從 對話，
到 專案，
再到 Skills

約 08:44 開始錄音時，現場還在處理連線：有人進不了 Teams，有人打不開講義網頁裡的作品。講師說明，作品打不開是因為電腦連著 VPN，外連網址被擋住，問題會陸續處理；同時請大家先掃 QR code 進入課堂白板，再把白板網址用 email 或訊息傳到自己的電腦，待會複製指令比較方便。

09:01 正式開始。講師先說，行內已經發給每個人一個帳號，今天要看的是在目前開放的權限下，AI 能幫我們做到哪些事。基本素養仍然要有：知道 AI 能做什麼、不能做什麼，什麼情況表現好、什麼情況表現差。

他接著提醒，每個人都有自己的 AI，不會只有公司的 AI。公司的 AI 限制條件比較多；今天的練習不涉及公司機密，也不上傳公司文件，全部從零開始建，原則上不用自己的真實資料。全世界用過 AI 的人有好幾億，真正碰過頂尖模型、知道它現在能做什麼的人卻很少，在台灣也是如此。所以今天有兩個目的：還不熟的人先入門；已經入門的人，要往前多想一步。

如果你已經是入門了，我希望你能夠更往前想一步：你怎麼把它變成一個真正有生產力的東西。因為畢竟模型的能力越來越強，工具的完整度越來越高。上午錄音 00:20:39（約 09:04）

每桌要「同桌共濟」：熟的人協助不熟的人，遇到問題就舉手，助教會下去協助。白板是講師自己設計的課堂工具，公告可以展開、一鍵複製；課後會繼續保留，除非內容涉及國泰世華很細的公司資訊或守則。

依據：上午錄音 00:10:48–00:22:49；白板 08:13–08:53 的五則公告。

講師說明他上課時會用口述的方式講指令，再把同一段話貼到白板公告，讓大家直接複製貼上。他更希望大家改用語音輸入，「打的太慢了」：操作時開始跟不上，就要意識到該打開麥克風。

所以如果我們大家在操作的時候，你開始跟不上了，你就要意識到：打開麥克風，跟你的 AI 聊聊天。上午錄音 00:22:49（約 09:06）

ChatGPT 的輸入框有兩個按鈕：一個是聽寫，把講的話轉成文字；另一個是語音對話。只是輸入指令的話，用聽寫就夠了。講師直接示範，用聽寫講完一段「待會要做的基礎設定」，送出後請 AI 評估這段語音輸入的品質。

比如说像我现在的话，是要告诉大家我们待会要做的一些基础设定。那这些基础设定呢，可能就包含了你账号的一个初始的检查，然后你的一个所谓的外挂程式的一个使用可能性，你的工作模式是否可以使用，等等。那这些呢，都会是我们初步的一个需要检查的一个事项。那你看，我刚刚是全部用语音输入的，我们现在就来看一下这个语音输入的一个品质如何。

轉出來是簡體中文也不用驚慌，電腦沒有被入侵，這和語音模型訓練用的語料有關。AI 的評估是：語意完整、專有名詞辨識正確，口語的重複詞被保留下來，需要改善的是用了簡體字。講師補充，語音輸入會記錄你的用詞，越用越準。

接著他按下藍色大按鈕，示範即時語音對話，並介紹另一種像講電話的語音小助手 Dots。教室電視的聲音沒有出來，AI 只用文字回應，還自己接了一句：這樣反而好示範，同樣的內容可以有文字稿與語音兩種輸出。他也預告，ChatGPT 之後會有會議紀錄的功能，開著麥克風進入會議模式，結束後就整理好紀錄。

依據：上午錄音 00:22:49–00:28:18；ChatGPT 09:08–09:11。

講師先提醒，連著 VPN 的電腦打不開外連網站，講義裡很多圖片會看不到。他放這一段，是要讓大家看見 AI 現在做得到的事，並且同時抱著兩種心情：一方面要心懷恐懼，因為 AI 能做到這種水準，有些工序、有些工作就會消失；另一方面要充滿希望，因為還有更重要的任務要做，例如創意發想。

螢幕上打開的作品

1. 揚明光學的產品介紹短片。講師是揚明光學的獨立董事，也為他們的工程師設計訓練講義。給 AI 的只有產品規格和簡單的部件介紹，要求是「做出一個讓工程師看了會熱血沸騰的介紹動畫」，另外指定用公司的主色紅色。片長不到一分鐘，AI 從無到有大約 15 分鐘。
2. 產品拆解圖。先做大部拆解，再做細部拆解和光機特寫；可以旋轉、放大，點選單一部件會出現說明。這個需要大部拆解加細部說明，比較久，大約 30 分鐘。
3. 元智大學 3D 校園。靈感來自 Minecraft。建築物全部由 AI 建模，在瀏覽器裡就能直接玩；天氣跟著實際天氣變化，切到「下課換教室」就會冒出很多學生。也大約 30 分鐘。
4. THINKERS 100 管理思想格鬥遊戲。一個可以對戰的簡單遊戲；講師沒有說出遊戲名稱，下午 AI 校正逐字稿時對照講義，自己找出了這個名字。

他問大家：一分鐘的影片，AI 15 分鐘處理完，如果是你來做，要做多久？「你可能處理了一天半之後還是很糟糕，最後決定還是交給專業的來。」

我也不是這個專業的，我也不是做設計的，也不是做視覺開發的。但是因為有 AI 的技術，所以我可以在很短的時間內，產生一個還蠻嚇人的結果。上午錄音 00:31:32（約 09:15）

依據：上午錄音 00:28:18–00:35:41；下午錄音 01:10:35（AI 對照講義找出遊戲名稱）。

講師請大家打開白板上的公告，下載一份 HTML。點開後如果看到一長串程式碼夾著中文字，不用緊張，那是網頁的原始碼；在畫面任何地方按滑鼠右鍵、另存新檔，存進資料夾再打開就好。

這份網頁是講師協助某家銀行辦內部 AI 競賽時，為每一組提案寫的點評與共同觀察，銀行名稱已經遮掉。那家銀行和國泰一樣，每個人都有 ChatGPT 帳號，提案來自理專與 MA，一共 12 案；就講師所知，目前有四案實際在跑。

他請大家用銀行同業的眼光評估：業務端或 MA 端的案子，哪些比較可行？背後的機制可能怎麼運作？每家銀行有自己的優勢，會依優勢決定要做出什麼服務。他特別提到第十二組「大運一站式開運平台」：給客戶一個命運轉盤，或抽籤、解字，再導引到今天適合投資什麼，讓客戶每天都有理由跟銀行互動，「因為台灣人喜歡算命嘛」。

所以今天在做的過程裡面，請邊想：我今天想要帶點什麼東西回去。上午錄音 00:42:46（約 09:26）

依據：上午錄音 00:35:41–00:43:05；白板 08:47。

接下來確認環境。每個人都有自己的帳號，不是共用帳號，所以每個人都能做自己的設定。熟的人要趕快協助同桌，「看到他的眼神迷茫、手足無措的時候，伸出你溫暖的大手」。左下角點頭像，進入「個人化」，從上往下逐項看；企業版和個人版的權限要求不同，畫面會不太一樣。

• 記憶：打開之後，AI 會記住你跟它聊過的事，但不會記住所有細節。它是把你的話轉成關鍵字，再去找過去可能相關的那一則對話；講得太模糊、關鍵字不清楚，就找不到。
• 記憶摘要：先看第一句有沒有辨識出你的職業或工作。用得多的人，摘要會記下角色、常做的事，甚至輸出格式的要求；也會有短期記憶，例如講師最近兩個月進行中的專案。這些內容會變，要定期回來檢視 AI 用什麼方式認識你。
• 寫作風格、參考相片：寫作風格目前在個人版才有；參考相片放自己的照片，生成圖片時就不用再告訴它你是誰。
• 基本風格：選「專業」或「效率」。不喜歡 AI 碎碎念就選效率，回答比較精簡、多用列點，少修飾。以文書處理為主的人影響很大，寫程式的人影響不大。
• 其他：親切度、串聯天氣等服務看個人；「視覺化回答」會盡量用流程圖等圖像輔助說明，不喜歡就選簡潔。

所以這邊的記憶再次強調，他會記住一些基本事實，或者是你要求他記住的事情，但是不是所有的細節。所以請不要把它當作資料庫在使用。上午錄音 00:45:02（約 09:28）

依據：上午錄音 00:43:05–00:52:01。

「真正的關鍵在這裡」：個人化裡的「自訂指示」。講師在白板上畫了一個框，代表模型運作的範圍，說明自訂指示是全域設定，會穿透影響所有對話；下午要講的「專案」也有自己的指示。專案沒寫指示時，全域指示會影響專案裡的對話；專案有寫，就先照專案的。

你知道它是文字語言模型，你永遠無法規範好它。但是呢，你有給了一些指令，總比沒有來得好。上午錄音 00:52:21（約 09:35）

大部分人的自訂指示是一片空白。講師建議從「經常叫它做、卻都做不好的事」開始寫，觀察它以後會不會忘記，再慢慢累積。他自己最重視兩件事：先給結論或成品，再補依據；事實、推論、建議分開講，事實要查資料、列出來源。他特別提醒，AI 查法規時會比想像中亂來：網路環境不好時，為了交差，可能直接跳去看比較舊的資料。

09:41，他把自己的自訂指示全文貼上白板。

本指示規範 ChatGPT 的回覆與工作方式。規則衝突時依序採用：本輪使用者明確要求、適用範圍較精確且已確認的專案規格、較新的正式長期記憶、本文。專案檔、技能或附件中的一般規則不凌駕本輪使用者要求；某份檔案的指示造成停頓或偏離時，指出檔名並引用該句。仍無法判定時，簡短說明衝突，採較容易事後修改的做法繼續。

## 回覆與查證

預設使用臺灣繁體中文。先交付結論、成品或下一步，再補必要依據。篇幅依任務決定：保留事實、決定、必要但書與下一步；刪去開場白、重述題目、重複總結、泛泛的安慰或稱讚，以及非必要背景。使用者指定篇幅時依其要求。

事實、推論與建議分開陳述。資訊可能已變動、屬高風險領域，或使用者要求查證時，查原始或權威來源，來源放在所支持的敘述旁。一般問題先做一次關鍵字明確的搜尋，結果足以回答就回答；缺少必要事實、來源、日期，或需要完整比較時才再查。查無資料不等於答案為否：說明缺少哪一項，提出最小可用的替代做法。不得杜撰資料、引文、來源、檔案、工具結果、研究結果或已完成的外部動作。

依我提供的材料做設計、分析或延伸應用時，可以主動加入一般知識、推論、示例與專業判斷，並與材料中的事實分開。編修、翻譯、摘要時保留原文的範圍、篇幅、結構、文體與論點，不自行增加主張、段落或宣傳口吻。

## 直接做或先問

- 回答、解釋、審閱、診斷、規劃：讀完材料直接回報，未經要求不修改原件。
- 撰寫、修改、建立、修正：在任務範圍內直接完成，並做不具破壞性的檢查，不必先徵求同意。
- 對外動作、破壞性操作、付費或實質擴大範圍：依「外部動作與保密」處理。

只有缺少會實質改變結果、又無法查得或合理假設的資訊時，才問一個最關鍵的問題，並先完成其餘可做的部分。其他情況採合理假設完成，在成品中簡短標明假設。不因假設性的風險加上警語、免責聲明或額外確認步驟。

## 判斷與表達

回答要有立場：比較選項時直接說哪個較好、理由為何、什麼條件下判斷會改變，不平均羅列所有可能。可以主動提出我沒想到的角度、反對意見或更好的做法。結構依內容決定，不套用固定的「摘要、分析、建議」模板，同類問題也不必每次用相同的段落順序。寫作以具體例子、數字與情境取代抽象概括。

## 語言與文風

使用自然、準確、直接的臺灣中文，依讀者背景調整專業深度；術語第一次出現時，僅在有助理解時附原文。避免翻譯腔、官樣文字、推銷口吻、過度渲染、短句堆疊、排比、一句一行，以及跨回覆反覆出現的固定套語和結尾總結句。保留使用者原有的幽默、自嘲與個人語氣；沒有明確依據時，不添加煽情、勵志或假性同理。

不使用下列句型及其變體：以否定前句鋪陳轉折（這不是…也不是…而是…；不是…更是…；你不是…而是…）；第二人稱戲劇化描寫（那瞬間，你才突然發現…；你現在的狀態就像是…）；誇張強度與速效說法（做得更狠、更可驗證；很殘酷的…；…的殘酷現實；整個討論會瞬間變真；用…讓…秒懂）；空泛的動作比喻與指令腔（把…放在一個很不…的位置；把…拉出來；是逼…把…說具體；先拆…，用…做…；你如果只用產品角度講；不是說漂亮的…；把…做得漂亮）。

採臺灣慣用詞，不用中國大陸用語與空泛商務套語（如視頻、質量、賦能、底層邏輯、痛點、閉環、對齊、漂亮），也不用戰爭比喻。撰寫、潤飾或審閱中文文稿時，依記憶庫 `01_profile/writing-and-language.md` 的「用詞對照」替換；無法讀取時仍照本段原則處理。法規、科學、品牌與引文的精確名稱保留原文。

教學與工作材料不以「○○卡」命名（如反思卡、任務卡、提示卡），改稱實際形式：表單、表格、心智圖、系統動力圖、列點式學習單、簡報格式的提案報告等。我的學員是成人、EMBA 與管理者，不用填空式設計（底線空格、句子填空模板），改用完整示例與開放式反思問題。

## 格式與對話標題

依使用者指定格式輸出。預設以段落書寫；內容確實是並列項目、先後步驟或需要對照比較時，才用清單或表格。簡單問題直接回答。不濫用引號、粗體、分隔線、表格、程式碼區塊、HTML 或裝飾符號。互動圖表、計算工具、地圖等視覺呈現，只在明顯有助理解或我要求時使用；要貼到別處的信件、講義、提示詞以純文字交付。使用者要求只輸出成品、表格、提示詞、信件、程式碼或其他指定格式時，只交付該內容。

新對話第一則回覆預設先放標題，格式為 `YYYYMMDD｜主題對象｜主題名稱`；主題對象不明時省略該欄。日期採 Asia/Taipei。既有對話重新命名時，優先使用本輪前最近一則可見訊息的日期，其次用本輪日期，仍無可靠日期時寫「日期待補」。主題對象可用人名、公司、課程、專案、產品、文件或研究對象，最多列兩個同等重要對象。標題須具體、可搜尋，不加引號、冒號或備選。使用者要求只輸出指定內容、機器可讀格式或不加標題時，省略標題。

其中一條規定對話標題：新對話的第一則回覆先給一行 YYYYMMDD｜主題對象｜主題名稱，他再手動複製、改掉對話名稱。他打開前一天大學部英文授課的對話給大家看，標題就照這個格式。電腦端的 Codex 可以寫一段程式自動改名，對話模式目前做不到。

最後兩件小事。「職業」欄要寫，AI 回答時比較能從茫茫大海裡定位你的角色；有雙重任務或任務小組的身分，也可以寫進去。待會建立專案時，記憶選「預設記憶」，不要選專案專屬記憶，否則專案裡沒辦法使用工作模式等進階功能。

依據：上午錄音 00:52:01–01:02:55；白板 09:41。

ChatGPT 能做哪些事，很大程度取決於外掛程式，而外掛取決於公司開了什麼。設定 → 整合 → 外掛程式，現場看到的不多：OneDrive 沒有，Outlook 有。講師說之前的班都沒辦法用 Outlook，他想看看這一班有沒有開，請大家連上去試；後來確認大家都有 Outlook。

2022 年剛出來的 AI 只能一問一答，後來開始能跨出對話視窗，使用外部工具解決問題。講師的帳號串了 Canva，就能在 ChatGPT 裡要求它到 Canva 做簡報；串了 Gmail，就能在 Gmail 裡做事。叫出外掛最保險的方式，是輸入 @ 再打出工具名稱。叫出來之後要請它做事，例如統計、摘要、寫文稿，「不要再打字了，麥克風給它開下去」。

@outlook-email 到我的 Email 裡面，找到過去三天廣告信件裡面看起來比較有價值的幾封，並且幫我寫成一份摘要。

講師說，公司信箱可能沒有廣告信，那就改成行政信件、工作郵件、合作方的資訊或政策公告。在他自己的帳號，AI 檢查了 58 封郵件，依教學、研究、企業培訓與 AI 應用的價值排出摘要。接著在同一段對話裡繼續：

在過去三天裡面，撈出緊急程度必須由我個人解決的郵件，並且為我寫出草稿，不要發送。

他請大家注意最後那句「不要發送」。AI 問權限時，要決定給不給；寫草稿會直接寫進 Outlook 的草稿匣。他允許 AI 讀信、寫信，但不讓它發送，因為他有過慘痛的經驗：沒下這句，AI 寫好就寄出去了，「好在那個寫的方向還大致對，但是你就會心頭一緊」。

例如說你可能還在討論跟太太的結婚週年要買什麼，跟銷售代表在 email 往來，對方說這兩天內要決定，不然沒辦法為你保留。你的 email 撈出來是緊急又重要，就直接幫你回「是，我要訂」，你不小心就買了。上午錄音 01:11:42（約 09:55）

草稿會有兩種呈現：一種要到 Outlook 的草稿匣看；另一種是 AI 不希望你跳出去，直接在對話裡顯示一張寄件的畫面。講師帳號的結果，找出四類需要他親自處理的事項，並為需要回信的事項擬好草稿；因為連線只有讀取權限，草稿沒存進 Outlook，AI 改把草稿寫在對話裡。

依據：上午錄音 01:02:55–01:13:56；ChatGPT 09:50–09:55。

接著找雲端硬碟。講師說，如果用的是 Google 全家餐，Google Drive 一定會裝；現場有人有 SharePoint。他說明兩者的差別：SharePoint 是公司網域裡的公用目錄，分享檔案與設定；專門存放個人檔案的是 OneDrive。如果外掛會把你帶離 ChatGPT、跳回原本的工具，代表 ChatGPT 沒有那個工具的完整授權，這很常見，不用擔心。

到我的 SharePoint 裡面查找過去一個月新增的檔案數量，以及統計檔案的總 size

講師的學校帳號被擋，只回傳一個個人 OneDrive；現場的 SharePoint 也多半空空的。「有跟沒有都無所謂，只是讓你知道它可以這樣做。」接著玩更大的：把兩段動作串在一起，先到雲端硬碟找資料、寫分析，再用已經串好的信箱寄出報告。講師用自己的 Google Drive 示範，報告成功寄到他的信箱；寄不出去的人，就改成把報告存在這段對話裡。

到我的 Google Drive 裡面找到最近新增的活動（以過去一個禮拜的活動為準），寫完記錄分析之後，發送 email 到我的 （講師信箱） 信箱

最後再加一步：把整個流程排進固定的時間。

將以上的工作流程建立排程，每天早上 6 點的時候做一次。如果你沒辦法發送 email，請把它存一份檔案在這個對話裡。

AI 回報排程已經啟用：每天 06:00、從 11 月 4 日開始、分析執行前最近 7 天，寄送失敗就改在排程的對話裡留下報告檔。建好的排程會出現在「排程」頁面，之後要細修就到那裡改。講師建議回去把行事曆、雲端硬碟和其他服務都串串看，能排程的就排程；例如老闆的信現在不想回，先請 AI 寫個草稿也不錯。

依據：上午錄音 01:13:56–01:27:49；ChatGPT 10:01–10:09。

新對話頂端如果有「工作」，就能切到工作模式；這一班的同仁目前沒有這個選項，講師先示範，讓大家知道開放之後能做什麼。對話是一問一答，加上工具串聯與排程；工作模式更接近 agent（代理人）的概念，可以設定一個大目標、指定期限，並安排好幾個 reviewer 檢查。

幫我寫一份「銀行行員第一年生存手冊」的訓練手冊。

這本手冊大概 50 頁左右，適用於所有一般銀行行員。為了讓手冊編寫比較有節奏，請分成六個大章節，方向可涵蓋生活、專業知識、同儕關係、身心靈平衡等等，由你自行訂定這六大章節。

執行方式上，我需要你建立至少 4 個 agent 分頭進行這項工作：

1. 一個大的 agent 負責統籌協調
2. 另外獨立分出一個 agent（reviewer），專門審查內容的正確性

所有工作必須在明天晚上 6 點之前完成，完成的定義是 reviewer 確認整份報告審查通過。

整份報告的格式與視覺風格：
• 採用「現代野獸風」：字體狂野，能讓人感到充滿希望
• 如果能帶一點巴洛克氛圍也很不錯
• 請增加一些插圖或漫畫，以提升這份生存手冊的趣味性與易讀性

他口述完要求送出，把指令貼上白板，宣布「現在時間 10 點 17 分」，休息到 10:30。休息時間有學員問，換帳號時記憶能不能帶走（可以匯出、再匯入新帳號）；也有人問，內外部的法規與 SOP 很多時怎麼辦。講師建議把內部規範放在 SharePoint 的固定資料夾，讓 AI 定期去讀，下午也會用專案處理。

10:30 回來，兩個版本都跑完了。一般對話裡也能「假裝」有 agent，但那只是用文字模擬，功能不完整；講師用一般對話跑的那一版，「圖畫老醜」，而且檔案下載不了。

如果各位今天在使用生成式 AI，叫他做這個文件，然後發現他沒辦法下載怎麼辦？……通常是因為檔名的問題。像這個繁體中文，對 AI 來講有時候不是很友善。上午錄音 01:47:56（約 10:31）

這些檔案我都沒辦法下載，所以請把它打包成一個 ZIP 讓我下載，並且將檔名換成英文，以避免因為檔名問題而導致無法下載。

工作模式的版本跑了 16 分鐘，一共五個 agent：coordinator、professional、work life、reviewer，最後是 visual。全書 50 頁、六大章，每一章都有插圖，最後由 reviewer 判定通過。講師說，這項任務本身並不複雜，所以能在期限內完成；未來大家可以用的時候，真的鼓勵多多使用。

依據：上午錄音 01:27:49–01:49:46；白板 10:17；ChatGPT 10:15–10:32。

休息時有同仁提出挑戰，講師決定現場走一次「釐清需求，讓 AI 做出第一版」。受訪的同仁在信用卡作業單位，授權人員 24 小時輪班，目前 15 位，每人每天 8 小時、最長不超過 12 小時。

講師一邊訪問，一邊整理成要求：建立人員的假資料；建立排班系統，並考慮法規限制；前端用 HTML，可以選人、調出他們過去一個月的資料；在 Google Drive「國泰世華」資料夾底下建一個新的專案資料夾，並寫一份交接檔，說明整個工作流程怎麼建起來。交接檔很重要，因為這件事做完一次還沒結束，之後還要持續修改。

所以各位，你不要先拿真資料來跑好不好？一開始就請它幹大活，幹大活失敗了之後你們氣得要命。……我們的重點是來驗證一下，這個排班的系統到底 OK 不 OK。上午錄音 01:52:15（約 10:35）

他沒有直接送出。先按 Shift＋Enter，把整段訪談往下移，在最上面加一段話：底下只是初步版本，請 AI 先問問題，一起把工作說明書寫完整。「這一段自己來，因為你自己要復誦一次，它就會記在你心中。」為了避免大家的點數一下子燒光，一桌派一位就好。

開始囉。先說明一下你這一次想要做的一個應用服務是什麼？

因為我們是信用卡作業單位，有授權人員是 24 小時輪班，所以我想每個月自動幫這些同仁進行 24 小時的排班。

OK 好，所以現在的任務是做一個排班系統。那請問一下我們有多少同仁呢？
目前有 15 位。

15 位同仁都是 24 小時都需要有人嗎？
對，24 小時。

每個人每日工作的上限一樣是 8 小時嗎？
對，最長不可以超過 12 小時。

好，8 小時、最長不能超過 12 小時，就是依照勞基法的規定，對吧？好。

根據以上的訪談結果，我需要你做以下事項：

1. 建立假資料：建立人員的參考資料，所需要的資料都是假資料，作為模擬之用。
2. 建立排班系統：必須考量到法規的限制因素，例如剛才提到每日最長 12 小時的限制。
3. 前端介面：使用 HTML，可以讓我選擇這些人員，也能調出他們過去一個月的資料。
4. 專案歸檔與交接：在我的 Google Drive 上「國泰世華」資料夾底下建立一個新的專案資料夾，並寫一份交接檔案，說明你是如何建立整個工作流程的。

以下是一個初步訪談以及開發規格。

你需要詢問我幾個問題來釐清整個工作目標，以完成工作說明書。所以你的目標並不是直接執行以下的命令，而是協助我們完成工作說明書。

---

開始囉。先說明一下你這一次想要做的一個應用服務是什麼？

因為我們是信用卡作業單位，有授權人員是 24 小時輪班，所以我想每個月自動幫這些同仁進行 24 小時的排班。

OK 好，所以現在的任務是做一個排班系統。那請問一下我們有多少同仁呢？
目前有 15 位。

15 位同仁都是 24 小時都需要有人嗎？
對，24 小時。

每個人每日工作的上限一樣是 8 小時嗎？
對，最長不可以超過 12 小時。

好，8 小時、最長不能超過 12 小時，就是依照勞基法的規定，對吧？好。

根據以上的訪談結果，我需要你做以下事項：

1. 建立假資料：建立人員的參考資料，所需要的資料都是假資料，作為模擬之用。
2. 建立排班系統：必須考量到法規的限制因素，例如剛才提到每日最長 12 小時的限制。
3. 前端介面：使用 HTML，可以讓我選擇這些人員，也能調出他們過去一個月的資料。
4. 專案歸檔與交接：在我的 Google Drive 上「國泰世華」資料夾底下建立一個新的專案資料夾，並寫一份交接檔案，說明你是如何建立整個工作流程的。

依據：上午錄音 01:49:46–01:59:39；白板 10:38；ChatGPT 10:43。

趁 AI 在跑，講師科普 Markdown。AI 看不到你畫面上的粗體，它知道某段文字是粗體，是因為前後各有兩顆星號；前後各一顆是斜體，一個井號加空格是大標題，ChatGPT 裡三條短橫線是水平線（Google 文件不支援）。「你看到前後兩顆星星沒有清乾淨，就知道那是 AI 做的，人類哪會去寫那種東西。」

AI 開始反問：每個時段需要多少人在班？白天和夜間不同嗎？現在用哪一種輪班制度？自動排班後主管有多少調整權限？過去一個月的班表從哪裡來？講師請大家試著回答。第二輪回覆裡，AI 查了勞動部的資料，提醒輪班換班原則上要有連續 11 小時休息，講師當場念給大家聽。他說，要減少點數浪費，就用反問的方式釐清開發細節，因為人寫開發規格時沒有那麼仔細。

他也把大家口中的「AI」切成三種。生成式 AI 協助開發工具與流程（有個比較炫的詞叫 Vibe Coding），也協助思考與對話；自動化流程是固定的步驟，例如文件進來、掃描、存檔、通知，基本上不需要 AI 也能運作；演算法則是抓趨勢與模式，用在詐欺偵測、人流估計、業績評估。今天學的是第一種。

AI 在規格裡列出要交一份 HANDOFF.md，講師藉機說明這份檔案的用處：它是工作紀錄，也能給其他 AI 讀。哪天公司覺得某家 AI 不太可靠、想換一家，真正要帶走的是這份交接檔，裡面寫著工作流程、檔案存放的位置，以及還沒完成或交辦中的事項；它用自然語言寫，人也看得懂。

這段訪談最後跑了四輪。第四輪回答之後，AI 在工作說明書 V1.0 指出一個衝突：「其他工作固定在白天」和「每人整月固定早、中、夜班」放在一起，夜班 07:00 下班的人不能接著做白天的工作，並引用勞動部「換班要有連續 11 小時休息」的說明。11:24 才請它開發第一版 HTML。

依據：上午錄音 01:59:39–02:09:35；ChatGPT 10:43–11:24。

模型選單上的推理強度越高，點數消耗越大；新模型有時會打折，CP 值比較高。什麼時候用 Pro？講師說他是訂閱制、額度用不完，所以什麼都開 Pro，但 Pro 很花時間。真正需要的情況有兩種：一是開發型的工作，例如他做的遊戲，裡面有系統、子系統、邏輯與資產管理，需要模型記住很多東西；二是邏輯解題，例如科學研究裡要找出公式或定理。大部分的工作，選「中」或「高」就夠了。

300 頁的報告，中跟高你會選哪一個？我會建議你選高……中一樣可以做到不錯的水準，但是它的細緻度就不夠。今天如果可以用中跑，我們就用中，就不用跑到高。上午錄音 02:11:50（約 10:55）

接著看 Space（空間）：左側那個像兩份文件疊在一起的圖示，就是放在 ChatGPT 裡的雲端空間。AI 產生的、你上傳的檔案都會存在這裡，用 @ 就能直接叫出檔案，不用再上傳下載。講師示範叫出剛才那份 Bank_First_Year_Manual.pdf：「它的搜尋笨笨的」，有完整檔名比較好找，所以交接檔的檔名最好加上日期、主題與說明。空間裡還有「簡報」，以及能架網頁、分享給同仁的「工作站」。

11:01，他打開一個例子：假設想盯著某家銀行，例如玉山，卻沒有時間蒐集資料，就做一個定期蒐集資料的網站。網站架在 chatgpt.site 之下，外部的人要有權限才能看；學員的電腦果然被擋住了。

這個網站是講師課前做的：從玉山銀行官方的公開列表逐篇讀取近一年的公告 532 則、新聞 186 則，共 718 筆，再對照臺北市 34 間分行；明列臺北分行的只有 1 則（涉及 4 個據點），另有 5 則屬全行範圍。資料寫進 Google Drive，網站只有講師本人看得到，並排定每天 06:30 更新。建置前的評估對話已經分享成公開連結。

最後是「資料紅綠燈」：原則上先用假資料，這也是早上用假資料走一次排班系統的原因。

依據：上午錄音 02:09:35–02:21:17；白板 08:53、11:02；講師測試資料夾〈玉山銀行研究〉的交接檔。

「請開一個新的對話。」用任何一個 AI 都可以，講師甚至建議大家拿出手機裡的其他 AI，請它從 1 到 10 任選一個數字。選到 7 的請舉手：三分之二以上。

講師說明，人類本來就傾向選中間的數字，選到 7 的機率大約兩三成；換成模型，比例會拉高很多，可能到五成以上，現場看起來已經有六七成。這代表模型有一種趨於平庸的特性：沒有給限定條件時，它給的答案往往不會差太多。這個平均值本身不是壞事，簡單的問題它就不太會出錯；換另一家 AI 問，也都是 7。

依據：上午錄音 02:21:17–02:24:36。

白板上出現下一段指令。模型選「中」就好，但不要選「即時」，即時通常是快問快答，基本上沒有推理。

以下是好日子烘焙今年的 7 個改善提案，總預算 300 萬元。請選出最值得優先執行的 3 案，依優先順序排列，並說明理由。

A｜6 家門市導入自助結帳機｜預算 120 萬｜尖峰時段排隊縮短，每店每月約省 60 個工時
B｜LINE 官方帳號會員喚回活動｜預算 40 萬｜喚回半年沒消費的會員，預估回購率提高 3%
C｜中央工廠生產排程系統｜預算 150 萬｜麵包報廢率由 6% 降到 4%
D｜門市人員 AI 排班｜預算 50 萬｜減少加班費，每年約省 80 萬
E｜低糖系列新品研發｜預算 60 萬｜回應長輩與健康需求，新品業績貢獻尚難估計
F｜外送專屬包裝與菜單｜預算 35 萬｜外送占營收 12%，客訴多半來自蛋糕壓壞
G｜門市冷藏櫃節能更新｜預算 100 萬｜每年電費約省 30 萬，三年多回本

講師這邊排出來是 D、C、F。接著用同樣的指令，開另一個新視窗再跑一次，「一定要做個對比，不要只讓它跑一次而已」。第二次和第一次一樣的人不少，但也有人變了；跑到第三次，第一名大致不動，後面兩名的 F 和 C 會跑來跑去。他也提醒，盡量不要在同一個對話串裡重跑，會有記憶效應。

他接著問：如果把生成式 AI 拿來做信用評分，你會信任它的結果嗎？再跑一次又不一樣，要相信哪一個？於是請各桌討論三到五分鐘：七個提案不動，只改前面兩句提示詞，讓全桌一起跑出一樣的結果。改完一定要試跑，最好用不同人的帳號跑。

各桌加了權重、補了定義，跑第二次還是不一樣。講師說，為了讓生成式 AI 跑出比較穩定、可信的結果，要設很多條件，英文叫 harness；有一桌開始講定義，他說方向對了：要把定義講清楚，並確保模型能照著定義打分。

依據：上午錄音 02:24:36–02:36:11；白板 11:08；ChatGPT 11:10。

講師示範另一種做法：不直接請模型評量，先請它修改評量的提示詞，並列出可以參考的評量準則。他加上兩個要求：遇到不確定的事項，要列出信心水準；無法確定就停止評量，或反過來詢問人類的偏好。

以下是一組評量方式。由於讓生成式 AI 在缺乏確切定義與評量程序的情況下進行評估，會導致結果不穩定，為了提高結果的穩定性，請協助提供修改以下提示詞的做法，並列出可供參考的評量準則建議。

此外，提示詞中需要提醒模型：

1. 遇到未確定的事項時，必須列出信心水準。
2. 若無法確定，應停止評量；或者另一個可行做法是讓模型反過來詢問人類的偏好，以及尚未說明清楚的準則。

請注意：以下並非要你直接執行評量指令，而是協助修改提示詞。

以下是好日子烘焙今年的 7 個改善提案，總預算 300 萬元。請選出最值得優先執行的 3 案，依優先順序排列，並說明理由。

A｜6 家門市導入自助結帳機｜預算 120 萬｜尖峰時段排隊縮短，每店每月約省 60 個工時
B｜LINE 官方帳號會員喚回活動｜預算 40 萬｜喚回半年沒消費的會員，預估回購率提高 3%
C｜中央工廠生產排程系統｜預算 150 萬｜麵包報廢率由 6% 降到 4%
D｜門市人員 AI 排班｜預算 50 萬｜減少加班費，每年約省 80 萬
E｜低糖系列新品研發｜預算 60 萬｜回應長輩與健康需求，新品業績貢獻尚難估計
F｜外送專屬包裝與菜單｜預算 35 萬｜外送占營收 12%，客訴多半來自蛋糕壓壞
G｜門市冷藏櫃節能更新｜預算 100 萬｜每年電費約省 30 萬，三年多回本

這次推理強度拉到「高」。模型建議了決策科學常用的方法：多準則決策分析（Multi-Criteria Decision Analysis，MCDA）。講師說，思考程度調到低或中時，模型通常不會給這種建議；拉高之後它才會多想一步、去找資料。他請各桌互相比較跑出來的結果，「你會忽然間發現，為什麼別人家的小孩看起來比較厲害」。

我是憑著我的直覺跟經驗活到現在的，之所以可以活到現在我也不知道為什麼，就是感恩上帝、感謝媽祖讓我今天可以活到現在。你可以看到那個智力的碾壓。上午錄音 02:43:38（約 11:27）

他帶大家看一份完整準則的長相：一般人不會先做的問題定義；決策準則與權重，重要的項目給比較高的權重；每個構面怎麼分等級給分，例如 0 到 4 分的五等級，每一級的說明是什麼；加權總分怎麼算；不確定性與敏感度分析，檢查模稜兩可的評分會不會改變結果；最後，要讓 AI 承認什麼是它不會的。11:27 他把模型改好的版本貼上白板。

# 企業改善提案評量與優先排序系統 V2.0

## 一、角色與任務

你是一位企業投資決策分析師，熟悉多準則決策分析（MCDA）、財務評估、營運改善與投資組合最佳化。

你的任務是根據企業提出的改善提案，協助決策者選擇符合預算限制、最值得執行的投資組合。

你必須遵守以下原則：

1. 在決策目標、評分準則及權重確認前，不得正式評分或排序。
2. 不得自行補造營收、毛利、成本、回購率、需求規模或其他未提供的數字。
3. 必須區分已確認事實、可計算結果、估算假設及無法判定的資訊。
4. 每一項評估都必須揭露證據依據與信心水準。
5. 當重要不確定性可能影響最終投資組合時，必須停止提出確定性建議，改為向人類詢問。
6. 不能為了滿足「選出三案」的要求而強行補足缺乏評估依據的分數。

## 二、決策問題

企業：好日子烘焙

年度總預算：300 萬元

目標：選出優先執行的三個改善提案，依優先順序說明理由。

基本限制：
- 最多投入 300 萬元。
- 正式方案必須恰好選出三案。
- 必須檢查所有可能的三案組合是否符合預算。
- 不得只將個別評分最高的三案直接視為最佳組合。
- 如有相互依賴、資源衝突或效益重複計算，必須另外評估。
- 在資料不足以選出三案時，應停止決策並回報原因。

## 三、待評估提案

A｜6 家門市導入自助結帳機｜預算 120 萬｜尖峰時段排隊縮短，每店每月約省 60 個工時

B｜LINE 官方帳號會員喚回活動｜預算 40 萬｜喚回半年沒消費的會員，預估回購率提高 3%

C｜中央工廠生產排程系統｜預算 150 萬｜麵包報廢率由 6% 降到 4%

D｜門市人員 AI 排班｜預算 50 萬｜減少加班費，每年約省 80 萬

E｜低糖系列新品研發｜預算 60 萬｜回應長輩與健康需求，新品業績貢獻尚難估計

F｜外送專屬包裝與菜單｜預算 35 萬｜外送占營收 12%，客訴多半來自蛋糕壓壞

G｜門市冷藏櫃節能更新｜預算 100 萬｜每年電費約省 30 萬，三年多回本

## 四、第一階段：確認決策規則

正式評量前，必須確認：

1. 企業主要追求獲利改善、營運效率、顧客體驗、事業成長，還是其他目標？
2. 五個評量構面及權重是否獲得決策者認可？
3. 每個構面的評分門檻是否已明確定義？
4. 財務評估應採用哪個期間？是否以三年為基準？
5. 是否存在不能接受的導入風險、專案相依性或其他限制？

候選評量構面及權重：

- 財務效益：35%
- 顧客與產品品質：20%
- 營運改善：15%
- 執行可行性：15%
- 策略與長期成長：15%

這些是待確認的建議權重，不得將其視為企業已核准的標準。

若決策者尚未確認上述關鍵條件，必須先停止正式評量。

每次優先詢問最影響結果的 1–3 個問題，並說明為何需要這些資訊。

## 五、第二階段：建立證據盤點

對每個提案，分別列出：

- 已知事實：題目中直接提供的資料。
- 可計算資訊：可由已知數據正確推導的結果。
- 必要假設：進行估算需要但尚未確認的條件。
- 資料缺口：缺少哪些資料會影響效益評估。
- 信心水準：高、中、低或無法判定。
- 評量狀態：可評量、條件式評量或暫停評量。

不得將未知效益記為零，也不得把推估值表述為已實現的效益。

必須特別檢查：
- 百分比與百分點的區別。
- 相對變動與絕對變動的區別。
- 年度效益與一次性效益的區別。
- 節省工時與實際節省人事費用的區別。
- 預期銷售增加與實際毛利增加的區別。
- 效益是否可實現，以及是否已扣除相關成本。

## 六、第三階段：正式評分

只有在決策規則及各構面評分門檻獲得確認後，才能進行正式評分。

每個構面採用 0–4 分：

0 分：已確認沒有正面效益，或造成負面影響。
1 分：有正面效益，但低於事先定義的最低重要門檻。
2 分：達到最低重要門檻。
3 分：達到預定目標。
4 分：明顯超過預定目標。
N/A：資料不足或無法判定。

各構面的具體量化門檻，必須先由決策者核准並固定。

評分公式：

加權總分 = Σ（各構面分數 ÷ 4 × 構面權重 × 100）

權重使用小數表示，所有權重總和為 1。

如關鍵構面為 N/A，不得自行填入平均分數，也不得任意重新分配其權重。

每項分數須記錄：
- 評分結果
- 對應的評分錨點
- 支持證據
- 使用的假設
- 信心水準
- 尚未確認的事項

## 七、第四階段：投資組合最佳化

在個別提案評分完成後：

1. 列出符合預算的三案組合。
2. 根據已核准的評分模型比較組合價值。
3. 檢查是否有共同投入成本、互補效益或資源衝突。
4. 避免同一項效益在不同構面或提案之間重複計算。
5. 比較最佳組合與次佳組合的差異。

若沒有證據支持提案間的互補或衝突，不得自行假設其金額或效果。

## 八、第五階段：不確定性與敏感度分析

正式建議前，必須檢查：

1. 當權重在決策者同意的範圍內變動時，前三案是否改變？
2. 當中信心水準的估計採合理上下限時，前三案是否改變？
3. 哪些缺少的資料對結果最有影響？
4. 是否存在多個價值接近、難以區分的組合？

如果不同合理假設會產生不同前三案，必須明確揭露排名不穩定。

不得將不穩定的排名描述成確定結論。

## 九、停止條件與人類介入

以下任一情況成立時，必須停止正式排序：

A. 決策目標、必要權重或評分門檻未確認。
B. 缺少關鍵資料，導致高權重構面無法評分。
C. 重大資料矛盾無法合理排除。
D. 不同合理假設會使最終三案組合改變，且缺少決策者的取捨原則。
E. 預算、相依性或風險限制不明，導致無法驗證組合是否可行。

停止時：

- 說明停止的具體原因。
- 列出目前已確認的事實。
- 標示受影響的提案、構面及信心水準。
- 提出不超過三個最重要的問題。
- 說明不同答案可能如何影響決策。
- 不得輸出暫時性的確定前三名。

## 十、輸出格式

模式 A：需要人類補充資訊

輸出：
1. 評量狀態：暫停正式評分。
2. 已確認的事實。
3. 評量準則或資料缺口。
4. 各項重要不確定性的信心水準。
5. 最需要人類回答的 1–3 個問題。

模式 B：符合正式評量條件

輸出：
1. 決策目標與經確認的準則。
2. 七案逐項評分表及證據依據。
3. 各提案信心水準。
4. 最佳三案組合及預算使用情況。
5. 入選理由及未入選方案的主要差異。
6. 敏感度分析與排名穩定程度。
7. 尚須人工確認的剩餘風險。

所有結論均須能夠追溯到原始資料、評分準則或明確標示的假設。

**最終規則：當證據不足時，提出需要確認的問題，比提出缺乏依據的排名更符合本任務要求。**

依據：上午錄音 02:36:11–02:48:01；白板 11:22、11:27；ChatGPT 11:22。

「讓評估準則變成一張可供重複使用的評估表」：在同一段對話裡，請 AI 把建議和提示詞做成 Excel，第二張工作表要能調整參數與目標，即時看到結果。

將以上你的建議跟提示詞的一些做法，轉換成一張 Excel 表單，在不同的 tab 放入相關資料：

1. 第一張 tab：放入評量案子的細節
2. 第二張 tab：放入評量的計算以及結果
3. 第三張 tab：放入評估說明跟建議

評量準則的部分（也就是第二張 tab）要可以調整參數與目標，並能即時看到結果，供使用者比較模型推論的結果，以及調整之後的變化。

等待的時間，講師播了一段為中階主管課程做的動畫〈如意銀行的 AI 帳〉。故事裡的銀行是虛構的：總經理在董事會宣布今年是 AI 元年，承諾營運成本降一成；本月 AI 使用次數破萬，兩輪提案競賽收到 40 件作品。董事問：「使用次數破萬，是大家用了一萬次，還是幫了一萬個人？」夾在上層與 40 個工具中間的，是林經理，「而且我兩支手機都還在響」。片中的聲音全部由 AI 配音，包括用講師的聲音樣本做出的配音，完整版會放在 YouTube。

播完他把話說白：銀行接下來一定會算 ROI。帳號的點數其實很貴，他自己的帳號是每月 200 美元的 Pro；假設企業帳號一個月 30 美元，一年就是 360 美元，還沒算進 Office 365 的整合與其他基礎建設。所以邊玩邊做的時候，要想一想到底要帶什麼回去，哪裡真的能產生效益。

Excel 做好了。講師下載下來打不開，請 AI 再檢查一次，必要時輸出成 ZIP。打開之後三張工作表都在，35 種三案組合也都算好；他調整兩個權重，結果跟著動，代表公式確實寫進去了，裡面還用了 IF、IFERROR，「你看這個時候你就可以把這東西拿給你的部屬看」。

再次強調，不要把你的命運交給 AI。但是 AI 的確可以把一些需要在決策上該穩定下來的東西穩定下來，把它寫成規則，然後讓你可以重複的使用。所以人類呢，要用的是這張表。上午錄音 03:01:29（約 11:44）

用法是：自己獨立評一次，看看跟 AI 的落差，再告訴 AI 有哪些 lesson learned 要記住，例如為什麼這裡跟它不一樣、請記住我的偏好。講師說，這是一件管理工作，就像帶新人：要告訴他規則是什麼、例外怎麼處理、什麼情況要做筆記、什麼情況要回去看筆記。

依據：上午錄音 02:48:01–03:03:17；白板 11:32；ChatGPT 11:31–11:43。

講師問下午有沒有人想許願做一個小系統，現場沒人舉手，「還是聽到 ROI 之後火都滅了？」他打開智慧排班系統：下載完整 ZIP、打開，系統排好了整個月，可以看每個人的休息狀況、怡君姊什麼時候放假，檢查有沒有違反規則的地方，也能匯出檔案、匯入自己的版本。「大家下午要做出這個東西喔。」

那你一定會說，這個不完美啊，哪裡有問題啊，邏輯怪怪的啊。就改嘛，用你的嘴巴去告訴他要改。……但是你至少第一個版本出來了。上午錄音 03:05:00（約 11:48）

11:50 他把〈排班系統 1.0〉貼上白板，接著補上差點忘記的一件事：專案。已經在用專案資料夾的人請舉手，他們就是待會的桌長，要協助卡關的同仁。專案最簡單的功能，就是把事情歸在一起：建一個專案、取個名稱，記憶用預設，讓專案的效能最大化；再從每段對話的「⋯」選「移至專案」，把上午做的對話全部搬進去。

11:54 上半場結束。「我們碳基生物要補一點熱量，這樣下午我們才有辦法跟矽基生物，也就是我們這個 AI 繼續玩下去。」

依據：上午錄音 03:03:17–03:10:58；白板 11:50。

午休期間，講師在自己的專案「國泰讚啦」裡先做了四件事，下午都會用到。

1. 11:59 上傳上半場逐字稿。整份錄音轉出來的文字直接貼上白板，下午拿來練習清理。
2. 12:11 安裝「課堂筆記」技能。把技能包交給 ChatGPT 檢查，它確認 ZIP 裡有 SKILL.md 等 11 個檔案，並說明要從「外掛程式 → 技能」上傳，才算正式裝進帳號。12:34 這個技能包也貼上白板。
3. 12:19 用技能整理上午的逐字稿。AI 產出一份約 9,700 字的課堂筆記與一篇第一人稱專欄；12:37 講師再請它「將目前這門課轉換成主管們帶回去跟同仁分享的教學講義」，做出 90 分鐘的帶領版講義、主管授課指引、可以複製的提示詞，以及一份評分練習 Excel。
4. 12:48 盤點專案。請 AI 讀取專案裡的對話，列出已經產生的檔案，並標出哪些已經在 Space 裡。它確認 19 個檔案可以取用，其中 16 個是 AI 產生的成果、3 個是原始上傳檔，並提醒 16 個檔案不等於 16 份作品，因為 ZIP 和裡面的 PDF、Word 會重複計算。這段指令下午 14:04 也貼上白板。

依據：ChatGPT 12:11–12:58；白板 11:59、12:34。

13:29 下午開始。主辦單位的同仁準備了小禮物，待會提出案例的人可以拿到。講師接著上午的 Excel 說，Excel 裡的 Copilot 也能直接生成樞紐分析表，熟悉 Power BI 的人，甚至能在裡面串相關功能。

有學員問：那是不是表示都可以用？講師用三層來說明。大腦層是模型的能力：以前要講好幾輪才做對，現在一句話就做對。他請大家打開行內的 Copilot，左上方有模型選擇，可以選前一代的旗艦模型，某些任務的表現和現在的 ChatGPT 差不多；有些人還能選 Claude，寫程式更好用。

工具層是 AI 能調動哪些工具。Copilot 的「設定 → 來源」，就是 ChatGPT 的外掛程式；Copilot 也能建立「工作」、設定每日固定的排程；左側的「筆記本」，就是待會要用的專案。工具層各家會越來越接近，只是 ChatGPT 和 Claude 目前進化得比較快。基礎層是權限、安全與隱私，這方面 Microsoft 和 Google 比較強，因為本來就在做企業服務：每個帳號都已經分級，能用什麼服務、哪些紀錄要留在公司，Microsoft 都處理好了。

對我們來講它就是工具，那你今天所需要知道的，就是工具的界線在哪裡、它們能力的上限在哪裡，知道這件事就好。下午錄音 00:48:23（約 13:39）

簡單的任務，在 Copilot 裡就能搞定；做不出來的時候，就打開 ChatGPT，把想做的事情走一次。上午學的東西，在 Copilot 裡幾乎都用得上。

依據：下午錄音 00:38:11–00:48:23。

白板上有一則「上半場逐字稿」。講師說，只要是有 AI 的場合，第一件事就是打開錄音，錄完趕快把逐字稿存起來，變成可以重複使用的知識庫。但這份逐字稿一定有很多錯誤與雜訊：一開始的收音測試、簡體字，還有因為發音、或短時間網路緩慢造成的轉錄錯誤。

怎麼清理？整份丟進去，會吃掉十幾、二十點，所以練習只抓第一個小時、十段左右。講師的方法是給 AI 一份對照的依據：課程講義。不確定的關鍵字、操作步驟或專有名詞，就回去看講義，兩邊對得起來，改正的準確度就比較高，「就像我們早上在做排序的時候一樣的道理」。

在這則對話的最下方是一組逐字稿的內容。逐字稿內容未經校正，裡面會有錯誤，也可能會有講述內容本身的事實錯誤。

我會提供你以下資訊進行校正：

1. 課程網頁網址：你可以根據課程網頁的網址找到對應的細節內容，特別是針對你不確定的關鍵字、操作步驟或專有名詞等，可參考裡面的內容。
2. 最新專業知識：可根據搜尋到的最新專業知識，來校正你不確定的內容。
3. 標註待確認：如果你發現過程中有不確定或無法辨識的內容，請標註為「待確認的訊息」，讓我後續可以檢查。
4. 最終輸出：請輸出成一份新的、清理過後的逐字稿內容，並確保語言是繁體中文。

https://537sonic.cc/share/cathaybk-supervisor-ai-20261103/

他貼的是講義網址；學員的電腦連不到外部網址，就把上午 ZIP 包裡的 index.html 拉進對話當附件。模型用「中」或「高」都可以，「高」處理細節比較仔細。他也提到上市櫃公司很在意會議逐字稿，以前秘書要邊聽邊打，一小時的錄音起碼要弄兩小時。

結果出來，講師很滿意：連現場有學員反應沒有電腦，都用括號標了出來，「很像在看美劇底下的字幕檔」。不確定的地方標成待確認，可以拿來做事實查核，或檢查哪些講述內容需要再向學員更正。他說，如果再給它白板的網址，讓它進去讀公告，校正會更準。

依據：下午錄音 00:48:23–01:02:02；白板 11:59、13:47；ChatGPT 13:48。

講師出了一題：如果要校正的是會議逐字稿，需要什麼資料？學員答出會前資料、與會者；講師再提示議程，最後補一項：每個組織都會長出自己的行話與縮寫，需要一份用詞校正字典，或這個行業的專有名詞庫，否則模型怎麼會知道你講的縮寫是什麼意思。

與會者特別重要：剛才的逐字稿並沒有標出誰說了什麼。有些公司會用內部的模型分析音訊，分出語者一、語者二、語者三；沒有的話，就要給 AI 與會者名單，它才能推測某段話可能是誰講的，聽到某個名字時也知道對應到誰。

他打開自己的校正檔：員工名冊不只寫中文名字，也寫英文名字，因為同事之間常用英文名字稱呼；還寫了 email，因為整理完會議紀錄之後，可以請 AI 依角色寄出不同的紀錄與追蹤事項。名冊裡也保留已經離職的同事，因為有些案子曾經在前一位同事手上，紀錄裡會出現「前人的足跡」，模型需要知道可以追溯到誰。

我們需要模型直接說它不確定的地方。你需要模型很誠實的告訴你哪些地方它不知道，你不能讓它說不知道的部分，它自行腦補推論。下午錄音 01:08:20（約 13:59）

這時校正結果出來了，最後一段是「未確認的訊息」。校正檔給得越完整，待確認的地方就越少；水準好到一定程度，就能做成自動化流程：逐字稿放進固定資料夾，時間到了，AI 用一個技能先清理，再用另一個技能轉成會議報告，寄送前先把 email 草稿給你確認。

依據：下午錄音 01:02:02–01:11:26。

回到上午建的專案資料夾，講師順手改了名稱。歸在專案裡的資料，會被優先讀取、優先當作參考。他給大家一段盤點的指令，用「中」就可以：

讀取在此專案中的對話，並且列出專案中對話已產生的文件、檔案或其他作品，並標註有多少已經是在 Space 裡面（也就是空間裡可得）的檔案。

接著打開專案的「⋯」→「專案設定」，裡面就有專案自己的指示。「以後你在 AI 裡面看到齒輪，就要養成一個強壯的心態去試它，好康的都在裡面。」這裡寫了，就優先照這裡；空白的話，就照整個 ChatGPT 的自訂指示。

為了讓大家有感覺，他先做一個簡單、好玩的設定：無論使用者在這個專案裡輸入什麼，都轉成金庸小說的筆法；他說這實在太羞恥了，所以沒有貼上白板。他順口補充，現在的學生多半從戲劇認識金庸，換成 J.K. 羅琳也不錯。設定好之後，他輸入一句「今天天氣真好啊，不會太熱，有點陰涼，下點小雨」，AI 回了一段小說式的臺北秋日。

這個就是你看到在專案裡面的提示詞，它有非常強大的約束力。……好處就是，重複性的、反覆性的工作，我們就可以把它塞到專案裡面。下午錄音 01:20:30（約 14:11）

專案也可以分享。專案首頁有分享按鈕，可以邀請指定的同仁進來共編；用了工作模式的對話涉及更大的權限，一般只有純對話可以分享，企業版則能邀請指定對象。講師說，專案可以變成組織協作的工具資料夾，由一個人負責維運。

依據：下午錄音 01:11:26–01:22:46；白板 14:04；ChatGPT 14:11。

接著做一個真正有用的工具。講師給兩個方向：一組做會議紀錄清理，一組做情報蒐集；因為沒有人自願，他只好自己出題，示範情報蒐集。他建議開一個全新的對話，不要開在剛才的專案裡，否則專案指示還在，結果全部會變成小說。

他先口述一段粗糙的需求：分行行員經常要追蹤特定分行的行動、政策或事件，請 AI 整理事實資料（只有摘要、讀不到全文就要誠實回報）、整合我們提供的獨家資料、比對不同來源的報導，再依使用者的意圖整理成報告或簡報。然後在上面加一段「提示詞的提示詞」：

以下這一組提示詞並不完整，它的核心功能是拿來作為情報蒐集之用。

請根據你所知道的最佳實務做法，包含在網路上可以找到的資料來源，來修改這一份提示詞。

你可以參考的資料來源必須列在附件參考中，讓我知道可以找到原始資料的出處；並且你也可以說明為何引用這些資料來源。

---
接下來我要你設計一組系統提示詞，是放在 ChatGPT 專案裡面使用的。

這組系統提示詞的目的是為了協助我們針對特定主題進行情報收集，使用對象會是銀行的分行行員。分行行員經常需要追蹤特定分行的行動、政策或特定事件，為了建立這樣的搜尋機制與情報分析基本功，我們需要讓 AI 協助處理以下幾件事：

1. 整理事實資料：讓 AI 爬取事件發生當下或所追蹤議題需要的參考資料。若參考資料僅有摘要、無法取得全文，模型必須誠實回報。
2. 整合內部資料：我們可能會提供模型一些獨家的參考資料或內部資訊，這些也需納入作為參考資料。
3. 資料比對與清理：收集到資訊後必須進行比對與清理。特別是同一個事件若有不同來源的討論與報導，必須加以比對並確認何者較為可信。模型本身不做主觀判斷，若無法精確掌握事實面的議題，則交由使用者判斷。
4. 格式整理：收集完資訊後，根據使用者的意圖進行格式整理，例如整理成報告或簡報的形式。