真實病人不會等人，回饋也未必即時。這兩件事各自削弱臨床判斷的養成—— 前者限制「注意」與「詮釋」的練習機會，後者讓「反思」難以發生。本系統以兩種模式分別回應。
真實病人不會等人
錯誤難以即時修正
臨床推理難以刻意練習
兩種模式共用同一套操作、同一條流程與同一套評分引擎，差別在於 有沒有提示與何時給回饋。
回應「回饋延遲」
回應「練習機會有限」
一般 LLM 應用的問題是：答案聽起來合理，卻無法驗證。本系統以三道機制處理這件事。
回饋由檢索增強生成（RAG）產出，每次評分附上引用的 StatPearls 實證文獻章節， 標題與節名逐筆列出，可自行查核。
檢索結果經 cross-encoder 重排序後，若最佳片段低於閾值 τ = 0.3，
系統不注入任何脈絡——寧可不答，不編造。
每一筆評分寫入當下的知識庫版本、模型與檢索閾值。知識庫更新後， 新舊資料可區分，結果可重現。
step_name: 診斷 score: 94 kb_version: statpearls_rag@2026.07.11 + nhi_kb@2026.06.23 llm_model: claude:claude-sonnet-5 rag_min_rerank_score: 0.3 // 拒答閾值 τ evidence_grounded: true
3 分 8 秒的真實系統操作實錄：從主訴選擇、案例生成、LQQOPERA 問診、 身體評估到鑑別診斷、學習成效面板與反思，兩種模式分段呈現。無配樂，僅旁白。
以下數字皆為系統實測值，來源為知識庫 MANIFEST 與 CI 紀錄，可逐項追溯。
注意→詮釋→回應→反思四階段，對應系統的六站流程骨架。
典型案例訓練系統一；刻意設計的陷阱案例（錨定、確認偏誤）迫使啟動系統二。
GAS 結構化 debriefing（回顧—分析—總結）把錯誤轉為成長：先自評再對照實際表現，找出認知落差。
難度分級與即時回饋維持挑戰與能力的平衡。