學員使用指南

NTPU AI Learn 簡介

NTPU AI Learn 是多門課程組成的 AI 學習平台。目前開放的課程是 AI 101：Claude AI 工作力基礎課程。

開始使用

1. 1打開課程
   從「課程」進入 AI 101，先閱讀課程概覽
2. 2取得場次代碼
   測驗、Use Case 與 Exit Ticket 需要授課教師提供的場次代碼
3. 3依序學習
   學習 → 實作 → 評量 → 應用

瀏覽課程

「課程」頁面列出所有課程，每張卡片會顯示課程代號、時長、難度與開放狀態。

• 瀏覽課程

AI 101 概覽

AI 101 約 6 小時，適合完全沒有程式背景的初學者，包含兩個學習單元、四項實作、前後測與個人 Use Case。

• AI 101 課程頁

學習單元

每個單元由多個小節組成，右側（手機上為上方）的目錄可以快速跳轉。小節中的「自我檢測」只是幫你確認理解，不會被記錄。

• Module 1
• Module 2

實作流程

實作頁面提供四項練習（Chat、Prompt、Cowork、Code）與所需檔案。先下載或預覽檔案，再依步驟操作。

• AI 101 實作

前測與後測

輸入場次代碼與自訂的學員代碼即可開始。前測與後測請使用同一個學員代碼。答案由伺服器評分，送出後才會看到結果。

• 評量說明

Use Case Canvas

記錄一項你工作中會重複出現的任務。欄位中除了工作名稱與希望 AI 協助的內容之外，多數是選填。

• 應用說明

Exit Ticket

課程結束前的簡短總結，用來規劃後續的部門訪談。

切換語言

使用頁首的「中文 / EN」切換語言。你會停留在同一個頁面，單元與小節位置也會保留。

技術需求

• 近期版本的 Chrome、Edge、Safari 或 Firefox
• 可以上網的電腦；手機與平板也能閱讀，但實作建議使用電腦
• 練習需要可使用 Claude 的帳號（依課程說明）

無障礙

網站支援鍵盤操作、清楚的焦點顯示、跳到主要內容的連結，並尊重系統的「減少動態效果」設定。若遇到無法使用的地方，請告知授課教師。

隱私與資料使用

平台只收集完成課程所需的最少資料，並以學員代碼取代真實身分。測驗答案、Use Case 與 Exit Ticket 只有授權的教師與管理員能看到。

常見問題

1. 1我沒有場次代碼怎麼辦？
   請向授課教師索取。閱讀單元與實作不需要代碼，只有測驗與提交表單需要。
2. 2前後測可以用不同的學員代碼嗎？
   不建議。使用相同代碼，成績才能對應。
3. 3送出後可以修改嗎？
   送出後無法自行修改；若需要更正，請聯絡授課教師。

課後速查

以下是課後複習用的速查內容（原「學員講義」），涵蓋核心概念、工具選擇、指令模板、文件分析、覆核與 Use Case。

取得協助

課程中遇到問題請先詢問授課教師；自學時可以回到相關單元或本指南的速查內容複習。

核心概念

• 生成式 AI（Generative AI）：根據輸入產生新內容
• 代理式 AI（Agentic AI）：規劃並執行多步驟任務
• Chat / Cowork / Code：三種主要工作型態
• Human–AI–Human：人定義任務、AI 執行、人覆核並負責

工具選擇

1. 1單次、可一次講清楚的任務
   → Chat
2. 2多步驟、多資料來源的任務
   → Cowork
3. 3重複發生、規則明確的任務
   → Code / 自動化
4. 4高風險、高影響力的任務
   → 無論選哪種，加強人工覆核

T-C-R-F 模板

• Task：具體任務，可驗收
• Context：背景、目的、限制
• Reference：參考資料或範例
• Format：期望的輸出結構、長度、語氣

文件分析六步驟

1. 1Understand 理解
   這份文件在說什麼
2. 2Organize 整理
   拆解議題、責任、時間線
3. 3Analyze 分析
   找出模式、風險、關聯
4. 4Question 提問
   找出資訊缺口
5. 5Produce 產出
   整理成摘要或建議
6. 6Verify 驗證
   核對關鍵事實與數字

• 常用追問：「這個結論的依據是哪一段？」
• 常用追問：「有沒有互相矛盾的資訊？」
• 常用追問：「哪些是事實、哪些是你的推論？」

覆核

• Fact 事實：文件明確寫出的內容
• Analysis 分析：基於事實的推論
• Unknown 未知：文件未提供、需要進一步確認的資訊

• AI Review Checklist：結論是否可追溯？
• AI Review Checklist：數字是否與來源一致？
• AI Review Checklist：是否有未驗證的推論？
• AI Review Checklist：是否符合原始任務目標？

1. 1這份資料可以離開內部系統嗎？
   資料安全四問 1/4
2. 2是否包含客戶個資或機密？
   資料安全四問 2/4
3. 3誰有權限看到這次對話？
   資料安全四問 3/4
4. 4出錯的後果是什麼？
   資料安全四問 4/4

Cowork

• Delegate Task Checklist：任務範圍是否明確？
• Delegate Task Checklist：交付格式是否說清楚？
• Delegate Task Checklist：是否已提供必要參考資料？

• Pre-execution Planning：先讓 AI 說明計畫
• Pre-execution Planning：確認後再繼續執行
• Pre-execution Planning：複雜任務拆成可檢查的階段

Code

一次性任務通常不值得投入自動化成本；重複發生、規則明確的任務才適合寫成腳本或流程。

Use Case

Use Case Canvas 記錄：現況流程、頻率、耗時、痛點、期望的 AI 協助、建議模式、出錯後果、人工覆核方式。

• Value check：這件事發生頻率高嗎？耗時嗎？
• Risk check：出錯的後果嚴重嗎？資料是否敏感？

課後 Prompt 卡片