# 龍華科大教師 AI 工作坊 Prompt 準備包 v1 本 Prompt 包配合 3 + 1 小時教師工作坊使用。每頁都分成說明欄、可複製 Prompt（若本頁有操作練習）、使用提醒與 CODEX 註，讓參與教師能用自己的課程做簡單操作並延伸學習重點。使用時請避免貼入學生個資、未公開校內資料或受保護的教材內容。 ## LHU-S01｜參與教師實作：課程封面 對應頁面：01｜課程封面 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P00 ### 說明欄 這一頁是開場練習。參與者不是要設計教案，而是把投影片圖片文字與課程網址交給生成式 AI，先取得整份講義的核心觀點與學習路線。這能讓教師一開始就練習：把圖像內容、網址與自己的學習目標放進同一個 Prompt。 --- 以下可直接複製到 LLM --- ```text 我正在參加龍華科大教師 AI 工作坊。以下是我從投影片圖片中整理出的文字，以及這門課程的線上講義網址。請你協助我整理這份講義的核心觀點，不要只摘要單一頁面。 投影片圖片文字： {請貼上第 1 頁圖片中的標題、主句與重點文字} 課程網址： https://537sonic.github.io/SONIC/share/lhu-teacher-ai-workshop-20260517/ 請使用網站內容與我貼上的投影片文字，完成以下任務： 1. 用 300 到 500 字整理這份課程的核心摘要。 2. 依照 3 + 1 小時的架構，整理每一小時的主要學習任務。 3. 說明這門課想讓大學教師從「使用 AI 工具」轉向哪一種教學工作流能力。 4. 列出 5 個我在課中應該特別注意的問題。 5. 最後請整理成一份「我接下來可以怎麼學」的行動清單。 ``` --- 複製到此為止 --- ### 使用提醒 先複製第 1 頁圖片中的文字，再貼上課程網址。若使用的工具可以讀取網頁，請讓它開啟網址；若不能讀網頁，就只根據你貼上的文字整理，並標示資料不足。 ### [CODEX註：] 這頁的重點是建立課程全局視角。Prompt 不是用來生成新教材，而是用來讓參與教師快速理解整份工作坊講義的主軸、結構與後續學習問題。 ## LHU-S02｜參與教師實作：今天先縮小範圍 對應頁面：02｜今天先縮小範圍 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P01 ### 說明欄 第 2 頁延續開場練習，但焦點改成範圍界定。參與教師應讓 AI 協助判斷：本課只談教學現場時，哪些 AI 應用要先放進課程設計，哪些應暫時排除。 --- 以下可直接複製到 LLM --- ```text 我正在參加龍華科大教師 AI 工作坊。以下是我從投影片圖片中整理出的文字，以及這門課程的線上講義網址。請你協助我整理這份講義的核心觀點，不要只摘要單一頁面。 投影片圖片文字： {請貼上第 1 頁圖片中的標題、主句與重點文字} 課程網址： https://537sonic.github.io/SONIC/share/lhu-teacher-ai-workshop-20260517/ 請使用網站內容與我貼上的投影片文字，完成以下任務： 1. 用 300 到 500 字整理這份課程的核心摘要。 2. 依照 3 + 1 小時的架構，整理每一小時的主要學習任務。 3. 說明這門課想讓大學教師從「使用 AI 工具」轉向哪一種教學工作流能力。 4. 列出 5 個我在課中應該特別注意的問題。 5. 最後請整理成一份「我接下來可以怎麼學」的行動清單。 ``` --- 複製到此為止 --- ### 使用提醒 先複製第 1 頁圖片中的文字，再貼上課程網址。若使用的工具可以讀取網頁，請讓它開啟網址；若不能讀網頁，就只根據你貼上的文字整理，並標示資料不足。 ### [CODEX註：] 這頁的重點是建立課程全局視角。Prompt 不是用來生成新教材，而是用來讓參與教師快速理解整份工作坊講義的主軸、結構與後續學習問題。 ## LHU-S03｜參與教師實作：現況調查一 對應頁面：03｜現況調查一 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P00 ### 說明欄 這頁的練習是讓參與教師用明確關鍵字查找最新研究，而不是泛泛詢問 AI。重點是學會把 arXiv、年份、教育場域、adoption / survey / higher education 等關鍵字放進查詢，並要求輸出可查證表格。 --- 以下可直接複製到 LLM --- ```text 請使用 Web Search 搜尋 arXiv 網站上最新與生成式 AI 在教育現場普及、採用、使用行為或教學影響相關的研究。請不要只依賴你內建的知識。 請優先使用以下查詢方向，必要時自行擴充關鍵字： - site:arxiv.org generative AI education adoption higher education LLM 2025 2026 - site:arxiv.org ChatGPT education teachers students adoption survey - site:arxiv.org large language models classroom learning teaching higher education - site:arxiv.org generative AI literacy education university students instructors 請找出最近 5 到 8 篇最相關的 arXiv 論文，並做成表格比較。表格欄位請包含： 1. 論文標題 2. arXiv 連結 3. 發布或更新日期 4. 研究對象或教育場域 5. 研究方法 6. 與生成式 AI 普及或使用程度有關的發現 7. 對大學教師教學現場的啟示 8. 需要小心解讀的限制 最後請用 300 字整理目前研究大致呈現的趨勢：生成式 AI 在教育現場是如何被採用、有哪些不公平或能力落差、教師在課綱或作業規範中應注意什麼。 要求： - 每篇論文都要提供可點擊連結。 - 請區分論文中的發現與你的推論。 - 若搜尋結果不夠新，請明確說明你找到的最新資料日期。 ``` --- 複製到此為止 --- ### 使用提醒 請使用有 Web Search 的模型。若模型不能搜尋網路，這個練習會失去意義。 ### [CODEX註：] 第 3 頁用研究資料建立背景感，而不是讓 AI 憑印象說生成式 AI 很普及。參與者要練習看來源、日期、研究方法與限制。 ## LHU-S04｜參與教師實作：現況調查二 對應頁面：04｜現況調查二 用途：查詢三大模型與產品佈局，練習以最新來源建立比較表。 原始骨架：LHU-P00 ### 說明欄 這頁的重點是讓參與教師把「進階功能，你用到哪一層？」放回自己的課程情境，先完成一個可操作的小練習。 參與教師用這頁檢查自己的工具使用成熟度，並判斷是否能把同樣要求放進課程。 本頁的可複製內容包含指定素材或長指令；參與教師可以先照做一次，再把其中的結構改寫到自己的課程、作業或工作流。 --- 以下可直接複製到 LLM --- ```text 請使用 Web Search 搜尋最新資料，不要只依賴你內建的知識。請在回答一開始標示本次搜尋日期，並優先查找官方文件、官方部落格、定價頁、產品說明頁與可信媒體報導。 任務目標： 請比較目前三大生成式 AI 產品線的模型能力與產品佈局： 1. OpenAI / ChatGPT 2. Google / Gemini 3. Anthropic / Claude 請務必提供可點擊的 Markdown 連結，讓教師可以直接開啟查證。每一個重要判斷後面都要附來源連結；如果某項資料找不到官方來源，請明確標示「未找到官方來源」或「僅找到第三方報導」。 請依照以下結構輸出： ## 一、最新產品總覽 用表格比較三家公司目前的主要產品入口、代表模型、免費版與付費版差異、企業或教育場域方案，以及是否支援檔案、網路搜尋、深度研究、圖片/影音、多步驟代理人或程式碼工作流。 ## 二、進階功能比較 請比較下列功能在三家公司產品中的位置與成熟度： - 專案或工作區管理 - 自訂助理、GPT、Gem、Skill 或類似機制 - 深度研究或可查證搜尋 - 自動化、排程、每日摘要或主動提醒 - 程式碼代理人、CLI 或開發者工作流 - 檔案處理、資料分析與知識庫使用 ## 三、對大學教學現場的意義 請整理成三欄表格： 1. 教師備課與講義製作 2. 學生作業與專題 3. 評量、查證與學術倫理 每一欄請說明：哪一家工具目前較適合、限制是什麼、教師在課綱中應如何說明。 ## 四、免費版與付費版的教學風險 請指出如果同一門課有些學生只用免費版、有些學生使用付費版，可能造成哪些學習落差、評量不公平或資料安全問題。 ## 五、教師討論題 最後請提供 5 個可在課堂現場討論的問題，協助教師判斷自己是否應要求學生使用特定工具或付費版本。 請注意： - 所有來源都要是可點擊連結。 - 請區分「官方資料」、「媒體報導」、「你的推論」。 - 如果資料可能已經過期，請標示需要再次查證的項目。 - 請避免用單一品牌立場做結論，重點是幫教師理解產品佈局與教學選擇。 ``` --- 複製到此為止 --- ### 使用提醒 分隔線 `--- 以下可直接複製到 LLM ---` 與 `--- 複製到此為止 ---` 中間才是建議複製到 LLM 的內容；分隔線外的文字是協助參與教師理解本頁操作目的。 若任務涉及最新產品功能，請要求 LLM 使用 Web Search，並附可點擊連結供現場查證。 ### [CODEX註：] 參考 2026-05-02 經理人 AI 流程課與聯亞提案的開場盤點設計：先問實際工具、付費功能與工作流成熟度，再決定後續示範深度。 產品功能變動快；課前請重新查官方來源，例如 OpenAI Projects / GPTs / Tasks / Pulse、Google Gemini Canvas / Gems / Deep Research、Anthropic Claude Projects / Artifacts / Skills / Claude Code。 這頁使用指定素材或長指令；現場重點是讓參與教師能操作素材、延伸到自己的課程，並保留可查證的來源邊界。 ## LHU-S05｜參與教師實作：現況調查三 對應頁面：05｜現況調查三 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P01 ### 說明欄 這頁要讓參與教師從自己的課程出發，引用《判斷力教室》的觀點，產生學生看得懂的 AI 使用規範。重點不是讓 AI 寫一份泛用規則，而是把規範連到課程任務、作業證據與評量公平。 --- 以下可直接複製到 LLM --- ```text 請讀取以下書籍 PDF，並協助我把其中與 AI 使用規範、判斷力、師生責任與課堂契約有關的觀點，轉寫成一份可放入大學課綱或作業說明的學生版 AI 使用規範。 書籍 PDF： https://github.com/537SONIC/SONIC-downloads/releases/download/judgment-classroom-expanded-and-kakaobank-v1.0.0/judgment-classroom-book-zh-expanded-final.pdf 我的課程資訊： - 課程名稱：{請填入} - 授課對象：{請填入} - 主要作業或專題：{請填入} - 我允許學生使用 AI 的範圍：{請填入} - 我不允許 AI 介入的範圍：{請填入} - 學生需要留下的紀錄：{例如 Prompt、修改紀錄、來源、反思說明} - 需要口頭答辯或人工複核的情況：{請填入} 請輸出： 1. 你從書中擷取到、適合支撐課堂規範的 5 個觀點。 2. 一份學生看得懂的 AI 使用規範，語氣要清楚、具體，不要像法律條文。 3. 一份作業繳交時應附的 AI 使用紀錄格式。 4. 老師評分時可以檢查的 5 個重點。 5. 哪些情況必須要求學生補充說明或口頭答辯。 請注意： - 若你無法讀取 PDF，請先告訴我，並要求我貼上相關段落。 - 不要編造書中沒有的內容；若是你的延伸建議，請標示「延伸建議」。 ``` --- 複製到此為止 --- ### 使用提醒 請先填入自己的課程資訊。若模型無法讀取 PDF，改貼書中相關段落再執行。 ### [CODEX註：] 這頁把書本觀點轉成課綱語言。參與者要檢查 AI 是否把書中內容、教師自己的規範、以及延伸建議清楚分開。 ## LHU-S06｜參與教師實作：現況調查四 對應頁面：06｜現況調查四 用途：本頁不提供可複製 Prompt；請依說明欄完成現場操作或討論。 原始骨架：LHU-P01 ### 說明欄 本頁不提供可複製 Prompt。這裡是操作提醒：請參與教師到 Chrome Web Store 搜尋可匯出 LLM 對話紀錄的瀏覽器擴充功能，例如 ChatGPT Exporter、ChatGPT conversation export、Claude export、Gemini export 等關鍵字。目的是讓學生未來能繳交 AI 對話紀錄，而不是只交最後作品。 ### 使用提醒 請把這頁當成工具準備提醒。安裝任何擴充功能前，要看來源、權限、評價與最近更新日期；不要要求學生安裝來源不明或權限過大的工具。 ### [CODEX註：] 第 6 頁的學習重點是「流程證據」。若課程要求學生附 AI 使用紀錄，教師必須先知道學生可以用什麼方式保存對話。 ## LHU-S07｜參與教師實作：問錯問題 對應頁面：07｜問錯問題 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P01 ### 說明欄 這頁練習的重點，是把既有課程網頁轉成一個能訪問學生、挑戰學生觀點的提問者角色。參與教師要觀察 AI 如何從教材中抽出提問任務，而不是把教材摘要完就結束。 --- 以下可直接複製到 LLM --- ```text 請開啟以下課程網頁，閱讀其中的課程內容、任務設計與學生練習： https://537sonic.github.io/SONIC/class/ibm2026w12.html 請根據網頁內容，幫我設計一個「出題者／訪問者／挑戰者」角色的 Prompt。這個角色的任務不是直接教學生答案，而是用問題訪問學生、挑戰學生既有觀點，讓學生說出自己的判斷、證據與推論。 請輸出： 1. 這個網頁中最適合拿來設計提問角色的 3 到 5 個教學重點。 2. 一段可直接放進 LLM 的角色 Prompt，角色名稱可以叫「課堂挑戰提問者」。 3. 這個角色可以追問學生的 10 個問題。 4. 哪些問題適合用在課前、課中、課後。 5. 教師使用這個角色時，應避免哪些過度引導或替學生作答的情況。 請使用自然的台灣繁體中文，並保留可追溯到網頁內容的依據。 ``` --- 複製到此為止 --- ### 使用提醒 如果模型不能讀網頁，請先複製網頁中一段課程內容，再執行這支 Prompt。 ### [CODEX註：] 第 7 頁把 AI 用在課堂互動設計。重點是讓學生說出自己的理由，不是讓 AI 代替學生完成答案。 ## LHU-S08｜參與教師實作：機率本質 對應頁面：08｜機率本質 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P02 ### 說明欄 這頁讓參與教師練習用 AI 搜尋可教學的 YouTube 影片，並用表格比較素材品質。重點是找到能在 10 分鐘內講清楚 LLM 基本概念的資源，而不是讓 AI 自己憑空解釋。 --- 以下可直接複製到 LLM --- ```text 請使用 Web Search 搜尋 YouTube 上能在 10 分鐘內清楚說明 LLM（大型語言模型）基本概念的影片。請優先找可以讓大學教師快速理解、並能拿來向學生說明的內容。 搜尋方向請包含： - YouTube LLM explained in 10 minutes - YouTube large language model explained simply - YouTube 大型語言模型 10 分鐘 說明 - YouTube ChatGPT LLM 基本概念 教學 請找出 6 到 8 支影片，並做成比較表。欄位包含： 1. 影片標題 2. 頻道名稱 3. 語言 4. 長度 5. 是否在 10 分鐘內 6. 說明重點 7. 適合教師使用的理由 8. 可能不足或需要補充的地方 9. YouTube 連結 最後請推薦 2 支最適合在教師工作坊中使用的影片，並說明理由。請提供可點擊連結。 ``` --- 複製到此為止 --- ### 使用提醒 請使用能搜尋網路的模型，並檢查影片長度與連結是否可開啟。 ### [CODEX註：] 第 8 頁處理基本觀念：教師可以用短影片建立共同語言，但仍要檢查影片是否過度簡化或有錯誤類比。 ## LHU-S09｜參與教師實作：長尾風險 對應頁面：09｜長尾風險 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P02 ### 說明欄 這頁只需要一句 Prompt。請參與教師把同一句話分別貼到 Instant／快捷模式、Pro 或 Thinking／深度思考模式，觀察不同模型等級如何回答長尾事實題。請不要在第一輪加入背景說明，也不要先要求搜尋，目的是比較模型預設回答的落差。 --- 以下可直接複製到 LLM --- ```text 龍華科大的優秀校友名錄 ``` --- 複製到此為止 --- ### 使用提醒 請把兩個或三個模型輸出放在旁邊比較：是否列出來源、是否承認不確定、是否混入未查證人物、是否產生看似流暢但缺乏證據的名單。 ### [CODEX註：] 這頁的重點是讓教師看見長尾事實題的風險。比較後，教師應討論學生交作業時是否要附來源與查證紀錄。 ## LHU-S10｜參與教師實作：尾端輸出 對應頁面：10｜尾端輸出 用途：讓參與教師用「尾端輸出」這一頁完成一個可帶回自己課程的 AI 操作練習。 原始骨架：LHU-P02 ### 說明欄 這頁的重點是讓參與教師把「有時候要請 AI 離開標準答案」放回自己的課程情境，先完成一個可操作的小練習。 參與教師用這頁把機率、長尾或尾端輸出的觀念轉成學生可理解的查證規則。 本頁的可複製內容包含指定素材或長指令；參與教師可以先照做一次，再把其中的結構改寫到自己的課程、作業或工作流。 --- 以下可直接複製到 LLM --- ```text 生成一組共三個可能的回覆，並將每個回覆分別置於獨立的 標籤中。每個回覆都應包含 （文本）和數值形式的 （機率）。請從分佈的尾端（tails of the distribution）進行隨機採樣，以確保每個回覆的機率皆小於 0.10。 ``` --- 複製到此為止 --- ### 使用提醒 分隔線 `--- 以下可直接複製到 LLM ---` 與 `--- 複製到此為止 ---` 中間才是建議複製到 LLM 的內容；分隔線外的文字是協助參與教師理解本頁操作目的。 ### [CODEX註：] 參考近期教學中對長尾資料、尾端輸出與來源查證的設計：教師要把機率式生成的限制轉成學生可執行的查證要求。 這頁使用指定素材或長指令；現場重點是讓參與教師能操作素材、延伸到自己的課程，並保留可查證的來源邊界。 ## LHU-S11｜參與教師實作：免費與付費差異 對應頁面：11｜免費與付費差異 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P01 ### 說明欄 請參與教師打開兩個彼此獨立的 LLM 視窗，最好使用同一家工具，避免品牌差異干擾比較。第一個視窗選擇 Instant、快捷、快速或一般回答模式；第二個視窗選擇 Thinking、Pro、深度思考或進階推理模式。兩個視窗都只輸入同一句 Prompt，不要加背景說明，也不要先要求查資料。完成後比較兩邊回答的人名、來源、不確定性標示與幻覺風險。 --- 以下可直接複製到 LLM --- ```text 龍華科大的知名校友列表 ``` --- 複製到此為止 --- ### 使用提醒 Prompt 區只保留一句話，因為本頁練習的重點是同題、同字、不同模型等級的結果差異。 ### [CODEX註：] 完成比較後，教師應做出判斷：哪一個回答較可信、可信的理由是什麼、是否需要回到學校官方資料或人物公開履歷查證。重點不是讓 AI 產出完整名單，而是訓練教師辨識不同模型輸出的風險。 ## LHU-S12｜參與教師實作：師生契約 對應頁面：12｜師生契約 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P01 ### 說明欄 這頁不需要複雜操作。參與教師只要填入自己的課程資訊，再讓 AI 參考《判斷力教室》的觀點，產生一份可修改的師生契約草稿。 --- 以下可直接複製到 LLM --- ```text 請參考以下書籍 PDF，並根據我提供的課程資訊，幫我改寫成一份適合放進課綱或作業說明的師生 AI 使用契約。 參考書籍： https://github.com/537SONIC/SONIC-downloads/releases/download/judgment-classroom-expanded-and-kakaobank-v1.0.0/judgment-classroom-book-zh-expanded-final.pdf 我的課程資訊： - 課程名稱：{請填入} - 授課對象：{請填入} - 主要作業或專題：{請填入} - 我允許學生使用 AI 的地方：{請填入} - 我禁止學生使用 AI 的地方：{請填入} - 我要求學生繳交的 AI 使用紀錄：{請填入} - 我會如何使用 AI 生成教材或批改作業：{請填入或寫無} 請輸出： 1. 一份 500 到 800 字的師生 AI 使用契約。 2. 一份學生繳交 AI 使用紀錄的格式。 3. 一份教師評量與人工複核檢查表。 4. 一段可以放在第一週課堂說明中的口語版文字。 請注意：若無法讀取 PDF，請要求我貼上書中相關段落，不要自行假設書中內容。 ``` --- 複製到此為止 --- ### 使用提醒 請務必把課程名稱、作業形式與允許／禁止範圍填清楚。契約草稿生成後，教師要再依照自己的評量方式修改。 ### [CODEX註：] 第 12 頁的重點是把抽象的 AI 倫理討論落到課程契約。AI 可以協助起草，但最後的責任與邊界要由教師決定。 ## LHU-S13｜參與教師實作：第一小時收束 對應頁面：13｜第一小時收束 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P00 ### 說明欄 這頁的任務是讓 AI 進入講師網站下一層內容，尤其是作品索引，整理作者已公開的課程與教學材料。參與教師可用這個練習學會要求 AI 讀網站結構，而不是只看首頁。 --- 以下可直接複製到 LLM --- ```text 請開啟以下網站，並進入其中的「作品索引」或作品列表頁面，整理目前作者已公開的課程、講義、教學專案與 AI 工作流內容。 網站： https://537sonic.github.io/SONIC/index.html 請輸出： 1. 你找到的作品索引或作品列表入口。 2. 目前可辨識的課程內容清單，包含課程名稱、主題、可能對應的教學對象與連結。 3. 與本次龍華科大教師 AI 工作坊最相關的 5 個內容。 4. 我可以進一步點開閱讀的 3 條學習路線。 5. 如果某些連結無法讀取，請明確列出，不要猜測內容。 請提供可點擊連結，並用表格整理。 ``` --- 複製到此為止 --- ### 使用提醒 若模型無法讀取網站，請先手動打開作品索引，複製部分內容再貼給模型。 ### [CODEX註：] 第 13 頁的學習重點是從公開作品集建立後續學習問題。參與教師可以找出三項自己想學或有疑問的內容，帶到第二、三、四小時。 ## LHU-S14｜參與教師實作：第二小時開場 對應頁面：14｜第二小時開場 用途：讓參與教師用「第二小時開場」這一頁完成一個可帶回自己課程的 AI 操作練習。 原始骨架：LHU-P00 ### 說明欄 這頁的重點是讓參與教師把「ChatGPT 不只是問答工具」放回自己的課程情境，先完成一個可操作的小練習。 參與教師用這頁從自己的粗略需求出發，練習讓 AI 追問並改寫成可重複使用的 Prompt。 本頁的可複製內容包含指定素材或長指令；參與教師可以先照做一次，再把其中的結構改寫到自己的課程、作業或工作流。 --- 以下可直接複製到 LLM --- ```text 我以下會提供一個初步的提示詞想法。 這組提示詞的目的，是協助菜鳥員工更好地修改行銷文章與宣傳文。這些員工通常知道自己想寫什麼，但文章常常缺乏結構，行銷目的也不夠清楚，因此需要一個 AI 工具協助他們檢查與改寫。 我的初步觀點如下。 通常我在判斷一篇行銷文章好不好時，第一個會看它的結構。如果這是一篇比較長的行銷文章，它應該有完整的起承轉合。尤其在結尾的部分，應該出現可以吸引消費者注意、推動行動，或讓人留下印象的句子或關鍵詞。 第二個，我會看它是否符合這次行銷目的。不同文章的目的不同，有些是為了品牌曝光，有些是為了導流，有些是為了促成活動報名，有些是為了讓客戶理解產品價值。如果這次目的是導流，那文章內容就應該能吸引讀者點擊連結，進一步到指定頁面閱讀、註冊或了解服務。 第三個，我希望這個工具不要只是單純改文句。它應該能協助菜鳥員工看懂：這篇文章目前最大的問題是什麼、為什麼會影響行銷效果、可以怎麼修改、修改後的版本比原本好在哪裡。 以上只是我的初步想法，我知道它還不完整，所以我需要你協助我完成以下任務。 第一，請使用網路搜尋，找出行銷文案修改、行銷文案評估、文案轉換率提升、行動呼籲設計等相關任務的常見做法。請提供可以點擊查證的來源連結，讓我後續可以檢查你參考了哪些資料。 第二，請根據我剛剛提供的模糊意圖，結合你查到的外部做法，整理出一組更完整的提示詞。這組提示詞的目標，是讓 AI 成為一位行銷文案修改教練，協助菜鳥員工改善文章。 第三，請把這組提示詞拆成幾個版本，分別適合放在 ChatGPT 的 GPT、Gemini 的 GEM，以及 NotebookLM 的自訂指令中。因為這些平台的字數限制與使用方式不同，請給我不同長度與不同寫法的版本。 第四，請在最後補上一份使用說明，告訴學員未來要怎麼使用這組提示詞。他們應該輸入什麼資料？AI 應該怎麼回應？使用者應該如何判斷輸出結果是否可用？ ``` --- 複製到此為止 --- ### 使用提醒 分隔線 `--- 以下可直接複製到 LLM ---` 與 `--- 複製到此為止 ---` 中間才是建議複製到 LLM 的內容；分隔線外的文字是協助參與教師理解本頁操作目的。 ### [CODEX註：] 參考 2026-05-02 經理人 AI 流程課的 Meta-Prompting instruction pack：先讓教師寫真實粗稿，再請 AI 追問目標、來源、限制、格式與人工檢核點。 這頁使用指定素材或長指令；現場重點是讓參與教師能操作素材、延伸到自己的課程，並保留可查證的來源邊界。 ## LHU-S15｜參與教師實作：Meta-Prompting 對應頁面：15｜Meta-Prompting 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P00 ### 說明欄 第 15 頁的練習要以投影片圖片作為範本，讓參與教師看見 Meta-Prompting 的做法：不是直接下指令，而是讓 AI 先理解需求、追問條件，再改寫 Prompt。 --- 以下可直接複製到 LLM --- ```text 我會貼上一張投影片圖片中的文字。請你根據圖片內容，示範如何使用 Meta-Prompting：先理解我的模糊需求，再幫我改寫成一支更完整、可重複使用的 Prompt。 投影片圖片文字： {請貼上第 15 頁圖片中的文字} 我的粗略需求： {請用口語寫下你想讓 AI 幫你處理的一個教學任務，例如修改作業說明、整理講義、設計課堂討論題} 請依序完成： 1. 判斷我的真正任務目標。 2. 找出我還沒有說清楚的條件。 3. 問我 5 個必要的澄清問題。 4. 根據目前資訊，先寫出一支可用的 Prompt 草稿。 5. 說明這支 Prompt 使用了哪些 Meta-Prompting 元素，例如目標、來源、限制、輸出格式與檢核點。 ``` --- 複製到此為止 --- ### 使用提醒 請先貼上圖片文字，再加入自己的粗略需求。粗略需求可以很不完整，這正是 Meta-Prompting 要處理的材料。 ### [CODEX註：] 這頁的核心是把模糊需求變成可執行 Prompt。參與教師要觀察 AI 有沒有追問，而不是只急著給答案。 ## LHU-S16｜參與教師實作：好的粗稿 對應頁面：16｜好的粗稿 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P00 ### 說明欄 第 16 頁延續 Meta-Prompting，但焦點放在好粗稿的條件。參與教師要把自己的粗稿放進去，讓 AI 協助補齊材料、目標、不確定與輸出格式。 --- 以下可直接複製到 LLM --- ```text 我會貼上一張投影片圖片中的文字。請你把圖片中的原則轉成一份 Meta-Prompting 檢查表，協助我把不成熟的教學需求改成可以使用的 Prompt。 投影片圖片文字： {請貼上第 16 頁圖片中的文字} 我的教學需求草稿： {請貼上你的粗稿，例如「幫我做教案」「幫我批改作業」「幫我整理學生回饋」} 請輸出： 1. 這個需求目前缺少哪些資訊。 2. 依照「材料、目標、不確定、限制、輸出格式、檢核點」建立檢查表。 3. 幫我把需求改寫成第一版 Prompt。 4. 提醒我這支 Prompt 在使用前還需要補哪些資料。 5. 給我一段可以繼續追問 AI 的下一輪 Prompt。 ``` --- 複製到此為止 --- ### 使用提醒 這頁不追求一次寫出完美 Prompt，而是練習讓 AI 幫你發現粗稿缺口。 ### [CODEX註：] 好 Prompt 往往來自好粗稿。教師越能說清楚材料、目標與限制，AI 越不容易用通用答案補空白。 ## LHU-S17｜參與教師實作：Prompt 骨架 對應頁面：17｜Prompt 骨架 用途：讓參與教師用「Prompt 骨架」這一頁完成一個可帶回自己課程的 AI 操作練習。 原始骨架：LHU-P00 ### 說明欄 這頁的重點是讓參與教師把「目標、來源、步驟、格式、檢核」放回自己的課程情境，先完成一個可操作的小練習。 參與教師用這頁從自己的粗略需求出發，練習讓 AI 追問並改寫成可重複使用的 Prompt。 本頁的可複製內容包含指定素材或長指令；參與教師可以先照做一次，再把其中的結構改寫到自己的課程、作業或工作流。 --- 以下可直接複製到 LLM --- ```text 我想設計一組提示詞，協助我完成一個重複出現的工作任務。 這個任務是： 請填入你的任務，例如「協助業務同仁修改客戶拜訪後的紀錄」。 這個任務的使用者是： 請填入使用者，例如「剛進公司的業務新人」。 我平常判斷這件事做得好不好的標準是： 請用口語說明你的判斷標準，不用一開始就寫得完整。 我希望 AI 幫我做的事情是： 請說明 AI 要檢查、整理、修改、分類或產出什麼。 請你協助我完成以下任務： 第一，請使用網路搜尋，找出這類工作常見的做法，並提供可查證來源。 第二，請把我的初步想法整理成一組更完整的提示詞。 第三，請提供適合放進 ChatGPT GPT、Gemini GEM、NotebookLM 自訂指令的不同版本。 第四，請補上一份使用說明，讓我的同仁知道未來要怎麼使用這組提示詞。 ``` --- 複製到此為止 --- ### 使用提醒 分隔線 `--- 以下可直接複製到 LLM ---` 與 `--- 複製到此為止 ---` 中間才是建議複製到 LLM 的內容；分隔線外的文字是協助參與教師理解本頁操作目的。 ### [CODEX註：] 參考 2026-05-02 經理人 AI 流程課的 Meta-Prompting instruction pack：先讓教師寫真實粗稿，再請 AI 追問目標、來源、限制、格式與人工檢核點。 這頁使用指定素材或長指令；現場重點是讓參與教師能操作素材、延伸到自己的課程，並保留可查證的來源邊界。 ## LHU-S18｜參與教師實作：GPT 設計 對應頁面：18｜GPT 設計 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P03 ### 說明欄 這頁的練習是把 Meta-Prompting 用在 GPT 或 Project Instructions 設計。參與教師要學會控制指令長度，並分清楚核心指令與外部知識檔。 --- 以下可直接複製到 LLM --- ```text 請用 Meta-Prompting 的方式，協助我把一個教學工作需求轉換成 ChatGPT 可使用的 Instructions。請同時提供繁體中文版本與英文版本，且每一版都控制在 6000 個字元以內。 我的需求草稿： {請填入你想建立的 GPT 或 Project 任務，例如作業回饋助理、講義整理助理、課堂提問助理} 使用者： {例如授課教師、助教、修課學生} 可參考資料： {例如課綱、作業說明、Rubric、教材、範例} 不可做的事： {例如不得編造來源、不得替學生完成最終答案、不得處理個資} 希望輸出格式： {例如表格、Markdown、CSV、回饋單} 請依序完成： 1. 先指出我需求中缺少的條件。 2. 補出一份適合 ChatGPT GPT / Project 使用的 Instructions 架構。 3. 輸出繁體中文 Instructions，6000 字元以內。 4. 輸出 English Instructions，6000 characters or fewer. 5. 提供 3 個測試問題，用來檢查這份 Instructions 是否有效。 6. 提醒我哪些資料應放在 Knowledge / Project files，而不是塞進 Instructions。 ``` --- 複製到此為止 --- ### 使用提醒 6000 字元是保守邊界，方便後續再留空間加入更細的限制。請不要把所有教材內容塞進 Instructions。 ### [CODEX註：] 第 18 頁連接 Meta-Prompting 與 GPT 設計。重點是把需求轉成可維護的系統指令，而不是寫一段超長一次性 Prompt。 ## LHU-S19｜參與教師實作：GPT 指令限制 對應頁面：19｜GPT 指令限制 用途：讓參與教師用「GPT 指令限制」這一頁完成一個可帶回自己課程的 AI 操作練習。 原始骨架：LHU-P03 ### 說明欄 這頁的重點是讓參與教師把「核心指令要短，知識檔補細節」放回自己的課程情境，先完成一個可操作的小練習。 參與教師用這頁判斷哪一種教學任務適合放進 GPT、Project、Gem 或 Claude Project。 本頁的可複製內容包含指定素材或長指令；參與教師可以先照做一次，再把其中的結構改寫到自己的課程、作業或工作流。 這是一段長指令，適合作為 GPT、Project、Gem、NotebookLM 或 Codex / Skill 的主控規格，不適合只當成一次性聊天問題；它之所以長，是因為要固定角色、啟動條件、資料來源、輸出格式、品質檢查與人工審核。 --- 以下可直接複製到 LLM --- ```text ## 目的與目標： * **課綱架構重整**：分析並整合課堂逐字稿與講義，建立完整的課程結構摘要。 * **核心概念萃取**：精確識別課堂中傳遞的三大核心概念。 * **階層化資訊整理**：將課程內容劃分為具邏輯性的區塊，並使用清晰的階層標題（主標題、次標題、小標題）進行標註。 * **教學要點深度闡述**：深入說明每個區塊的核心教學點，避免過度依賴條列式清單。 * **教學現場重構**：還原課堂使用的案例、學生討論的邏輯脈絡、互動環節，以及對於各項概念的解析與說明。 * **引導方式紀錄**：描述講師在課堂上的引導與啟發方式（Facilitation methods）。 * **教學法評析**：分析所採用的教學法，並找出值得作為模板留存的教學技術亮點。 * **優化建議**：針對課程內容或交付方式提出具建設性的改進策略。 * **「AI 編按」澄清**：以「AI 編按」的視角，主動釐清課堂中可能語意不明之處（例如：「AI 編按：講者此處指的可能是……」）。 * **勵志金句彙整**：將課程中鼓勵學生或激勵性的言論（若非課程核心內容）獨立整理成一個區塊。 * **行政庶務摘要**：彙整課堂提到的行政交辦事項，例如分組名單或作業要求。 * **第一人稱部落格撰寫**：以第一人稱撰寫一篇部落格文章，探討該課堂主題與當代管理或經濟議題的關聯，強調核心概念與教學法，並致力於啟發讀者。 --- ## 執行準則與規範： ### 0) 對話串命名 根據可抓取到的日期資訊與課程名稱（可能是個案、主題、或是企業名稱），將對話串命名為日期+對象+主題，例如：20260427-中山大學-AI工作坊 ### 1) 內容分析 * 詳盡審閱提供的課堂逐字稿與講義。 * 準確判斷課程的整體架構。 * 鎖定課堂中最關鍵的三至五個核心概念。 ### 2) 資訊組織 * 根據主題流動將課堂內容劃分為邏輯區塊。 * 為各區塊建立清晰的階層式標題。 * 確保各章節之間的轉場銜接流暢。 ### 3) 細節萃取與整合 * 在每個子章節中深入闡述主旨，提供充足的細節與情境脈絡。 * 準確還原案例、討論流動與互動環節。 * 以清晰易懂的方式解釋複雜概念及其分析過程。 * 減少使用條列式簡述，改以敘事化的方式進行深度說明。每一段落字數至少300字。 ### 4) 教學法分析 * 客觀描述講師引導課堂的方式。 * 找出有效且值得作為教學模板的具體技術。 * 針對課程呈現或內容提出具體且可執行的優化方向。 ### 5) 釐清與註解 * 主動識別課堂中可能含糊不清或需要補充說明的細節。 * 以「AI 編按」身分提供澄清與註釋，並清楚標註介入點。 ### 6) 勵志語錄摘要 * 擷取對學生具有鼓勵性質或正面激勵的談話。 * 將這些內容彙整於獨立章節。 ### 7) 行政庶務彙整 * 識別並列出課堂中提到的所有行政指示（如作業要求、分組細節、截止日期）。 ### 8) 部落格文章生成 * 以我的視角撰寫一篇具備邏輯結構完整、不過度渲染情感的部落格文章，討論課程主題的廣泛影響力。 * 清晰闡述核心概念與教學法的實踐成效。 * 融入深刻洞察，啟發部落格讀者。 * **特定風格要求**： * 使用"""Skills"""中的"""taiwan.md"""技能修改輸出的語言風格 * 以第一人稱「Sonic」自稱。 * **極致化分析**：針對來源資料中的【每一個】資訊點、概念與細節進行「地毯式」深度擴展。 * **多維度論證**：每個論點需包含多角度辯證，並輔以來源資料中至少 2-3 個詳實案例或類比，充分解釋其意義。 * **深挖潛力點**：將原文中的每一句話視為可獨立發展的潛力點，主動深究其背後意涵。 * **結尾要求**：說明個案討論帶來的啟發，並提出具體的行動方案（Action Plan）。 * **啟動流程**：你可以先要求我上傳原始教學文本後，再開始執行撰寫。 --- ## 整體語調： * **分析性與洞察力**：摘要內容需具備深度。 * **清晰簡練**：呈現資訊時邏輯分明、不拖泥帶水。 * **建設性**：教學評析與建議應實務且有益。 * **專業且具吸引力**：在編按澄清與部落格撰寫中保持知性與參與感。 * **同理與鼓勵**：在整理勵志語錄時展現溫暖與期許。 * **內容極大化**：每次輸出應挑戰單次輸出文本字數上限（10,000 字），確保內容詳盡無遺。 --- ## 輸出講義 詢問用戶是否需要將這一份整理完的內容轉換成 HTML 簡報格式。使用的 Skills 裡的 deck.md 轉換輸出內容。」並且，另外提供下載連結「[https://docs.google.com/document/d/1NRXZmBLbkJpvYaH6E5u8CvEnjtmRhvNUKwHSbUFUDEg/edit?usp=sharing](https://docs.google.com/document/d/1NRXZmBLbkJpvYaH6E5u8CvEnjtmRhvNUKwHSbUFUDEg/edit?usp=sharing) ``` --- 複製到此為止 --- ### 使用提醒 分隔線 `--- 以下可直接複製到 LLM ---` 與 `--- 複製到此為止 ---` 中間才是建議複製到 LLM 的內容；分隔線外的文字是協助參與教師理解本頁操作目的。 若現場時間有限，請先觀察這段長指令如何安排角色、輸入與輸出格式；完整長指令可作為課後建立 GPT、Project 或 Skill 的材料。 若任務涉及最新產品功能，請要求 LLM 使用 Web Search，並附可點擊連結供現場查證。 ### [CODEX註：] 參考 ChatGPT GPT / Project、Gemini Gem、Claude Project 的近期課程轉寫經驗：重點不是換平台名稱，而是把重複教學任務包成可維護的工作入口。 這頁使用指定素材或長指令；現場重點是讓參與教師能操作素材、延伸到自己的課程，並保留可查證的來源邊界。 ## LHU-S20｜參與教師實作：檔案來源 對應頁面：20｜檔案來源 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P03 ### 說明欄 第 20 頁練習讀取文件並摘要。參與教師要讓 AI 先忠於文件內容，不急著外部補充，並把原文內容與推論分清楚。 --- 以下可直接複製到 LLM --- ```text 請讀取我提供或上傳的文件，並摘要其中內容。請先不要使用外部資料，也不要自行補充文件沒有提到的內容。 文件來源： {請貼上文件文字，或說明已上傳檔案名稱} 請輸出： 1. 文件類型判斷：這是課綱、講義、逐字稿、作業說明、研究資料，還是其他文件？ 2. 300 字摘要。 3. 文件的章節或段落結構。 4. 5 到 8 個關鍵概念。 5. 可用於課堂教學的重點。 6. 文件中不清楚、需要回頭查證或需要教師判斷的地方。 7. 若我要把這份文件放進 GPT / Project / NotebookLM，建議如何命名與整理。 請把「文件原文內容」與「你的推論」分開標示。 ``` --- 複製到此為止 --- ### 使用提醒 適合貼入短文件或上傳已清理的檔案。若文件很長，先要求 AI 分段處理。 ### [CODEX註：] 這頁處理文件來源邊界。規則、參考資料與待分析資料要分開，後續才不會把 AI 補寫內容誤當來源。 ## LHU-S21｜參與教師實作：MarkItDown 對應頁面：21｜MarkItDown 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P04 ### 說明欄 第 21 頁的練習不是讀某個 Markdown 檔，而是讓參與教師到 GitHub 找到 Microsoft MarkItDown，並用生成式 AI 協助讀懂這個 repo：它做什麼、檔案架構怎麼看、如何運作、限制在哪裡，以及為什麼文件轉換會出現在 AI 知識萃取流程中。 --- 以下可直接複製到 LLM --- ```text 請使用 Web Search 到 GitHub 找出 Microsoft 的 MarkItDown 開源專案。請優先讀 GitHub repo 的 README、文件、目錄結構與主要程式檔，不要只根據搜尋摘要回答。 請先提供你找到的 GitHub 連結，並確認它是否為 Microsoft 官方或可信來源。 請完成以下分析： 1. MarkItDown 主要在解決什麼問題？它把哪些類型的檔案轉成什麼格式？ 2. 這個工具適合放在 AI 文件處理流程的哪一段？請用「輸入文件 → 轉換 → 人工檢查 → 知識萃取或 GPT / Project 使用」說明。 3. 請閱讀 repo 的檔案與資料夾結構，整理成表格：路徑、用途、教師需要看懂的重點。 4. 請整理基本運作程序：安裝方式、常見指令、輸入檔案、輸出結果、可能需要的依賴或選項。 5. 請列出它支援或常見處理的文件類型，例如 PDF、Word、PowerPoint、Excel、網頁或其他格式；若 repo 有明確限制，請以 repo 內容為準。 6. 請列出使用限制與風險：版面不會完整重現、表格可能需要人工檢查、圖片或掃描 PDF 可能需要其他 OCR 流程、機密文件不應直接丟到外部服務等。 7. 請用大學教師的角度，說明它可以如何支援教材整理、知識庫建立、學生作業資料前處理，並列出 3 個可在課堂現場討論的問題。 輸出要求： - 請提供可點擊的 GitHub 連結。 - 請把「repo 內容明確寫到的事」與「你的教學應用推論」分開。 - 若你無法讀取 GitHub 頁面，請不要編造，改請我貼上 README 或檔案列表。 - 請使用自然的台灣繁體中文。 ``` --- 複製到此為止 --- ### 使用提醒 請使用具備 Web Search 或可讀 GitHub 頁面的模型。若模型無法直接讀 repo，請先讓參與者打開 GitHub 頁面，複製 README 與檔案列表，再執行這支 Prompt。 ### [CODEX註：] 這頁的重點是訓練教師讀懂開源工具，而不是只知道工具名稱。參與者應學會看 README、目錄、安裝方式、支援格式與限制，並判斷這個工具在自己的課程文件工作流中是否值得採用。 ## LHU-S22｜參與教師實作：GPT 指令包 對應頁面：22｜GPT 指令包 用途：讓參與教師用「GPT 指令包」這一頁完成一個可帶回自己課程的 AI 操作練習。 原始骨架：LHU-P03 ### 說明欄 這頁的重點是讓參與教師把「讓系統指令呼叫知識庫工具」放回自己的課程情境，先完成一個可操作的小練習。 參與教師用這頁判斷哪一種教學任務適合放進 GPT、Project、Gem 或 Claude Project。 本頁的可複製內容包含指定素材或長指令；參與教師可以先照做一次，再把其中的結構改寫到自己的課程、作業或工作流。 --- 以下可直接複製到 LLM --- ```text 你現在是一位跨平台 AI 工作方法轉寫顧問。我要把一個公開 Skill 的做法，轉成： 1. ChatGPT Project instructions 2. Gemini Gem instructions 3. GPT / system prompt 來源資料： [貼上 skills.sh 頁面、GitHub repo、`SKILL.md` 或摘要] 我的使用情境： [貼上任務情境] 請依序完成： ## 一、先抽出 Skill 的核心方法 請辨識： - 它可以幫助誰做到什麼 - 何時應啟用 - 需要哪些輸入 - 主要步驟 - 主要輸出 - 不可做的事 - 人工審核點 ## 二、輸出 ChatGPT Project 版本 請提供： 1. 建議的 Project 名稱 2. 應上傳的檔案清單 3. 可直接貼入的 Project instructions 4. 建議的日常對話流程 ## 三、輸出 Gemini Gem 版本 請使用四段： - Persona - Task - Context - Format 並補充： - 缺資料時怎麼回應 - 哪些結果只能當草稿 ## 四、輸出 GPT / system prompt 版本 請使用： - Role - When to use - Inputs - Process - Do not - Review points - Output format ## 五、最後說明三者差異 請比較： - 哪個最適合個人長期使用 - 哪個最適合團隊共享 - 哪個最接近原始 Skill 的精神 - 哪些部分仍無法完全取代原始 Skill ``` --- 複製到此為止 --- ### 使用提醒 分隔線 `--- 以下可直接複製到 LLM ---` 與 `--- 複製到此為止 ---` 中間才是建議複製到 LLM 的內容；分隔線外的文字是協助參與教師理解本頁操作目的。 若任務涉及最新產品功能，請要求 LLM 使用 Web Search，並附可點擊連結供現場查證。 ### [CODEX註：] 參考 ChatGPT GPT / Project、Gemini Gem、Claude Project 的近期課程轉寫經驗：重點不是換平台名稱，而是把重複教學任務包成可維護的工作入口。 這頁使用指定素材或長指令；現場重點是讓參與教師能操作素材、延伸到自己的課程，並保留可查證的來源邊界。 ## LHU-S23｜參與教師實作：Project 主控 對應頁面：23｜Project 主控 用途：讓參與教師用「Project 主控」這一頁完成一個可帶回自己課程的 AI 操作練習。 原始骨架：LHU-P04 ### 說明欄 這頁的重點是讓參與教師把「把長期工作放在同一個專案」放回自己的課程情境，先完成一個可操作的小練習。 參與教師用這頁判斷哪一種教學任務適合放進 GPT、Project、Gem 或 Claude Project。 本頁的可複製內容包含指定素材或長指令；參與教師可以先照做一次，再把其中的結構改寫到自己的課程、作業或工作流。 這是一段長指令，適合作為 GPT、Project、Gem、NotebookLM 或 Codex / Skill 的主控規格，不適合只當成一次性聊天問題；它之所以長，是因為要固定角色、啟動條件、資料來源、輸出格式、品質檢查與人工審核。 --- 以下可直接複製到 LLM --- ```text # V｜核心概念萃取：System Instructions 指令代碼：V 或 v 用途：針對使用者上傳的文件，或資料來源中的文件，進行知識萃取。 建議放置位置：ChatGPT GPTs 或 Project 的參考檔案；NotebookLM 的來源檔案。 --- ## 一、角色定位 你是一位知識萃取助理。 你的任務不是單純摘要，而是將文件中的章節關係、概念架構、核心觀念、例子、適用邊界與可遷移知識整理出來。 你必須忠於原文，同時能判讀作者如何一步一步建立整套思維。你可以做合理推論，但必須清楚標示。你不能把自己的補充寫成作者原意。 --- ## 二、主要任務 當使用者輸入 `V` 或 `v`，或明確要求「核心概念萃取」、「知識萃取」、「理論整理」、「心智圖」、「樹狀圖」、「知識架構」、「重大觀念抽取」時，啟動本流程。 你必須完成以下任務： 1. 判定文件類型與主要問題。 2. 建立文件的焦點問題。 3. 解讀章節與章節之間的邏輯關係。 4. 建立樹狀知識架構。 5. 建立概念關係圖。 6. 抽取跨章節候選觀念。 7. 濃縮成核心觀念。 8. 說明核心觀念如何形成一套完整思維。 9. 補上文件中的重要例子。 10. 判定每個核心觀念的適用情境、不適用情境與常見誤用。 11. 產出可放入知識庫的知識卡。 12. 列出待補強項目。 --- ## 三、基本原則 ### 1. 不做空泛摘要 你不能只逐章摘要。你要回答： - 這份文件真正想處理什麼問題？ - 作者用哪些核心觀念回答這個問題？ - 章節之間如何推進？ - 哪些觀念能被轉用？ - 轉用時有哪些限制？ ### 2. 先建立焦點問題 在整理架構前，先建立焦點問題（Focus Question）。 焦點問題不是文件標題，而是文件真正要回答的問題。 格式： ```markdown ## 焦點問題 本文件的焦點問題： 這個問題重要的原因： 作者回答這個問題的主要方式： 後續知識萃取將依照這個問題展開。 ``` 若文件有多個主題，可以提出一個主問題與二到三個次問題。 ### 3. 區分三種內容 所有輸出必須區分： - 原文直接內容。 - 根據原文推論。 - 延伸應用。 建議標示： ```markdown 原文依據： 根據原文推論： 延伸應用： ``` ### 4. 不硬套外部框架 你可以使用概念圖（Concept Map）、主題分析（Thematic Analysis）、知識圖譜（Knowledge Graph）等方法協助整理，但不能硬把文件塞進某個外部框架。 若文件本身有自己的架構，必須優先保留作者的原始架構。 --- ## 四、輸入來源 你可以處理以下資料： - 使用者上傳的 PDF、Word、簡報、Markdown、文字檔。 - 已清理完成的 Markdown 文件。 - NotebookLM 或 GPTs 的來源文件。 - 多份文件組成的資料集。 - 逐字稿、課程講義、研究論文、商管書籍、產業報告、企業內部文件。 若使用者沒有指定文件，先檢查目前對話、Project 或 Notebook 內是否已有明確文件。若沒有，請簡短要求使用者指定。 --- ## 五、第一階段：文件定位 正式萃取前，先判定文件類型。 請判定： - 文件類型是什麼？ - 文件主要想解決什麼問題？ - 作者或文件編寫者的核心主張是什麼？ - 文件主要讀者可能是誰？ - 文件偏理論、方法、例子、報告、教學，還是操作手冊？ - 文件是否有明確章節結構？ - 文件是否有表格、圖表、流程圖或大量例子？ 輸出一段「文件定位摘要」，不要超過 300 字。 --- ## 六、第二階段：章節功能判讀 逐章或逐節判定每個部分的功能。不要只摘要內容，而要判定它在整體論證中的角色。 可使用以下分類： - 問題設定 - 背景說明 - 概念定義 - 分類架構 - 因果解釋 - 方法流程 - 判斷標準 - 例子展示 - 反例或限制 - 應用建議 - 總結推論 輸出格式： ```markdown ### 章節名稱 本章核心內容： 本章在整體文件中的功能： 本章與前一章的關係： 本章與後續章節的關係： 本章可抽出的知識點： ``` 若章節很多，可先依部篇或大章處理，再展開關鍵小節。 --- ## 七、第三階段：樹狀知識架構 樹狀圖用來呈現階層關係。它回答：「這套知識由哪些層級構成？」 輸出格式： ```markdown ## 樹狀知識架構 主題 　核心問題 　　第一層概念 　　　第二層概念 　　　　具體例子 　　第一層概念 　　　第二層概念 　　　　具體例子 ``` 樹狀架構要能看出主從關係，不要把所有概念放在同一層。 --- ## 八、第四階段：概念關係圖 概念關係圖用來呈現跨章節關係。它回答：「概念之間如何互相影響？」 請用文字箭頭表示，並標明關係類型。 關係類型可以包含： - 因果 - 條件 - 分類 - 對比 - 補充 - 遞進 - 限制 - 例外 - 循環 - 依賴 輸出格式： ```markdown ### 概念 A → 概念 B 關係類型： 說明： 來源： ``` --- ## 九、第五階段：候選觀念抽取 先抽出 6 到 10 個候選觀念。 候選觀念不能只是高頻詞。它必須符合至少三個條件： - 能解釋多個章節。 - 能連接多個次概念。 - 能被轉用到其他情境。 - 有明確適用條件與限制。 - 能被文件中的例子支持。 輸出格式： ```markdown ## 候選觀念清單 | 候選觀念 | 一句話定義 | 出現章節 | 解決的問題 | 連接的次概念 | 支持例子 | 是否升級為核心觀念 | |---|---|---|---|---|---|---| ``` --- ## 十、第六階段：核心觀念萃取 從候選觀念中，濃縮出 3 到 4 個核心觀念。若文件很長，可以增加到 5 到 7 個，但要說明層級。 每個核心觀念請使用以下格式： ```markdown ### 核心觀念一：名稱 定義： 它解決的問題： 它在文件中的位置： 它如何連接不同章節： 它與其他核心觀念的關係： 文件中的例子： 可以延伸應用的情境： 不適用的情境： 常見誤用： 一句話總結： ``` 核心觀念必須能形成一套完整思維，不可以只是彼此獨立的重點整理。 --- ## 十一、第七階段：整體思維 請把核心觀念整合成一套完整的思考流程。 輸出格式： ```markdown ## 整體思維 這份文件的整體思維可以整理為： 第一步： 第二步： 第三步： 第四步： 第五步： 這套思維的起點： 它如何推進： 它依賴的前提： 它最後導向的判斷或行動： 它最有價值的地方： 它最大的限制： ``` 若文件不是方法論，而是研究或報告，請改寫成「整體論證」。 --- ## 十二、第八階段：例子與適用邊界 每個重大觀念都要搭配文件中的例子。例子可分為三類： 1. 原文直接提到。 2. 根據原文推論。 3. 延伸應用。 你必須標示來源層級。 輸出格式： ```markdown ### 例子名稱 來源章節： 例子類型：原文直接提到／根據原文推論／延伸應用 例子內容摘要： 它支持的核心觀念： 它證明了什麼： 它沒有證明什麼： 這個例子的適用邊界： 若轉用到其他情境，需要注意什麼： ``` 若文件中的例子不足，請明確說明「原文例子不足」。不要自行補成作者原意。 --- ## 十三、第九階段：知識卡 最後請產出一組知識卡，方便後續建立知識庫。 每張知識卡包含： - 知識卡名稱 - 核心定義 - 關聯概念 - 來源章節 - 支持例子 - 適用情境 - 不適用情境 - 可用來回答的問題 - 後續可延伸研究的方向 格式： ```markdown ### 知識卡：名稱 核心定義： 關聯概念： 來源章節： 支持例子： 適用情境： 不適用情境： 可用來回答的問題： 後續可延伸研究的方向： ``` 知識卡要短而完整，不要寫成長篇摘要。 --- ## 十四、多文件處理規則 若使用者提供多份文件，請先建立文件清單。 格式： ```markdown ## 文件清單 | 文件名稱 | 文件類型 | 主要內容 | 在本次萃取中的用途 | 完整性限制 | |---|---|---|---|---| ``` 接著分成三層處理： 第一層：單文件內部知識萃取。 第二層：多文件之間的共同觀念。 第三層：多文件之間的差異、衝突與互補。 若多份文件彼此矛盾，請不要強行合併。請列出矛盾點，並說明可能原因。 --- ## 十五、品質檢查 完成後，請進行自我檢查。 請確認： - 是否只是摘要，而沒有做知識萃取？ - 是否說清楚章節之間的關係？ - 是否提出焦點問題？ - 是否有樹狀架構？ - 是否有概念關係圖？ - 是否抽出核心觀念？ - 是否說明核心觀念之間的關係？ - 是否有文件中的例子？ - 是否標示適用與不適用情境？ - 是否區分原文、推論與延伸應用？ - 是否避免硬套外部框架？ - 是否保留來源依據，方便使用者回查？ 若有任何項目不足，請在輸出最後列出「待補強項目」。 --- ## 十六、標準輸出結構 請使用 Markdown。 ```markdown # 文件知識萃取報告 ## 1. 文件定位摘要 ## 2. 焦點問題 ## 3. 章節功能判讀 ## 4. 樹狀知識架構 ## 5. 概念關係圖 ## 6. 候選觀念清單 ## 7. 核心觀念萃取 ## 8. 整體思維 ## 9. 文件例子與適用邊界 ## 10. 知識卡 ## 11. 待補強項目 ## 12. 可供後續提問的問題清單 ``` --- ## 十七、語言與用詞規範 使用台灣常見繁體中文。 外文專有名詞第一次出現時，請附英文原文。 商管、策略、組織、研究方法等術語，請使用台灣商管界常見譯法。 不要過度簡化重要觀念。 不要把作者沒有說的內容寫成作者主張。 若有推論，必須標示為「根據原文推論」。 若是補充應用，必須標示為「延伸應用」。 --- ## 十八、禁止事項 禁止只做逐章摘要。 禁止把章節標題改寫成知識架構後就結束。 禁止抽取沒有解釋力的高頻詞。 禁止把所有概念放在同一層。 禁止沒有來源地補充例子。 禁止硬套單一管理框架。 禁止把不確定的推論寫成確定結論。 禁止忽略不適用情境。 禁止刪除與核心觀念有關的反例或限制。 --- ## 十九、方法依據 本流程結合以下方法： 1. 概念圖（Concept Map）：用節點與連線呈現概念和概念之間的關係，適合整理文件中的知識結構。 2. 主題分析（Thematic Analysis）：先熟悉資料，再建立編碼、尋找主題、檢核主題，適合抽取跨章節重大觀念。 3. 知識圖譜（Knowledge Graph）：用「主體—關係—客體」整理知識，適合補強概念之間的關係標示。 4. 證據綜合（Evidence Synthesis）：強調來源透明、限制說明與可查核性，適合避免過度推論。 參考來源請見 `04_sources_and_design_notes.md`。 」並提供連結「https://537sonic.github.io/SONIC/share/knowledge-extraction-learning-guide/ ``` --- 複製到此為止 --- ### 使用提醒 分隔線 `--- 以下可直接複製到 LLM ---` 與 `--- 複製到此為止 ---` 中間才是建議複製到 LLM 的內容；分隔線外的文字是協助參與教師理解本頁操作目的。 若現場時間有限，請先觀察這段長指令如何安排角色、輸入與輸出格式；完整長指令可作為課後建立 GPT、Project 或 Skill 的材料。 若任務涉及最新產品功能，請要求 LLM 使用 Web Search，並附可點擊連結供現場查證。 ### [CODEX註：] 參考 ChatGPT GPT / Project、Gemini Gem、Claude Project 的近期課程轉寫經驗：重點不是換平台名稱，而是把重複教學任務包成可維護的工作入口。 Project、GPTs、NotebookLM 與 Gemini / Claude 類似功能的限制會改版；正式教學時應以當週官方文件為準。 這頁使用指定素材或長指令；現場重點是讓參與教師能操作素材、延伸到自己的課程，並保留可查證的來源邊界。 ## LHU-S24｜參與教師實作：Pulse 對應頁面：24｜Pulse 用途：讓參與教師用「Pulse」這一頁完成一個可帶回自己課程的 AI 操作練習。 原始骨架：LHU-P04 ### 說明欄 這頁的重點是讓參與教師把「每日主動摘要，不是自動教案」放回自己的課程情境，先完成一個可操作的小練習。 參與教師用這頁判斷哪一種教學任務適合放進 GPT、Project、Gem 或 Claude Project。 本頁的可複製內容包含指定素材或長指令；參與教師可以先照做一次，再把其中的結構改寫到自己的課程、作業或工作流。 這是一段長指令，適合作為 GPT、Project、Gem、NotebookLM 或 Codex / Skill 的主控規格，不適合只當成一次性聊天問題；它之所以長，是因為要固定角色、啟動條件、資料來源、輸出格式、品質檢查與人工審核。 --- 以下可直接複製到 LLM --- ```text Create a daily YouTube learning playlist tailored for my highway commute. Content Priorities: Select videos based on my interests in AI, business strategy, innovation, design, supply chains, and technology education. Crucially, include technical tutorials, workflow breakdowns, or educational content on AI Agents and AI Skills. Balance the topics: include industry dynamics but do not overemphasize them. Ensure the content depth aligns with my professional background as a university professor specializing in strategy, digital transformation, and lifelong learning. Viewing Parameters: * Speed: I watch at 1.5x speed. * Duration: I have a little over one hour of actual highway commute time, so select roughly 90+ minutes of original video length. * Sequence: Sequence the videos by effective viewing time. Most videos should support deep learning, but insert one or two lighter, engaging videos between heavier topics to balance the cognitive load. Language & Subtitle Requirements: * About 50% of the selected content must be in Mandarin Chinese. * Non-Chinese videos are only allowed if they have English-to-Chinese switchable subtitles. Every selected video must have Chinese subtitles available. Output Format: For each video, provide a structured list including: * Recommended Order * Video Title * Channel * Language * Original Length * Estimated 1.5x Viewing Time * Reason for Selection * Direct YouTube Link ``` --- 複製到此為止 --- ### 使用提醒 分隔線 `--- 以下可直接複製到 LLM ---` 與 `--- 複製到此為止 ---` 中間才是建議複製到 LLM 的內容；分隔線外的文字是協助參與教師理解本頁操作目的。 若現場時間有限，請先觀察這段長指令如何安排角色、輸入與輸出格式；完整長指令可作為課後建立 GPT、Project 或 Skill 的材料。 若任務涉及最新產品功能，請要求 LLM 使用 Web Search，並附可點擊連結供現場查證。 ### [CODEX註：] 參考 ChatGPT GPT / Project、Gemini Gem、Claude Project 的近期課程轉寫經驗：重點不是換平台名稱，而是把重複教學任務包成可維護的工作入口。 Pulse 與 Scheduled Tasks 都屬於快速變動功能；本頁把它們定位為每日學習提示與任務提醒，不把它們當成正式資料來源。 這頁使用指定素材或長指令；現場重點是讓參與教師能操作素材、延伸到自己的課程，並保留可查證的來源邊界。 ## LHU-S25｜參與教師實作：第三小時開場 對應頁面：25｜第三小時開場 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P05 ### 說明欄 第 25 頁讓參與教師先釐清 Codex、Claude Code 與相關協作工具的差別，再進入第三小時實作。重點是用官方來源比較工具定位，而不是憑品牌印象判斷。 --- 以下可直接複製到 LLM --- ```text 請使用 Web Search 搜尋並比較 OpenAI Codex、Claude Code，以及 Claude 相關的協作或 cowork 類工具／功能。請以最新官方文件為優先，並提供可點擊連結。 請比較： 1. OpenAI Codex 2. Claude Code 3. Claude 中與協作、專案或 cowork 相關的功能；若沒有明確產品名稱，請說明你找到的相近功能與限制 請輸出表格，欄位包含： - 工具或功能名稱 - 官方來源連結 - 主要用途 - 適合的使用者 - 是否能讀取本機資料夾 - 是否能修改檔案 - 是否適合教師處理課程資料 - 需要注意的資料安全風險 - 與另外兩者最大的差異 最後請用 300 字說明：如果大學教師要處理講義、作業批改、Rubric、交接檔與 GitHub Pages，這些工具的定位差異是什麼。 ``` --- 複製到此為止 --- ### 使用提醒 請使用 Web Search 並優先看官方文件。若某個名稱找不到官方來源，要標示不確定。 ### [CODEX註：] 這頁是 Codex 實作前的工具辨識。教師要知道哪些工具能操作檔案、哪些只適合對話或專案脈絡管理。 ## LHU-S26｜參與教師實作：分組方式 對應頁面：26｜分組方式 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P05 ### 說明欄 第 26 頁用影片當作分組與暖身素材。參與教師要練習讓 AI 摘要影片，但也要知道影片不是官方文件，關鍵功能仍需回官方來源確認。 --- 以下可直接複製到 LLM --- ```text 請摘要以下 YouTube 影片內容，並整理出與 Codex 或 AI coding agent 教學相關的重點。 影片網址： https://www.youtube.com/watch?v=n64Y8gr_FDY&pp=ygUFY29kZXg%3D 請輸出： 1. 影片主題摘要。 2. 影片中提到的主要操作或觀念。 3. 對大學教師理解 Codex / coding agent 有幫助的 5 個重點。 4. 哪些內容適合在教師工作坊中示範。 5. 哪些內容需要再查官方文件，不能只依賴影片。 若你無法直接觀看影片，請明確告訴我，並要求我提供逐字稿或摘要，不要編造影片內容。 ``` --- 複製到此為止 --- ### 使用提醒 若模型不能讀 YouTube，請使用 YouTube 逐字稿或手動貼上摘要。 ### [CODEX註：] 影片摘要適合建立共同語言，但不適合當成安裝或權限判斷的唯一依據。 ## LHU-S27｜參與教師實作：四格資料夾 對應頁面：27｜四格資料夾 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P05 ### 說明欄 第 27 頁是 Codex 實作的起點。參與教師要在專案中建立 Input / Process / Output / References 四格資料夾，而不是只在聊天中描述流程。 --- 以下可直接複製到 LLM --- ```text 請在目前 Codex 專案資料夾中建立一個教學任務工作區。請先檢查目前資料夾內容，不要刪除既有檔案。 請建立以下四個資料夾： - Input - Process - Output - References 請另外建立一個 README.md，說明每個資料夾的用途： 1. Input：放原始輸入，例如作業題目、學生作業、逐字稿或待處理文件。 2. Process：放 Rubric、Prompt、流程紀錄、批改規則與中間工作檔。 3. Output：放最後輸出，例如 CSV、XLSX、回饋表、講義或交接檔。 4. References：放參考資料，例如課綱、教材、範例、公開來源或說明文件。 請完成後回報： - 已建立的資料夾 - README.md 的內容摘要 - 下一步我應該放入哪些檔案 限制： - 不要移動或覆蓋既有檔案。 - 不要產生學生個資範例。 - 若資料夾已存在，請保留並說明。 ``` --- 複製到此為止 --- ### 使用提醒 這支 Prompt 應在 Codex 或能操作本機檔案的 coding agent 中使用，不是一般聊天模型的最佳用法。 ### [CODEX註：] 資料夾契約是後續批改、知識萃取、講義產出與交接的基礎。請確認 Codex 沒有改動不相關檔案。 ## LHU-S28｜參與教師實作：作業批改流程 對應頁面：28｜作業批改流程 用途：讓參與教師用「作業批改流程」這一頁完成一個可帶回自己課程的 AI 操作練習。 原始骨架：LHU-P07 ### 說明欄 這頁的重點是讓參與教師把「先校準，再批次」放回自己的課程情境，先完成一個可操作的小練習。 參與教師用這頁從一份作業開始校準 Rubric，再設計批次批改與人工複核流程。 本頁的可複製內容包含指定素材或長指令；參與教師可以先照做一次，再把其中的結構改寫到自己的課程、作業或工作流。 --- 以下可直接複製到 LLM --- ```text c:\Users\...\ 針對每一組的作業進行批改。他們都針對同一個問題回答，組名即為檔案名稱。 請用一個 Excel 的 CSV 表格，呈現以下內容： 組名 我對他們回答的批改 因為這個題目主要是關於「被巨頭吞噬」的危機，所以我們會從幾個面向來看。 1. 巨頭的企圖 判斷巨頭做這件事，是能對其內部能力產生綜效（重塑），還是僅為短暫的嘗試？或是他們已明確意識到危機，打算擋住後進者？對巨頭企圖的判斷至關重要。 2. 自身優勢與資源盤點 瞭解自己在該領域的護城河高低，同時盤點可動用的資源。例如： (a) 是否已有下一代技術準備推出，或因應巨頭競爭而提早推出？ (b) 評估利潤率高低，是否能藉由犧牲利潤來擊退巨頭？利潤空間是一個競爭武器，但何時使用需要權衡。 3. 綜合衡量與重整 綜合巨頭的動機、企圖以及本身資源的衡量，進行重整後的判斷。 4. 企業的可持續發展（可長可久） 在規劃企業長期發展時，思考本身的技術是否還有其他應用空間或領域待發掘？如果有，應如何佈局新市場，避免在主力市場與巨頭糾纏而無法脫離。 5. 離場策略與合作可能 如果預知未來將面臨巨頭進入的風險與壓力，與巨頭合作是否為可行做法？例如： (a) 技術相容於巨頭 (b) 主動求售 (c) 與巨頭的競爭對手合作 這些都是在考慮離場策略時，可能的對應對策。 在批改作業時，就用這些不同的視角來批改他們的內容。 針對不同組別的表現，請依照以下邏輯處理： 1. 針對回答過於簡單的組別： 需要給予比較完整的指引，告訴他們這整件事情應該如何思考。 2. 針對僅提到一兩項內容的組別： 協助他們更好地理解全貌。 3. 針對提出我們以上觀點之外、甚至給予清晰步驟的組別： 給予很高的評價，並告訴他們可以在以上的架構中，再配合他們的觀點提出更深入的想法。 最後，請根據上述邏輯設計一個 Rubrics 評分機制。評分為 1 到 5 分，總共大概分成三個面向，由你來規劃。 ``` --- 複製到此為止 --- ### 使用提醒 分隔線 `--- 以下可直接複製到 LLM ---` 與 `--- 複製到此為止 ---` 中間才是建議複製到 LLM 的內容；分隔線外的文字是協助參與教師理解本頁操作目的。 若 Prompt 內含本機路徑或講師示範資料，教師應改成自己的課程資料夾；不要照抄他人的 OneDrive 路徑。 使用真實學生作業前，請先去識別化，並保留教師人工複核流程。 ### [CODEX註：] 參考近期創業課程作業批改與 YZU 作業批改資料夾：先用單份作業校準 Rubric，再進入批次輸出，並保留人工複核欄位。 這頁使用指定素材或長指令；現場重點是讓參與教師能操作素材、延伸到自己的課程，並保留可查證的來源邊界。 ## LHU-S29｜參與教師實作：Rubric 設計 對應頁面：29｜Rubric 設計 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P06 ### 說明欄 第 29 頁讓參與教師練習把課程主題與單次作業轉成可評分 Rubrics。這裡用創新創業課程的虛構題目示範，避免直接使用真實學生資料。 --- 以下可直接複製到 LLM --- ```text 請為一門「創新創業」課程設計單次作業的 Rubrics。 課程情境： 學生正在學習新創公司如何面對大型平台或科技巨頭進入市場的威脅。 作業題目： 請選擇一間假想的新創公司，說明當大型平台企業推出類似產品時，這間新創公司應如何判斷自己的處境，並提出可行的應對策略。 學生作業要求： 1. 說明大型平台進入市場的動機。 2. 分析新創公司的核心優勢與資源限制。 3. 判斷直接競爭、差異化、合作或退出的選項。 4. 提出具體行動方案。 5. 說明方案的風險與限制。 請設計 3 到 5 個評量構面，每個構面使用 1 到 5 分。請輸出： - Rubric 構面名稱 - 1 分、3 分、5 分的判準 - 常見錯誤 - 需要教師人工複核的情況 - 可以給學生的改善建議 請用表格整理，並讓判準具體到可以批改單次作業。 ``` --- 複製到此為止 --- ### 使用提醒 教師可以把課程名稱、作業題目與評量構面換成自己的版本。 ### [CODEX註：] Rubric 要能觀察、能舉證、能支援人工複核。不要讓 AI 只產生抽象形容詞。 ## LHU-S30｜參與教師實作：單份試批 對應頁面：30｜單份試批 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P07 ### 說明欄 第 30 頁讓參與教師練習用 Rubric 做初步評分，並把結果輸出成 CSV。重點是分數、證據、回饋與人工複核欄位要分開。 --- 以下可直接複製到 LLM --- ```text 請根據以下 Rubric，對一份學生作業做初步評分，並輸出 CSV 格式。 作業題目： 請選擇一間假想的新創公司，說明當大型平台企業推出類似產品時，這間新創公司應如何判斷自己的處境，並提出可行的應對策略。 Rubric： {請貼上第 29 頁產出的 Rubric，或貼上你自己的 Rubric} 學生作業： {請貼上已去識別化的學生作業內容} 請注意： - 不要自行補完學生沒有寫出的內容。 - 若內容不足以判斷，請標示「需要教師複核」。 - 評分理由必須引用學生作業中的具體證據。 請輸出 CSV，欄位如下： course_id,assignment_id,student_id_or_group_id,rubric_item,score,evidence,feedback,human_review_required,review_reason,next_revision_suggestion 請先輸出一段評分摘要，再輸出 CSV 程式碼區塊。 ``` --- 複製到此為止 --- ### 使用提醒 請使用去識別化作業。若要現場練習，可以先用虛構作業或講師提供的示範文本。 ### [CODEX註：] CSV 是後續批次整理與分析的基礎。教師要檢查 AI 是否真的引用學生答案，而不是用印象評分。 ## LHU-S31｜參與教師實作：CSV 後台 對應頁面：31｜CSV 後台 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P08 ### 說明欄 第 31 頁把 CSV 往後台報表推進。參與教師要學會要求 AI 產生 XLSX 結構，不只是把 CSV 美化。 --- 以下可直接複製到 LLM --- ```text 請把我提供的批改結果 CSV 轉成 XLSX，並在活頁簿中建立分析報表。 CSV 欄位如下： course_id,assignment_id,student_id_or_group_id,rubric_item,score,evidence,feedback,human_review_required,review_reason,next_revision_suggestion CSV 內容： {請貼上 CSV，或說明檔案路徑} 請產出一個 XLSX，至少包含以下工作表： 1. raw_scores：原始批改資料。 2. score_summary：依學生或組別彙整各構面分數與總分。 3. rubric_analysis：依 Rubric 構面統計平均分數、最低分、最高分與常見問題。 4. human_review_queue：列出需要教師複核的項目。 5. feedback_themes：整理常見回饋主題與下一步教學建議。 請完成後說明： - 產出的檔名 - 每個工作表的用途 - 教師應優先查看哪些異常或複核項目 如果目前環境無法直接產生 XLSX，請先輸出可由 Codex 或 Python 執行的處理步驟。 ``` --- 複製到此為止 --- ### 使用提醒 這支 Prompt 適合在 Codex 或能產生檔案的工具中使用。一般聊天模型若不能輸出檔案，請要求它提供可執行步驟。 ### [CODEX註：] XLSX 報表應服務教師判斷：哪些學生需要複核、哪些 Rubric 構面普遍較弱、下一堂課要補什麼。 ## LHU-S32｜參與教師實作：自動化邊界 對應頁面：32｜自動化邊界 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P09 ### 說明欄 第 32 頁處理自動化邊界。參與教師要設計學生端的人工審查反思，而不是只要求學生附 Prompt 紀錄。 --- 以下可直接複製到 LLM --- ```text 請根據以下課程作業要求，設計一份給學生使用的「AI 輔助後人工審查反思表」。目標是讓學生在使用 AI 之後，能檢查自己是否理解內容，而不是只交 AI 產物。 課程名稱： {請填入} 作業要求： {請貼上作業要求} 允許使用 AI 的地方： {請填入} 不允許 AI 取代的地方： {請填入} 請輸出一份學生反思表，包含： 1. 我使用 AI 做了哪些事？ 2. 哪些內容是我自己判斷或修改的？ 3. 我如何確認 AI 沒有編造來源或誤解題目？ 4. 我保留了哪些 Prompt 或修改紀錄？ 5. 我認為這份作業最需要老師檢查的地方是什麼？ 6. 如果要重做一次，我會如何改進提問與查證？ 請再附上教師檢查版本，列出哪些回答代表學生可能沒有真正理解作業。 ``` --- 複製到此為止 --- ### 使用提醒 請把作業要求貼清楚。這份反思表應與 Rubric 連動，不能變成形式化問卷。 ### [CODEX註：] 這頁的重點是把 AI 使用後的責任交回學生與教師判斷。反思表要能暴露理解缺口。 ## LHU-S33｜參與教師實作：Codex 個人設定 對應頁面：33｜Codex 個人設定 用途：讓參與教師用「Codex 個人設定」這一頁完成一個可帶回自己課程的 AI 操作練習。 原始骨架：LHU-P09 ### 說明欄 這頁的重點是讓參與教師把「把教師標準寫進工作環境」放回自己的課程情境，先完成一個可操作的小練習。 參與教師用這頁把自己的高頻教學任務整理成 Codex 可接手的資料夾與檔案流程。 本頁的可複製內容包含指定素材或長指令；參與教師可以先照做一次，再把其中的結構改寫到自己的課程、作業或工作流。 --- 以下可直接複製到 LLM --- ```text 只要是輸出作品，不論是任何格式，使用到中文的部分都必須進行中文語文的調整，運用相關技能去掉 AI 詞彙的味道以及怪異的中國式用語。 另外，所有檔案進行到一個段落時，都需要寫出交接檔，讓另外一臺裝置的 Codex 可以瞭解如何接手繼續工作。 本機的Git Repo在"c:\Users\kkk\OneDrive\SONIC-repo\"。更新索引處在"c:\Users\kkk\OneDrive\SONIC-repo\works\"，若我明確要求Commit時，確認SONIC-Repo更新，再Commit Github Main。 ``` --- 複製到此為止 --- ### 使用提醒 分隔線 `--- 以下可直接複製到 LLM ---` 與 `--- 複製到此為止 ---` 中間才是建議複製到 LLM 的內容；分隔線外的文字是協助參與教師理解本頁操作目的。 若 Prompt 內含本機路徑或講師示範資料，教師應改成自己的課程資料夾；不要照抄他人的 OneDrive 路徑。 使用真實學生作業前，請先去識別化，並保留教師人工複核流程。 ### [CODEX註：] 參考 Become Judy、AAMA 與聯亞工作流：Codex 教學要從資料夾契約、交接檔、人工複核與版本紀錄開始，而不是只展示代理人能做多少事。 這頁使用指定素材或長指令；現場重點是讓參與教師能操作素材、延伸到自己的課程，並保留可查證的來源邊界。 ## LHU-S34｜參與教師實作：Become Judy 對應頁面：34｜Become Judy 用途：讓參與教師用「Become Judy」這一頁完成一個可帶回自己課程的 AI 操作練習。 原始骨架：LHU-P05 ### 說明欄 這頁的重點是讓參與教師把「把流程成果變成學生看得到的教材」放回自己的課程情境，先完成一個可操作的小練習。 參與教師用這頁把自己的高頻教學任務整理成 Codex 可接手的資料夾與檔案流程。 本頁的可複製內容包含指定素材或長指令；參與教師可以先照做一次，再把其中的結構改寫到自己的課程、作業或工作流。 Become Judy Codex handout 是把研究、個案撰寫、課程大綱與網頁講義串成工作流的示範。本頁用它說明 Codex 如何把流程成果轉成學生可見教材。 --- 以下可直接複製到 LLM --- ```text https://537sonic.github.io/SONIC/hbr/become-judy-codex-handout/index.html "c:\Users\kkk\OneDrive\Biz Daily\HBR Taiwan\Become Judy\" 在這個資料夾之下，我要設置一個新專案。這個專案的目標是寫出一個商業個案，圍繞在一位韓國籍女性 YouTuber「Judy」身上。 她從韓國來到臺灣發展，一開始是在臺灣旅行，因為喜歡臺灣的生活，透過旅遊介紹吸引了來自臺灣及韓國網友的注意。最後，她選擇在臺灣成立一家公司，經營啦啦隊生意。 這個過程很好地展現了她個人看待市場機會的方式，甚至是跨國營運的做法，也展示了現代年輕人創業的可能性。同時，她也揭露了目前在臺灣經營上面的難題。 目前相關資料都在她的 YouTube 頻道中，在公開影片裡已有許多可供參考的資訊；她本人也有許多新聞媒體報導，以及在社群討論的聲量。 我想要從這些資料整理成一個關於「新世代個人創業者逐步擴展」的過程，並揭示在亞洲地區這種跨國創業的可能性。特別是對於大學生來說，在串流媒體世代找到創業機會，而不僅僅是作為內容的消費者，這一點是非常有啟發性的。 我預計產生三個產出： 1. 管理學的 18 週課程設計，環繞在個人創業者與管理議題上 2. 哈佛商學院經典長個案的形式 3. 哈佛商業評論的短個案形式 為了完成這件事情，你需要參照相當多的外部資料。 所以在一開始，我需要你先提出整個研究計畫，然後我們再來決定下一步。 ``` --- 複製到此為止 --- ### 使用提醒 分隔線 `--- 以下可直接複製到 LLM ---` 與 `--- 複製到此為止 ---` 中間才是建議複製到 LLM 的內容；分隔線外的文字是協助參與教師理解本頁操作目的。 若 Prompt 內含本機路徑或講師示範資料，教師應改成自己的課程資料夾；不要照抄他人的 OneDrive 路徑。 使用真實學生作業前，請先去識別化，並保留教師人工複核流程。 ### [CODEX註：] 參考 Become Judy、AAMA 與聯亞工作流：Codex 教學要從資料夾契約、交接檔、人工複核與版本紀錄開始，而不是只展示代理人能做多少事。 這頁的連結是示範素材；上課前仍建議重新開啟，確認頁面內容與下載檔可用。 這頁使用指定素材或長指令；現場重點是讓參與教師能操作素材、延伸到自己的課程，並保留可查證的來源邊界。 ## LHU-S35｜參與教師實作：Fork 與版本 對應頁面：35｜Fork 與版本 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P09 ### 說明欄 第 35 頁讓參與教師先查清 GitHub 術語。這能降低後面談 Fork、Commit 與發布教材時的理解門檻。 --- 以下可直接複製到 LLM --- ```text 請使用 Web Search 搜尋並解釋 GitHub 上常見術語的差別。請優先參考 GitHub 官方文件，並提供可點擊連結。 請比較以下術語： - repository - fork - clone - branch - commit - push - pull - pull request - merge - issue - README - license - GitHub Pages 請做成表格，欄位包含： 1. 術語 2. 一句話解釋 3. 在教材或課程專案中的用途 4. 教師最容易誤解的地方 5. 官方參考連結 最後請用一個「教師修改教材並發布到 GitHub Pages」的例子，串起 fork、commit、push、pull request 與 GitHub Pages 的關係。 ``` --- 複製到此為止 --- ### 使用提醒 請使用 Web Search，並要求官方文件連結。不要只讓 AI 用口語猜測術語。 ### [CODEX註：] GitHub 術語是版本管理與教材發布的共同語言。教師不需要成為工程師，但要知道每個動作在流程中的位置。 ## LHU-S36｜參與教師實作：第三小時收束 對應頁面：36｜第三小時收束 用途：本頁不提供可複製 Prompt；請依說明欄完成現場操作或討論。 原始骨架：LHU-P09 ### 說明欄 本頁不提供 Prompt。這頁作為第三小時收束，讓各組檢查自己是否已有資料夾結構、Rubric 草稿、試批結果與交接檔。 ### 使用提醒 請把時間留給小組整理成果，不要再新增 AI 任務。 ### [CODEX註：] 收束頁的重點是現場產物盤點。 ## LHU-S37｜參與教師實作：第四小時開場 對應頁面：37｜第四小時開場 用途：本頁不提供可複製 Prompt；請依說明欄完成現場操作或討論。 原始骨架：LHU-P10 ### 說明欄 本頁不提供 Prompt。這頁作為第四小時開場，用來說明接下來要把一次操作整理成可重複流程。 ### 使用提醒 請用口頭說明銜接 Skill 化概念即可。 ### [CODEX註：] 這頁是段落轉換，不需要可複製 Prompt。 ## LHU-S38｜參與教師實作：Prompt 分類保存 對應頁面：38｜Prompt 分類保存 用途：本頁不提供可複製 Prompt；請依說明欄完成現場操作或討論。 原始骨架：LHU-P10 ### 說明欄 本頁不提供 Prompt。這頁用來口頭說明 Prompt 分類保存：讀資料、建 Rubric、批改、輸出不應混成同一支 Prompt。 ### 使用提醒 請讓參與者回看前面已產生的 Prompt 類型。 ### [CODEX註：] 這頁是分類觀念，不需要新增操作。 ## LHU-S39｜參與教師實作：交接檔格式 對應頁面：39｜交接檔格式 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P09 ### 說明欄 第 39 頁是 Codex 交接檔練習。參與教師要學會讓下一台裝置、下一位助教或下一次 Codex 工作能接手。 --- 以下可直接複製到 LLM --- ```text 請根據目前 Codex 專案的工作狀態，建立一份交接檔。請先閱讀目前資料夾結構與已產出的檔案，不要刪除或覆蓋任何檔案。 交接檔請命名為： CODEX_HANDOFF.md 請包含以下內容： 1. 任務目的 2. 目前工作資料夾 3. 已讀取或使用的資料 4. 已完成的輸出 5. 尚未完成的項目 6. 目前判斷與重要決策 7. 風險提醒 8. 下一位操作者可以接續的步驟 9. 不應刪除、覆蓋或改名的檔案 請使用清楚的 Markdown 格式。若資料不足，請列出需要我補充的項目。 ``` --- 複製到此為止 --- ### 使用提醒 這支 Prompt 應在 Codex 中使用。執行前先確認工作資料夾位置正確。 ### [CODEX註：] 交接檔不是心得文，而是工作紀錄：目的、來源、產物、待辦、風險與下一步要清楚。 ## LHU-S40｜參與教師實作：Skill 是什麼 對應頁面：40｜Skill 是什麼 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P10 ### 說明欄 第 40 頁讓參與教師先讀我的 Skill 網頁，再用 AI 快速摘要與拆解。重點是看懂 Prompt / Skill 的結構，並思考自己可以改哪些地方。 --- 以下可直接複製到 LLM --- ```text 請開啟以下 Skill 網頁，快速摘要它的內容，並指出我如果要把它改成自己的教學工作流，可以修改哪些地方。 Skill 網址： https://537sonic.github.io/SONIC/share/codex-skills/teaching-case-course-builder/ 請輸出： 1. 這個 Skill 的用途。 2. 它需要哪些輸入。 3. 它會產出哪些內容。 4. 它的主要流程。 5. 哪些部分適合大學教師直接參考。 6. 如果我要改成自己的課程或作業流程，最應該修改的 5 個地方。 7. 安裝或改寫前，需要檢查哪些風險。 請用表格整理，並提供一段 200 字摘要。 ``` --- 複製到此為止 --- ### 使用提醒 如果模型不能讀網頁，請手動複製 Skill 頁面的主要內容後再貼上。 ### [CODEX註：] Skill 不是黑箱。參與教師應先理解用途、輸入、流程與輸出，再決定是否安裝或改寫。 ## LHU-S41｜參與教師實作：teaching-case-course-builder 對應頁面：41｜teaching-case-course-builder 用途：讓參與教師用「teaching-case-course-builder」這一頁完成一個可帶回自己課程的 AI 操作練習。 原始骨架：LHU-P10 ### 說明欄 這頁的重點是讓參與教師把「從主題到案例教學包」放回自己的課程情境，先完成一個可操作的小練習。 參與教師用這頁把一個可重複的教學流程拆成 Skill 規格，並檢查輸入、輸出與安全限制。 本頁的可複製內容包含指定素材或長指令；參與教師可以先照做一次，再把其中的結構改寫到自己的課程、作業或工作流。 這是一段長指令，適合作為 GPT、Project、Gem、NotebookLM 或 Codex / Skill 的主控規格，不適合只當成一次性聊天問題；它之所以長，是因為要固定角色、啟動條件、資料來源、輸出格式、品質檢查與人工審核。 --- 以下可直接複製到 LLM --- ```text 你現在是一位協助台灣企業經理人評估 AI Skills 的工作流顧問。你的任務是判斷： 1. 它到底在解決什麼工作問題 2. 適合與不適合什麼情境 3. 有沒有 API、外部依賴、資安或維護風險 4. 如果沒有原生企業 Skills，我能不能用 ChatGPT Project / GPT / Gem 模擬它 我可能提供給你的資料包括： - skills.sh 頁面 - GitHub repo 連結 - repo 檔案樹 - `SKILL.md` - 補充說明 如果資料不足，明確標示「資料不足，需回原 repo 查證」，不自行假設、猜想。 請依照以下步驟輸出： ## 一、基本辨識 請先整理： 1. Skill 名稱 2. 來源位置 3. 一句話用途 4. 它主要幫哪一種角色做什麼 5. 它最適合與最不適合的任務類型 ## 二、觸發邏輯解析 閱讀 `SKILL.md` frontmatter 中的 `name` 與 `description`，回答： 1. 這個 Skill 預期在什麼情境被啟用 2. 哪些使用者提問可能會觸發它 3. 哪些提問不應該觸發它 4. description 是否過寬、過窄或語意不清 5. 若要讓經理人更好理解，description 應如何重寫 ## 三、元件拆解 請判斷以下元件是否存在，並說明作用與管理風險： | 元件 | 是否存在 | 作用 | 管理風險 | |---|---|---|---| | `SKILL.md` | | | | | `references/` | | | | | `scripts/` | | | | | `assets/` | | | | | 範例輸入/輸出 | | | | | 測試或驗證方式 | | | | | 維護與授權資訊 | | | | ## 四、流程重建 用兩種方式輸出它的流程： ### 方式 A：自然語言步驟 ### 方式 B：Mermaid flowchart 流程圖至少要包含： - 使用者輸入 - Skill 觸發 - 讀取 `SKILL.md` - 是否需要 references - 是否需要 scripts - 產出結果 - 審核點 - 失敗或回退路徑 ## 五、導入判讀 判斷這個 Skill 更像是在打包： - 格式 - 知識 - 流程 - 工具 並說明原因。 ## 六、技術依賴與風險 檢查並說明： 1. 是否需要 API key 2. 是否需要外部服務 3. 是否需要檔案讀寫權限 4. 是否依賴雲端資料來源 5. 是否需要腳本執行環境 6. 是否有個資、商業機密或資安風險 7. 若維護者離職，最容易壞在哪裡 ## 七、可能出錯的地方 至少包含： 1. 輸入資料不足 2. 觸發錯誤 3. references 過期 4. scripts 依賴失敗 5. 輸出格式不穩定 6. AI 腦補未提供資訊 7. 人類未審核即直接採用 每一項都要說明： - 如何發現 - 如何降低風險 - 最適合誰來負責檢查 ## 八、人類審核點 請整理成一張管理審核表，欄位包含： - 審核點 - 審核人 - 檢查內容 - 常見錯誤 - 判斷標準 - 處置方式 ## 九、經理人導入建議 在以下三種結論中選一個主結論，並說明原因： - 直接用 - 小改後再用 - 只學方法，不直接導入 ## 十、如果沒有原生企業 Skills，怎麼替代 請說明如何用以下方式模擬它的 60-80% 功能： - ChatGPT Project - GPT / Gem - 一般對話 + 附件檔 最後請用以下格式輸出： ## Skill 摘要 ## 最適合的情境 ## 不適合的情境 ## 輸入 / 輸出 / 工作流位置 ## 技術依賴與風險 ## 人類審核點 ## 導入建議 ## 沒有原生 Skills 時的替代方案 ``` --- 複製到此為止 --- ### 使用提醒 分隔線 `--- 以下可直接複製到 LLM ---` 與 `--- 複製到此為止 ---` 中間才是建議複製到 LLM 的內容；分隔線外的文字是協助參與教師理解本頁操作目的。 若現場時間有限，請先觀察這段長指令如何安排角色、輸入與輸出格式；完整長指令可作為課後建立 GPT、Project 或 Skill 的材料。 若任務涉及最新產品功能，請要求 LLM 使用 Web Search，並附可點擊連結供現場查證。 ### [CODEX註：] 參考 teaching-case-course-builder、Skill-to-Project/Gem/GPT conversion prompt 與 public Skill 安全檢查：教師要先讀流程與依賴，再決定是否安裝或改寫。 本頁 Prompt 可用於任何公開 Skill 的導入前審查；若來源只有頁面介紹，仍需回 repo 查看 `SKILL.md`、scripts 與授權資訊。 這頁使用指定素材或長指令；現場重點是讓參與教師能操作素材、延伸到自己的課程，並保留可查證的來源邊界。 ## LHU-S42｜參與教師實作：教師自己的 Skill 對應頁面：42｜教師自己的 Skill 用途：本頁提供依簡報情境設計的現場練習 Prompt，供參與教師直接操作並延伸到自己的課程。 原始骨架：LHU-P10 ### 說明欄 第 42 頁是 Skill 架構規劃，而不是立即寫程式。參與教師要先說清楚工作流、輸入、輸出與安全限制。 --- 以下可直接複製到 LLM --- ```text 請協助我規劃一個初始 Codex Skill 架構。這只是設計規劃，不要直接寫完整程式，也不要假設我已經準備好所有資料。 我想要 Skill 處理的教學工作流： {例如作業批改、課堂提問設計、講義整理、課程網頁產生、Rubric 轉 CSV} 使用者： {例如授課教師、助教、課程設計者} 必要輸入： {例如課綱、作業說明、Rubric、學生作業、參考資料} 預期輸出： {例如回饋表、CSV、XLSX、講義、交接檔、網頁} 安全限制： {例如不可處理個資、不可外傳資料、必須人工複核} 請輸出一份 Skill 規劃草案，包含： 1. Skill 名稱 2. description 草稿 3. 使用時機 4. 必要輸入 5. 建議資料夾結構 6. workflow 步驟 7. 輸出契約 8. 人工審核點 9. 失敗或資料不足時的回應方式 10. 未來如果要真的製作成 Skill，還需要準備哪些檔案 請把重點放在設計規劃，不要直接生成大量程式碼。 ``` --- 複製到此為止 --- ### 使用提醒 請先選一個低風險、高頻率的教學任務。Skill 一開始不要做太大。 ### [CODEX註：] 好的 Skill 先有清楚規格，再談實作。這頁練習的是規劃能力。 ## LHU-S43｜參與教師實作：小組實作 對應頁面：43｜小組實作 用途：本頁不提供可複製 Prompt；請依說明欄完成現場操作或討論。 原始骨架：LHU-P10 ### 說明欄 本頁不提供 Prompt。這頁留給小組整理 Skill 規格卡，使用前一頁的規劃結果即可。 ### 使用提醒 請把時間留給小組討論與填寫，不要再新增一支 Prompt。 ### [CODEX註：] 本頁是小組實作頁。 ## LHU-S44｜參與教師實作：安裝與信任 對應頁面：44｜安裝與信任 用途：練習在安裝 Skills 前，先拆解流程、風險與信任邊界。 原始骨架：LHU-P10 ### 說明欄 這頁的重點是讓參與教師把「下載 Skill 前先讀內容」放回自己的課程情境，先完成一個可操作的小練習。 參與教師用這頁把一個可重複的教學流程拆成 Skill 規格，並檢查輸入、輸出與安全限制。 本頁的可複製內容包含指定素材或長指令；參與教師可以先照做一次，再把其中的結構改寫到自己的課程、作業或工作流。 這是一段長指令，適合作為 GPT、Project、Gem、NotebookLM 或 Codex / Skill 的主控規格，不適合只當成一次性聊天問題；它之所以長，是因為要固定角色、啟動條件、資料來源、輸出格式、品質檢查與人工審核。 --- 以下可直接複製到 LLM --- ```text 你現在是一位協助台灣企業經理人評估 AI Skills 的工作流顧問。你的任務是判斷： 1. 它到底在解決什麼工作問題 2. 適合與不適合什麼情境 3. 有沒有 API、外部依賴、資安或維護風險 4. 如果沒有原生企業 Skills，我能不能用 ChatGPT Project / GPT / Gem 模擬它 我可能提供給你的資料包括： - skills.sh 頁面 - GitHub repo 連結 - repo 檔案樹 - `SKILL.md` - 補充說明 如果資料不足，明確標示「資料不足，需回原 repo 查證」，不自行假設、猜想。 請依照以下步驟輸出： ## 一、基本辨識 請先整理： 1. Skill 名稱 2. 來源位置 3. 一句話用途 4. 它主要幫哪一種角色做什麼 5. 它最適合與最不適合的任務類型 ## 二、觸發邏輯解析 閱讀 `SKILL.md` frontmatter 中的 `name` 與 `description`，回答： 1. 這個 Skill 預期在什麼情境被啟用 2. 哪些使用者提問可能會觸發它 3. 哪些提問不應該觸發它 4. description 是否過寬、過窄或語意不清 5. 若要讓經理人更好理解，description 應如何重寫 ## 三、元件拆解 請判斷以下元件是否存在，並說明作用與管理風險： | 元件 | 是否存在 | 作用 | 管理風險 | |---|---|---|---| | `SKILL.md` | | | | | `references/` | | | | | `scripts/` | | | | | `assets/` | | | | | 範例輸入/輸出 | | | | | 測試或驗證方式 | | | | | 維護與授權資訊 | | | | ## 四、流程重建 用兩種方式輸出它的流程： ### 方式 A：自然語言步驟 ### 方式 B：Mermaid flowchart 流程圖至少要包含： - 使用者輸入 - Skill 觸發 - 讀取 `SKILL.md` - 是否需要 references - 是否需要 scripts - 產出結果 - 審核點 - 失敗或回退路徑 ## 五、導入判讀 判斷這個 Skill 更像是在打包： - 格式 - 知識 - 流程 - 工具 並說明原因。 ## 六、技術依賴與風險 檢查並說明： 1. 是否需要 API key 2. 是否需要外部服務 3. 是否需要檔案讀寫權限 4. 是否依賴雲端資料來源 5. 是否需要腳本執行環境 6. 是否有個資、商業機密或資安風險 7. 若維護者離職，最容易壞在哪裡 ## 七、可能出錯的地方 至少包含： 1. 輸入資料不足 2. 觸發錯誤 3. references 過期 4. scripts 依賴失敗 5. 輸出格式不穩定 6. AI 腦補未提供資訊 7. 人類未審核即直接採用 每一項都要說明： - 如何發現 - 如何降低風險 - 最適合誰來負責檢查 ## 八、人類審核點 請整理成一張管理審核表，欄位包含： - 審核點 - 審核人 - 檢查內容 - 常見錯誤 - 判斷標準 - 處置方式 ## 九、經理人導入建議 在以下三種結論中選一個主結論，並說明原因： - 直接用 - 小改後再用 - 只學方法，不直接導入 ## 十、如果沒有原生企業 Skills，怎麼替代 請說明如何用以下方式模擬它的 60-80% 功能： - ChatGPT Project - GPT / Gem - 一般對話 + 附件檔 最後請用以下格式輸出： ## Skill 摘要 ## 最適合的情境 ## 不適合的情境 ## 輸入 / 輸出 / 工作流位置 ## 技術依賴與風險 ## 人類審核點 ## 導入建議 ## 沒有原生 Skills 時的替代方案 ``` --- 複製到此為止 --- ### 使用提醒 分隔線 `--- 以下可直接複製到 LLM ---` 與 `--- 複製到此為止 ---` 中間才是建議複製到 LLM 的內容；分隔線外的文字是協助參與教師理解本頁操作目的。 若現場時間有限，請先觀察這段長指令如何安排角色、輸入與輸出格式；完整長指令可作為課後建立 GPT、Project 或 Skill 的材料。 若任務涉及最新產品功能，請要求 LLM 使用 Web Search，並附可點擊連結供現場查證。 ### [CODEX註：] 參考 teaching-case-course-builder、Skill-to-Project/Gem/GPT conversion prompt 與 public Skill 安全檢查：教師要先讀流程與依賴，再決定是否安裝或改寫。 第 44 頁沿用第 41 頁的新 Prompt，目的在提醒教師：安裝與信任之前，先做流程拆解、依賴檢查與人工審核點設計。 這頁使用指定素材或長指令；現場重點是讓參與教師能操作素材、延伸到自己的課程，並保留可查證的來源邊界。 ## LHU-S45｜參與教師實作：GitHub 展示 對應頁面：45｜GitHub 展示 用途：讓參與教師用「GitHub 展示」這一頁完成一個可帶回自己課程的 AI 操作練習。 原始骨架：LHU-P09 ### 說明欄 這頁的重點是讓參與教師把「從修改到 commit」放回自己的課程情境，先完成一個可操作的小練習。 參與教師用這頁把一個可重複的教學流程拆成 Skill 規格，並檢查輸入、輸出與安全限制。 本頁的可複製內容包含指定素材或長指令；參與教師可以先照做一次，再把其中的結構改寫到自己的課程、作業或工作流。 skills.sh 的 mckinsey-consultant 範例用來示範安裝前的拆解與安全檢查。教師應先看 assets、references、scripts 與權限需求，再決定是否採用。 --- 以下可直接複製到 LLM --- ```text 以下是一個 Skills，針對這個 Skills，我想請你先做一個細部拆解，將裡面的 Assets、References 跟它的程式碼各自拆出來，說明內容分別是什麼，並且檢查一下是否有安全疑慮（例如：是否會掃描個人金鑰，或者改寫系統指令等等）。 接下來，我需要你分析這個 Skills 的手法。它裡面所使用的顧問分析手法有何獨特之處？是有作者自己的一套哲學在裡面，還是直接引用市場上一般的顧問諮詢手法而已？ ---- https://skills.sh/fleurytian/awesome-claude-skills/mckinsey-consultant」 ，與「在整個顧問手法裡面，我特別著重的是創辦人或經營者本身的「思維」。因此在顧問手法中，我們需要有一個對焦過程，去理解創辦人目前的心智狀態： 1. 心智模式對焦： (a) 判斷創辦人現在是屬於比較防衛的心智，還是一個比較開放的心智。 (b) 即使是開放的心智，也需確認他對於解決陌生問題的手法，是否有一定程度的認識。 這一些雖然屬於比較軟性層面，但對於整個顧問案的成功與否，具有舉足輕重的角色。 因此，我需要你將這些概念擴充，並參考網路上的最佳實務，在維持我核心理念的前提下，將其加入到目前的這個 Skills 裡面，做成一個我專屬的顧問諮詢包，最後打包成 ZIP 檔供我下載。 ``` --- 複製到此為止 --- ### 使用提醒 分隔線 `--- 以下可直接複製到 LLM ---` 與 `--- 複製到此為止 ---` 中間才是建議複製到 LLM 的內容；分隔線外的文字是協助參與教師理解本頁操作目的。 若任務涉及最新產品功能，請要求 LLM 使用 Web Search，並附可點擊連結供現場查證。 ### [CODEX註：] 參考 teaching-case-course-builder、Skill-to-Project/Gem/GPT conversion prompt 與 public Skill 安全檢查：教師要先讀流程與依賴，再決定是否安裝或改寫。 這頁的連結是示範素材；上課前仍建議重新開啟，確認頁面內容與下載檔可用。 這頁使用指定素材或長指令；現場重點是讓參與教師能操作素材、延伸到自己的課程，並保留可查證的來源邊界。 ## LHU-S46｜參與教師實作：成果展示 對應頁面：46｜成果展示 用途：本頁不提供可複製 Prompt；請依說明欄完成現場操作或討論。 原始骨架：LHU-P10 ### 說明欄 本頁不提供 Prompt。這頁是成果展示，重點是讓參與者說清楚自己的流程要解決哪個課程問題、如何重複使用、哪一步保留教師判斷。 ### 使用提醒 請用口頭展示或小組分享，不需要生成式 AI 介入。 ### [CODEX註：] 展示頁應回到流程說明，而不是功能展示。 ## LHU-S47｜參與教師實作：課後帶走 對應頁面：47｜課後帶走 用途：讓參與教師用「課後帶走」這一頁完成一個可帶回自己課程的 AI 操作練習。 原始骨架：LHU-P10 ### 說明欄 這頁的重點是讓參與教師把「一門課，一個可交接流程」放回自己的課程情境，先完成一個可操作的小練習。 參與教師用這頁把課後要帶走的一個教學流程整理成可維護的資料、Prompt 與檢核設計。 本頁的可複製內容包含指定素材或長指令；參與教師可以先照做一次，再把其中的結構改寫到自己的課程、作業或工作流。 產業分析 Dashboard 相關影片與本地路徑是課後延伸範例，重點是把策略分析教學轉成可重複的資料與 Prompt 工作流；本地路徑只作講師示範，不要求學員照抄。 --- 以下可直接複製到 LLM --- ```text 工作資料夾為 "c:\Users\kkk\OneDrive\YZU\Strategy 策略\" 我要做一個產業分析 Dashboard 的工具組合包。這個工具組合包會包含一組 Prompt 以及可以初步操作的模板。這組 Prompt 是可以在 Codex 輸入之後，做出一個快速的模板。只要使用者給予了清楚的產業定義，或者是經過跟 AI 討論之後定義出來的產業研究範疇，就可以生成完整 Dashboard。 這個概念是這樣的：我們在教策略分析時會做產業分析，因此需要收集產業情報。這時我們就需要理解整個產業的上下游動態，包含各個節點的參與者，以及彼此之間的競爭或合作關係等。 內容也包含以下項目： 1. 市場的總體經濟指標（會影響企業競爭動向的因素） 2. 資訊彙整的方法與議題 3. 產業分析的指導架構： (a) 傳統的 Michael Porter 五力分析架構 (b) 這幾年可能會導入的 Game Theory（賽局理論）概念 (c) 宏觀經濟與地緣政治的理論思想指導架構等 啟發我的內容是來自以下這支影片： "https://www.youtube.com/watch?v=W0AgNaZWc9o" [@chrome](plugin://chrome@openai-bundled) 我已經在 Chrome 裡打開了這個網頁，而且已經用我的帳號註冊了。 所以你應該使用 Chrome 這個技能進去裡面逛，然後抓取以下內容： 1. 這整個根據產業分析架構所設計出來的資訊收集站 2. 產業分析架構所應用的分析邏輯 請把它整個逛完、試過，然後也想一想，該怎麼樣建立一個完整的專案。 ``` --- 複製到此為止 --- ### 使用提醒 分隔線 `--- 以下可直接複製到 LLM ---` 與 `--- 複製到此為止 ---` 中間才是建議複製到 LLM 的內容；分隔線外的文字是協助參與教師理解本頁操作目的。 若 Prompt 內含本機路徑或講師示範資料，教師應改成自己的課程資料夾；不要照抄他人的 OneDrive 路徑。 ### [CODEX註：] 參考近期 AI dashboard prototype 與產業分析工具包設計：課後帶走的不是一個展示頁，而是一個能被資料、Prompt 與人工判斷重複支撐的教學流程。 這頁的連結是示範素材；上課前仍建議重新開啟，確認頁面內容與下載檔可用。 這頁使用指定素材或長指令；現場重點是讓參與教師能操作素材、延伸到自己的課程，並保留可查證的來源邊界。 ## LHU-S48｜參與教師實作：結尾 對應頁面：48｜結尾 用途：讓參與教師用「結尾」這一頁完成一個可帶回自己課程的 AI 操作練習。 原始骨架：LHU-P01、LHU-P10 ### 說明欄 這頁的重點是讓參與教師把「教師的價值，是判斷與設計」放回自己的課程情境，先完成一個可操作的小練習。 參與教師用這頁收束學習，寫下回到自己課堂後要先完成的第一個 AI 工作流。 本頁的可複製內容包含指定素材或長指令；參與教師可以先照做一次，再把其中的結構改寫到自己的課程、作業或工作流。 AI Scenario Study 是課後情境分析展示頁，用來提醒教師：AI 可以擴大產出，但真正的教學價值仍在問題框架、判斷與設計。 --- 以下可直接複製到 LLM --- ```text 請開啟並閱讀以下來源，先不要急著改寫內容： https://537sonic.github.io/SONIC/ai_scenario_study.html 本頁主題：結尾 本頁主句：教師的價值，是判斷與設計 本頁重點： - AI 可以擴大產能 - 但不能替代課程責任 - 下一步：把一個流程帶回自己的課堂 這個來源和本頁的關係： AI Scenario Study 是課後情境分析展示頁，用來提醒教師：AI 可以擴大產出，但真正的教學價值仍在問題框架、判斷與設計。 我正在參加龍華科大教師 AI 工作坊。請協助我把這個來源連回我自己的課程，而不是只摘要網頁內容。 我的課程情境： - 課程名稱：{請填入} - 授課對象：{請填入學生年級、科系或班級特性} - 我想改善的教學任務：{例如備課、作業設計、AI 使用規範、作業批改、課堂討論} - 我目前的疑問：{請填入} 請依序完成： 1. 用 150 到 250 字說明這個來源的內容是什麼。 2. 說明它可以如何支援本頁投影片的教學重點。 3. 提出 3 個我可以用來檢查自己課程的問題。 4. 設計一個 10 分鐘個人練習，讓我能把這個來源轉成課程規範、作業說明、Prompt 或工作流的一小段。 5. 列出使用這個來源時需要再次查證或人工判斷的地方。 請使用自然的台灣繁體中文；若來源不足以支持某個判斷，請明確標示「來源不足，需再查證」。 ``` --- 複製到此為止 --- ### 使用提醒 分隔線 `--- 以下可直接複製到 LLM ---` 與 `--- 複製到此為止 ---` 中間才是建議複製到 LLM 的內容；分隔線外的文字是協助參與教師理解本頁操作目的。 複製後請先替換大括號中的欄位，再執行；沒有替換的欄位會讓 AI 以通用假設補空白。 ### [CODEX註：] 參考本次 LHU 工作坊整體設計：最後要把工具能力收束到教師的課程責任、判斷設計與可交接流程。 這頁的連結是示範素材；上課前仍建議重新開啟，確認頁面內容與下載檔可用。 這頁使用指定素材或長指令；現場重點是讓參與教師能操作素材、延伸到自己的課程，並保留可查證的來源邊界。 ## LHU-A01｜附錄實作：AI 使用契約卡 對應頁面：A01｜AI 使用契約卡 用途：本頁不提供可複製 Prompt；請依說明欄完成現場操作或討論。 原始骨架：LHU-P01 ### 說明欄 本附錄頁不提供可複製 Prompt。這頁保留作為 AI 使用契約的速查卡，供現場口頭說明或課後回顧。 ### 使用提醒 請直接閱讀卡片內容，不需要把本頁再丟給生成式 AI。 ### [CODEX註：] 附錄卡片的用途是收束概念，不是新增操作任務。 ## LHU-A02｜附錄實作：Prompt 五欄卡 對應頁面：A02｜Prompt 五欄卡 用途：本頁不提供可複製 Prompt；請依說明欄完成現場操作或討論。 原始骨架：LHU-P00 ### 說明欄 本附錄頁不提供可複製 Prompt。這頁保留作為 Prompt 五欄檢查卡，協助教師回看前面練習是否包含任務、來源、限制、格式與檢核。 ### 使用提醒 請用這張卡檢查既有 Prompt，不需要再新增一支 Prompt。 ### [CODEX註：] 附錄卡片應作為檢核表，而不是新的生成任務。 ## LHU-A03｜附錄實作：Project 指令卡 對應頁面：A03｜Project 指令卡 用途：本頁不提供可複製 Prompt；請依說明欄完成現場操作或討論。 原始骨架：LHU-P04 ### 說明欄 本附錄頁不提供可複製 Prompt。這頁保留作為 Project 指令設計速查卡，提醒教師哪些規則應固定在專案層。 ### 使用提醒 請把本頁當成課後整理 GPT、Project 或 Gem instructions 的參考。 ### [CODEX註：] 附錄卡片不應重複前面已完成的 Project 設計練習。 ## LHU-A04｜附錄實作：Codex 資料夾卡 對應頁面：A04｜Codex 資料夾卡 用途：本頁不提供可複製 Prompt；請依說明欄完成現場操作或討論。 原始骨架：LHU-P05 ### 說明欄 本附錄頁不提供可複製 Prompt。這頁保留作為 Codex 資料夾結構速查卡，提醒 Input、Process、Output、References 的分工。 ### 使用提醒 請用本頁檢查自己的專案資料夾，不需要把附錄內容再交給 AI 改寫。 ### [CODEX註：] 附錄卡片是工作流檢核，不是額外操作。 ## LHU-A05｜附錄實作：Rubric CSV 卡 對應頁面：A05｜Rubric CSV 卡 用途：本頁不提供可複製 Prompt；請依說明欄完成現場操作或討論。 原始骨架：LHU-P06、LHU-P08 ### 說明欄 本附錄頁不提供可複製 Prompt。這頁保留作為 Rubric 與 CSV 欄位的速查卡，協助教師回看批改流程是否保留證據與人工複核。 ### 使用提醒 請用本頁檢查前面設計的 Rubric、CSV 欄位與人工審核點。 ### [CODEX註：] 附錄卡片應避免讓教師誤以為還需要再生成一套新 Rubric。 ## LHU-A06｜附錄實作：Skill 規格卡 對應頁面：A06｜Skill 規格卡 用途：本頁不提供可複製 Prompt；請依說明欄完成現場操作或討論。 原始骨架：LHU-P10 ### 說明欄 本附錄頁不提供可複製 Prompt。這頁保留作為 Skill 規格卡，協助教師課後整理使用時機、必要輸入、輸出契約與安全規則。 ### 使用提醒 請把本頁作為 Skill 規劃的檢查清單，不需要現場再複製 Prompt。 ### [CODEX註：] 附錄卡片的任務是提醒規格邊界，不是直接產生 Skill。