大家好，

隨著 AI 工具逐漸從單純問答，發展成可以協助讀取資料、整理文件、產出報告、撰寫程式與建立自動化流程的 AI Agent，未來在工程開發、測試分析、問題追蹤 與跨部門協作上，會有越來越多實際應用機會。

這系列學習筆記會從基礎術語開始，逐步介紹 AI 代理 的工具、輸出格式、模型差異、資料安全與工程應用案例，協助讀者把 AI 從零散問答變成可落地的工作流程。

本系列課程預計涵蓋：

• AI Agent 與聊天機器人：先分清楚 AI 回答問題與 AI 協助執行任務的差異。
• AI 代理 基礎術語：API Key、MCP、Markdown、上下文、提示詞、代元、Tool、工作流程、本機 LLM、雲端 LLM 等。
• Gemini CLI / Codex 工具介紹：了解 AI 如何在專案資料夾中協助讀檔、改檔、產出文件與建立自動化流程。
• 工程 提示詞 寫法：練習如何把需求、輸入資料、輸出格式、限制條件與判斷標準描述清楚。
• 為什麼 HTML 適合工程教材與報告輸出：包含表格、流程圖、顏色標示、互動查詢與瀏覽器直接開啟等優點。
• 本機 LLM 與 雲端 LLM 差異：從能力、速度、成本、資料安全與適用情境進行比較。
• 資料安全與 AI 結果驗證：說明哪些資料不適合上傳，以及如何避免 AI 錯誤、漏判或過度推論。
• 工程應用案例：例如 Excel 問題摘要、測試紀錄 整理、報告 摘要、BOM / PreBOM 整理、EMC / Safety 檢查清單、失敗項目 分類與週報初稿產出。

這系列訓練的目標不是讓大家變成軟體工程師，而是協助工程師理解如何把 AI 當成工作流程中的輔助工具，讓 AI 先處理重複性高、資料量大、格式化與初步分類的任務，工程師則把更多時間放在判斷、分析與決策上。

若你平常常遇到以下情境，會很適合參加：

• 每週需要整理 專案狀態 或 問題清單。
• 測試報告、紀錄、Excel、BOM 資料量大，整理耗時。
• 想知道 AI 能不能協助建立自己的小工具或自動化流程。
• 想了解組織內部資料在使用 AI 時應該注意哪些安全邊界。

後續課程會以簡單範例、工程情境與實際操作為主，讓不同職能的工程師都能理解如何把 AI 代理 應用在日常工作中。

建議讀者挑一個自己工作中重複性高、資料整理量大、或希望 AI 協助初步分析的情境，作為練習案例。

謝謝大家。

敬祝順心，
Michael