Day 1 - 115/05/14 10:00-12:00
重新認識生成式 AI
從聊天工具，看到新的軟體架構。
- 生成式 AI 到底改變了什麼
- ChatGPT 只是入口，不是全部
- 五層模型的直覺版
Agentic Substrate Course
從聊天到協作：生成式 AI 時代的工作方法升級
三堂兩小時課，把「重新認識 AI」、「選擇與搭配工具」、「把日常流程變成 Skill」串成一條清楚的學習路徑。
Core Definition
基礎定義：這不是工具課，而是工作系統課
核心承諾
從「AI 是聊天工具」升級到「AI 是新型工作系統」。你會重新看懂 AI 在工作裡的位置，不再只問哪個工具比較強。
收尾承諾
三天結束時，你會從工具使用者，變成 AI 協作的設計者。
課程核心句：你不是在用 AI，你是在設計一個會幫你工作的系統。
Learning Journey
三天不是工具清單，而是一段認知升級
Day 2 - 115/05/15 10:00-12:00
AI 工具的選擇與搭配
從問哪個工具好，變成用工具組合做出一頁式網站。
- 依任務選工具，而不是追品牌
- 完成網站任務拆解畫布
- 帶走網站內容包與社群貼文草稿
Day 3 - 115/05/16 10:00-13:00
AI 生成靈魂融入你的日常
從會用 AI，變成會教 AI 做自己的事。
- 什麼是 Skill
- 七個問題萃取工作流程
- 完成、交換、現場跑自己的 AI 工作流卡
Repo Bridge
這三堂課，直接對應 repo 的學習路徑
Level 1: Conversation
學員熟悉的起點：問問題、得到答案。第一堂課用這裡建立共同語言。
Level 2: Tool Use
第二堂課進入工具與任務搭配：AI 不只回答，也能搜尋、整理、寫文件、分析資料。
Level 3: Skill Building
第三堂課把個人日常流程寫成 Skill 雛形，讓 AI 可以重複遵循你的工作方法。
對外可以說：這不是單純教 prompt，而是帶你從「使用 AI」走到「設計 AI 協作流程」。
Day 1
重新認識生成式 AI：先換一張地圖
學員帶走的觀念
- AI 不只是聊天機器人，而是新的推理與生成層
- 好的使用方式，來自清楚的任務與情境
- 未來的軟體單元，會越來越像可組合的 Skill
120 分鐘流程
0-15
暖身：大家現在怎麼用 AI
15-45
生成式 AI 的能力邊界與常見誤解
45-80
從 App 到 Agentic Substrate
80-105
案例拆解：同一任務的三種做法
105-120
問答與隔天工具課鋪陳
Five-Layer Model
五層模型，用課堂語言講
L1
LLM 運算層AI 怎麼理解、推理、生成。
L2
工具與協議層AI 怎麼接觸世界。
L3
Skill 層AI 怎麼學會你的工作方法。
L4
Agent 層AI 怎麼變成長期協作者。
L5
介面層人怎麼進入這套系統。
L1 - LLM 運算層
LLM 是推理與語言理解的底層能力。它像大腦，但沒有工具就只能說，不能做。
這張圖是第一堂的核心。它讓學員知道：工具只是表面，真正重要的是你如何設計任務與流程。
Day 2
AI 工具的選擇與搭配：先問任務，不先問品牌
新議題研究
適合搭配搜尋型 AI、通用 LLM、筆記工具。重點不是只找答案，而是要求來源、摘要、分歧觀點與待查問題。
PerplexityChatGPTClaudeNotebook
建議流程：搜尋與來源 -> 摘要 -> 爭點整理 -> 轉成行動問題。
Day 2 Output
當天帶走：自己的一頁式網站內容包
反向拆解
先問不用 AI 會怎麼做網站：蒐集素材、寫文案、找參考、排版、做圖、上架。再判斷哪些環節交給 AI。
工具串接
LLM 整理定位與文案，搜尋工具補市場語言，Canva / Google Sites / Framer / Carrd 等工具完成頁面。
可展示成果
學員完成網站區塊文案、建站提示詞、社群貼文與人工覆核點，課後可直接上線或改版。
網站題目可選個人、公司、工作室、商品、服務、活動、流程或青年提案。
Workflow Thinking
工具搭配，其實是在設計一條工作流
Input
資料、想法、檔案、對話紀錄、現場情境。先確認 AI 可以拿到什麼。
Process
搜尋、分類、比較、萃取、生成、驗證。工具的價值在這裡組合。
Output
報告、簡報、清單、決策建議、下一步行動。輸出要能被人直接使用。
第二堂的練習：請學員把一頁式網站寫成「輸入、工具串接、輸出、人工覆核點」。這會自然銜接第三堂 Skill。
Day 3
AI 生成靈魂融入日常：把你的方法寫成 Skill
核心承諾
你今天會帶走一張屬於你自己的 AI 工作流卡。這堂不是 prompt 課，而是「工作方法萃取」工作坊。
Skill = 你的經驗 + 結構化流程 + AI 可以執行的指令。
3 小時招牌工作坊
- 理解 Skill 與 Prompt 的差別
- 用七問萃取自己的隱性工作流程
- 兩兩交換測試，確認別人能不能操作
- 講師現場跑卡，看到 AI 真的產出
- 完成 90 天落地計畫
Case Study
從同事.skill 到自己的工作型數位分身
案例怎麼轉譯？
dot-skill 的爆點，是把聊天、文件、PR、Email 等工作痕跡，萃取成可被 AI 調用的 Skill。課堂裡我們把角度改成自己：不是蒸餾別人，而是封裝自己的工作方法。
數位分身負責協作，不負責替你承擔責任。
自己的分身要學什麼？
- 我會做哪些工作，邊界在哪裡
- 我怎麼判斷優先順序與風險
- 我習慣輸出什麼格式與語氣
- 我會如何檢查品質並修正版本
Visual Model
我的工作型數位分身怎麼形成？
Interactive Worksheet
我的 AI 工作流卡
填寫工作流卡後，可以在這裡產生一份 SKILL.md 草稿。
Teaching Flow
三堂課可以共用同一個敘事
Day 1: 看懂位置
生成式 AI 不是單一產品，而是一個新的工作系統入口。
Day 2: 選對組合
工具不是拿來收集，而是拿來放進任務流程裡。
Day 3: 寫出方法
真正的差異化，是把自己的判斷與流程變成 AI 可重用的 Skill。
這樣設計的好處：即使課程對象是初學者，也不會停在「今天介紹很多工具」。他們會帶走一套看世界的方法。
Course Outcome
最後讓學員帶走三樣東西
一張 AI 地圖
知道 ChatGPT、工具、Skill、Agent 分別站在哪裡，不再被產品名稱牽著走。
一套選工具方法
能從任務出發，判斷需要搜尋、生成、分析、設計，還是流程協作。
一張工作流卡
把自己的日常工作流程整理成 AI 可以理解、可以重複執行的 Skill 草稿。
Closing
從會使用 AI，到會設計 AI 協作
這三堂課的真正價值，是讓學員發現：自己的專業流程不是被 AI 取代的東西，而是讓 AI 變得有用的關鍵材料。