Day 1 - 115/05/14

重新認識生成式 AI：看懂 AI 的新位置

今天的目標不是背工具名稱，而是看懂一個核心轉換：AI 不是 App，而是新的工作系統入口。

10:00-12:00 趨勢講座 AI 是系統

Day 1 生詞表 Model Context Window Agent Hallucination Skill AI 術語速查表

Safety First

開場 3 分鐘：AI 使用三條紅線

1. 機密資料不要貼公開 AI

公司機密、客戶個資、真實金額、敏感資料，先脫敏再使用。

2. AI 輸出永遠要人類覆核

AI 很會講話，但不一定講對。數字、名字、專業判斷一定要查。

3. 高風險決策不能交給 AI

法律、醫療、財務決策可以請 AI 整理資料，但最後由人負責。

講師口訣：先講安全，再講熱情。三分鐘建立信任，比後面一百多分鐘都重要。

Opening

破冰：你最想用 AI 幫你做什麼？

活動方式

講師先示範一句自己的答案
學員寫下一句：「我最想用 AI 幫我...」
貼到期待牆或填進共用表單
講師快速分類：寫作、整理、規劃、設計、分析

核心導入

三天後，你不只是「用 AI 更快做同樣的事」，而是開始學會「用 AI 設計一個會幫你工作的系統」。

核心句：你不是在用 AI，你是在設計一個會幫你工作的系統。

Cognitive Shift

生成式 AI 到底改變了什麼？

時代	基本單元	代表	人的角色
桌面時代	Application	Word、Excel	操作者
行動時代	App	Uber、Line	使用者
雲端時代	Service	AWS、Google Workspace	設定者
代理時代	Skill	ChatGPT、Cursor、Agent	設計者

核心轉換：新的基本單元不是單一 App，而是可被 AI 調用、組合、重複執行的能力。

Four Stages

從搜尋到執行：四個階段

階段	發生什麼事	人的工作
1. 搜尋	Google 給你十個連結	你自己讀、自己整理
2. 聊天	ChatGPT 給你一個答案	你問它答、你判斷好壞
3. 產出	AI 幫你寫完文章、做完簡報	你設定方向、改稿、確認
4. 推理與執行	AI 拆任務、查資料、跑完整串流程	你設計系統、檢查關鍵點

關鍵訊息：你現在大概在第 2 階段，三天後你會到第 4 階段。

Visual Model

角色演進圖

搜尋時代

研究員

Google 給你十個連結，你自己讀、自己整理、自己判斷。

聊天時代

編輯

AI 回答問題，你追問、修正、挑選可用的答案。

產出時代

方向設定者

你設定目標與限制，AI 產出初稿，你負責判斷與改稿。

下一步

系統設計者

你設計 Workflow / Skill，讓 AI 按你的邏輯跑完整流程。

AI 越會做事，你越需要從操作者變成設計者。

Three-Layer Model

三層簡化模型：大腦、手腳、肌肉記憶

大腦：LLM

GPT、Claude、Gemini。理解、推理、寫作，但沒有工具就只能「想」。

手腳：Tools / Agents

查網頁、讀檔案、寄信、畫圖、控制軟體。讓 AI 從回答走向行動。

肌肉記憶：Workflow / Skill

你教它照你的方式做事。下次它知道順序、工具和檢查方式。

傳統軟體是確定性的；AI 是概率性的。所以你需要設計檢查機制。風險越高，越不要只讓一個模型說了算。

Multi-Model Supervision

升級觀念：不是只用一個 LLM，而是設計多模型互相監督

產出者

快速產生初稿、方案、文案。適合 Claude / ChatGPT。

查證者

補最新資訊、來源、外部事實。適合 Gemini / Perplexity / 搜尋工具。

審查者

找漏洞、挑風險、檢查承諾是否過度。可以用另一個模型擔任。

多模型不是投票決定真相，而是分工：一個產出、一個查證、一個挑錯。最後負責判斷的人仍然是你。

Five-Layer Analogy

同一個比喻貫穿五層模型

層	白話	比喻
LLM	理解你說什麼、做推理	大腦
Tools	查網頁、讀檔案、畫圖、寄信	四肢
Skill	你教它「照我的方式做這件事」	肌肉記憶
Agent	自己決定用哪些 Skill、自己跑完	經理人
Interface	聊天框、Cursor、Notion 等你看到的入口	辦公桌

大部分人在用的只是大腦跟辦公桌。三天後你會開始訓練它的肌肉記憶。

Visual Model

三層簡化模型圖

大腦

LLM

理解、推理、寫作、生成內容。很聰明，但沒有工具就只能「想」。

手腳

Tools / Agents

查網頁、讀檔案、畫圖、建表單、串接系統，讓 AI 從回答走向行動。

肌肉記憶

Workflow / Skill

照你的方式一步步做，知道順序、工具、品質標準與檢查點。

今天先記住一個實務版本：單一模型產出，多模型挑錯，人類做決策。

Shock Demo

震撼 Demo：30 人活動規劃的三種做法

任務：下週要辦一場 30 人活動，請幫我規劃活動流程、預算、人力分工、邀請文案與報名表單。

傳統做法

搜尋範例、開 Word 寫邀請信、Excel 做預算、Google Form 建表單、Canva 做海報，再把所有東西整合成計畫書。耗時約 3-4 小時，而且每個工具都要重新同步上下文。

Observation Sheet

流程成本觀察表

問題	傳統做法	ChatGPT	Agent 工作流
誰決定流程？	你，每次重想	AI，但通常很通用	AI 按你的邏輯跑
能不能下次複用？	每次重新來	可複用 prompt，但仍要搬資料	流程可以複用，改資料即可
出問題誰檢查？	你自己查漏	你驗證 AI 答案	每一步都有檢查點，必要時加第二模型審查
能不能教別人？	要解釋很多細節	要教 prompt 寫法	流程圖 + 檢查點即可操作

金句：第一種是我在做事；第二種是我在跟 AI 聊天然後自己做事；第三種是我在設計一個系統，系統幫我做事。

Visual Comparison

三種做法對比圖

傳統做法

你在做事

搜尋範例、寫文案、做預算
建表單、做海報、整合文件
耗時約 3-4 小時

每次都要重新整合。

單一 ChatGPT

你在跟 AI 聊天

一次 Prompt 取得企劃概況
人工驗證數字與事實
耗時約 30 分鐘

結構通用，仍要搬運。

Agent 工作流

你在設計系統

查資料、產企劃、做素材
每一步都有檢查點
耗時約 45 分鐘，可複用

流程可以迭代，下次改資料即可。

Hands-On

即時體驗：同一封邀請信，兩種做法

方法 A：直接問

幫我寫一封邀請客戶參加下週活動的信。

方法 B：先拆步驟

先列出這場活動的三個亮點。再根據這三個亮點，寫一封邀請客戶參加活動的信。語氣專業但親切，250 字以內。

觀察：哪一封更像 CEO 的風格？哪一封更強調活動特點？哪一封更容易被客戶接受？

Closing

AI 的邊界：概率性系統需要檢查機制

最強的情境

任務清晰、標準明確、有人覆核。

要小心的情境

模糊創意、高風險決策、無法驗證的答案。

Day 2 預告

明天學三問框架：探索或生產？需要最新資訊？需要長流程嗎？這是不是高風險或公開輸出？

傳統 App 是確定性的：你按儲存，它就儲存。AI 是概率性的：同樣問題問兩次，可能有不同答案。這不是 bug，這是本質。所以你要學會設計檢查機制。

Non-determinism Human Review Knowledge Cutoff

Homework

收尾與回家作業

核心記憶點

AI 不是 App，是新的運算層。我不只是使用者，我要成為設計者。

全員複誦一次，讓這句話成為 Day 1 的認知錨點。

明天來之前

打開 ChatGPT 或任何你常用的 AI，把工作上一個重複性任務丟給它，看看它做得怎麼樣。

請記錄：它哪裡做得好？哪裡做得爛？明天我們分析為什麼。