一個寫給非電資背景學習者的 30 天 AI 學習系列。這個系列不只介紹 AI 工具與觀念，也透過觀察、反思與迭代，練習提問、判斷與自我學習。 原文請見 https://ithelp.ithome.com.tw/users/20183346/ironman/9042
文章會依天數持續更新；可從下方各部導覽表進入每日內容。
| 天數 | 標題 | 摘要 |
|---|---|---|
| Day 1 | AI 賦能的時代，我們究竟該學 AI，還是學會如何學習？ | 簡介 |
| Day 2 | AI 不是在讀文字：Transformer 如何一路猜出下一個 Token？ | 拆解文字如何進入、通過並離開 Transformer |
| Day 3 | 從 GPT-1 到 GPT-3：模型只是越做越大嗎？ | 理解規模、資料與 Context 如何改變任務適應 |
| Day 4 | AI 的內心戲：Chain-of-Thought 與 Reasoning Model 有什麼關係？ | 分辨思維鏈提示與推理模型，檢視可見推理的限制 |
| Day 5 | 我開始聽不懂了：用類比建立 AI 專有名詞的鷹架 | 以大掃除類比整理 Agentic AI 的核心名詞與關係 |
| 天數 | 標題 | 摘要 |
|---|---|---|
| Day 6 | 從會說到會做：Function Calling 如何讓 AI 開始使用工具？ | 從使用者與開發者視角理解 AI 如何選擇、呼叫並執行工具 |
| Day 7 | AI 都能幫我寫格式了，我還需要懂 Markdown、JSON 和 HTML 嗎？ | 從初學者視角理解不同格式的用途，以及何時交給 AI 處理 |
| Day 8 | Prompt Engineering I：如何用自然語言交代工作？ | 用 CO-STAR 將情境、目標、限制與輸出要求說清楚 |
| Day 9 | Prompt Engineering II：好的 Prompt 為什麼需要迭代？ | 從生成結果的落差學習驗收、迭代與驗證 |
| Day 10 | 當 Prompt 開始挑戰規則：Jailbreak 到底是在「越」什麼獄？ | 從越獄案例理解模型安全、Red Team 與多層防護 |
| Day 11 | 當資料裡也藏著指令：Prompt Injection 為什麼比 Jailbreak 更麻煩？ | 從網頁、文件與外部資料理解 Prompt Injection 的風險與防護 |
| Day 12 | Context Engineering I：Context 如何被堆疊？ | 看見系統規則、對話、記憶與工具結果如何組成模型的工作桌 |
| Day 13 | Context Engineering II：替 AI 的工作桌減壓 | 從 Context Pollution 與 Subagents 理解如何保留真正需要的資訊 |
| 天數 | 標題 | 摘要 |
|---|---|---|
| Day 14 | OpenAI工作流：ChatGPT, GPTs, Codex, GPT Live | 從日常任務理解 OpenAI 工具如何分工 |
| Day 15 | Google：先試模型，再把資料變成自己的知識工作區 | 用 AI Studio 與 NotebookLM 建立自己的知識工作流程 |
| Day 16 | Claude：從設計初稿到 Claude Code，讓 AI 成為工作夥伴 | 從 Claude 的產品生態系理解 AI 如何參與工作 |
| Day 17 | Ollama：把模型帶回自己的電腦，哪些工作值得留在本機？ | 理解本機模型的硬體限制、適用工作與取捨 |
| Day 18 | API Key：從使用 AI 產品，到自己串接 AI 能力 | 認識 API Key、Token 成本與免費模型，並完成第一個對話式練習 |
| 天數 | 標題 | 摘要 |
|---|---|---|
| Day 19 | CLAUDE.md、AGENTS.md 與 Hooks：為 Agent 建立工作規則 | 從專案規則、讀取回條與 Hooks 理解如何讓 Agent 穩定地工作 |
| Day 20 | MCP：如果每個 AI 都有不同插頭，我們能不能先統一插座？ | 從 Local／Remote MCP、權限與練習 Notebook 認識 AI 如何安全接上外部工具 |
| Day 21 | Skill：現在連「工作方法」都能直接安裝了？ | 從可重複使用的工作方法理解 Skill 的用途、限制與判斷邊界 |
| 天數 | 標題 | 摘要 |
|---|---|---|
| Day 22 | 你還在從零開始？全世界可能早就做好一半了 | 從公開資料、既有 Skill 與小型天氣練習，理解如何把成熟能力接成可驗證作品 |
| Day 23 | 抄大神的工具，有變神嗎？ | 從借用規則與 Skill 的落差，理解方法需要依自己的情境調整 |
| Day 24 | 當世界換了題目，你還在使用昨天的答案嗎？ | 從變化中的工作環境，練習用小型測試重新校準既有流程 |
| Day 25 | AI 最危險的地方，不是幻覺，是它讓你更相信自己 | 從 AI 迎合與 GPT-4o 回滾事件，練習保留反省與不同意見的空間 |
| 天數 | 標題 | 摘要 |
|---|---|---|
| Day 26 | 先別寫履歷：讓 AI 幫你釐清有哪邊可以去？ | 從求職起點出發，用 AI 整理職涯方向，並把選項留給現實驗證 |
| Day 27 | 履歷不是寫出來的，是問出來的 | 從數位考古與一問一答的追問，建立不讓 AI 編造的求職證據庫 |
| Day 28 | 別再海投：每個職缺都該有自己的履歷 | 從一份真實職缺出發，建立誠實的客製履歷並確認投遞管道 |
| Day 29 | 面試前先打一場：讓 AI 當你的面試官 | 用模擬面試提早發現回答盲點，練習面對未知與整理回饋 |
| 天數 | 標題 | 摘要 |
|---|---|---|
| Day 30 | 學了 30 天 AI，我最後更新的是自己 | 從個人化 AI 的迎合風險重新檢視自己，並讓產官學在 AI × Earth 持續共同學習 |
30 天將從 AI 的運作方式出發，逐步延伸到如何讓 AI 協助完成工作、認識不同的 AI 生態系，並將工具轉化為自己的學習方法。