LESSON001
今天用：精品櫃姐與包包推薦
AI 到底是什麼？把它想成一位看過很多很多商品的超級櫃姐
先不要想機器人、晶片或程式碼。第一篇只做一件事：用你熟悉的推薦情境，搞懂 AI 到底在做什麼。
7 分鐘從零開始
AI 模型是什麼？就像同一家百貨裡，風格完全不同的幾位櫃姐
同樣都叫 AI，為什麼有的會寫文、有的會畫圖、有的只會辨識照片？第二篇用不同風格的櫃姐理解『模型』。
6 分鐘從零開始
給每一位好奇的人 · AI for the curiousAI 沒那麼難，
AI 沒那麼難，
難的是大家太愛講術語。
從 001 開始，用生活裡熟悉的例子，一步步看懂 AI 的真正樣子。專有名詞第一次出現時，我們會同時寫出中文、英文與縮寫。
不用數學不用寫程式每篇只懂一個觀念專有名詞中英並列
START HERE · 找到你的起點
你想先搞懂什麼？
不用每個人都從同一篇開始。挑一條現在最接近你的路，再沿著編號往下看。
001–008完全新手
第一次接觸 AI
從 AI、模型、訓練一路到 Token、Prompt、幻覺與回答差異，先把最常見的基礎觀念打好。
AI · 模型 · Token · Prompt · 幻覺
從 001 開始 →009–017開始實際玩 AI
想把生成式 AI 用起來
從角色扮演、多模態一路走到圖片與影片生成，理解怎麼給 AI 更完整的設定與創作指令。
角色扮演 · 多模態 · 圖片 · 影片
從 009 開始 →018–025看懂 AI 工程
想看懂現在的 AI 技術名詞
從 API、Agent 到 Embedding、Vector Database、RAG、Fine-tuning 與 Local LLM，建立 AI 工程的基本地圖。
API · Agent · Embedding · RAG · Local LLM
從 018 開始 →026–036開始自己動手做 AI
想真正進入 AI 開發
從 Python、CLI、Git、CUDA 到 Hugging Face、Ollama、LangChain、Coding Agent，再進入 Prompt Injection 與模型安全。
Python · Git · CUDA · Hugging Face · Agent · AI Security
從 026 開始 →037–042玩最新生成工具
想把 AI 影片真的做成作品
從影片生成模式、角色一致性、鏡頭控制與原生聲音一路到 Avatar 與完整製片 Workflow，補上 2026 最熱門的創作實戰。
AI Video · Reference · Camera · Audio · Avatar
從 037 開始 →043–050理解 2026 AI 工作方式
想看懂會搜尋、操作與工作的 AI
從 AI Search、Deep Research、Browser、Computer Use 到 MCP、Coding Agent、Vibe Coding 與 Reasoning Mode，把現在 Agent 時代的熱門名詞接起來。
Search · Research · Browser · MCP · Coding Agent
從 043 開始 →ALL ARTICLES · 全部文章
依編號慢慢往下看
想完整建立觀念，就從 001 一路往下；也可以直接挑你現在需要的主題。
LESSON002
今天用：不同櫃位、不同風格的櫃姐
LESSON003
今天用：看過十萬套穿搭後養出的眼光
AI 是怎麼學會的？像看過十萬套穿搭之後，慢慢養出一種眼光
『訓練 AI』不是把答案一題一題塞進去。第三篇用穿搭經驗理解資料、規律，以及模型怎麼慢慢變得比較會判斷。
7 分鐘從零開始
LESSON004
今天用：把完整妝容拆成一個個小部件
Token 是什麼？像把一個完整妝容拆成口紅、眼影、腮紅和小細節
ChatGPT 不是直接把整句話當成一整塊來讀。第四篇用妝容拆解理解 Token，以及為什麼字數和 Token 數不完全一樣。
6 分鐘從零開始
LESSON005
今天用：跟櫃姐說清楚你真正想找的包
Prompt 是什麼？就像你怎麼跟櫃姐說『我想找一個包』，答案可以差很多
Prompt 不是神秘咒語，就是你交給 AI 的需求與上下文。第五篇用買包情境理解為什麼問得越清楚，答案通常越接近你要的。
6 分鐘從零開始
LESSON006
今天用：沒查庫存卻很有自信回答的櫃姐
AI 幻覺是什麼？像一位超有自信的櫃姐，沒查庫存卻直接告訴你『有貨』
AI 最危險的時候，不一定是它說『不知道』，而是它把錯的東西講得很像真的。第六篇教你先建立這個警覺。
7 分鐘從零開始
LESSON007
今天用：桌面有限、卻會把重要偏好寫進小筆記本的櫃姐
AI 真的記得你說過什麼嗎？像一位很會做筆記、但桌面空間有限的櫃姐
AI 看起來像記得你，其實可能同時用了聊天上下文、產品記憶與重新提供的資料。第七篇把『記得』這件事拆開來看。
7 分鐘從零開始
LESSON008
今天用：同一件洋裝，櫃姐每次都可能搭出不同鞋包的穿搭
為什麼同一句話問兩次，AI 回答會不一樣？像櫃姐每次都可能換一套搭配
AI 不是把答案從資料庫原封不動拿出來，而是在一步步生成下一段文字。第八篇用穿搭推薦理解為什麼同一句話會得到不同回答。
7 分鐘從零開始
LESSON009
今天用：替演員準備角色小傳、服裝、背景故事與台詞習慣
AI 角色扮演是什麼？不是叫它『你現在是某某』就結束
AI 角色扮演不是換個稱呼這麼簡單。第九篇從人物設定、背景、目標與說話方式，看一個角色怎麼被提示詞暫時建立出來。
8 分鐘從零開始
LESSON010
今天用：拍長篇影集時，編劇會一直看角色設定表與前情提要
怎麼讓 AI 不出戲？角色設定要像一張真的人物卡，不是一句形容詞
角色聊幾輪後突然變成客服語氣，通常不是一句『不要出戲』就能解決。第十篇教你用人物卡、對話範例、場景與定期摘要讓角色更穩。
9 分鐘從零開始
LESSON011
今天用：同樣是戀愛劇，不同平台有不同分級、劇本規則與剪輯尺度
AI 角色扮演可以到多深入？陪伴、戀愛、成人向，其實差在產品規則與記憶
有些 AI 陪伴產品只到曖昧，有些能走進戀愛甚至成人向。第十一篇不談露骨內容，而是看尺度、記憶、隱私與產品設計怎麼一起決定體驗。
9 分鐘從零開始
LESSON012
今天用：從只會看文字的客服，升級成能看、能聽、能讀文件的助理
多模態 AI 是什麼？像一位不只聽你說話，還會看圖、聽聲音的助理
AI 不一定只能讀文字。第十二篇用人的感官理解多模態 AI，看看文字、圖片、聲音、影片為什麼可以一起成為模型的輸入。
7 分鐘從零開始
LESSON013
今天用：從滿是雪花雜訊的畫面裡，一步步整理出你描述的場景
AI 是怎麼生成圖片的？像從一張滿是雜訊的紙，慢慢把畫面整理出來
AI 不是從圖庫裡找一張最像的照片貼給你。第十三篇用整理雜訊的比喻理解圖片生成，以及文字提示怎麼一步步影響畫面。
8 分鐘從零開始
LESSON014
今天用：把圖片 Prompt 當成給攝影師與美術團隊的拍攝企劃
AI 圖片 Prompt 怎麼寫？像一份拍攝企劃：主角、場景、鏡頭、光線都要交代
圖片 Prompt 不需要堆滿華麗形容詞。第十四篇用拍攝企劃理解主體、場景、構圖、鏡頭、光線與限制條件怎麼一起控制畫面。
9 分鐘從零開始
LESSON015
今天用：每次都換一位沒看過前一張照片的攝影師，角色自然容易走樣
為什麼同一個 AI 角色每張圖都長不一樣？像每次都換攝影師，光靠文字很難完全對上
同一段角色描述連續生成，臉、髮型、衣服還是可能漂移。第十五篇用換攝影師的比喻理解角色一致性、參考圖與局部編輯。
9 分鐘從零開始
LESSON016
今天用：不只畫一張漂亮照片，而是連續畫很多張還要彼此接得起來
AI 是怎麼生成影片的？像連續畫很多張圖，還要確保下一秒的人沒有突然變掉
圖片只要顧好一個瞬間，影片還要顧前後時間。第十六篇用連續分鏡理解文字生成影片、圖片生成影片，以及時間一致性為什麼這麼難。
9 分鐘從零開始
LESSON017
今天用：把影片 Prompt 當成導演交給攝影團隊的短分鏡表
AI 影片 Prompt 怎麼寫？像寫一張分鏡表：誰在動、鏡頭怎麼走、幾秒內發生什麼
影片 Prompt 不只要描述畫面，還要描述時間。第十七篇用分鏡表理解主體、動作、鏡頭、場景、光線與時間怎麼一起寫。
9 分鐘從零開始
LESSON018
今天用：你只要把需求交給服務生，不需要自己跑進廚房操作所有設備
API 是什麼？像餐廳服務生：你不用衝進廚房，也能把需求送進去再拿到結果
做 AI App 不需要一直手動打開聊天網頁。第十八篇用餐廳服務生理解 API、Request、Response、API Key，以及程式怎麼呼叫模型。
9 分鐘從零開始
LESSON019
今天用：像餐廳分開算進貨與出餐成本：送進去多少、做出來多少，都可能有不同單價
AI API 到底怎麼算錢？看到 US$2 / 1M tokens，先別以為問一次就要 2 美元
API 價格表最常把新手嚇到的是 1M tokens。第十九篇拆開 M、輸入、輸出、快取與實際成本，並附上 GPT、Gemini、Grok 官方價格頁。
10 分鐘從零開始
LESSON020
今天用：不只告訴你怎麼做，而是知道什麼時候該拿計算機、查行事曆、打電話或使用其他工具
AI Agent 是什麼？像從只會回答問題的顧問，變成會自己叫工具、查資料、完成工作的助理
聊天模型負責回答，Agent 則可能進一步決定要不要搜尋、查資料庫或呼叫工具。第二十篇用辦公室助理理解 Tool Calling、Agent 與完整 AI App。
10 分鐘從零開始
LESSON021
今天用：把每段內容放到一張看不見的意思地圖上，意思相近的東西通常會靠得比較近
Embedding 是什麼？像把每句話放到一張『意思地圖』上，意思越接近，位置通常也越靠近
Embedding 常被翻成嵌入，它會把文字、圖片等內容轉成一串數字，讓電腦可以比較『意思有多接近』。第 21 篇從地圖座標開始理解向量與語意相似度。
9 分鐘從零開始
LESSON022
今天用：圖書館不只按照書名和作者建目錄，還能按照每本書在意思地圖上的位置快速找近鄰
Vector Database 是什麼？像一座不只照書名找書，還能照『內容意思』找資料的圖書館
向量資料庫不是把文字原封不動塞進去就變聰明。第 22 篇從圖書館索引開始，理解 Embedding、向量索引、相似度搜尋與 Metadata Filter 怎麼合作。
9 分鐘從零開始
LESSON023
今天用：不是要求考生只靠記憶作答，而是先翻到最相關的幾頁，再根據那些資料回答問題
RAG 是什麼？像讓 AI 參加開卷考：先去找相關資料，再拿著資料回答
RAG 是 Retrieval-Augmented Generation。第 23 篇用開卷考理解檢索、文件切塊、Embedding、Vector Search、Context，以及為什麼 RAG 能讓 AI 回答自己的資料。
10 分鐘從零開始
LESSON024
今天用：Prompt 是當下交代，RAG 是給參考資料，Fine-tuning 則像讓員工接受一段新的專門訓練
Fine-tuning 是什麼？像真的重新訓練員工：不是每次交代，也不是臨時翻手冊
Prompt、RAG、Fine-tuning 常被混在一起。第 24 篇用主管交代工作、開卷查手冊與重新訓練員工三個情境，理解 Fine-tuning 適合改什麼、不適合拿來做什麼。
10 分鐘從零開始
LESSON025
今天用：不再每次把工作送到外部顧問，而是在自己的辦公室準備硬體，讓模型直接在內部執行
Local LLM 是什麼？像把 AI 從外部顧問搬進自己的辦公室，在自己的電腦上直接跑
Local LLM 指把大型語言模型跑在自己的電腦或伺服器上。第 25 篇從外部顧問與內部員工的差別，理解 Open-weight、GPU、VRAM、Quantization、隱私與成本取捨。
10 分鐘從零開始
LESSON026
今天用：像進入一個國際工作團隊，先學大家最常用的共同語言，之後才能叫得動各種 AI 工具
Python 是什麼？為什麼進入 AI 開發後，幾乎到處都會看到它
Python 是 AI 開發最常見的程式語言之一。第 26 篇從變數、函式、套件、虛擬環境與 pip 開始，讓完全沒寫過程式的人看懂 AI 教學裡那些 Python 指令到底在做什麼。
12 分鐘從零開始
LESSON027
今天用：Terminal 是工作檯，Git 是你的版本紀錄簿，GitHub 則像把專案放到遠端倉庫，pull 與 push 是把貨物往返同步
CLI、Git、GitHub 是什麼？看懂 cd、pull、commit、push 之後，AI 開發流程就不再像黑魔法
第 27 篇把 Terminal、CLI、路徑、Git 與 GitHub 一次拆開，實際解釋 cd、git status、pull、add、commit、push 每一行在做什麼，以及為什麼改程式前後都要看版本狀態。
13 分鐘從零開始
LESSON028
今天用：GPU 像一座高速工廠，CUDA 則是讓軟體知道怎麼把工作送進工廠、分配機器並把結果拿回來的整套作業系統
CUDA 是什麼？為什麼有 NVIDIA GPU 還不夠，AI 軟體還需要一整套加速平台
第 28 篇把 GPU、VRAM 與 CUDA 串起來，解釋 Driver、CUDA Toolkit、PyTorch 與 GPU 加速的關係，並用 nvidia-smi 與 torch.cuda.is_available() 看懂自己的環境是否真的能用 GPU。
12 分鐘從零開始
LESSON029
今天用：像一座超大型 AI 圖書館：架上不只放模型，還放使用說明、Tokenizer、資料集、版本與授權資訊
Hugging Face 是什麼？為什麼找模型、資料集、Tokenizer 與範例程式時大家都會去那裡
第 29 篇把 Hugging Face Hub、Transformers、Model Card、Tokenizer、權重與 Dataset 串起來，並用最小 Python 範例解釋 pipeline() 為什麼能把下載模型與執行推論包成幾行程式。
12 分鐘從零開始
LESSON030
今天用：模型像下載回來的演員，Ollama 像幫你管理演員、準備舞台、開燈並提供服務窗口的後台系統
Ollama 是什麼？從 pull 模型、run 模型到 localhost API，看懂 Local LLM 怎麼真的跑起來
第 30 篇把 Ollama 當成 Local LLM 的啟動器，逐行解釋 ollama pull、run、list 與本機 API，並用 Python requests 示範 localhost:11434 代表什麼。
12 分鐘從零開始
LESSON031
今天用：像一場大型會議，每個位置都不必只聽前一個人，而是先判斷這一刻最該注意誰，再把重要資訊加權整合
Attention Is All You Need 到底改變了什麼？從 Self-Attention 到 Transformer，看懂現代 LLM 的核心骨架
第 31 篇用『開會時每個人決定該聽誰』理解 Attention、Self-Attention、Query、Key、Value 與 Multi-Head Attention，再回到 2017 年論文為什麼提出 Transformer。
13 分鐘從零開始
LESSON032
今天用：模型像很聰明的員工，LangChain 像辦公室流程系統，把員工、工具、資料來源與工作步驟接成能重複運作的流程
LangChain 是什麼？把模型、Prompt、工具、RAG 與 Agent 接成一條可管理的工作流程
第 32 篇接回 API、RAG 與 Agent，解釋 LangChain 為什麼出現、Model Interface、Tool、Agent Loop 與 Framework 的角色，並逐行拆解一個最小 create_agent() 範例。
13 分鐘從零開始
LESSON033
今天用：像請一位能坐到你工作站前的工程助理：不只回答問題，還能翻資料夾、改檔、跑指令，但最後仍需要版本控制與 Review 把關
Cursor、Codex 這類 Coding Agent 在做什麼？從讀 Repo、改檔、跑測試到 Review Diff
第 33 篇把 Coding Agent 拆成模型、指令與工具三部分，解釋 Cursor、Codex 如何讀取程式碼、修改檔案、執行 Terminal 指令與測試，並把 Git status、diff、commit 接回安全工作流程。
13 分鐘從零開始
LESSON034
今天用：像分清楚汽車品牌、車系、某一台車、租車 App 與車隊 API：名字常一起出現，但其實是不同層
OpenAI、Google Gemini、xAI Grok 到底差在哪？先學會分清楚公司、模型、App 與 API
第 34 篇不做模型排行榜，而是教你分清楚 OpenAI、Google、xAI 這些供應商，以及 GPT、Gemini、Grok 模型家族、聊天 App、API 與工具能力之間的層次。
12 分鐘從零開始
LESSON035
今天用：像助理在文件裡看到一張『假主管指令』，如果分不清文件內容和真正授權，就可能把不可信文字當成命令
Prompt Injection 是什麼？為什麼 AI Agent 讀到一段文字，就可能被假指令帶偏
第 35 篇從 Direct / Indirect Prompt Injection 開始，解釋 RAG、網頁、Email、文件與 Coding Agent 為什麼會把不可信文字帶進模型，以及最小權限、Tool Allowlist、Human Approval 等防護思路。
13 分鐘從零開始
LESSON036
今天用：模型像一台很強的機器；安全不是只靠機器本身，而是還有駕駛規則、門禁、保險絲、操作權限與外部監控一層層疊上去
Guardrail、Safeguard、Uncensored Model 是什麼？把模型能力、對齊與應用安全分成不同層看
第 36 篇拆解 Guardrail、Safeguard、Moderation、System Prompt、Alignment 與 Uncensored Model，說明 Open-weight 不等於無限制、Local 不等於沒安全層，以及應用程式仍需要權限與 Runtime 防護。
13 分鐘從零開始
LESSON037
今天用：選 AI 影片模式像選拍攝方式：有時從空白腳本開始，有時先拿定裝照，有時還要把演員、場景和鏡頭參考一起交給導演
2026 AI 影片生成怎麼選？先分清 Text-to-Video、Image-to-Video、Reference-to-Video
AI 影片工具越來越多，但真正重要的是先分清文字生影片、圖片生影片、參考素材控制與首尾影格等工作模式，再依需求選模型。
9 分鐘從零開始
LESSON038
今天用：連續劇不會每一場戲都重新描述主角長相，而是有固定演員、定裝照與造型表；AI 影片也需要穩定的角色參考
為什麼 AI 影片裡同一個人一直變臉？角色一致性不是只靠 Prompt
同一個角色跨鏡頭變臉、換衣服、髮型漂移，是 AI 影片最常見問題之一。這篇用 Reference、角色母圖與分鏡工作流解釋怎麼提高一致性。
9 分鐘從零開始
LESSON039
今天用：好的影片 Prompt 像導演對攝影組下指令：先說拍誰、他怎麼動、攝影機怎麼走，再談光線與氣氛
AI 影片鏡頭怎麼控制？Shot、Camera Movement、Keyframe 比堆形容詞更重要
想讓 AI 影片更像真的拍攝，不只要寫漂亮風格詞。這篇拆解 Shot、Subject Motion、Camera Movement、Keyframe、Duration 與鏡頭邊界。
8 分鐘從零開始
LESSON040
今天用：拍電影時攝影、現場收音、配音、音效和混音是不同部門；AI 把它們放進同一介面，不代表它們突然變成同一項技術
AI 影片現在連聲音都會生？Native Audio、Lip Sync、配音其實是不同問題
有些影片模型開始同時生成畫面、環境音甚至語音，但 Native Audio、Lip Sync、TTS、配音與後製並不是同一件事。這篇一次拆開。
8 分鐘從零開始
LESSON041
今天用：像替角色穿上一套數位戲服：真人表演提供動作與表情，Character Reference 決定最後出現在鏡頭裡的是誰
AI 數位人與 Avatar 是什麼？一張照片為什麼能開口、做表情甚至演戲
AI Avatar 不只是把照片嘴巴動起來。這篇拆開 Driving Performance、Character Reference、Lip Sync、Gesture Control 與數位人常見應用。
8 分鐘從零開始
LESSON042
今天用：AI 影片越像真正製片：先寫腳本、排分鏡、選演員與場景，再一鏡一鏡拍，最後進剪輯室組成成片
AI 影片真正工作流：腳本 → 分鏡 → 參考圖 → 短片 → 剪輯，不是一次 Prompt 抽完整部片
想把 AI 影片從好看的 Demo 變成完整作品，重點通常不是找一個萬能 Prompt，而是把 Script、Storyboard、Reference、Shot Generation 與 Editing 串起來。
10 分鐘從零開始
LESSON043
今天用：傳統搜尋像圖書館員給你一排書架位置；AI 搜尋更像研究助理先翻資料，再把答案和參考來源整理到你面前
AI 搜尋和 Google 搜尋差在哪？答案引擎不是把搜尋框換成聊天框
AI Search 會替你查資料、整理來源並直接回答，但也可能把不同來源混在一起。這篇比較傳統搜尋、Web Search Tool、Answer Engine 與引用查核。
9 分鐘從零開始
LESSON044
今天用：一般 AI 搜尋像請助理查一個問題；Deep Research 更像交一份研究任務，助理先列計畫、翻很多資料、補缺口，再交附來源的報告
Deep Research 是什麼？為什麼它不是『讓 AI 想久一點』而已
Deep Research 不是單純延長回答時間，而是把規劃、搜尋、讀來源、追查缺口、綜合與引用串成多步驟研究流程。這篇教你什麼題目值得用。
9 分鐘從零開始
LESSON045
今天用：Chatbot 像坐在電話另一頭給建議；Browser Agent 像真的派一位助理到電腦前面，能打開網站、按按鈕、填資料
AI Browser 是什麼？會自己點網頁的 AI，和只會回答問題的 Chatbot 差在哪
AI Browser 或 Cloud Browser 讓 Agent 不只讀網頁，還能點擊、填表、跨頁面完成任務。這篇解釋它和搜尋、聊天、Connected App 的差別與風險。
9 分鐘從零開始
LESSON046
今天用：API 像拿到餐廳內部點餐系統；Computer Use 則像讓助理坐到任何電腦前，直接看畫面、移滑鼠、按鍵盤完成工作
Computer Use 是什麼？AI 怎麼看螢幕、點按鈕、填表單，甚至操作沒有 API 的軟體
Computer Use 讓模型透過 Screenshot、Mouse、Keyboard 等介面操作 GUI。這篇說明 Perception → Action Loop、Browser Agent 的關係、限制與安全邊界。
9 分鐘從零開始
LESSON047
今天用：以前每個 AI 工具都要做一條專用轉接線；MCP 想做的是一種共通插座規格，讓 Host 與不同工具能用較一致的方法溝通
MCP 是什麼？像替 AI 工具接上一種共通插座，讓模型更容易連資料與外部能力
Model Context Protocol（MCP）把 AI 應用與 Tools、Resources、Prompts 的連接方式標準化。這篇用插座比喻拆 Host、Client、Server 與安全邊界。
10 分鐘從零開始
LESSON048
今天用：Autocomplete 像坐你旁邊幫你補句子的同事；Coding Agent 更像你把一張 Issue 交給工程師，他要自己讀專案、改檔、測試再交 Review
Coding Agent 是什麼？不是幫你補一行 Code，而是能接一個 Issue、改 Repo、跑測試再開 PR
Coding Agent 和傳統 Autocomplete 最大差別，是它能跨檔案理解 Repository、執行命令、跑測試、修改多處並交付 Diff 或 Pull Request。
10 分鐘從零開始
LESSON049
今天用：Vibe Coding 像請一位速度超快的裝修隊照你口述把房子搭起來；Demo 很快，但水電圖、結構和維修方式如果沒人看懂，入住後才是考驗
Vibe Coding 是什麼？用自然語言做 App 很快，但真正容易爆炸的是你沒看懂的那一段
Vibe Coding 讓非工程背景的人也能快速做 Prototype，但當專案碰到狀態、資料庫、權限、付款、安全與維護，『能跑』和『能上線』是兩件事。
10 分鐘從零開始
LESSON050
今天用：同一個人回答『現在幾點』不用拿紙筆，但做數學證明、審合約或 Debug 會願意多花時間檢查；Reasoning Effort 就像分配不同思考預算
Thinking / Reasoning Mode 是什麼？為什麼同一個 AI 有快答、深想和不同 Effort
同一個模型或產品常有快速回答與更高 Reasoning Effort。這篇拆開 Reasoning、Inference Compute、Latency、Cost、Tool Use 與『想更久不等於永遠更對』。
10 分鐘從零開始
SATIN SYNTAX
懂 AI，不等於要變成工程師。
像懂保養成分、信用卡回饋或怎麼挑一雙好走的鞋一樣，你也可以理解 AI 的基本原理，知道它擅長什麼，也知道什麼時候不要太相信它。
為什麼做這個網站 →