常用工具的熟悉重點＋運用技巧
內容，撰稿中...
本章定位
目前市面上大多數 AI 課程，都著重在教工具操作、提示詞（Prompt）技巧或底層模型。但我們認為，「工具會一直改版，功能會不斷更新，唯有深刻的協作觀念，才能長期留存下來。」
因此，在進入具體的技術操作前，我們希望學員先建立起正確的「人與 AI 協作與治理觀念」，以便未來無論工具如何演變，皆能遊刃有餘。
核心協作觀念
1
AI 不是「答案機」
AI 像高效助理、顧問、工程師或設計師，而不是不容置疑的「神諭」或「最終決策者」。人類依然對最終結果與商業決策負起全部責任。
2
AI 是「能力放大器」
過去單兵作戰「1人=1人產能」已是極限。現在透過「1人 + 多個 AI」，便能發揮相當於小型專案團隊的強大產能，釋放人類的創造力。
3
人類角色正在改變
傳統工作流中人類主要負責「執行」。未來，人類應升級為「治理者與決策者」，專注在規劃、判斷與驗收；AI 則負責搜集、整理、產出與自動化打雜。
4
AI 也有其先天弱點
AI 存在幻覺、可能理解偏差，且缺乏特定企業背景與潛規則。因此，AI 產出絕對不能直接採用，必須落實 HITL（Human-in-the-Loop，人機協作） 審核。
5
AI 時代的核心競爭力
未來的重要能力不再是「自己動手做完所有事」，而是「知道什麼事情該交給 AI」（任務拆解與指派能力），以及「知道如何驗收 AI 的成果」（安全審查與例外測試能力）。
人機職能分工對比
| 工作流程 | 人類負責（決策與治理） | AI 負責（執行與產出） |
|---|---|---|
| 需求與定義 | 規劃 (Planning)：設定專案目標、系統邊界、安全合規規則。 | 搜集 (Gathering)：快速搜尋規格、提取相關歷史日誌與檔案。 |
| 分析與實作 | 判斷 (Judgment)：評估架構的合理性，做出商業價值決定。 | 產出與重構 (Generating)：自動生成代碼、撰寫文案草案、重構結構。 |
| 驗收與發佈 | 驗收與治理 (Governance)：代碼安全掃描、異常測試、例外審核 (HITL)。 | 自動化測試 (Automation)：執行批量測試、自動部署、整理發佈日誌。 |
三大實務協作場景
生活場景
GPS 衛星導航
- AI (GPS)：動態分析路況，提供最短避開塞車的最佳推薦路線。
- 人類 (駕駛員)：雙手控制方向盤防範突發路況，並決定是否採納路線建議。
企業場景
智能客服與主管
- AI (客服 Bot)：24小時解答 80% 常見且高重複性的退換貨 FAQ。
- 人類 (客服主管)：處理 20% 涉及複雜客訴或例外退款，並審查 Bot 行為。
工作場景
銀河 ERP 客製開發
- AI (Antigravity)：依照需求快速生成資料表 DDL 與 API controller 結構代碼。
- 人類 (工程師)：設計核心 Interface，對 AI 代碼進行安全掃描與例外測試驗收。
"AI 不會取代所有人。但善用 AI 的人，很可能取代不會使用 AI 的人。"