM或Qwen等中文優化模型，可輸入古詩或文章段落，系統協助進行白話翻譯、重點整理，或從不同角度改寫內容，加深理解。

老師亦可利用Ollama介面 AI 生成不同程度的閱讀理解題目，或針對學生作文提供即時回饋，如用詞建議、句式調整與結構優化。

進一步而言，學生甚至可以利用 AI 創作繪本故事，配以AI聲音，將中華文化元素融入內容中，提升語文學習的創意與參與感。

數學科：由答案導向轉向思考過程

在數學教學中，本地 LLM 可協助學生理解解題過程，而非單純提供答案。

例如， 透過DeepScaleR-1.5B模型，經Ollama運行，能逐步解釋代數或微積分問題。只要學生輸入題目後，AI系統可以逐步提示解題方向，拆解問題步驟，準確率達98.5%。引導學生思考下一步應如何進行。老師亦可利用系統快速生成不同難度的練習題，支援分層教學。

這種「過程導向」的 AI 應用，有助培養學生的邏輯思維與解難能力，而非依賴答案。

視藝科：結合生成技術與創意發展

在視藝課堂中，本地 LLM 可結合圖像生成模型，支援學生進行創作發想。

例如，透過如Leonardo AI ，學生可輸入「未來香港城市」的概念，由系統提供不同風格、構圖或視覺方向的建議，再由學生進一步發展作品。這種方式可幫助學生突破創作起點的限制，同時保留個人表達。

老師亦可利用 Ollama 及 Stable Diffusion（SDXL）模型，設計跨學科專題，例如結合古詩與圖像創作，讓學生以 AI 作為輔助工具進行多元表達。

從工具到系統：學校面對的三個關鍵挑戰

雖然開源工具（如 Ollama/AnythingLLM/LMStudio）為學校提供了良好的起點，但在實際應用中，學校往往會遇到以下挑戰：

1. 難以對應教學場景

AI 多停留在問答層面，難以真正融入課堂流程與教學設計。

2. 缺乏校本內容支援

模型未能結合學校教材、程度與課程要求，回應容易過於通用。

3. 缺乏管理與長期運作機制

包括網絡安全、使用權限、數據管理及教學一致性，均難以單靠工具解決。

這些問題的本質，不在於模型本身，而在於缺乏一個能將技術轉化為教學系統的架構。

讓 AI 真正成為教與學的一部分

因此，對學校而言，開源本地 LLM 並不是終點，而是一個起點。真正的關鍵，在於如何在此基礎上，建立一個AI基礎設施及平台，用以：

• 結合校本課程與內容  

• 支援不同學科教學場景  

• 提供可管理、可持續運作的環境  

校本 AI 基礎設施及GPT 平台 SchoolMind 正是在這個基礎上發展，讓學校安全、靈活地擁有數據主權，建立屬於自己的 AI 能力，一併支援行政管理、教師教學準備，以及學生自主學習。  

‍