FreewingBiz Wing-W Symbol
FREEWINGBIZCharles AI Workspace
AI Educationv3.1•作者:Charles•

AI 學習旅程完整課程:L1–L6 階段式實戰

由淺入深的漸進式 AI 學習旅程簡報與完整實戰講義,涵蓋日常生活對話、工作日常輔助到垂直領域專業問答,讓初學者無痛掌握生成式 AI 核心技巧。

適用工具:HTML5AstroTailwindCSSChatGPTClaudeGemini
主題標籤:#AI學習#教學簡報#入門課程#Prompt#工作流
即時簡報內嵌預覽

AI 學習旅程|完整課程 L1–L6 階段式實戰講義

本教材專為零基礎到日常應用的學習者設計。我們強調:「不必先懂技術原理,也不用硬背生硬的咒語式指令。」 只要掌握如同與一位聰明助理對話的節奏與引導心法,每個人都能在日常生活與工作中發揮生成式 AI 的強大潛能。

許多初學者在剛接觸 ChatGPT、Claude 或 Gemini 時,常犯的兩個極端錯誤是:

  1. 把它當成舊時代的搜尋引擎:只輸入兩三個破碎的名詞(例如「台北 旅遊 推薦」),結果得到千篇一律的罐頭旅遊書簡介,進而覺得「AI 不過如此」。
  2. 被網路上的「萬能咒語包」嚇退:以為必須背誦複雜的英文語法或程式指令才能驅動 AI,還沒開始就放棄。

事實上,現代大型語言模型(LLM)最核心的能力是「語境理解(Contextual Understanding)」。本課程將學習路徑拆解為 L1 到 L6 六個循序漸進的實戰階梯,帶你從零開始建立受用一生的 AI 協作思維。


六大階段能力演進總覽表

階段等級 核心學習目標 思維轉換關鍵 代表性實戰產出
L1 初探心法 破除恐懼、建立自然對話觀念 從「查關鍵字」轉為「交代任務背景」 第一份具備角色與受眾設定的精準問答
L2 生活應用 在日常細節中體會 AI 協作樂趣 善用條件限制(預算、時間、忌口) 冰箱清庫存食譜、家庭客製化旅遊行程表
L3 迭代與追問 掌握「第一次答案不完美時」的修正技巧 把單次問答變成多輪對話式打磨 透過 Few-shot 範例讓 AI 完美模仿個人文風
L4 工作輔助 辦公室職場生產力倍增 將長文拆解、結構化提煉與跨語系潤飾 高情商客訴回覆信、萬字會議記錄行動清單
L5 垂直領域落地 結合個人專業經驗解決行內難題 注入領域知識(Domain Knowledge)與術語 車縫工藝參數診斷、傳統產業技術標準SOP
L6 專屬工作流 從「會問問題」升級為「建立數位資產」 將高頻任務固化為可重複調用的系統模板 個人專屬 Custom Instructions 與自動化檢核表

六大階段深度實務解析與練習範本

L1 初探心法:破除恐懼,建立自然對話觀念

  • 核心心態調整:AI 不是不可觸摸的黑盒子,也不是全知全能的神;請把它當成一位「剛從名校畢業、博覽群書、打字極快,但完全不了解你公司與家庭背景的實習生」。你交代得越清楚,它交出來的報告就越驚艷。
  • 黃金四要素公式(R-C-T-F):
    1. Role(角色):希望 AI 站在什麼專業視角回答?
    2. Context(背景):這件事的前因後果與受眾是誰?
    3. Task(任務):具體要它完成什麼動作?
    4. Format(格式):希望用表格、條列清單還是分段短文呈現?

💡 L1 實戰對比練習

❌ 傳統搜尋引擎問法:
「高血壓 飲食 注意事項」
(結果:AI 吐出一大篇像醫學百科全書的生硬條文,長輩根本不想看。)

✅ L1 自然對話式問法:
「你現在是一位親切且擅長台灣家常菜的社區營養師(Role)。我爸爸今年 68 歲,剛被檢查出輕微高血壓,但他平常最喜歡吃滷肉飯跟重口味熱炒,很排斥水煮餐(Context)。請幫我設計一份『一週七天晚餐替換菜單』,要保留台菜香氣但減鈉減油,並用大字體的表格列出每道菜的『偷吃步調味技巧』,讓我可以直接印出來貼在冰箱上給媽媽看(Task + Format)。」


L2 生活應用:在生活細節中體會 AI 協作樂趣

當你學會交代背景後,最快建立成就感的方式就是把 AI 帶入日常生活決策:

  • 冰箱剩食清庫存大作戰:直接拍下冰箱現有食材(或列出:「半顆高麗菜、兩顆雞蛋、一盒快過期的板豆腐、一點蔥花」),要求 AI 在「15 分鐘內、只用一個平底鍋」的前提下,變出兩道下飯料理。
  • 多條件家庭週末行程規劃:同時輸入看似衝突的條件(例如:「帶著 4 歲小孩與 70 歲膝蓋不好的長輩、下雨天備案、桃園出發車程一小時內、餐廳要有素食選項」),觀察 AI 如何幫你過濾掉不合適的景點並排出完美動線。

L3 迭代與追問:掌握「第一次答案不完美時」的修正技巧

初學者最常犯的錯誤是:看到 AI 給出的第一個回答不夠好,就關掉視窗說「AI 沒用」。真正的高手都知道,好結果是「聊」出來的,不是「一槍命中」的!

  • 三種高效追問微調術:
    1. 調整語氣與顆粒度:「內容很好,但太像官樣文章了。請幫我把第二段改寫成『像在跟十年老朋友喝咖啡聊天』的口吻,並把字數縮減一半。」
    2. 反向挑錯(Devil's Advocate):「這份企劃書看起來很完整,但請你現在換個角色,扮演一位『極度挑剔、預算有限的財務長』,指出這份方案最可能失敗的 3 個盲點。」
    3. 提供範例模仿(Few-shot Prompting):與其用十句話形容你想要的排版,不如直接貼一篇你以前寫過的文章,對 AI 說:「請分析我這篇文章的標題習慣、段落長短與用詞風格,接著用一模一樣的風格幫我寫一篇新的主題。」

L4 工作輔助:辦公室職場生產力倍增

進入職場場景後,AI 能幫我們省下 70% 的文書整理與跨部門溝通摩擦力:

  1. 高情商商務書信改寫:
    • 當你被不合理的客戶或跨部門需求惹毛時,先在對話框打出你最真實的抱怨(「客戶昨天才改規格,今天又要提前交貨,根本不可能!」),接著下令:「請幫我把上面這段話,轉譯成一封『極度禮貌、立場堅定、列出具體工時影響,並提供兩個折衷方案』的專業商務 Email。」
  2. 萬字長文與會議記錄結構化提煉:
    • 面對冗長的逐字稿或英文報告,要求 AI 輸出固定三欄表格:「決議事項(Decisions)」、「待辦行動與負責人(Action Items & Owners)」 以及 「尚未釐清的風險(Open Questions)」。

L5 垂直領域落地:車縫與傳統技藝專業問答範例

許多老師傅或資深專業人員會懷疑:「AI 又沒踩過裁縫機、沒進過工廠,怎麼可能懂我們這行的眉角?」

在 L5 階段,我們以「專業車縫工藝與布料處理」為實例,證明當你把「行內專業參數」輸入給 AI 時,它能成為最強的技術整理與教學助手:

  • 一般外行問法:「為什麼我車縫針織布的時候一直跳針?」(AI 只能給出換針、重新穿線等籠統回答)。
  • L5 職人專業問法:「我在使用工業用平車縫製『高彈性萊卡針織布(Lycra Jersey,克重 220g)』時,轉角處出現偶發性跳針與底線起毛球。目前已更換為 11 號圓頭針(Ballpoint Needle),上線張力調低,使用特多龍線。請從『送布齒高度(Feed Dog Height)』『壓腳壓力(Presser Foot Pressure)』與『針車同步時間差』三個機械維度,幫我列出排查順序表,並整理成給工廠新進學徒看的故障排除圖卡文案。」
  • 核心啟示:你的現場專業經驗是「1」,AI 的結構化與表達能力是後面的「000」。沒有你的現場知識,AI 只是空談;加上你的專業,AI 就能幫你把腦中的數十年經驗瞬間變成傳承教材與標準 SOP!

L6 建立專屬工作流:從會用工具到打造個人知識資產

在最後一個階段,我們不再每次打開空白視窗重頭打字,而是建立自己的「數位武器庫」:

  1. 固化高頻提示詞模板(Prompt Templates):
    • 將你在 L4、L5 打磨出最滿意的那套指令,把變動的部分換成 {{變數}}(例如 {{布料材質}}、{{客戶痛點}}),存成個人筆記本或快捷鍵。
  2. 設定全域個人背景(Custom Instructions / Memory):
    • 在 AI 設定中預先寫好你的職業身份、偏好的排版格式(如「永遠使用繁體中文、台灣職場用語、優先以 Markdown 表格對比優缺點」),讓每一次新對話都直接從 90 分起跳。
  3. 邁向進階自動化:
    • 當單一任務已經穩定後,即可進一步串接專案規範檔(.cursorrules)、RAG 知識庫或自動化工作流,正式從「AI 使用者」晉升為「AI 工作流架構師」。

延伸實戰教學推薦

查看全部 25 篇教學 →
Vibe Coding2026-11-17

給 Vibe Coder 的自動化驗收神盾:用 Playwright MCP 讓 AI 寫完網頁自己開瀏覽器跑完 E2E 視覺測試

受夠 AI 寫完前端就自信宣布「Done!」,結果你自己點開瀏覽器卻發現滿屏 Console Error、按鈕按了沒反應、手機版破版嗎?本文教你把 Playwright MCP 與 Chrome DevTools MCP 接進 AI 編程迴圈,打造「5 步驟前端自動驗收與自癒閉環」:背景啟動伺服器、Console/Network 錯誤捕手、Accessibility Tree 語意樹定位、375px/1440px 雙視口視覺檢測與自動修復,附上完整 playwright.config.ts、冒煙測試腳本與 E2E 驗收指令錦囊!

閱讀完整教學 →
Local AI2026-11-17

超低延遲本地語音 AI 管線實戰:整合 Faster-Whisper、CosyVoice 與本地 LLM 打造毫秒級即時語音助理

為什麼自己土炮的「錄音 → Whisper → LLM → TTS」語音助理每次都要等 6 秒才開口,講話像故障對講機?本文深度拆解「亞 500ms(Sub-500ms)全雙工串流語音管線」架構:整合 Silero VAD 搶話打斷(Barge-in)、Faster-Whisper INT8 語音辨識、Local LLM 句讀邊界切塊串流(,。!?),以及 CosyVoice 2 / Kokoro 雙向串流合成,並附上 8GB/16GB/24GB GPU 顯存分配實戰表與完整 Python 非同步串流管線範例。

閱讀完整教學 →
Enterprise AI2026-11-16

超越傳統向量搜尋:GraphRAG(知識圖譜檢索增強)架構解析與高複雜度跨文件推理實戰

為什麼傳統 Vector RAG 面對「這 300 份合約最常出現的 5 大風險主題是什麼?」或「跨子公司擔保鏈」問題時會集體失智?本文深入剖析 Microsoft GraphRAG 與 LightRAG 核心架構:從實體與關係抽取、Leiden 分層社群聚類、Local Search 到 Global Map-Reduce 全域推理,提供成本與延遲對照表、企業選型決策矩陣,以及可直接複製的知識圖譜實體抽取 Prompt 範本。

閱讀完整教學 →