MODULE 01 · FOUNDATION
AI 入門:建立正確的 AI 思維 學會解釋生成式 AI、按任務選工具、辨識不確定答案,並建立安全使用規則。
核心觀念: 把 AI 當成需要明確任務、適當資料和品質檢查的協作工具,而不是絕對權威。
M01 · LESSON 01 | 建議 20–30 分鐘
生成式 AI、LLM 與多模態模型 本課目標: 理解 AI 不等於搜尋引擎,也不是永遠正確的資料庫。
核心知識 生成式 AI 能根據輸入生成文字、圖片、音訊或程式;LLM 是其中處理語言任務的一類模型。 模型會根據上下文產生推論結果,流暢、肯定的語氣不代表答案已查證。 多模態模型可處理文字以外的輸入或輸出;實際能力視乎產品、模型及帳戶方案。 搜尋工具用於找資料;生成模型用於理解、整理和生成,兩者可以配合但不能混為一談。
實作練習 把「幫我做市場研究」拆成地區、期間、客群、資料來源、比較指標和報告格式。
本課練習 Prompt 複製 任務:生成式 AI、LLM 與多模態模型
背景:理解 AI 不等於搜尋引擎,也不是永遠正確的資料庫。
練習:把「幫我做市場研究」拆成地區、期間、客群、資料來源、比較指標和報告格式。
請先指出資料缺口及假設,再提供分步方案、可執行成果和驗收清單。使用繁體中文;不可捏造事實;不確定之處要明確標示。
我已完成本課及練習
M01 · LESSON 02 | 建議 20–30 分鐘
ChatGPT 與 Claude:按任務選擇 本課目標: 不把品牌當成固定排名,而是以任務和實測結果選擇。
核心知識 先定義任務:研究、寫作、文件分析、資料分析、編程、圖片、語音或工具操作。 確認目前帳戶是否提供所需功能;免費及付費方案、地區和工作空間設定可能不同。 用相同輸入、相同指示及相同評分準則測試兩個工具。 比較正確性、完整性、可控性、來源品質、速度、易用程度和成本。 建立自己的測試案例,不要以單次示範決定長期工具選擇。
實作練習 準備同一份產品簡介,要求兩個工具整理賣點、風險和客群,再以同一評分表比較。
本課練習 Prompt 複製 任務:ChatGPT 與 Claude:按任務選擇
背景:不把品牌當成固定排名,而是以任務和實測結果選擇。
練習:準備同一份產品簡介,要求兩個工具整理賣點、風險和客群,再以同一評分表比較。
請先指出資料缺口及假設,再提供分步方案、可執行成果和驗收清單。使用繁體中文;不可捏造事實;不確定之處要明確標示。
我已完成本課及練習
M01 · LESSON 03 | 建議 20–30 分鐘
模型、工具、帳戶方案與限制 本課目標: 分清模型本身、產品介面、外部工具及帳戶方案。
核心知識 模型負責理解與生成;產品介面提供檔案、搜尋、語音、專案等工作方式。 工具或連接器可讓 AI 存取外部服務,但受權限、可用性及確認步驟限制。 方案可能影響可用模型、額度、檔案限制或功能;細節會更新。 API 與一般聊天產品是不同使用方式,收費、資料處理和設定亦可能不同。 找不到功能時,先核對官方文件、帳戶設定和管理員政策。
實作練習 建立工具盤點表:任務、平台、功能、方案要求、資料敏感度、替代方案、官方文件及核對日期。
本課練習 Prompt 複製 任務:模型、工具、帳戶方案與限制
背景:分清模型本身、產品介面、外部工具及帳戶方案。
練習:建立工具盤點表:任務、平台、功能、方案要求、資料敏感度、替代方案、官方文件及核對日期。
請先指出資料缺口及假設,再提供分步方案、可執行成果和驗收清單。使用繁體中文;不可捏造事實;不確定之處要明確標示。
我已完成本課及練習
M01 · LESSON 04 | 建議 20–30 分鐘
AI 幻覺:如何查證重要答案 本課目標: 建立可重複的驗證程序,尤其適用於數字、日期、引用和決策。
核心知識 把答案拆成獨立主張,而不是整段照單全收。 要求原始來源、發布日期、適用地區及直接支持主張的證據。 打開來源核對:來源是否存在、是否最新、是否真正支持結論。 核對數字的單位、期間、計算方式;引用要對照原文。 無法驗證時標示「未確認」,不可把推測寫成事實。
實作練習 用一段含五個事實主張的文字,逐項標記已找到支持、來源不支持或未能核實。
本課練習 Prompt 複製 任務:AI 幻覺:如何查證重要答案
背景:建立可重複的驗證程序,尤其適用於數字、日期、引用和決策。
練習:用一段含五個事實主張的文字,逐項標記已找到支持、來源不支持或未能核實。
請先指出資料缺口及假設,再提供分步方案、可執行成果和驗收清單。使用繁體中文;不可捏造事實;不確定之處要明確標示。
我已完成本課及練習
M01 · LESSON 05 | 建議 20–30 分鐘
個人資料、商業機密及版權風險 本課目標: 掌握輸入資料的私隱、保密、權利及使用風險。
核心知識 不要隨意輸入密碼、API 金鑰、身份證件、客戶資料或未公開商業機密。 先做資料最小化,刪除姓名、電話、地址等不必要識別資訊。 了解帳戶資料控制、保留、分享及模型改善設定;企業工作空間可能不同。 上傳文件前確認自己有權使用和分享;生成內容仍需檢查版權、商標及事實。 法律、醫療、財務及人事等高影響決定必須由合資格人士覆核。
實作練習 把虛構客戶名單改成匿名樣本,設計一個只保留分析所需欄位的安全版本。
本課練習 Prompt 複製 任務:個人資料、商業機密及版權風險
背景:掌握輸入資料的私隱、保密、權利及使用風險。
練習:把虛構客戶名單改成匿名樣本,設計一個只保留分析所需欄位的安全版本。
請先指出資料缺口及假設,再提供分步方案、可執行成果和驗收清單。使用繁體中文;不可捏造事實;不確定之處要明確標示。
我已完成本課及練習
M01 · LESSON 06 | 建議 20–30 分鐘
建立個人 AI 使用守則 本課目標: 把零散習慣整理成可持續執行的個人工作規範。
核心知識 為常見任務設定預設工具及替代方案。 規定何時必須查證、人工批准,何時不可使用 AI。 建立檔案命名、版本管理、來源紀錄及 Prompt 保存方式。 重複工作可整理成模板,但每次要檢查背景是否仍適用。 每月回顧節省時間、錯誤類型、成本、資料風險和改善項目。
實作練習 完成一頁式個人 AI 使用守則:至少五項可做、五項不可做、三項必須人工覆核。
本課練習 Prompt 複製 任務:建立個人 AI 使用守則
背景:把零散習慣整理成可持續執行的個人工作規範。
練習:完成一頁式個人 AI 使用守則:至少五項可做、五項不可做、三項必須人工覆核。
請先指出資料缺口及假設,再提供分步方案、可執行成果和驗收清單。使用繁體中文;不可捏造事實;不確定之處要明確標示。
我已完成本課及練習
MODULE 02 · PROMPT ENGINEERING
Prompt Engineering:有效指揮 AI 學會寫清楚任務、提供上下文、拆解複雜工作、定義輸出標準及測試改善 Prompt。
核心觀念: Prompt 不是咒語。好的指令讓目標、背景、限制和成功標準清楚可見;複雜任務要分階段驗收。
M02 · LESSON 01 | 建議 20–30 分鐘
好 Prompt 的基本結構 本課目標: 用清楚的任務描述降低 AI 猜測,不需要每次填滿固定公式。
核心知識 目標:最後要得到甚麼成果,而不是只說「幫我看看」。 背景:受眾、情境、已知資料、現況和相關限制。 輸入:提供文件、數據、例子,或說明資料缺口。 輸出:指定格式、長度、語言、語氣及欄位。 邊界:不可做甚麼、哪些內容不可改、哪些事情要先詢問。 驗收:列出可檢查的成功標準。
實作練習 把「幫我寫一個網站」改成有客群、頁面、功能、技術限制和驗收標準的任務簡報。
本課練習 Prompt 複製 任務:好 Prompt 的基本結構
背景:用清楚的任務描述降低 AI 猜測,不需要每次填滿固定公式。
練習:把「幫我寫一個網站」改成有客群、頁面、功能、技術限制和驗收標準的任務簡報。
請先指出資料缺口及假設,再提供分步方案、可執行成果和驗收清單。使用繁體中文;不可捏造事實;不確定之處要明確標示。
我已完成本課及練習
M02 · LESSON 02 | 建議 20–30 分鐘
上下文、資料與參考範例 本課目標: 讓 AI 明白任務情境,以及哪些材料才是可信依據。
核心知識 提供足夠但不過量的背景;無關資訊會分散注意力。 說明資料優先次序,例如「只以附件為準;外部資料另行標示」。 清楚區分引用材料與你的指令,避免文件中的文字被誤當成新指令。 用正反例說明你想要及不想要的輸出。 大型任務先整理資料索引,標記檔案名稱、日期及版本。
實作練習 提供兩段喜歡的文案和一段不喜歡的文案,要求 AI 歸納風格規則再寫新版本。
本課練習 Prompt 複製 任務:上下文、資料與參考範例
背景:讓 AI 明白任務情境,以及哪些材料才是可信依據。
練習:提供兩段喜歡的文案和一段不喜歡的文案,要求 AI 歸納風格規則再寫新版本。
請先指出資料缺口及假設,再提供分步方案、可執行成果和驗收清單。使用繁體中文;不可捏造事實;不確定之處要明確標示。
我已完成本課及練習
M02 · LESSON 03 | 建議 20–30 分鐘
拆解複雜任務與多輪對話 本課目標: 把大型任務拆成可檢查的小步驟,避免一次生成大量未驗證內容。
核心知識 先要求 AI 重述目標、列出假設及交付物。 把工作拆成研究、規劃、製作、測試、修正及交付。 每階段設定輸入、輸出和完成條件。 先完成小樣本,確認方向後再批量處理。 保留決策紀錄;需求改變時指出變更範圍及不變部分。
實作練習 以建立產品網站為題,先產出需求規格,再只完成首頁原型,確認後才進入程式製作。
本課練習 Prompt 複製 任務:拆解複雜任務與多輪對話
背景:把大型任務拆成可檢查的小步驟,避免一次生成大量未驗證內容。
練習:以建立產品網站為題,先產出需求規格,再只完成首頁原型,確認後才進入程式製作。
請先指出資料缺口及假設,再提供分步方案、可執行成果和驗收清單。使用繁體中文;不可捏造事實;不確定之處要明確標示。
我已完成本課及練習
M02 · LESSON 04 | 建議 20–30 分鐘
輸出格式、語氣與驗收標準 本課目標: 把抽象的「好一點」變成可評分、可比較、可重做的要求。
核心知識 指定輸出媒介:清單、表格、Markdown、JSON、電郵或程式碼。 指定讀者及語氣:新手、管理層、工程師或客戶。 指定長度與細節程度,避免不必要的冗長。 定義驗收標準:準確、完整、可執行、符合限制、來源清楚。 如需機器處理,提供欄位名稱、型別及格式範例。
實作練習 同一份資料分別要求一頁管理摘要、詳細分析表及客戶版說明,檢查格式如何改變可讀性。
本課練習 Prompt 複製 任務:輸出格式、語氣與驗收標準
背景:把抽象的「好一點」變成可評分、可比較、可重做的要求。
練習:同一份資料分別要求一頁管理摘要、詳細分析表及客戶版說明,檢查格式如何改變可讀性。
請先指出資料缺口及假設,再提供分步方案、可執行成果和驗收清單。使用繁體中文;不可捏造事實;不確定之處要明確標示。
我已完成本課及練習
M02 · LESSON 05 | 建議 20–30 分鐘
讓 AI 主動澄清與標示不確定性 本課目標: 避免 AI 在資料不足時自行猜測,並讓使用者掌握決策權。
核心知識 要求 AI 區分已知事實、推論、假設及待確認事項。 只問會實質改變結果、風險或執行方式的關鍵問題。 要求列出採用的假設,以及假設錯誤會造成甚麼影響。 高風險任務先提出選項及利弊,待確認後才執行。 不要要求模型展示隱藏的內部思考;改要求簡明理由、依據和可核查證據。
實作練習 提供一個缺少預算和客群的商業計劃需求,要求 AI 先問最多三個真正關鍵的問題。
本課練習 Prompt 複製 任務:讓 AI 主動澄清與標示不確定性
背景:避免 AI 在資料不足時自行猜測,並讓使用者掌握決策權。
練習:提供一個缺少預算和客群的商業計劃需求,要求 AI 先問最多三個真正關鍵的問題。
請先指出資料缺口及假設,再提供分步方案、可執行成果和驗收清單。使用繁體中文;不可捏造事實;不確定之處要明確標示。
我已完成本課及練習
M02 · LESSON 06 | 建議 20–30 分鐘
Prompt 測試、迭代與版本管理 本課目標: 把 Prompt 當成工作流程一部分,透過測試而非感覺判斷效果。
核心知識 建立三至五個代表性測試案例,包含一般情況及邊界情況。 用固定評分表:正確性、完整性、格式、遵守限制及可用性。 每次只改一至兩個重點,避免無法判斷改善原因。 保存 Prompt 版本、測試輸入、輸出、日期、模型及結果。 模型或產品更新後重新測試,不要假設舊 Prompt 永遠有效。
實作練習 為客服回覆 Prompt 建立測試集:一般查詢、資料不足、投訴、政策不明及不合理要求。
本課練習 Prompt 複製 任務:Prompt 測試、迭代與版本管理
背景:把 Prompt 當成工作流程一部分,透過測試而非感覺判斷效果。
練習:為客服回覆 Prompt 建立測試集:一般查詢、資料不足、投訴、政策不明及不合理要求。
請先指出資料缺口及假設,再提供分步方案、可執行成果和驗收清單。使用繁體中文;不可捏造事實;不確定之處要明確標示。
我已完成本課及練習
MODULE 03 · CHATGPT PRACTICAL
M03|ChatGPT 實戰應用 由日常對話進階至研究、分析、創作與工作流程。每課包含操作觀念、練習及可複製 Prompt。
本單元完成成果: 完成六項實作,建立一套可重複使用的 M03 工作流程,並懂得辨識功能限制、權限和人工覆核點。
M03 · LESSON 01 | 建議 25–40 分鐘
Projects:建立長期工作空間 本課目標: 把長期任務集中管理,減少每次重新交代背景。
核心知識 Project 適合有持續背景的工作,例如網站開發、課程製作、研究或營運計劃。 把穩定資料放入專案:目標、受眾、規格、決策紀錄、參考文件及專案指示。 每個專案應有清晰邊界;不要把互不相關的工作全部放在同一專案。 重要決策要整理成可讀的摘要或決策紀錄,避免只依賴長對話。 檔案數量、功能和共享能力視乎帳戶方案及工作空間設定。
實作練習 建立「我的網站專案」,加入一頁專案簡介、目標、技術限制和待辦清單;再開新對話測試 AI 能否正確沿用背景。
可複製實戰 Prompt 複製 請協助我建立一個可長期使用的 ChatGPT Project 工作規格。專案名稱:[名稱]
目標:[要完成甚麼]
使用者/受眾:[對象]
已確認事實:[列出]
技術或資源限制:[列出]
目前進度:[列出]
請輸出:1. 可直接放入 Project Instructions 的指示 2. 建議上載的檔案清單 3. 專案資料夾/對話分類 4. 決策紀錄格式 5. 每次開始新任務前的檢查清單。未知資料請標示,不要自行補造。
我已完成本課及練習
M03 · LESSON 02 | 建議 25–40 分鐘
Deep Research:做有來源的深度研究 本課目標: 由一般問答轉為有範圍、有證據、有引用的研究流程。
核心知識 先界定研究問題、地區、期間、受眾和決策用途,再開始研究。 要求研究計劃先列出子問題、預期來源及資料缺口;複雜任務可先確認研究方向。 閱讀引用來源,不要只看 AI 摘要;檢查發布日期、作者、原始資料及證據是否支持結論。 區分事實、推論、預測和建議;不同來源互相矛盾時應保留分歧。 Deep Research 的可用性、次數和介面可能因方案或產品更新而不同。
實作練習 選一個真實商業問題,先寫研究簡報,再要求 Deep Research 整理市場、競爭者、證據和未確定事項。
可複製實戰 Prompt 複製 請為以下決策制定深度研究簡報。
研究問題:[問題]
地區/市場:[地區]
研究期間:[期間]
決策用途:[我要用結果決定甚麼]
必須回答:1. 市場現況 2. 主要參與者 3. 客戶需求 4. 競爭與替代方案 5. 風險 6. 可行機會。
優先使用官方統計、公司原始資料、監管機構及可信研究。每項重要主張附可開啟來源及日期;區分事實、推論和假設;列出資料不足及互相矛盾之處。先提出研究計劃供我確認。
我已完成本課及練習
M03 · LESSON 03 | 建議 25–40 分鐘
Data Analysis:用檔案回答數據問題 本課目標: 學會上載資料、檢查品質、分析、視覺化及解讀限制。
核心知識 先說明檔案格式、欄位、列數、日期範圍及資料品質,再決定分析方法。 先處理缺失值、重複資料、格式錯誤、單位和異常值,不要直接跳到結論。 要求每個指標列出定義、計算方法、篩選條件及樣本範圍。 圖表要回答具體問題;避免只為美觀而製作沒有決策價值的圖。 不要把相關性直接當成因果;小樣本、偏差和資料缺漏都要列明。
實作練習 用匿名化 CSV 分析每月銷售:先檢查欄位,再計算收入、訂單數、平均訂單額和月份變化,最後做圖及寫管理摘要。
可複製實戰 Prompt 複製 我會提供一份 CSV/Excel。請先不要急於下結論。
第一步:列出工作表、欄位、資料型態、記錄數、日期範圍、缺失值、重複列及可疑值。
第二步:向我確認欄位定義和貨幣/單位。
第三步:按以下問題分析:[問題]
第四步:提供計算方法、表格和適合的圖表。
第五步:寫出管理摘要、限制、不可推論的事項及建議下一步。不得捏造不存在的欄位或數據。
我已完成本課及練習
M03 · LESSON 04 | 建議 25–40 分鐘
圖片生成與視覺修改 本課目標: 將文字構想轉成可用視覺素材,並學會迭代而非一次求完美。
核心知識 先確定用途、受眾、畫面比例、主體、場景、風格及必須保留的元素。 把主體、構圖、光線、色彩、材質、鏡頭感和負面限制分開描述。 需要精確文字、商標或產品細節時,預留人工排版和校對步驟。 修改圖片時,清楚指出要改甚麼,以及哪些元素必須保持不變。 生成結果可能出現細節錯誤;商業使用前檢查文字、手指、產品形狀、品牌及授權要求。
實作練習 為一個虛構品牌製作三種不同方向的社交媒體主視覺,先比較構圖,再選一個方向進行局部修改。
可複製實戰 Prompt 複製 請為[品牌/產品]設計一張[用途]視覺。
目標受眾:[受眾]
核心訊息:[一句話]
主體:[畫面主角]
場景與構圖:[位置、視角、留白]
視覺風格:[風格]
色彩:[色彩]
比例:[例如 1:1/4:5/16:9]
必須保留:[元素]
避免:[不希望出現的元素]
請先提出三個視覺方向,每個說明構圖和適用情境;選定後再生成。若圖片內文字可能不準確,請保留乾淨留白供後期排版。
我已完成本課及練習
M03 · LESSON 05 | 建議 25–40 分鐘
Voice:語音對話與口述工作流 本課目標: 把語音用於討論、練習、記錄和快速整理。
核心知識 語音適合腦力激盪、語言練習、口述草稿和不方便打字的情境。 開始前說明任務、角色和希望的互動方式,例如面試官、語言教練或會議整理員。 口述資料可能有專有名詞、數字和中英混合錯誤;重要內容要回看文字稿。 涉及私隱或會議錄音時,先取得適當同意並確認平台政策。 不同裝置、語音模式和帳戶方案的功能可能不同;不要假設所有使用者都有相同介面。
實作練習 用語音進行五分鐘英文口說練習,要求 AI 每次只糾正三個最重要問題,最後整理練習紀錄。
可複製實戰 Prompt 複製 你現在是我的[語言/表達]教練。請用[語言]與我進行約[時間]的對話。
我的程度:[程度]
練習目標:[目標]
互動規則:每次只問一個問題;先讓我完整回答;不要頻繁打斷;如我要求才提供提示。
結束時請整理:1. 我表達得好的地方 2. 最重要三個改善點 3. 更自然的示範說法 4. 下一次練習題目。
我已完成本課及練習
M03 · LESSON 06 | 建議 25–40 分鐘
組合工具:把 ChatGPT 變成工作流程 本課目標: 把專案、研究、檔案、分析及輸出組成一個可檢查的流程。
核心知識 先把任務拆成輸入、處理、人工確認、輸出和存檔五個階段。 每個階段指定工具:Project 管理背景、Research 找證據、Data Analysis 處理資料、生成工具製作成果。 涉及外部連接器或執行操作時,先檢查授權範圍和需要使用者確認的步驟。 重要決策保留人工關卡;不要讓模型在未確認下發送、刪除或公開資料。 建立 SOP、輸出範本和驗收清單,讓流程可以重複及交接。
實作練習 設計每週市場情報流程:收集來源、整理競爭者變化、更新表格、產生摘要、人工覆核及歸檔。
可複製實戰 Prompt 複製 請把以下工作設計成可重複執行的 ChatGPT 工作流程:[工作]
請輸出流程圖文字版及 SOP,包含:
1. 輸入資料及資料權限
2. 每一步要用的 ChatGPT 功能/工具(若功能未必可用,提供替代方法)
3. 每一步的 Prompt
4. 需要人工確認的關卡
5. 預期輸出檔案及命名規則
6. 錯誤處理及回滾方法
7. 完成驗收清單。
不得假設工具已連接或有執行權限。
我已完成本課及練習 MODULE 04 · CLAUDE PRACTICAL
M04|Claude 實戰應用 從文件與原型製作,走向程式協作及可重複的 AI 工作流。每課包含操作觀念、練習及可複製 Prompt。
本單元完成成果: 完成八項實作,建立一套可重複使用的 M04 工作流程,並懂得辨識功能限制、權限和人工覆核點。
M04 · LESSON 01 | 建議 25–40 分鐘
Projects:建立可持續的知識工作區 本課目標: 用專案知識、指示和對話脈絡支援長期任務。
核心知識 Project 用來集中與一個目標相關的對話、知識和指示;適合研究、產品開發和長期寫作。 上載前整理文件:標題清晰、版本明確、刪除過期或互相矛盾的內容。 Project Instructions 寫穩定規則;每次對話再提供當次任務和交付要求。 將決策、規格和最新狀態整理成短文件,減少依賴歷史聊天內容。 專案功能、檔案限制及共享能力會因帳戶類型和工作空間政策而異。
實作練習 建立「產品開發 Project」,放入產品簡介、客群、競爭分析和規格,要求 Claude 找出文件間的矛盾。
可複製實戰 Prompt 複製 請為我的 Claude Project 設計專案指示。
專案:[名稱]
目的:[目標]
背景文件:[文件清單]
輸出標準:[標準]
禁止事項:[限制]
請產生可直接貼入 Project Instructions 的內容,並另外列出:需要長期保存的知識、每次任務才提供的資料、文件版本規則,以及如何處理互相矛盾的資料。請優先引用專案文件,不足之處明確提出問題。
我已完成本課及練習
M04 · LESSON 02 | 建議 25–40 分鐘
Artifacts:把想法變成可分享成果 本課目標: 建立文件、簡報、設計、儀表板或互動小工具,並持續迭代。
核心知識 Artifact 適合相對完整、可獨立使用、值得反覆編輯或分享的成果。 先說明使用者、核心用途、內容結構、互動方式和完成標準,再要求生成。 把內容與功能分開驗收:內容是否正確、介面是否清楚、互動是否可用。 修改時一次提出具體變更,列明不可改動的部分,避免整體被意外重寫。 部分範本、資料連接、儲存及進階能力可能受方案和設定限制;先核對當前介面。
實作練習 建立一個簡單的客戶報價計算器原型,包含項目、數量、單價、折扣、稅項和總額,測試空值與負數。
可複製實戰 Prompt 複製 請建立一個可獨立使用的 Artifact 原型:[工具/文件名稱]
使用者:[誰會使用]
核心任務:[要解決甚麼]
必要欄位:[欄位]
主要操作:[操作]
輸出:[結果]
設計風格:[風格]
驗收條件:1. 初次使用者看得懂 2. 主要流程可完成 3. 空值及錯誤輸入有提示 4. 數字計算可核對 5. 手機版可閱讀。
先列出你的設計方案和假設,再建立初版。完成後提供測試案例及已知限制。
我已完成本課及練習
M04 · LESSON 03 | 建議 25–40 分鐘
Claude Code:以自然語言協作開發 本課目標: 學會讓 Claude Code 讀懂專案、修改程式、測試和回報,而不是盲目一次生成。
核心知識 Claude Code 是程式開發工作環境;開始前先理解目前專案、檔案結構、執行方式和版本控制狀態。 先要求檢查及計劃,再批准修改;清楚限制可修改的檔案和不可破壞的功能。 以小步提交變更:一次一個功能或修正,並執行測試和檢查差異。 不要把 API Key、密碼或客戶資料放進 Prompt、程式碼或版本控制。 對部署、資料庫遷移、刪除和權限變更等高風險操作,先備份並要求明確確認。
實作練習 對一個現有網站要求 Claude Code 只做程式碼盤點,產生修改計劃,不准直接更改檔案;再檢查計劃是否完整。
可複製實戰 Prompt 複製 你是這個程式專案的資深工程協作者。
目標:[要改善的功能]
專案背景:[技術、部署平台、使用者]
硬性限制:保留所有現有功能;未經批准不可修改檔案;不可刪除資料;不可執行部署或資料庫遷移。
第一階段只做盤點:閱讀專案結構、找出相關檔案、說明目前流程和風險。
第二階段提出最小修改計劃,列出檔案、改動、相依性、測試和回滾方法。
等待我批准後才修改。完成修改後列出差異、測試結果及未解決問題。
我已完成本課及練習
M04 · LESSON 04 | 建議 25–40 分鐘
Skills:把重複流程變成可重用能力 本課目標: 將規則、範本和程序包裝成專用 Skill,減少重複交代。
核心知識 Skill 是可重用的指示、資源及(視乎環境)腳本組合,適合重複且有固定標準的任務。 先選一個高頻、邊界清楚、容易驗收的工作,例如報價檢查、品牌文案或每週報告。 寫清楚觸發情境、輸入要求、操作步驟、輸出格式、例外處理及禁止事項。 用正常案例、資料不足案例和錯誤輸入案例測試,避免 Skill 只在理想情況運作。 Skill 的建立、啟用、上載方式及可用範圍會更新;按官方說明及帳戶設定操作。
實作練習 設計一個「網站需求規格整理 Skill」,要求它把零散想法整理成頁面、功能、資料、權限和驗收標準。
可複製實戰 Prompt 複製 請協助我設計一個 Claude Skill。
Skill 名稱:[名稱]
解決的重複任務:[任務]
何時應啟用:[觸發條件]
必須取得的輸入:[輸入]
標準步驟:[流程]
輸出格式:[格式]
例外情況:[例外]
禁止事項:[限制]
請提供:1. Skill 的目錄結構 2. SKILL.md 初稿 3. 必要參考檔案 4. 三個測試案例(正常、資料不足、錯誤輸入)5. 評估標準。保持簡潔,避免把不相關規則塞進 Skill。
我已完成本課及練習
M04 · LESSON 05 | 建議 25–40 分鐘
MCP:連接外部工具與資料 本課目標: 理解 Model Context Protocol 的角色、權限和風險。
核心知識 MCP 是讓 AI 應用以標準方式連接外部工具和資料來源的協定,不等於模型本身。 連接器可能提供讀取、搜尋或寫入能力;每個工具的權限和確認機制不同。 只連接可信來源,採用最小權限;不需要寫入時不要授予寫入權限。 工具輸出也可能包含錯誤或惡意內容;要把外部資料視為資料,不是系統指令。 連接前確認伺服器來源、授權範圍、資料流向、撤銷方式和日誌政策。
實作練習 畫出 Claude 連接一個專案管理工具的資料流,標示讀取、寫入、授權、人工確認和撤銷方式;不需要實際連接。
可複製實戰 Prompt 複製 我想評估把 Claude 透過 MCP 連接到[外部服務]。
用途:[要完成的工作]
需要資料:[資料類型]
可能操作:[只讀/建立/修改/刪除]
請提供安全評估:1. 最小必要權限 2. 可能暴露的資料 3. 認證及憑證保護 4. 讀寫操作風險 5. 人工確認點 6. 連接失效及撤銷方案 7. 測試清單。
先不要產生或執行任何連接設定;如需技術步驟,先區分官方支援方法和假設方案。
我已完成本課及練習
M04 · LESSON 06 | 建議 25–40 分鐘
Agentic Workflow:Projects + Skills + MCP 本課目標: 把知識、程序和外部工具分層,建立受控的半自動工作流程。
核心知識 Projects 提供任務背景和知識;Skills 提供重複程序;MCP 提供外部工具連接,三者功能不同。 把工作拆成計劃、讀取、分析、提出行動、人工批准、執行和驗證。 設定權限邊界:讀取、草擬和建議可以自動化;發送、付款、刪除或公開資料要設確認關卡。 每個流程要有日誌、輸出檔案、錯誤處理和停止條件。 先從低風險、可回滾的小任務試行,再逐步擴大自動化範圍。
實作練習 設計一個每週 CRM 跟進摘要流程:讀取指定資料、識別逾期跟進、草擬訊息、由人員批准後才發送。
可複製實戰 Prompt 複製 請設計一個 Claude 半自動工作流程:[流程名稱]
目標:[目標]
資料來源:[來源]
重複步驟:[步驟]
允許自動執行:[低風險動作]
必須人工批准:[高風險動作]
請分別說明 Projects、Skills、MCP 在流程中的角色,並輸出:流程階段、所需權限、每步輸入與輸出、人工批准點、錯誤處理、日誌、停止條件和回滾方法。先做設計,不要假設任何工具已連接。
我已完成本課及練習
M04 · LESSON 07 | 建議 25–40 分鐘
綜合實戰:由需求到可交付成果 本課目標: 把 Claude 的知識管理、原型製作和程式協作整合成完整交付。
核心知識 先把需求寫成簡短規格:使用者、問題、範圍、限制、成功指標。 用 Project 保存背景與決策;用 Artifact 製作可討論的原型;需要程式落地時再進入 Claude Code。 將重複驗收流程整理成 Skill;需要外部系統時才評估 MCP。 每階段保留人工檢查:規格批准、原型驗收、程式碼審查、部署批准。 交付時附上使用說明、已知限制、測試結果和後續維護責任。
實作練習 選一個小型內部工具,完成需求規格、互動原型、測試案例及分階段開發計劃。
可複製實戰 Prompt 複製 請帶領我完成一個小型數碼產品的 Claude 實戰專案。
產品構想:[構想]
目標使用者:[使用者]
主要問題:[問題]
平台及限制:[平台/限制]
請按以下階段工作,每階段完成後停下來讓我確認:
A. 需求規格與成功指標
B. 使用者流程及 Artifact 原型
C. 測試案例與風險清單
D. Claude Code 開發計劃(先盤點,不直接改檔)
E. Skill 化重複工作
F. 如有必要才評估 MCP
G. 交付文件、維護及版本管理。
每階段列出成果、假設、風險和下一步;未經批准不可執行高風險操作。
我已完成本課及練習 MODULE 05 · AI BUSINESS & AUTOMATION
M05|AI 商業應用與自動化 把 AI 從個人助手帶進企業流程:找出值得改善的問題、計算效益、設計客戶與營運工作流,再把方案產品化。
本單元完成成果: 選定一個真實商業流程,完成 ROI 評估、流程設計、安全審批規則及一份可向客戶展示的服務提案。
M05 · LESSON 01 | 建議 30–45 分鐘
AI 商業思維:先找問題,再選工具 本課目標: 把 AI 投入與實際商業成果連結,避免為了使用 AI 而使用 AI。
核心知識 由客戶、員工或營運流程中的痛點開始:慢、貴、易錯、難以擴展或體驗不一致。 把工作拆成頻率、每次耗時、人工成本、錯誤率、風險和對客戶的影響。 區分適合 AI 的非結構化工作(摘要、分類、草擬)與適合規則自動化的工作(計算、欄位檢查、狀態更新)。 先做小範圍試點,設定基準值和成功指標;不要只用「看起來更快」作為成效。 高風險、需要專業判斷或法律責任的決策,保留合資格人員審核。
實作練習 選一個你每週至少做一次的工作,記錄現時步驟、耗時、錯誤和改善目標,評估是否值得導入 AI。
可複製實戰 Prompt 複製 請擔任我的 AI 商業流程顧問。
業務類型:[行業/公司規模]
流程名稱:[流程]
目前做法:[逐步描述]
每週頻率:[次數]
每次耗時:[分鐘/小時]
主要痛點:[慢/成本/錯誤/客戶體驗]
資料敏感度:[公開/內部/機密/個人資料]
請分析:1. 真正的商業問題 2. 哪些步驟適合 AI、規則自動化或人工 3. 可量度的基準指標 4. 試點範圍 5. 風險與控制 6. 估算效益所需資料。資料不足時請列出問題,不要虛構 ROI。
我已完成本課及練習
M05 · LESSON 02 | 建議 30–45 分鐘
流程盤點與 ROI:計算自動化值不值得 本課目標: 用流程圖和簡單商業算式決定先做哪個自動化項目。
核心知識 畫出觸發、輸入、判斷、處理、批准、輸出及例外處理,找出重複和等待環節。 記錄現況成本:每次人工時間 × 頻率 × 人力成本;另列軟件、維護和錯誤成本。 估算導入成本:設定、整合、測試、培訓、使用費、模型費、監控及持續維護。 淨效益不是只看節省工時;還要考慮收入提升、回覆速度、錯誤減少及風險成本。 用保守、基準、樂觀三種情境,列明假設並以實際試點數據更新。
實作練習 為一個每週處理 50 次的客戶查詢流程建立 ROI 試算表欄位;先填入你自己的實際時間和成本,不要用假設數字冒充結果。
可複製實戰 Prompt 複製 請替以下流程建立 AI 自動化 ROI 評估模型。
流程:[名稱]
每週處理量:[數量]
每次人工時間:[分鐘]
人力成本:[每小時成本及幣別]
預計可減少人工時間:[如未知請留空]
一次性導入成本:[金額]
每月工具及維護成本:[金額]
錯誤成本/收入影響:[有資料才填]
請輸出:1. 現況成本公式 2. 導入後成本公式 3. 每月淨效益 4. 回本期 5. 保守/基準/樂觀情境 6. 敏感度分析。每個數字標示來源或假設;缺少數據時提供可填欄位,不可自行捏造。
我已完成本課及練習
M05 · LESSON 03 | 建議 30–45 分鐘
AI 客戶開發:Lead、銷售與 CRM 本課目標: 把 AI 用於線索整理、需求理解、跟進草稿和 CRM 資料品質。
核心知識 建立清晰的理想客戶輪廓(ICP):行業、規模、地區、需求、預算訊號及排除條件。 AI 可協助整理表單、分類線索、摘要對話、草擬跟進訊息;分數只是排序建議,不是客戶事實。 CRM 欄位應有定義和允許值,例如來源、階段、負責人、預計成交日及下一步。 避免把敏感個人資料或未經同意取得的名單交給不合適的 AI 服務。 發送外部訊息前檢查收件人、內容、個人化資料、退訂要求及品牌語氣。
實作練習 用 10 筆虛構客戶線索建立分類規則,輸出需求摘要、優先級理由、缺少資料和下一步建議;再由人員覆核。
可複製實戰 Prompt 複製 你是 B2B 銷售營運助理。請整理以下匿名化線索資料。
理想客戶輪廓:[ICP]
評分標準:[需求吻合、時機、預算、決策權等]
輸入資料:[貼上匿名化資料]
請逐筆輸出:公司/聯絡人代碼、已知需求、資料缺口、符合條件的證據、建議優先級及理由、建議下一步、需要人工核實的內容。
不要推測未提供的預算、職位或購買意圖;不要自動發送訊息或更新正式 CRM。最後提供可匯入 CRM 的欄位表格。
我已完成本課及練習
M05 · LESSON 04 | 建議 30–45 分鐘
AI 客戶服務:知識庫與客服分流 本課目標: 用經核實的知識回答常見問題,將不確定或高風險個案交給真人。
核心知識 先整理唯一可信的產品資料、價格、政策、退換條款和常見問題,標記版本與生效日期。 把客服問題分成常見查詢、訂單查詢、投訴、退款、帳戶安全及緊急事件等類別。 AI 回答應只根據已批准的知識來源;找不到答案時要說明並轉交真人。 退款、賠償、帳戶變更、法律爭議和安全事件必須按公司政策升級處理。 定期抽查答案正確率、轉真人比例、首次解決率、客戶滿意度及錯誤類型。
實作練習 用虛構產品 FAQ 設計客服分類表,建立「可直接回答/需要補資料/必須轉真人」三種處理規則。
可複製實戰 Prompt 複製 請設計一套 AI 客服知識庫及分流規則。
產品/服務:[名稱]
已批准知識來源:[文件清單及版本]
服務時間:[時間]
可直接回答範圍:[範圍]
必須轉真人的情況:[退款、投訴、安全、法律等]
請產生:1. FAQ 分類 2. 回答範本 3. 不確定時的安全回覆 4. 轉真人條件 5. 所需 CRM 欄位 6. 品質抽查指標。
嚴格限制:不得自行創造價格、政策或承諾;沒有來源就標示「需要人工確認」。
我已完成本課及練習
M05 · LESSON 05 | 建議 30–45 分鐘
AI 營銷引擎:內容再製與品牌一致性 本課目標: 將一份核心內容轉化為多渠道素材,同時維持品牌聲音和事實一致。
核心知識 先建立品牌語調指南:受眾、定位、核心承諾、用詞、禁語、證據和行動呼籲。 由一份已核實的核心素材再製短文、電子郵件、社交貼文、短片腳本和 FAQ。 每個渠道調整長度和表達方式,但不可改變核心事實、價格、產品規格和承諾。 建立內容審批流程:事實、版權、肖像、商標、廣告聲稱和品牌語氣。 用點擊、合格線索、轉換及退訂等指標評估,不要只看曝光或 AI 產量。
實作練習 以一篇已公開的自家文章,製作一週內容日曆,包括三篇社交貼文、一封電郵和一段短片腳本,逐項核對事實。
可複製實戰 Prompt 複製 你是我的品牌內容編輯。
品牌定位:[定位]
目標受眾:[受眾]
品牌語調:[語氣]
禁止聲稱:[不可承諾的內容]
已核實的核心素材:[貼上內容]
請將素材再製為:1. 三篇不同角度社交貼文 2. 一封電郵 3. 一段 45 秒短片腳本 4. 一組 FAQ。
每項標示目標渠道、受眾痛點、CTA 和所依據的原文事實。不得新增未經證實的數據、客戶評價或產品功效。最後提供發布前核對清單。
我已完成本課及練習
M05 · LESSON 06 | 建議 30–45 分鐘
AI 文件與營運自動化:報價、訂單及報告 本課目標: 把重複文書流程標準化,讓 AI 負責理解和草擬,讓系統負責確定性計算。
核心知識 報價、稅項、折扣、庫存和付款狀態等確定性計算,應由程式或業務系統處理,而非只靠語言模型。 AI 適合把客戶需求整理成報價草稿、比對規格、摘要異常和草擬跟進內容。 設計欄位驗證:客戶、產品、數量、單價、貨幣、稅率、有效期和批准人。 設定狀態流程:草稿、待審批、已發送、已接受、已拒絕、已轉訂單及已開票。 每次修改保留版本、操作者、時間及原因;正式發送或財務操作需人工批准。
實作練習 設計一個報價流程 SOP,從客戶需求到報價草稿、價格驗證、主管批准、發送和接受後轉訂單。
可複製實戰 Prompt 複製 請為[公司/業務]設計 AI 輔助報價及訂單流程。
產品資料來源:[來源]
價格規則:[規則]
貨幣及稅項:[規則]
批准權限:[人員/門檻]
現有系統:[CRM/報價系統/試算表]
請輸出:1. 流程步驟 2. 必要欄位 3. AI 可負責與不可負責的工作 4. 確定性計算及驗證規則 5. 狀態轉換 6. 審批與稽核紀錄 7. 例外處理及測試案例。
任何正式價格、折扣、稅額和對外發送都必須經系統驗證及授權人批准。
我已完成本課及練習
M05 · LESSON 07 | 建議 30–45 分鐘
選擇自動化工具與建立安全流程 本課目標: 比較無程式碼平台、AI Agent、API 和自建方案,按需求選擇而不是追逐工具。
核心知識 Zapier、Make、n8n 等平台可協助連接觸發器、應用程式和動作;功能、價格、部署方式和限制各有不同。 Cloudflare Workers/Workflows 適合需要自訂程式、API 和持久多步驟執行的情境;通常需要技術維護。 一般流程自動化按預設規則執行;AI Agent 可在一定範圍內選擇工具或步驟,必須限制可用工具和權限。 設計錯誤重試、重複事件防護、逾時、告警、日誌、人工審批及回滾。 憑證應放在安全的秘密管理機制中,採用最小權限;不可把 API Key 寫在公開前端或 Prompt。
實作練習 以「網站收到客戶查詢 → 分類 → 建立 CRM 草稿 → 通知負責人 → 人工批准回覆」為例,畫出工具無關的流程,再比較 n8n、Zapier、Make 或自建 API 的取捨。
可複製實戰 Prompt 複製 請為以下流程選擇自動化方案:[流程]
現有工具:[工具]
每月執行量:[數量]
技術能力:[非技術/低程式/開發團隊]
預算:[範圍]
資料敏感度:[級別]
必須整合:[服務]
請比較:1. Zapier 2. Make 3. n8n 4. 自建 API/Cloudflare Workers(只在適合時)。
以總成本、學習難度、整合能力、維護、資料控制、可觀測性、人工審批和擴展性評分。先提出最小可行方案,再列出流程圖、觸發條件、錯誤處理、重試、重複事件防護、憑證管理和回滾方法。工具功能及價格未核實時請標示需查證。
我已完成本課及練習
M05 · LESSON 08 | 建議 30–45 分鐘
產品化與商業化:把 AI 工作流變成可銷售服務 本課目標: 將內部效率方案包裝成客戶願意付費、可交付和可維護的產品或服務。
核心知識 先鎖定單一客群和高價值問題,例如中小企業線索整理、客服知識庫或報價流程。 不要銷售「AI 很強」;要清楚承諾可驗收的成果、服務範圍、交付時間和不包含事項。 可採設定服務費、月度維護、按使用量收費或分級方案;價格需覆蓋工具、支援、維護和風險成本。 建立示範案例時使用虛構或獲授權資料,清楚標示示範數據,不可虛構客戶成果。 合約、資料處理、帳戶權限、服務中斷、模型變更及退出/資料匯出方式都要先定義。
實作練習 選一個垂直行業,設計一個 14 天可交付的 AI 自動化入門方案,寫出目標客戶、交付物、範圍、定價模型和驗收條件。
可複製實戰 Prompt 複製 請把以下 AI 工作流產品化。
目標行業:[行業]
目標客戶:[公司類型/規模]
痛點:[高成本或高頻工作]
工作流:[解決方案]
我的交付能力:[技術/人手/時間]
請產生:1. 一句價值主張 2. 理想客戶及排除客群 3. 交付範圍與不包含事項 4. 14 天導入計劃 5. 三層方案及定價邏輯(不要捏造市場價格)6. 客戶需提供的資料 7. 驗收指標 8. 維護及支援界線 9. 風險與合約注意事項 10. 一頁銷售提案。請清楚區分已知事實、假設和待驗證項目。
我已完成本課及練習 MODULE 06 · AI CODING & PRODUCT BUILDING
M06|AI Coding:從構想到可部署產品 以 AI 作開發搭檔,從需求規格、網頁基礎、程式協作、版本管理,到 Cloudflare Pages、Workers、D1、安全及上線驗收。以零基礎使用者能跟上的步驟為主。
本單元完成成果: 完成一個有清晰需求、響應式介面、資料流程、基本安全及測試紀錄的可部署小型網站/應用原型。涉及登入及真實客戶資料時,必須先在測試環境驗證。
M06 · LESSON 01 | 建議 30–45 分鐘
先學會 Vibe Coding:AI 是開發搭檔,不是魔法 本課目標: 理解 AI Coding 的工作方式,知道如何把需求變成可驗收的產品,而不是只要求 AI「幫我做一個網站」。
核心知識 Vibe Coding 是以自然語言描述目標、由 AI 協助產生和修改程式,再由人測試與驗收的開發方式。 最有效的循環是:描述 → 產生 → 執行 → 觀察 → 回報錯誤 → 修改 → 回歸測試。 AI 可能產生不存在的 API、錯誤程式或不安全設計;畫面能顯示不代表功能正確。 一次只處理一個可驗證的改動,要求 AI 先說明將改哪些檔案、可能影響和測試方法。 重要專案先備份或使用 Git;不要讓 AI 未經審核直接覆蓋正式資料或部署。
實作練習 選一個簡單工具,例如「活動報名表」。先用一句話描述用途,再列出使用者、輸入、輸出、成功條件及不做的功能。要求 AI 先提出計劃,不要立即寫程式。
可複製實戰 Prompt AI CODING · M06-01 複製 你是我的 AI 開發教練。我是零基礎使用者。
我想建立:[產品想法]
目標使用者:[誰會使用]
請先不要寫程式。先整理:
1. 使用者真正要完成的任務
2. 最小可行版本(MVP)功能,最多 5 項
3. 使用流程(由進入網站到完成任務)
4. 主要頁面及每頁內容
5. 可能的錯誤情況
6. 驗收標準(每項都可實際測試)
7. 建議技術方案及其限制
用淺白繁體中文解釋。遇到不確定事項先提問,不要自行假設。
我已完成本課及練習
M06 · LESSON 02 | 建議 30–45 分鐘
產品規格 PRD:先寫清楚,再開始建造 本課目標: 把模糊構思整理成 AI 能執行、使用者能驗收的產品規格。
核心知識 PRD(產品需求文件)應包括問題、目標客群、使用情境、功能範圍、頁面、資料欄位和驗收條件。 區分 Must-have、Should-have、Later;第一版只做完成核心任務必需的功能。 為每個功能寫使用者故事,例如「作為客戶,我想提交查詢,以便收到跟進」。 驗收標準要可測試:例如必填欄位空白時顯示提示,而不是「表單要好用」。 明確列出不包含事項,避免 AI 不斷擴大範圍。
實作練習 為你熟悉的 QuotePro、Clientiq 或其他小工具寫一頁 PRD。只挑一個核心流程,不要一次複製整個大型系統。
可複製實戰 Prompt AI CODING · M06-02 複製 請把以下構思整理成可交給 AI Coding 工具的 PRD:
構思:[產品]
使用者:[角色]
核心任務:[要完成甚麼]
平台:[手機/桌面/兩者]
資料:[需要儲存甚麼]
限制:[預算、時間、技術]
請輸出:
A. 問題與目標
B. MVP 功能(Must/Later)
C. 頁面清單及每頁元素
D. 使用流程
E. 資料欄位及驗證規則
F. 空白、載入、成功、失敗狀態
G. 權限與隱私要求
H. 逐項驗收測試
I. 明確不做的功能
不要加入我沒有提出的功能;不清楚的地方列為問題。
我已完成本課及練習
M06 · LESSON 03 | 建議 30–45 分鐘
HTML、CSS、JavaScript:看懂網頁的最低必要知識 本課目標: 掌握閱讀及修改 AI 產生程式碼所需的基本概念,不要求先成為專業工程師。
核心知識 HTML 負責內容結構:標題、文字、按鈕、表單、表格。 CSS 負責外觀:顏色、字體、間距、排版、響應式設計。 JavaScript 負責互動:按鈕事件、表單驗證、計算、資料讀取與畫面更新。 前端程式在瀏覽器執行;公開 HTML/JavaScript 內的內容可被使用者檢視,不能放 API Key 或密碼。 理解檔案入口、CSS class、事件處理和資料狀態,就能更有效地向 AI 指定修改位置。
實作練習 打開一個簡單 HTML 網頁,請 AI 指出一個標題、一個 CSS 樣式和一個 JavaScript 事件分別在哪裡。再要求只改按鈕顏色,不改其他功能。
可複製實戰 Prompt AI CODING · M06-03 複製 請用零基礎方式教我閱讀以下程式碼:
[貼上程式碼]
請分成 HTML、CSS、JavaScript 三部分。
每部分請:
1. 用生活化比喻解釋用途
2. 指出最重要的 5 個位置
3. 解釋資料如何由使用者輸入到畫面顯示
4. 指出哪些位置可以安全修改
5. 提供一個最小修改示例
不要一次重寫整份程式。
我已完成本課及練習
M06 · LESSON 04 | 建議 30–45 分鐘
把介面做得像產品:版面、手機適配與可用性 本課目標: 學會要求 AI 建立清晰一致、手機可用且容易操作的介面。
核心知識 先定義設計系統:主色、輔色、字體、間距、圓角、按鈕和表單規則。 使用一致的導覽、頁面標題、操作按鈕和狀態提示,減少使用者猜測。 響應式設計要實際測試窄螢幕:避免橫向溢出、太小的按鈕和難讀表格。 可用性包括鍵盤操作、表單標籤、清楚錯誤訊息、足夠對比和焦點狀態。 要求 AI 提供空白、載入、成功、錯誤和無資料畫面,而非只設計理想狀態。
實作練習 用手機寬度預覽你的網頁,檢查導覽、表單、按鈕、卡片和表格。記錄至少 3 個問題,逐項要求 AI 修正並再次測試。
可複製實戰 Prompt AI CODING · M06-04 複製 請以專業 SaaS 產品設計師身份改善以下頁面:
頁面用途:[用途]
目標使用者:[使用者]
品牌風格:[風格/顏色]
現有程式碼:[貼上或提供檔案]
要求:
1. 先列出設計問題,不要立即修改
2. 保留所有現有功能和資料欄位
3. 建立一致的字體、色彩、間距、按鈕和表單規則
4. 支援手機、平板及桌面
5. 加入空白、載入、成功、錯誤狀態
6. 考慮鍵盤操作、標籤和顏色對比
7. 修改後列出變更檔案及測試清單
不可刪除未經確認的功能。
我已完成本課及練習
M06 · LESSON 05 | 建議 30–45 分鐘
與 AI 協作改程式:Claude Code 與 ChatGPT 工作分工 本課目標: 學會用 AI 閱讀專案、分拆任務、修改檔案、解釋錯誤和檢查差異。
核心知識 先讓 AI 閱讀專案結構和 README,理解現有架構後才動手。 每次提出單一任務:修改哪個頁面、預期行為、不可改動範圍和測試方式。 Claude Code 等程式代理可在授權環境讀寫檔案和執行命令;先看清楚權限和操作內容。 ChatGPT 可用於整理 PRD、解釋錯誤、審查方案、撰寫測試案例及第二意見。 修改後查看差異(diff),確認沒有刪除重要功能、洩露秘密或引入不相關改動。
實作練習 在測試副本中要求 AI 增加一個欄位驗證。先要求它說明計劃,再執行修改,最後逐項檢查變更和測試結果。
可複製實戰 Prompt AI CODING · M06-05 複製 你是我的資深工程搭檔。請先檢查目前專案:
[專案結構/檔案內容]
本次唯一任務:[具體修改]
不可改動:[現有功能/檔案/資料格式]
請按以下流程:
1. 先摘要你理解的現有架構
2. 列出將修改的檔案及原因
3. 指出風險和相依功能
4. 提出最小修改方案,等待我確認
5. 完成後列出實際修改
6. 提供測試步驟及預期結果
7. 列出尚未解決的問題
不要聲稱已測試未實際執行的項目;不要把秘密寫入前端。
我已完成本課及練習
M06 · LESSON 06 | 建議 30–45 分鐘
Git、版本備份與除錯:出錯時可以回到上一版 本課目標: 建立基本版本管理習慣,避免 AI 修改後無法復原。
核心知識 Git 用來記錄程式碼變更;commit 是一個可追蹤的版本節點。 每次開始大型修改前先保存可運作版本;每個小功能完成後再提交。 branch 可讓新功能在獨立分支開發,避免直接影響穩定版本。 除錯時收集重現步驟、預期結果、實際結果、錯誤訊息和最近改動。 不要只貼「壞了」;提供最小重現案例,並要求先定位原因再修復。
實作練習 建立一份版本紀錄:版本、日期、改動、測試結果、已知問題。模擬一次錯誤,練習描述重現步驟並要求 AI 提出修復方案。
可複製實戰 Prompt AI CODING · M06-06 複製 以下是我的錯誤:
錯誤訊息:[完整錯誤]
發生位置:[頁面/功能]
重現步驟:
1. [...]
2. [...]
預期結果:[應該如何]
實際結果:[現在如何]
最近改動:[改了甚麼]
環境:[瀏覽器/部署平台]
請:
A. 先解釋錯誤可能代表甚麼
B. 列出最可能原因及驗證方法
C. 提供最小修復方案
D. 說明會影響哪些功能
E. 提供修復後測試及回歸測試
F. 如需要回退,說明如何恢復上一個穩定版本
不要在未找到原因前大幅重寫程式。
我已完成本課及練習
M06 · LESSON 07 | 建議 30–45 分鐘
Cloudflare Pages 部署:把網站放到互聯網 本課目標: 把本機或 AI 產生的靜態網站部署到 Cloudflare Pages,理解網域與部署版本。
核心知識 部署前先確認專案入口檔案(例如 index.html)及相對路徑資源存在。 Direct Upload 適合簡單靜態網站;Git 整合則方便追蹤版本及自動部署。 部署成功後檢查首頁、內頁、圖片、手機版、404 和瀏覽器 Console。 自訂網域需按平台指示設定 DNS;HTTPS 和網域生效可能需要時間。 不要把正式網站當唯一測試環境;先使用預覽或測試專案,再推送正式版本。
實作練習 把一個純 HTML/CSS/JS 小網站部署到 Cloudflare Pages。部署後用桌面及手機檢查首頁、內頁、圖片、連結和表單互動。
可複製實戰 Prompt AI CODING · M06-07 複製 我不是 IT 人員,請一步一步教我把以下靜態網站部署到 Cloudflare Pages:
專案檔案:[列出檔案]
目前狀態:[本機/ZIP/GitHub]
部署方式:[Direct Upload/Git]
請每次只教一個階段:
1. 部署前檢查檔案
2. 建立或選擇 Pages 專案
3. 上傳或連接 Git
4. 等待部署並找到網址
5. 驗證首頁、資源、手機版和 Console
6. 設定自訂網域(如需要)
每一步列出我應該看到的畫面或成功訊號。若介面名稱可能改變,提醒我核對 Cloudflare 最新介面。不要假設我已完成前一步。
我已完成本課及練習
M06 · LESSON 08 | 建議 30–45 分鐘
從靜態網站升級到完整應用:API、Workers 與 D1 本課目標: 理解前端、後端、API 和資料庫的分工,知道何時需要升級架構。
核心知識 靜態網站可處理展示和部分瀏覽器端互動;需要多人共享資料、登入或安全寫入時,通常要後端。 API 是前端與後端溝通的介面;Worker 可驗證請求、執行邏輯及連接資料庫。 D1 是 Cloudflare 的 SQL 資料庫;資料表要設計 ID、欄位、關聯、索引和備份策略。 登入與權限不能只靠前端隱藏按鈕;後端每次請求都要驗證身份及角色。 密碼要安全雜湊、Session 要有期限;API Key 放在 Worker Secrets,不可放在公開 HTML。 正式資料操作要有輸入驗證、權限檢查、錯誤處理、日誌和備份。
實作練習 畫出「瀏覽器 → Worker API → D1」架構圖。選一個資料表,列出欄位、主鍵、必填規則及誰可以讀寫;先不要連接正式資料庫。
可複製實戰 Prompt AI CODING · M06-08 複製 請擔任 Cloudflare 架構導師,為零基礎使用者設計:
產品:[產品]
使用者角色:[角色及權限]
需要儲存的資料:[資料]
預期使用量:[規模]
請先用淺白文字說明:
1. 哪些功能可用 Pages 靜態網站完成
2. 哪些功能需要 Worker API
3. 哪些資料適合放 D1
4. 前端、API、資料庫的資料流
5. 資料表草圖及欄位定義
6. 登入、Session、角色權限及資料隔離
7. Secrets、輸入驗證、備份和日誌
8. 開發/測試/正式環境如何分開
先提出架構和風險,不要直接改動現有正式資料庫。
我已完成本課及練習
M06 · LESSON 09 | 建議 30–45 分鐘
安全、測試與上線驗收:不要只看畫面漂亮 本課目標: 建立發布前檢查表,讓網站不只可展示,也能可靠地運作。
核心知識 測試至少包括正常流程、空值、錯誤格式、重複提交、無權限、網絡失敗和手機版。 安全檢查包括秘密是否外洩、API 是否驗證身份、輸入是否驗證、資料是否按租戶隔離。 檢查資料操作是否可追蹤,是否有備份、恢復方式及錯誤告警。 上線前確認使用者流程、隱私聲明、聯絡方式、資料保留及第三方服務依賴。 發布後持續檢查錯誤率、速度、費用、使用者回饋和功能變更。
實作練習 為你的網站建立發布檢查表,至少包含 10 個測試案例。找一位不熟悉產品的人按步驟使用,記錄他卡住的位置。
可複製實戰 Prompt AI CODING · M06-09 複製 請對以下網站進行上線前審查:
網站用途:[用途]
架構:[Pages/Workers/D1/其他]
角色及權限:[角色]
重要流程:[流程]
請建立測試矩陣,欄位包括:測試 ID、前置條件、操作步驟、預期結果、風險級別、測試結果。
必須涵蓋:
- 正常流程及邊界值
- 空白/錯誤輸入及重複提交
- 未登入、錯誤角色及跨租戶存取
- API 失敗、網絡中斷及資料庫錯誤
- 手機版、鍵盤操作及基本可讀性
- Secrets 外洩檢查、備份及恢復
最後給出 Go/No-Go 建議,未測試項目標示「未驗證」,不要假裝通過。
我已完成本課及練習
MODULE 07 · AI AUTOMATION & WORKFLOWS
M07|AI Automation:自動化工作流 由 Workflow 基礎、n8n/Make/Zapier,到 AI Agent、API、Webhook、人工審批、可靠性監控及 Cloudflare Workflows,建立能長期運作的自動化系統。
本單元完成成果: 設計並測試一條「收到客戶查詢 → AI 分類 → 建立 CRM/報價草稿 → 人工批准 → 通知及跟進」流程,附上架構圖、錯誤處理及驗收清單。
M07 · LESSON 01 | 建議 30–45 分鐘
自動化思維:Workflow、AI Agent 與 Chatbot 的分別 本課目標: 理解何時用固定流程、何時用 AI 判斷,以及何時根本不需要 AI。
核心知識 傳統自動化依照預先設定的規則執行,適合穩定、可預測、條件清楚的工作。 AI 適合處理非結構化資料,例如理解客戶來信、分類意圖、摘要文件及草擬回覆。 AI Agent 可在限定目標和工具範圍內選擇下一步;自主程度越高,越需要權限邊界和監控。 Chatbot 主要與人對話;Workflow 則負責把觸發、資料處理、決策、外部操作和結果串連起來。 優先採用最簡單可行方案:規則能解決就不用 AI;AI 只負責真正需要語意判斷的步驟。
實作練習 列出一項日常工作,將每一步標記為「固定規則」「AI 判斷」「真人決策」,再畫出最小流程。
可複製實戰 Prompt AI AUTOMATION · M07-01 複製 請擔任自動化架構顧問。
工作:[描述工作]
目前步驟:[逐步列出]
每月處理量:[數量]
使用工具:[工具]
資料敏感程度:[公開/內部/機密/個人資料]
請將每一步分類為:
A. 固定規則自動化
B. AI 分類/摘要/生成
C. 必須由真人決策
然後提出最低複雜度方案、預期效益、風險、需要人工批准的節點及暫時不應自動化的部分。不要為了使用 Agent 而增加不必要的複雜度。
我已完成本課及練習
M07 · LESSON 02 | 建議 30–45 分鐘
工作流設計:Trigger、Action、Condition、Loop 本課目標: 把業務流程拆成可理解、可測試、可維護的自動化步驟。
核心知識 Trigger 是流程開始條件,例如表單提交、收到郵件、排程時間或 Webhook。 Action 是執行動作,例如建立紀錄、發送通知、讀取文件或呼叫 API。 Condition/Branch 根據資料或規則選擇不同路徑;Loop/Iterator 用於逐項處理清單。 每一步要定義輸入、輸出、成功條件和失敗處理,避免資料在節點之間遺失。 設計流程時要考慮重複事件、空值、超時、速率限制、部分成功和人工接手。
實作練習 用「網站收到客戶查詢」畫出至少 6 個節點:接收、驗證、分類、建立草稿、審批、通知;加入低信心和失敗分支。
可複製實戰 Prompt AI AUTOMATION · M07-02 複製 請把以下流程設計成可實作的 Workflow:
流程目標:[目標]
觸發方式:[表單/郵件/Webhook/排程]
輸入資料:[欄位]
需要執行:[動作]
分支條件:[條件]
請輸出:
1. 節點順序及每個節點的輸入/輸出
2. Trigger、Action、Condition、Loop 的標示
3. 正常流程圖(Mermaid)
4. 低信心、缺資料、重複事件、API 失敗的分支
5. 人工批准點
6. 每個節點的測試案例
7. 日誌及告警設計
優先簡單可靠,不要把所有步驟都交給 AI。
我已完成本課及練習
M07 · LESSON 03 | 建議 30–45 分鐘
n8n 入門:建立第一條自動化流程 本課目標: 認識 n8n 的節點、連線、測試與發布概念,先建立安全的練習流程。
核心知識 n8n 以 Workflow 和 Node 組成;節點接收資料、執行動作並輸出下一步所需資料。 先用 Manual Trigger 或測試 Webhook,再逐步加入資料處理和通知節點。 Webhook 測試 URL 與正式 URL 用途不同;先在測試模式觀察輸入資料,再切換正式流程。 Credentials 應使用平台的憑證管理,不要將 API Token 寫在普通文字欄位或前端。 啟用正式流程前,檢查錯誤工作流、執行紀錄、重試策略及通知負責人方式。
實作練習 練習建立「手動觸發 → 設定測試資料 → 整理欄位 → 輸出結果」流程。若未有 n8n 帳戶,可先用流程圖和模擬資料完成設計。
可複製實戰 Prompt AI AUTOMATION · M07-03 複製 請用零基礎教練方式帶我在 n8n 建立流程:
目標:[例如接收客戶查詢並分類]
我的 n8n 環境:[Cloud/自架/尚未設定]
請一次只教一個步驟,並提供:
1. 要新增的 Node 名稱及用途
2. 要連接的順序
3. 每個欄位填甚麼測試值
4. 如何執行測試及查看輸出
5. 正常結果應該看到甚麼
6. 常見錯誤如何排查
先用虛構資料,不連接正式客戶資料或正式發送服務。
我已完成本課及練習
M07 · LESSON 04 | 建議 30–45 分鐘
Make 與 Zapier:選擇合適的自動化平台 本課目標: 比較常見無程式碼自動化平台,按流程複雜度、維護能力和成本作選擇。
核心知識 Make 以 Scenario 和 Modules 組合流程,適合視覺化分支、資料映射及多步驟整合。 Zapier 以 Zap、Trigger、Action 和內建整合為主,常見應用快速串接較容易上手。 n8n 可提供更細緻的工作流控制及自架選項,但自架需要處理更新、備份、安全和可用性。 比較平台時要計算執行次數/操作額度、任務失敗重試、資料處理位置、連接器限制和維護時間。 平台功能、定價及方案限制會改變;購買前要查閱官方最新方案,不應以舊教學的價格作決定。
實作練習 挑選同一個流程,分別畫出 Make、Zapier、n8n 的節點設計;列出預估每月執行量、維護工作和需驗證的方案限制。
可複製實戰 Prompt AI AUTOMATION · M07-04 複製 請比較 Make、Zapier、n8n 及自建 Cloudflare Workers:
流程:[描述]
每月執行量:[次數]
所需整合:[服務]
技術能力:[非技術/低程式/開發]
資料敏感度:[級別]
預算:[範圍]
請用表格比較:
- 建置難度、連接器、分支和資料映射
- 執行額度與成本計算方式
- 錯誤處理、重試、日誌和監控
- 資料控制、憑證安全及自架責任
- 人工審批、可擴展性及鎖定風險
推薦一個最小可行方案,列出要到官方文件核實的功能與價格;不要捏造即時價格。
我已完成本課及練習
M07 · LESSON 05 | 建議 30–45 分鐘
AI Agent:分類、判斷與工具調用 本課目標: 讓 AI 處理需要語意理解的步驟,同時限制其能做的事。
核心知識 先給 Agent 明確目標、上下文、可用工具、輸入輸出格式和停止條件。 工具應按最小權限開放,例如先只讀取客戶資料,不要直接授權刪除或付款。 AI 分類要設定信心門檻;低信心、矛盾資料或敏感請求轉交真人。 使用結構化輸出(例如 JSON Schema)讓下游流程能驗證欄位和型別。 Agent 的工具調用、輸入資料和結果要留下紀錄;重要操作前設置人工批准。
實作練習 設計一個只讀取虛構客戶查詢並分類的 Agent。定義 4 種分類、信心門檻、輸出 JSON 及轉人工規則。
可複製實戰 Prompt AI AUTOMATION · M07-05 複製 請設計一個受限制的 AI Agent:
任務:[任務]
可讀資料:[資料]
可用工具:[工具]
禁止操作:[例如發送郵件、刪除、付款、修改正式資料]
請定義:
1. Agent 角色、目標和停止條件
2. 工具清單及每個工具的最小權限
3. 結構化 JSON 輸出 Schema
4. 信心分數及低信心處理
5. 需要轉真人的情況
6. 防止 Prompt Injection 和不可信輸入的措施
7. 測試案例(正常、惡意、模糊、缺資料)
只提出設計,不要真的執行外部操作。
我已完成本課及練習
M07 · LESSON 06 | 建議 30–45 分鐘
API、Webhook、JSON:讓不同系統互相溝通 本課目標: 理解自動化平台如何與網站、CRM、資料庫和第三方服務交換資料。
核心知識 API 定義系統可提供的操作;HTTP 方法常見 GET 讀取、POST 建立、PATCH 更新、DELETE 刪除。 Webhook 是事件發生時向指定 URL 推送資料,適合即時觸發;Polling 則定時查詢是否有新資料。 JSON 是常見資料交換格式;欄位名稱、型別、必填規則和日期格式必須一致。 API 要驗證身份、檢查權限、驗證輸入、限制請求頻率並安全處理錯誤。 Webhook 接收端要驗證來源或簽章、處理重複事件及記錄事件 ID,不能只因收到請求就信任內容。
實作練習 閱讀一段模擬 Webhook JSON,標出事件 ID、客戶名稱、電郵、查詢內容及時間;設計重複事件檢查規則。
可複製實戰 Prompt AI AUTOMATION · M07-06 複製 請幫我設計以下系統整合:
來源系統:[來源]
接收系統:[接收]
事件:[事件]
JSON 範例:[貼上]
請解釋:
1. 觸發方式選 Webhook 還是 Polling,原因是甚麼
2. API Endpoint、HTTP Method 及必要 Header
3. JSON 欄位、型別和必填規則
4. 身份驗證及簽章驗證
5. 重複事件(Idempotency)處理
6. 速率限制、超時、重試及錯誤回應
7. 測試請求和預期回應
請用虛構資料示範,並標示哪些資訊必須向服務提供者確認。
我已完成本課及練習
M07 · LESSON 07 | 建議 30–45 分鐘
Human-in-the-Loop:人工審批與安全控制 本課目標: 在 AI 或自動化流程中保留人類控制,避免錯誤自動操作造成損失。
核心知識 AI 可準備建議和草稿,但發送客戶訊息、付款、退款、刪除或正式修改資料應設審批。 審批卡片要顯示原始資料、AI 建議、影響範圍、批准/拒絕/要求修改選項。 審批應有操作者身份、時間、決定和原因紀錄;超時或無人處理要有安全預設。 批准只適用於已展示的內容;若內容或金額改變,應重新審批。 設計拒絕、撤回、重試、升級處理及緊急停止機制。
實作練習 以「AI 草擬報價 → 負責人核對 → 批准後才建立正式報價」為例,設計批准頁面欄位和完整審批紀錄。
可複製實戰 Prompt AI AUTOMATION · M07-07 複製 請為以下自動化設計 Human-in-the-Loop 審批:
流程:[流程]
AI 建議的動作:[動作]
可能影響:[金額/客戶/正式資料]
審批角色:[角色]
請產生:
1. 哪些步驟必須暫停等候批准
2. 審批畫面需展示的原始資料和差異
3. 批准/拒絕/要求修改的流程
4. 審批者身份、時間、理由及版本紀錄
5. 超時、無人處理及緊急停止規則
6. 批准後如何確認內容沒有被更改
7. 測試案例及稽核清單
預設不批准任何高影響操作,直到真人明確確認。
我已完成本課及練習
M07 · LESSON 08 | 建議 30–45 分鐘
可靠性、監控與成本:令流程長期穩定運作 本課目標: 處理失敗、重複執行、部分成功和費用,令自動化不會靜默失效。
核心知識 每個節點要有成功/失敗狀態、可追蹤的執行 ID 和必要日誌。 暫時性錯誤可採有限次數重試及退避;資料錯誤或權限錯誤不應無限重試。 重試可能重複建立紀錄或發送訊息;使用 Idempotency Key 或事件 ID 防止重複副作用。 設置告警、失敗佇列、人工補救步驟及定期檢查;重要流程不可只依賴成功通知。 監控每次執行成本、AI Token、平台操作額度、人工處理時間和失敗率。
實作練習 為一條 5 節點流程寫出失敗處理表:錯誤類型、是否重試、重試次數、通知對象、人工補救及是否可能重複寫入。
可複製實戰 Prompt AI AUTOMATION · M07-08 複製 請審查以下自動化流程的可靠性:
流程圖/節點:[貼上]
每月執行量:[數量]
重要資料:[資料]
請建立風險矩陣,涵蓋:
- API 逾時、429、5xx、權限失效
- 格式錯誤、缺少欄位、重複 Webhook
- AI 輸出不合 Schema、低信心或 Prompt Injection
- 部分成功、流程中斷及人工審批逾時
每項列出:偵測方式、是否重試、退避策略、冪等處理、告警、人工補救及資料恢復方法。
另列每月成本追蹤指標及上線後監控儀表板欄位。
我已完成本課及練習
M07 · LESSON 09 | 建議 30–45 分鐘
Cloudflare Workflows 與商業實戰:建立可交付的自動化服務 本課目標: 把工作流概念整合至 Cloudflare 技術架構,完成一個可展示和驗收的商業流程。
核心知識 Cloudflare Workers 可接收 HTTP 請求、執行 API 邏輯及連接服務;Workflows 適合需要跨多步驟、重試、等待事件及持續執行的任務。 Workflows 的步驟應切分清楚,對外部寫入操作設計冪等,避免重試造成重複副作用。 長時間流程可等待人工審批或外部事件,再繼續後續步驟;要設逾時和取消策略。 可將 Pages 作前端、Workers 作 API、D1 作業務資料、Workflows 作持久工作流;各部分責任要清楚。 產品化服務要定義客戶範圍、資料處理、支援界線、SLA、維護費、驗收指標和退出方式。
實作練習 完成一個「查詢表單 → Worker 接收 → AI 分類(可先用模擬結果)→ D1/CRM 草稿 → 人工批准 → 通知」架構圖。先用測試資料和測試環境,不要直接連正式客戶系統。
可複製實戰 Prompt AI AUTOMATION · M07-09 複製 請把以下商業流程設計成可部署的 Cloudflare 自動化方案:
業務:[例如客戶查詢與報價]
前端:[Pages]
後端:[Workers]
資料庫:[D1/其他]
長流程需求:[審批/延遲跟進/重試]
外部服務:[AI API/郵件/CRM]
請輸出:
1. 架構圖(Pages、Worker、D1、Workflow、外部服務)
2. API Endpoint 和資料流
3. Workflow 步驟及等待人工事件的設計
4. 資料表草圖及狀態欄位
5. 身份驗證、租戶隔離及 Secrets 管理
6. 冪等、重試、告警、日誌及恢復策略
7. 測試環境部署步驟
8. 端到端驗收測試
9. 可銷售服務的交付範圍、維護及客戶責任
請先提出架構及風險,等待確認後才產生程式碼;不要修改正式系統。
我已完成本課及練習
KNOWLEDGE CHECK
M01–M07 理解測驗 先自行回答,再展開參考答案。
生成式 AI 的答案流暢,是否代表已查證? 不是。流暢度不等於正確性;重要主張要核對可靠原始來源。
何時應先問 AI 澄清問題? 當缺少的資訊會實質改變結果、風險或執行方式時。
Prompt 是否越長越好? 不是。應提供與任務相關的上下文、限制和成功標準,避免無關冗長。
如何公平比較 ChatGPT 與 Claude? 使用相同輸入、相同任務、相同評分準則,檢查實際可用功能。
為何要保存 Prompt 版本和測試案例? 方便追蹤改動、重現結果,並在模型或產品更新後重新驗證。
可以把客戶個人資料直接貼入任何 AI 工具嗎? 不可一概而論。先確認授權、資料最小化、帳戶政策及適用保護措施。
ChatGPT Project 應該放甚麼資料? 放與長期目標有關、相對穩定的背景、規格、參考文件和專案指示;每次任務的臨時要求則在當次對話交代。
Deep Research 的引用是否代表結論一定正確? 不是。仍要打開來源,核對日期、原始資料及證據是否支持該主張。
使用 Data Analysis 前,為何要先檢查資料品質? 缺失值、重複列、錯誤單位和欄位定義會影響計算;先檢查才可避免錯誤結論。
Claude Artifact 完成後應如何驗收? 分開檢查內容正確性、互動流程、錯誤輸入處理、可讀性、手機版和已知限制。
Claude Skills、Projects 和 MCP 有何分別? Projects 提供背景與知識;Skills 提供可重用程序;MCP 連接外部工具和資料。三者可以配合,但不是同一功能。
為何不應讓 AI 自動執行所有外部操作? 寫入、發送、付款、刪除和公開資料可能造成實際影響;應設定最小權限、人工批准、日誌及回滾方案。
為何 AI 導入前要先建立現況基準? 沒有原本耗時、成本、錯誤率和處理量,就無法客觀判斷導入後是否改善,也無法計算可信的 ROI。
AI 客服遇到退款或帳戶安全問題應怎樣處理? 依據已批准政策分流並交由真人或授權人員處理,不應自行承諾退款、變更帳戶或作高風險決定。
自動化流程中哪些動作應加入人工審批? 例如正式對外發送、付款、退款、刪除資料、修改正式紀錄或公開發布等有實際影響的動作。
為甚麼 AI 產生的網頁能顯示,不代表已完成? 畫面顯示只證明部分介面可載入;仍需測試互動、資料儲存、權限、錯誤情況、安全和手機版。
HTML、CSS 和 JavaScript 分別負責甚麼? HTML 是結構,CSS 是外觀,JavaScript 是互動和行為。
為甚麼 API Key 不可放在公開前端程式碼? 使用者可檢視下載前端程式碼並取得秘密;應放在後端的安全 Secrets 管理中。
登入後只在前端隱藏管理按鈕,是否足夠? 不足夠。後端每次 API 請求都必須驗證身份、角色及資料存取範圍。
發布前最重要的測試原則是甚麼? 不只測正常流程,也要測錯誤輸入、無權限、重複提交、網絡失敗、手機版及資料恢復;未測試要標示未驗證。
甚麼情況應優先使用傳統規則,而不是 AI Agent? 當流程穩定、規則明確、結果可預測時,傳統自動化通常更簡單、便宜和容易測試。
Webhook 與 Polling 有甚麼分別? Webhook 由事件發生方推送資料;Polling 則由接收方按時間間隔查詢新資料。
為甚麼自動化流程需要冪等設計? 重試或重複事件可能造成重複建立紀錄或發送訊息;冪等設計可避免重複副作用。
AI Agent 是否應該直接擁有付款及刪除權限? 不應預設開放。高影響操作要採最小權限、人工審批、完整日誌及可恢復機制。
Cloudflare Workflows 適合甚麼工作? 適合需要多步驟持久執行、失敗重試、保存步驟狀態,以及等待外部事件或審批的工作。
完成標準: 完成 51 課練習;能寫出包含目標、背景、限制、輸出格式及驗收標準的 Prompt;能指出 AI 答案中需要查證的部分。