【104 公益講座】2026 AI 工具實戰班重點筆記：從原理到 Agentic 工作流

深入解析生成式 AI 的「文字接龍」原理，傳授 CO-STAR 提示詞架構、論文高效筆記法、多階段翻譯工作流及 By Coding 網頁架設技巧 。學會用「主管思維」管理 AI，讓 AI 成為你的職場最強實習生 。

上週參加 104 職涯學院舉辦的 AI 工具實戰工作坊，尹相志老師從原理到工具實戰應用在短短時間跟大家分享，以下是透過 AI 結合課程講義與筆記的完整重點整理，有興趣的朋友可以參考。

---

一、 AI 的本質與核心原理

• AI 沒有智能與意識：目前的生成式 AI（Generative AI）並不像人類一樣擁有大腦或意識，它本質上是「背下了全世界的公開資料」。

• 運作機制（文字接龍）：

  • AI 的運作是基於「預測下一個 Token（字詞單位）」。它透過機率來判斷接下來最可能出現的內容。

  • 由於引入了「隨機性」來模擬人類的創造力，導致 AI 每次回答的結果都不盡相同。這也是為何它不擅長處理有「唯一標準答案」的問題（如數學計算，例如早期 AI 曾認為 9.11 比 9.8 大）。

• 抓大放小：AI 為了將海量資料塞入神經網絡，會進行壓縮，「記住大概念，但會遺忘細節」。這就是為什麼 AI 會有「幻覺」（胡說八道）的原因——它會用過去學過的模式來填補忘記的細節。

• 工具定位：AI 擅長處理開放式問題（作文、繪圖、發想），但不適合是非題或選擇題。它是一個需要被管理的「實習生」或「書僮」，而非全知全能的神。

---

二、 高階 Prompt Engineering (提示詞) 技巧

好的「下文（答案）」取決於優質的「上文（提問與背景）」。

• 概念對齊 (Concept Alignment)：

  • 避免 AI 瞎掰的關鍵在於提供充足的背景知識。如果 AI 不懂某個專有名詞（如特定產品名或時事，如「白飯之亂」），它會猜測。因此，必須先將正確的背景資訊（可透過聯網搜尋取得）餵給 AI，放在「上文」中。

  • 技巧：在進行創作前，先請 AI 上網搜尋相關的最新資訊、特色或同業案例，確保雙方認知一致。

• 角色扮演 (Role Playing)：

  • 原理：指定角色（如「資深行銷總監」或「央行總裁」）能限制 AI 的搜尋範圍，使其調用該領域的專業術語與思維模式。

  • 應用：寫履歷時請 AI 扮演「面試官」；切換不同視角（如從「不關心政治的高中生」切換到「央行總裁」）會得到截然不同的回答。

• Meta-Prompting (後設提示)：

  • 如果不知道怎麼下指令，可以使用：「你是人類，我是 ChatGPT，你希望我幫你完成 [任務]，請問你會如何下 Prompt 命令我？」來讓 AI 生成最佳指令。

• 思維鏈 (Chain of Thought)：

  • 關鍵句：「Let’s think step by step」（讓我們一步一步來想）。

  • 作用：這句話強迫 AI 延長思考時間（生成更多 Token），從而提高邏輯推論的正確率。這對複雜任務特別有效。

• CO-STAR 框架：

  • 高品質的 Prompt 結構範本，包含：Context (情境/背景)、Objective (目標)、Style (風格)、Tone (語氣)、Audience (受眾)、Response (回應格式)。

  • 在求職準備中，可以利用 CO-STAR 框架可以將 AI 變成一位嚴格的模擬面試官，幫助你優化回答邏輯。以下是針對「模擬面試」的完整指令範例：

    # Context (情境)
    我是一位擁有 5 年經驗的[填寫你的職位]，正在準備應徵[填寫目標公司]的[填寫目標職位]。請參考我接下來貼上的履歷與職缺內容。
    
    # Objective (目標)
    請擔任該公司的招聘經理，與我進行一場模擬面試。
    
    # Style (風格)
    請採用頂尖科技公司的面試標準，重點檢查我的回答是否符合 STAR 原則 (Situation, Task, Action, Result)。
    
    # Tone (語氣)
    專業、嚴格且犀利，請直接指出我的缺點，不需要過度鼓勵。
    
    # Audience (受眾)
    面試者（我）。
    
    # Response (回應格式)
    重要規則：請「一次只問一個問題」，這點非常重要。
    1. 提出一個問題。
    2. 等待我輸入回答。
    3. 針對我的回答給予評分 (1-10 分) 與具體修改建議。
    4. 詢問我是否準備好進入下一題。

• 實用工具：講師開發的 Chrome 擴充功能 「Prompt4All」，內建多種 Prompt 範本（如閱讀論文、寫作等）。

---

三、 實戰場景應用

1. 高效閱讀論文與文件

• 不要要求下「摘要 (Summary)」指令：摘要會導致 AI 過度簡化並丟失細節。

• 正確指令：要求 AI 整理「筆記 (Notes)」或「重點整理」，並列出詳細結構。

• 處理圖表：將 PDF 中的圖表截圖，貼給 AI 請求解釋圖表含義與細節。

• 進階閱讀的三種視角：

  • 批判性審查：扮演審稿人，列出優點與方法論缺陷。

  • 實務應用評估：列出實施步驟、所需資源（數據/算力）與技術挑戰。

  • 延伸研究方向：基於結論提出未來研究價值。

2. 零幻覺翻譯

• Andrew Ng 的反思工作流 (Agentic Workflow)：不要只做一次翻譯，建立一個多階段流程：

  • 角色 A (Translator)：負責初步翻譯。

  • 角色 B (Critic)：負責「反思」與「挑錯」，針對流暢度與語氣提出建議（只給建議不改文）。

  • 角色 C (Editor)：根據 B 的建議進行「修訂」。

• 事實查核：可用「反向翻譯」或開新視窗請 AI 檢查剛剛翻譯的內容（例如檢查古詩翻譯是否準確），避免 AI 自我護航。

3. 知識管理與自動化

• NotebookLM (封閉式查詢)：

  • Google 的 NotebookLM 允許上傳特定 PDF 或資料。AI 只會根據「你提供的資料」回答問題，能有效減少幻覺，適合研讀特定教材。

  • 功能：生成常見問答、心智圖，甚至生成 Podcast 風格的「語音導讀」。

• 主動式情報收集 (ChatGPT Tasks)：

  • 利用 ChatGPT 的 Tasks 功能可以自訂排程，設定觸發條件（如每天早上 9 點），請 AI 自動搜尋特定領域（如 arXiv）的最新論文並整理成週報，實現「主動推送」而非被動查詢。

4. 製作簡報

• 分工邏輯：AI 負責內容結構，專門工具負責視覺設計。

• 標準流程：

  1. 匯入 (Import)：用 NotebookLM 或 AI 整理雜亂筆記。

  2. 生成 (Generate)：請 AI 產出「簡報大綱」。

  3. 設計 (Design)：將大綱複製到 PPT、Canva 或 Gamma 套用模板。

5. 寫程式與架站 (Vibe Coding)

• Vibe Coding：現在不需要懂程式碼，只需用自然語言描述需求。重點在於產品的「感覺 (Vibe)」與「功能」。

• 工具：使用 Google AI Studio 的 “Build” 功能。

• 除錯方法：像主管一樣給予回饋。如果顏色不對，直接說「修改對比度」、「不要用黑白照片」，AI 會自行修正程式碼。

• 維護密技：可以把 Google Drive 當作輕量級後台。在 Drive 建立公開資料夾上傳圖片，網站直接嵌入 Drive 圖片連結。這樣無需重新部署網站即可更新內容。

---

四、 未來職場心態：主管思維

• 人人都是主管：未來的工作模式是「你管 AI，AI 做事」。你需要具備的是「主管思維」，懂得如何分派任務、驗收成果、並精準地傳達指令。

• 容錯與制度：AI 一定會犯錯。企業導入 AI 時，不應期待它完美，而是要設計一套「檢查與修正」的流程（如 Agentic Workflow）來控管品質。

• 持續對話：把 AI 當作團隊夥伴，持續與它磨合，培養默契，才能發揮最大戰力。

---

▍結語：從「執行者」轉型為「AI 團隊管理者」

這次課程的核心觀念在於打破對 AI 的迷思：AI 並非擁有真實智能的魔法，而是一個「背下了全世界資料」但需要被引導的工具。它就像是一個知識淵博但容易健忘、需要明確指令的「超級實習生」或「書僮」。

因此，在 AI 時代，我們在職場上的角色將發生根本性的轉變，必須培養「主管思維」。這意味著我們不再只是埋頭苦幹的執行者，而是要成為 AI 團隊的管理者，具備以下三項關鍵能力：

1. 精準溝通的能力：用「人話」與 AI 溝通，透過優質的 Prompt（如提供背景、角色扮演）來引導它產出正確的結果。

2. 容錯與校正的機制：認知到 AI 必然會犯錯，因此必須建立「工作流」與查核機制，用制度來管理錯誤。

3. 善用工具的槓桿：利用 AI 快速跨越「從零到一」的門檻。在未來，初階工作將被 AI 取代，唯有善用 AI 的人能直接躍升為中高階的專業工作者。

最終，AI 不會取代人類，但會用 AI 的人將取代不會用的人。課後最重要的行動，就是開始把 AI 視為你的團隊夥伴，持續與它對話、磨合默契，讓這個強大的數位團隊為你的職涯加分。

---