AI 專精訓練營：從零到代理架構師

概要：歡迎來到人工智慧精通訓練營。我們首先拆解初學者常見的「垃圾進，垃圾出」障礙。本課程建立與大型語言模型（LLM）互動的關鍵心智模型。首先，我們定義工具選擇策略，教導你在何種情境下使用推理模型（如 DeepSeek-R1）處理邏輯問題、使用長上下文模型（如 Claude）處理大量閱讀任務，或使用全能型模型（如 ChatGPT-4o）完成日常任務。接著介紹核心課程標準——BRIC 框架（背景、角色、指令、限制）。這項通用公式能將模糊請求轉化為精確的工程指令。我們進一步深化知識，引入少樣本提示以複製個人寫作語調，以及思考鏈（Chain of Thought）促使人工智慧展示其推演過程。課程最後以實務練習收尾：使用 BRIC 撰寫一封敏感且高情商的拒絕電子郵件。掌握這些「魔法咒語」，為第二節課奠定必要基礎，屆時將應用這些提示來大幅提升閱讀速度與病毒式內容創作能力。

學習成果：

• 根據特定任務需求，策略性選擇正確的 AI 模型類型（推理型 / 長上下文型 / 全能型）。
• 應用 BRIC 框架（背景、角色、指令、限制）來結構化提示，消除泛泛而談的回應。
• 實施「少樣本提示」，訓練人工智慧模擬特定語氣與寫作風格。
• 使用「思考鏈」提示提升複雜邏輯推理任務的準確性。
• 透過 BRIC 公式撰寫一封高情商專業郵件，展現結構化溝通的掌握能力。

概要：繼第一節課建立的「BRIC」框架與提示工程基礎，本節課從基本互動轉向高產量的「內容煉金術」。我們從「資訊榨汁機」開始，針對資訊過載問題，利用長上下文模型瞬間處理百頁 PDF 與小時級會議紀錄。學員將學習特定的資料萃取流程，將非結構化噪音轉化為結構化的執行摘要與戰略待辦清單，確保無關鍵資料遺漏。接下來，我們著眼於輸出端的「病毒式文案」。不再停留在一般文字生成，而是進入進階風格模仿層面。透過剖析 LinkedIn 或 Twitter 上表現優異的貼文，學員將學習提取「風格基因」——分析句長、開頭鉤子結構與排版格式，創造能避開「人工智慧偵測器」的內容。本節課整合這些技能，形成實用工作流程：上傳一份複雜的技術報告，並轉化成三篇不同風格、高互動性的社群媒體貼文，符合特定「影響者風格」。對文字處理與風格轉移的掌控，為第三節課奠定基礎，屆時將把這些指令邏輯模式應用於 Excel 的結構化資料環境與 PowerPoint 的視覺設計中。

學習成果：

• 掌握「資訊榨汁機」工作流程，使用長上下文模型將長篇文件（PDF/紀錄）轉化為可行動任務。
• 學習解析優秀內容，建立可重複使用的「風格基因」提示，消除機械化的人工智慧語調。
• 完成端對端的「內容煉金術」循環：將技術產業報告轉化為吸引人、具人味的社群媒體文案。

概要：繼第二節課對文字內容煉金術（閱讀與寫作加速）的掌握，第三節課轉向現代辦公室的兩大支柱：資料分析與視覺呈現。前一節課聚焦於消化與生成文字，本模組則直面「格子與投影片」——企業生活中最耗時的兩大痛點。我們從「Excel 救星」開始，示範你不再需要記憶 VLOOKUP 或複雜嵌套 IF 函式的語法；相反，你將學習如何使用自然語言提示，立即生成無錯誤的公式，並引導快速建立數據透视表。接著，我們轉向「PPT 殺手」，從「一句話」概念進階至「完整簡報」，使用如 Gamma 或 Copilot 等人工智慧原生設計工具。核心深入探討將這些技能整合成快速工作流程：分析原始資料以提取洞見，並立即將這些洞見轉化為一張精美設計的十頁簡報。此「辦公室升級」顯著提升個人效率，但也突顯了一個關鍵限制：人工智慧雖快，卻仍無法存取你的專屬私人文件與公司知識。這個缺口，正好為第四節課鋪路，我們將透過 RAG 技術建立「第二腦」來解決上下文問題。

學習成果：

• 將自然語言需求轉譯為複雜的 Excel 語法（含 VLOOKUP、IF 及巨集），消除手動編碼公式的需要。
• 利用人工智慧驅動的簡報工具（如 Gamma 或 Copilot），僅憑一則提示即可生成結構化大綱與完整設計的投影片簡報。
• 執行整合式工作流程，於十分鐘內將原始資料分析轉化為專業客戶可用的簡報。
• 認識通用人工智慧模型在私密資料安全上的局限，為轉向本地知識庫做好準備。

概要：繼第三節課對輸出自動化（Excel/PPT）的關注，本節課著眼於通用人工智慧的關鍵限制：因缺乏私人上下文所導致的「幻覺」問題。本節課介紹檢索增強生成（RAG）技術，這項技術能將通用的大語言模型轉化為個人化的「第二腦」。我們將 RAG 概念化為改變人工智慧的運作模式：從「閉卷考試」（猜測）轉為「開卷考試」，使其在回答前先參考你的專屬文件。核心模組聚焦於「NotebookLM 精通」，示範如何匯入龐大的資料集——從會議紀錄到整本電子書——以產生即時引用與語音學習播客。接著拓展至企業應用，展示如何利用 Coze 或 Dify 等平台，建立 24/7 客服機器人，僅訓練於公司產品手冊。課程最後以「虛擬面試官」練習作結：將你的履歷交給人工智慧，模擬真實就職面試。這為第五節課奠定必要知識基礎，屆時將賦予此有知的「腦」自主「行動」的能力。

學習成果：

• 定義檢索增強生成（RAG），並解釋「開卷考試」方法如何消除人工智慧幻覺。
• 精通 Google NotebookLM，將靜態筆記與 PDF 轉化為可互動、可查詢的資料庫與語音播客。
• 設計企業客服機器人的邏輯流程，使其僅根據上傳的產品手冊回答問題。
• 成功將履歷與作品集納入知識庫，建立個人化的「虛擬面試官」機器人。

概要：第四節課中，我們透過提供人工智慧私人資料，建立了一個「第二腦」以解決幻覺問題。在本節最終課程中，我們實現從「諮詢」被動聊天機器人到「聘請」主動「數位員工」的極致躍升。我們首先定義自主代理的架構，說明加入「外掛」如何讓大語言模型擁有「手與眼」，得以瀏覽即時網路、產生圖片或與外部 API 互動——有效打破靜態知識截止的限制。核心講座聚焦於「工作流程自動化」，超越單次提示，進而設計連續的任務鏈。我們將剖析一個複雜工作流程（例如：監控新聞 → 摘要 → 撰寫草稿 → 找圖 → 發佈），展示人工智慧如何在無人介入的情況下執行多步邏輯。最後，我們介紹「部署」方式，使用 Coze 等無程式平台，指導學生將機器人發布至 WhatsApp 或 Discord。課程最後以「最終專案」作結：學員釋放他們功能完備的代理（例如：「晚餐決策者」），並分享實時連結，標誌著正式從初學者晉升為代理架構師。

學習成果：

• 区分被動式人工智慧聊天機器人與具備外掛的主動式自主代理。
• 設計並實作多步工作流程（鏈條），自動化複雜任務如內容監控與創建。
• 整合外部工具（搜尋、圖像生成），賦予人工智慧即時互動能力。
• 將功能完備的「數位員工」部署至即時通訊平台（WhatsApp/Discord）或網頁介面。
• 展示最終實時代理專案，完成「從零到代理架構師」認證。