ChatGPT 學習模式最有用的時候，是它在展示完整解答之前，先讓你回憶、解釋並修正概念。由清晰的學習目標開始，每次只要一個問題或提示，以自己的話作答，最後在不借助 AI 的情況下把方法重做一遍。

這是一套單次工作階段流程，不能取代學習計劃或課程規定。OpenAI 把學習模式描述為一種會提問、分步推進並檢查理解的體驗，同時提醒它仍可能出錯。［1］

關鍵要點

打開對話之前，先界定你必須在無協助時做到甚麼。

向學習模式提供任務、你的嘗試及容許的協助程度。

先要診斷及一個小提示，再要求解釋。

在對照課程材料核實之前，把流暢的回饋當作假設。

以閉卷重建及錯誤紀錄收尾。

ChatGPT 學習模式改變了甚麼，又止於何處？

在一般對話中，最短的路徑往往是一份完成度很高的答案。學習模式的設計是放慢這條路徑：引出你已知的內容，把主題拆成步驟，並調整後續問題。OpenAI 表示它可以配合上載的課程材料使用，並可能在啟用記憶時使用記憶。可用性、支援的介面及具體行為都可能改變，因此請以目前帳戶中可見的控制項為準，而不是依賴舊截圖。［1］

這個模式不知道教師的評分政策，不能證明來源正確，看不出你是否在猜，也不能認證你已掌握。如果你的提示索取最終答案，它也可能透露過多。因此，學習成效取決於你訂立的約定，以及你之後產出的證據。

可以支援	不能證明
按順序提問和提示	你能獨立完成
針對已提交嘗試回饋	回饋一定正確
產生變式練習	練習符合考核要求
調整解釋難度	用語符合課程標準
總結錯誤	你之後仍能回憶

UNESCO 建議在教育中以人為本地使用生成式 AI，包括保障人的能動性及適齡使用。［2］美國教育部同樣把 AI 定位為支援、而非取代人的判斷及教學目標的工具。［3］當學習者始終是那個嘗試、核對及作決定的人，這些原則才會落到實處。

第 1 步：寫下獨立完成的學習目標

描述一種可觀察的表現，而不是一個籠統的主題。「理解導數」沒有給對話任何停止規則；「能解釋連鎖法則、在陌生題目中判斷何時使用，並在沒有提示下解答一道例題」則告訴你和工具怎樣才算成功。

工作階段開始前記錄三項內容：

目標： 你必須解釋、計算、比較或創作甚麼。
證據： 哪一份無輔助的輸出能證明你做到。
限制： 容許使用的資料、符號、計算機、協作方式和 AI 政策。

如果任務屬計分功課，先閱讀課程大綱或詢問教師，才決定是否分享。負責任地用 AI 做功課處理的是這項政策判斷；學習模式不能凌駕其上。

第 2 步：準備最小且獲准的上下文

只給模型它需要的內容：主題、你的程度、確切的困惑點、相關定義及一小段嘗試。刪除姓名、學號、未公開的答案、私人評語，以及你無權上載的受許可材料。

不要一開始就貼上整份功課然後說「教我」，這樣對話很容易變成代做。由阻礙你的最小概念或判斷入手。

學習目標：[可觀察的能力]
我已經知道：[兩三點]
我的嘗試：[推導或解釋]
卡點：[具體一步]
允許的協助：提問、錯誤診斷、每次一個提示
不要提供：可直接提交的答案，或在我回應前給下一步
核對依據：[課程來源或定義]

NIST 把虛構內容、私隱、資訊完整性及人機配置列為生成式 AI 風險。［4］一份細小而明確的上下文可減少暴露，也令無依據的補充更易被發現。

第 3 步：先要一個診斷問題

讓學習模式先問一個能區分幾種可能誤解的問題。在求助之前先作答；如果不確定，便說明不確定之處，並展示你得出答案的推理。

一個有用的次序是：

回憶問題；
你的答案及信心程度；
針對你原話的診斷；
最小的有用提示；
修訂後的答案；
第二次嘗試之後才給解釋。

這個次序能保留錯誤中包含的資訊。一份完整解答會掩蓋困難究竟出在回憶、理解、設定步驟、計算還是評價。

第 4 步：控制學習模式的提示階梯

事先訂立協助等級。只有當你下一次嘗試顯示目前等級不足時，才升一級。

等級	AI 協助	你的動作
0	只重述問題，不解答	標出已知、未知及目標
1	指出相關原則	回憶並表述原則
2	提一個引導問題	選擇下一步運算或論點
3	給一個平行例子	把模式對應回原題
4	解釋一個卡住的步驟	繼續完成餘下部分
5	展示完整示例	關閉示例後獨立做新題

如果模型跳級，便打斷它：「先別繼續，問我接下來應該怎樣做。」需要更精確時，可使用向 AI 追問中的技巧，但不要交出下一步的決定權。

第 5 步：讓回饋指向你的原話

泛泛的稱讚不是有力的證據。要求模型引用或標示你的嘗試中哪一行正確、不完整或前後矛盾，然後把問題分成四類：

概念錯誤；
欠缺論證；
步驟或計算錯誤；
表達問題。

每個問題都要求它給出所依據的定義或規則，以及一條檢驗更正結果的問題。不要把「看來不錯」當作核實。如果任務依賴教科書、公式表、講課內容或評分準則（rubric），便把回饋與這些來源逐項對照。

第 6 步：改變題目形式，而不只是換數字

修正原來的嘗試後，要一道遷移題：用同一原理，但換一種表示方式或情境。幾乎相同的例題測到的可能是模仿，而不是理解。

對概念，在解釋、圖示描述、反例及應用之間切換；對數學，改變題目結構，或先問該用哪種方法再計算；對寫作，要求診斷一個新段落而不是代為改寫；對程式，先預測程式行為再運行。

如果之後需要更大的練習集，請轉到獨立的記憶卡及測驗流程。今次工作階段只集中處理一條錯誤鏈。

第 7 步：在對話以外核實主張

為任何重要的內容建立一份主張紀錄表：

主張或步驟	對話依據	課程或一手來源	結果
定義	引用解釋	教材章節	一致/衝突
公式	建議形式	公式表	一致/衝突
歷史事實	所述主張	一手或指定來源	核實/未決
評分準則	建議解讀	教師準則	確認/詢問教師

引用及有爭議的主張，按AI 事實查核流程處理。來源之間有分歧時保留分歧，不要讓模型挑選措辭最自信的一個。

第 8 步：關閉對話後重做

在你覺得「已經學完」之前便結束輔助階段。隱藏對話，在空白頁上完成三件事：

以自己的話解釋核心概念；
解答或分析一道新題；
列出這個方法在甚麼條件下會失效或需要改變。

把結果與目標和來源對照。記錄最小的殘餘錯誤，並安排稍後再做一次回憶練習。如果你無法重建方法，便回到相應的提示等級，而不是直接看完整答案。

簡短工作階段紀錄

保留一份簡短紀錄，讓「我學過了」有可觀察的含義：

目標：
課程與來源限制：
最初嘗試及信心：
診斷錯誤：
最高提示等級：
修正核實來源：
遷移任務結果：
無輔助重建結果：
下次回憶日期：

這份紀錄比保存冗長對話更有用：它顯示協助在哪裏介入，以及你之後能獨立完成甚麼。

學習工作階段常在哪裏出錯？

現象	可能原因	下一步
對話立即給出答案	提示容許代做	重申不給答案的規則，由等級 0 重來
問題感覺太簡單	模型欠缺表現目標	補上要求的程度及遷移條件
回饋與課程矛盾	模型或來源不一致	停下來核對指定材料
看得懂卻寫不出	只是被動熟悉	關掉對話，在空白頁回憶
工作階段變成漫長的繞路	範圍太闊	回到一個卡住你的概念
不確定能否使用 AI	政策不清楚	繼續之前先問教師

總結

開始之前，先界定無協助時要達到的表現。
提供最小且獲准的上下文，以及你自己的嘗試。
使用診斷問題及受控的提示階梯。
讓回饋對應你功課中的確切部分。
測試遷移、核實主張，並在不借助 AI 的情況下重建。
讓課程規則及人的判斷高於工具。

常見問題

學習模式保證不會直接給答案嗎？

不保證。它為引導式學習而設計，但回應會有差異，亦可能出錯。先說明你接受的協助界線，遇到過度完整的回應便打斷，並以一項無輔助的任務核實。

可以用學習模式做計分功課嗎？

只有在適用的教師、學校及考核規則容許時才可以。政策不清楚時先詢問，切勿把生成的內容當作自己獨立完成的功課提交。

可以上載教材或講義嗎？

只上載你獲准分享的材料，而且只上載任務需要的頁面。刪除個人資料，遵守版權、學校及平台規則。

帳戶內沒有學習模式怎麼辦？

先開啟一般 ChatGPT 對話。學習模式目前涵蓋所有 ChatGPT 方案和模型，並支援 Web、iOS 與 Android，但不能在臨時對話、GPT 或 Project 中使用。Web 版可輸入 @study，或按 + 後搜尋 Study；流動版可開啟 +，再選擇或搜尋 Study。符合條件的 ChatGPT Edu 工作區亦可能已由管理員強制啟用，此時不會顯示選擇器。若仍找不到，請更新並重新開啟應用程式，再核對目前官方說明。

要一個完整示例算代做嗎？

不一定。先嘗試，再看平行示例；其後關閉示例，獨立完成一道新題。如果只是照搬其結構而不理解，或把它當作自己的作品提交，便越過了學習的界線。

如何證明自己學會了？

在空白頁寫出解釋或解答，處理一道變式題，為每一步說明理由，並在之後再重複一次。對話仍在眼前時的「認得」只是較弱的證據。

它能取代教師嗎？

不能。教師能解釋課程、觀察表現、執行政策及照顧個人情況。把工具用於有界限的練習，持續的困惑應交給教師或合資格的導師。

學習時應該開啟記憶嗎？

這是一個關於私隱及個人化的選擇。查看目前的平台設定，避免透露敏感細節，也不要因為互動感覺很私人，便假定學習工作階段是私密的。

免責聲明： 本文提供一般教育資訊。請遵守學校的學術誠信、私隱、無障礙和考核規定。

來源

OpenAI, Study Mode in ChatGPT — https://help.openai.com/en/articles/11780217-using-study-mode-in-chatgpt
UNESCO, Guidance for Generative AI in Education and Research — https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research
U.S. Department of Education, Artificial Intelligence and the Future of Teaching and Learning — https://www.ed.gov/sites/ed/files/documents/ai-report/ai-report.pdf
NIST, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile — https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence

Sources checked 2026 年 9 月 6 日。

ChatGPT 學習模式：如何在不代做的前提下學習