AI 證照考照 Copilot：把備考變成有方向的學習

起點：知道要考，卻不知道先補哪裡

我開始準備 AI 證照時，最想解決的不是再找一份教材，而是判斷自己現在懂什麼、哪些理解還不穩，以及下一段時間該放在哪裡。題目答對，有時只是剛好熟悉情境；答錯，也可能是讀題或信心不足。若只看總分，這些差異很容易被藏起來。

最初的 GAL Sprint 診斷工具因此從自己的學習需求出發，並在 2026-07-20 擴充為 AI 證照考照 Copilot。我希望它能把一次測驗接到後續的學習與複習，讓每次回來都有可延續的進度。

決策：先看路線，再理解學習缺口

我把主要順序定為建立個人定位、比較證照路線、進行診斷，再進入學習與複習。診斷除了正確率，也考慮領域權重、作答信心與時間；這些訊號讓我有更多理由決定下一步，而不只是看到一個分數。

實作過程中，一個重要修正是：抽樣診斷可能漏掉官方考綱中的部分主題。我因此加入完整覆蓋檢查，把「這次答得好」與「已經檢查過所有範圍」分開看。高分可以是進展，但不能直接當成學習完整的證明。

實作：讓診斷結果接得上複習

目前 GAL 支援從診斷到複習的完整流程，包含 32 題原創情境題、44 個主題的覆蓋檢查，以及複習、模擬測驗與錯題回顧。個人設定、模擬考紀錄與 PMLE／PCA 進度設計為登入後存入 D1；GAL 診斷與主題覆蓋紀錄目前保存在瀏覽器，也提供摘要與 JSON 匯出。跨裝置同步與共用瀏覽器的體驗，還需要繼續完善。

我負責選擇優先處理的學習問題、界定範圍與驗收條件，並與 AI 開發工具協作實作和檢查。擴充時也保留清楚的成熟度界線：PMLE 與 PCA 各有 12 題診斷 Beta；九張證照呈現的是路線圖，並不代表九套完整題庫或課程。

成果與下一步：讓準備程度更容易判斷

網站已公開，訪客可以看到產品入口；涉及私人學習資料的流程需要登入。這個案例呈現的是可使用的學習工具，以及我如何從備考經驗修正產品判斷，並沒有其他使用者通過率的證據。

對我最有價值的收穫，是把「有沒有讀完」轉成可檢查的問題：哪些主題碰過、哪些仍不確定、下一次要補什麼。後續擴充會繼續以這些問題為準，逐步驗證新證照的內容品質與覆蓋範圍。