AI 實戰知識庫
從 AI 基礎、工具應用，到可交付的工作流程。
幫助你在學習、工作與團隊中更有效地使用 AI。
探索五個主題
精選文章
編輯推薦的入門、實作與方法內容，從這裡開始閱讀。
系列與小主題
所有文章
依主題瀏覽文章，找到你需要的內容。
- AI 工作流與團隊OpenAI dot 怎麼用？從實作整理的交辦、接續與驗收方法把研究、內容規劃與網站修改交給 OpenAI dot 後，我整理出交辦、接續與驗收三步方法，附可改寫的任務模板與網站填寫例，說清楚既有決定怎麼接續、成果怎麼檢查。
- AI 新手入門Codex 教學：新手從選擇入口到完成第一個工作任務Codex 怎麼用？從入口、費用與本機資料夾準備開始，用虛構客服材料完成交接表、核對缺漏與來源，再保留版本。附經檔案核對的實際成果與練習材料。
- AI 職場應用把工作交給 Codex，哪些成果能交付，哪些判斷仍要自己做？從人工、聊天與 Codex 檔案工作比較交付方式，用合成會議交接與作者案例，分清資料整理、內容驗收及正式批准；保留來源、變更紀錄與仍待人決定的缺口。
- AI 工具應用video-use 字幕燒錄失敗？先檢查 FFmpeg subtitles 濾鏡master.srt 已生成卻無法燒錄字幕？先保留成果，核對 video-use 實際使用的 FFmpeg 路徑與濾鏡能力，再判斷是否需要更換 build。
- AI 工具應用ChatGPT 對話搬進 Project 後，附件沒出現在 Sources 怎麼辦？分清聊天附件、Library 與 Project Sources，依序找回原件、去重、直接加入並開檔驗收；仍失敗時整理重現資料交官方支援。
- AI 職場應用旁白與畫面切換不同步？用音檔時長排場景時間表用實際音檔長度排場景起訖，分清每章一檔與單一長音軌，避免重複計入停頓。附文內可複製空白工作表與三場景虛構算例，並說明匯出後怎麼回看。
- AI 職場應用PPT Master 只改指定頁：保留原設計的需求與驗收已有公司 PPT，只想更新指定頁？依 PPT Master 固定版本的 Edit Native PPTX 流程，寫清保留範圍、確認逐頁計畫，並驗收未改頁與共用資源。
- AI 工具應用Presenton 匯入自訂 PPT 模板出現 504，先分清逾時與處理失敗Presenton 匯入自訂 PPTX 出現 504 時，先核對失敗請求與後端紀錄，再用一頁副本縮小範圍。附版本、字型、入口與任務狀態回報欄位。
- AI 工具應用html-video 匯出仍是模板文字？先比對預覽與渲染輸入html-video 的預覽已換成自訂文案，MP4 卻仍是模板內容？依 Studio 與 CLI 分流，核對版本、模板、實際輸入與輸出，並整理可追查的最小重現紀錄。
- AI 工具應用ChatGPT 讀 PDF 表格漏列，先核對頁面、列數與欄位用 ChatGPT 整理 PDF 表格前，先從原頁建立資料列清冊，再核對頁面範圍、行 ID、欄位與空值。本文附六列自製教材與可複製提示，說明為何列數相同仍可能漏列，以及母體未知時如何保留缺口。
- AI 工具應用剪映 Skill 生成草稿後媒體遺失如何定位剪映 Skill 草稿打開後找不到素材？依上游來源核對素材路徑、識別 ID、雲端音樂與 macOS 相容性，附診斷表及安全回報欄位，說明版本與匯出的未解限制。
- AI 工具應用Library、SDK、Framework、API 到底差在哪？先看誰呼叫誰Library、SDK、Framework、API 的差別不只在功能名稱，更在誰啟動程式、誰決定何時呼叫，以及錯誤發生在哪一層。用 Python 標準函式庫與教學用 Runner 比較控制權，並透過可重跑案例辨認介面與框架的責任邊界。
- AI 工具應用從一段 Python 走到一個可重跑的小專案把 Python 程式拆成可重跑的小專案：固定入口、輸入、模組責任、JSON 持久化與 README，並用新程序驗證 import、物件狀態與輸出結果。
- AI 工具應用Python 程式怎麼處理資料？從變數、容器到條件與函數用一條可追蹤的資料流理解 Python：從值與型別、list／dict 等容器，到 if、for、while 與函數 return，學會預測、定位錯誤並驗證輸出。
- AI 工具應用Python 到底在哪裡跑？Anaconda、Jupyter、Terminal 與環境一次搞懂從介面、Shell、Python interpreter、Jupyter kernel、environment、packages 到 working directory，學會用路徑與 runtime state 定位 Python 常見環境問題。
- AI 新手入門LLM 不是知識庫：從下一個 Token 理解 AI 為什麼會一本正經地答錯從 next-token generation 理解 LLM 為什麼能很流暢卻仍可能答錯，並拆解何時需要外部資料、RAG、工具、驗證與人工控制。
- AI 工具應用Context 越長越好嗎？從 Token、Context Window 到 Context EngineeringContext Window 不是永久記憶。從 Token、上下文容量、長 Context 限制到 Context Engineering，理解 AI 應用如何選擇真正該放進模型的資訊。
- AI 新手入門不用手算 Transformer：Attention、Embedding 到底在做什麼？不用手算矩陣，也能理解 Transformer 的 Attention、Embedding 與 KV Cache。從 Context 關係到 semantic search，掌握 AI 應用工程真正需要的模型底層知識。
- AI 工具應用Prompt 不是魔法：Structured Output、Tool Calling 與非確定性LLM 為什麼同一個 Prompt 會產生不同答案？從 Prompt constraints、Structured Output、Tool Calling、Temperature、Top-p 到 nondeterministic testing，理解 AI Application Engineer 如何從 Prompt Thinking 走向 System Thinking。
- AI 工作流與團隊模型沒壞，系統也可能失敗：Production AI 到底在可靠什麼？模型準確不代表 AI 系統可靠。從 Model、RAG、Tool failure，到 Validation、Fallback、Observability、Latency、Cost 與 Evaluation，理解 Production AI 為什麼必須從 Model Thinking 走向 System Reliability。
- AI 新手入門AI Agent 到底是什麼？從 Chatbot 到閉環決策系統AI Agent 不只是 LLM 加 Tool。從 Chatbot、Tool-enabled Application 到 Goal、State、Observation、Decision、Action 與 Feedback，理解 Agent 為什麼是一個能根據環境結果持續決策的閉環系統。
- AI 工作流與團隊LLM、RAG、Workflow、Agent 怎麼選？最低必要複雜度不要把 Agent 當成 AI 應用的最高級形態。從 Code、LLM、Retrieval / RAG、Workflow、Agent 到 Multi-Agent，用最低必要複雜度判斷任務真正需要的架構。
- AI 工作流與團隊Agent 不只是 LLM：State、Tools、Memory 如何組成可運作系統Agent 不只是 LLM 加 Tool。理解 State、Context、Memory、Retrieval、Tools 與 Agent Runtime 如何組成可持續運作的閉環，以及為什麼 system truth 不該只存在模型文字裡。
- AI 工作流與團隊Action Space、Permissions、HITL、Stop Conditions：怎麼讓 Agent 有能力但不失控Agent 有能力不代表可以隨便行動。從 Action Space、Least Privilege、Runtime Permission、Human-in-the-Loop、可逆性、Budget 到 Stop Conditions，理解如何讓 Agent 在明確邊界內可靠執行。