Aidit 修業規劃 Agent
會查證、會說「不知道」的畢業審查與選課 Agent · 2026
核心概念
在畢業審查場域，答錯的代價遠高於不答。
畢業審查、選課建議、情境試算與修業問答的 Agent。學分由確定性引擎計算，模型只負責理解使用者意圖；規定沒寫清楚的地方不硬算，改列為待確認事項並告訴你該問哪個單位。每個結論都能回查到規定原文。
直接把成績單丟給 LLM 算學分，看起來很聰明，但同一題問兩次常常得到不同答案，也說不出依據是哪一條規定。Aidit 把「理解」和「計算」拆開：模型只負責聽懂你想問什麼，數字全由可驗證的程式算出，並且每一個結論都能回查到規定原文。
功能
修業明細
逐類別比對已修與應修學分，每一列都能展開，看採計了哪些課、引用的是哪一條規定原文。
待確認事項
規定沒寫清楚就停下來，不替你猜。說明這件事會影響幾學分、該找哪個單位確認，並可一鍵產生詢問信。
選課建議
依未修學分與學校公開的開課資料排出下學期課表；可以用一句話微調，系統會回報改了什麼、代價是什麼。
情境試算
提前畢業、停修、雙主修、輔系、學程，依規定逐項推算；沒有收錄的規定會明講，不推算。
執行紀錄
每一步用了哪個工具、耗時多久、有沒有重試或走到分支，全部留下紀錄，可匯出查核。
怎麼保證不亂算
算數的那層沒有模型
學分審查、排課求解、原文回查都是純確定性運算。CI 會對這三個模組做遞移相依分析，任何一層 import 到 LLM client 就直接失敗。
不變式失敗就中止
各類學分加總對不上就不輸出結果；超修的學分不能拿去填補其他類別。寧可不答，也不給錯的答案。
結論都能回查原文
規則包的每個欄位都附原文引句，輸出前逐條比對；對不上就重試一次，仍失敗則把該條降級為待確認。
回覆的字不是模型寫的
模型只輸出意圖與參數，schema 結構上就沒有「回答」欄位；回覆由模板組成，學分數字一律等於引擎算出來的數字。
規則的洞寫在資料裡
規則包用 ambiguities 記錄規定沒寫清楚的地方，命中的修課會移出判定、產生待確認事項。
外部內容是資料，不是指令
公告與使用者訊息都先過提示注入檢查，命中就不送進模型。
Agent 流程
沒有引入 agent 框架：流程有限且已知，一個 step runner 加狀態機就夠，trace 格式也要自己掌控。
讀取修課紀錄
讀取失敗就直接回報錯誤，不輸出任何部分結果。
比對規則版本
依入學學年找出適用的規則包；學籍與入學學年對不上時，整案轉人工處理。
公告衝突處理
偵測新公告與規則包是否衝突。判斷公告是否適用時，先過注入檢查，再交給模型；無法判定的列為待確認，該項不計入。
確定性審查
把每門課指派到學分類別（指派問題），計算各類學分；不變式失敗即中止。
原文引用回查
逐條比對結論與規定原文，失敗兩次的條目降級為待確認。
開課搜尋與排課
從開課資料中以分支定界求解選課組合；無解時找出衝突條件、放寬後重試。