日常使用者延伸路線（For Everyday Users）¶
← 回主路線 · 你不必先學會寫程式，也不必走完整條主幹。
📌 這條路幫你做什麼¶
這條路教你把 AI 當成「先幫忙寫草稿的助手」。你先給它資料和要求，它先做一版；最後仍由你對照原文、修正並決定要不要使用。
你可以直接從第一個練習開始。不要先放真實姓名、密碼、病歷、合約或公司機密。
🎯 學習目標¶
完成這一頁後，你可以：
- 把要做的事、可用資料和輸出格式說清楚。
- 分清聊天介面、App／Connector、CLI Agent 與本地模型執行環境。
- 在連接帳號、開放檔案或執行指令前先看權限。
- 對照 Source 檢查 AI 草稿，不把流暢文字當成正確答案。
🧩 九個核心詞¶
- Prompt（提示）：你交給 AI 的要求。像寫一張工作小紙條，要說要做什麼、可以用什麼資料、結果長什麼樣。
- Source（來源）：你要 AI 依照的原文、圖片或資料。最後要回來對照它，不能只相信 AI 的記憶。
- Private Data（私人資料）：不該隨便交給別人的資料，例如密碼、身分證號、未公開公司文件或他人的個資。
- Hallucination（幻覺）：AI 不知道答案時，仍可能寫出一段很像真的內容。句子好看不代表事實存在。
- Human Review（人工審查）：由人把草稿和 Source 一項一項比對，修正後才決定是否使用。
- App／Connector（服務連接器）：聊天服務通往 Gmail、Drive 或其他服務的一扇門。它能做什麼，取決於產品和你給的權限。
- CLI Agent（命令列 Agent）：在終端機裡工作的助手。它可能讀寫檔案或執行指令，所以動手前要先看計畫與 diff。
- Local LLM／Runtime（本地模型／執行環境）：讓模型在自己的電腦上執行的軟體。Runtime 負責跑模型，不等於聊天 App，也不等於 CLI Agent。
- Approval Gate（人工核准關卡）：真正寄信、改檔或執行高影響動作前，先停下來讓人確認。
🛠 第一個練習：把虛構訊息變成可核對的提醒¶
這題只用虛構資料。把下面整段直接貼到你正在使用的聊天工具：
來源訊息：
「小安說星期五前會把海報草稿交給小美。活動日期是 9 月 12 日。訊息沒有寫交付時間。」
請幫我寫一段簡短提醒。只能使用來源訊息裡的事實，不要猜。
請輸出：
1. Draft
2. Facts copied
3. Needs confirmation
不要替我傳送訊息。
完成後，自己做三個檢查：
Facts copied能不能逐句在 Source 找到？- 沒有寫出的交付時間，有沒有放進
Needs confirmation？ - 工具有沒有只產生 Draft，而沒有自行傳送？
🚪 按工作選四扇門¶
這四扇門不是等級。需要哪一扇才開哪一扇。 多數單次任務只要第一扇；不是工具越多，結果就越好。
| 入口 | 五歲也懂的說法 | 適合什麼 | 動手前先做什麼 |
|---|---|---|---|
| Chat surface | 打開一個對話框，請它先寫草稿 | 寫信、解釋文章、整理公開資料 | 移除 Private Data；準備可核對的 Source |
| App／Connector | 幫聊天工具開一扇通往其他服務的門 | 搜尋已授權的郵件、檔案或行事曆 | 看清讀取與寫入權限；寫入動作保留人工確認 |
| 入口 | 五歲也懂的說法 | 適合什麼 | 動手前先做什麼 |
|---|---|---|---|
| CLI Agent | 在終端機裡工作的助手 | 重複整理檔案或執行多步驟任務 | 限定資料夾，先看 preview／dry-run、command 與 diff，再批准 |
| Local LLM／Runtime | 模型在自己的電腦裡跑 | 離線實驗，或不想把指定資料交給雲端模型 | 確認選的是 local model；cloud model、web search 或雲端功能仍會連網 |
如果你只想聊天，不需要安裝 CLI Agent 或本地 Runtime。想學命令列時再去 Track A 第一站；想了解模型時再去 Stage 1。
🧑 個人 Agent：先交代目標與邊界¶
個人 Agent 產品查核：2026-10-02 UTC
個人 Agent（Personal Agent） 是能跨工具做多步驟工作的助手。你先交代目標，它先查資料、寫草稿，再拿回來給你確認。這類產品把模型、工具與權限放在一起。產品名稱不是底層模型名稱，也不是新的升級等級。
- OpenAI dots：持續工作的雲端助手，有自己的雲端電腦與瀏覽器。你關掉電腦後仍能繼續。2026-09-29 更新列出逐步開放。Pro 100、Pro 200、Pro 500 限超過 18 歲。也限在歐洲經濟區、英國與瑞士以外。Business Premium、Enterprise 在全球逐步開放。Enterprise 須由管理員啟用。符合方案不代表帳號已收到功能。
- Meta Muse：用自己的雲端電腦跨 App 工作。2026-09-29 Muse for Small Business 更新確認美國與加拿大可用。也加入商務 skills 與 connectors。Meta 表示發布、傳送與花費須先取得你的批准。Muse 是產品；Muse Spark 是模型。Muse Code 是在終端機工作的 coding agent。
- Grok Bot：使用持續保留狀態的雲端電腦。它能用瀏覽器、檔案與終端機做事。需付費 Cursor 方案或連結符合資格的 SuperGrok 方案。同一帳號的 Bots 共用電腦、檔案、瀏覽器工作階段與 App 登入。不能當成彼此隔離。2026-09-28 Team Bots 更新加入 public beta。此 public beta 支援 Teams 與 Enterprise 方案。可共用 skills、工具並在 Slack 協作。Grok Bot 是產品，不是 Grok 模型名稱。也不是寫程式用的 Grok Build。
第一次仍用上面的虛構訊息，先不要連接帳號。需要跨工具時，再限定它能讀什麼、能改什麼，以及何時必須停下來請你批准。寄出、發布、刪檔或付款前保留 Approval Gate。「持續工作」不代表可以跳過人工檢查。
📖 必修閱讀¶
先讀這六個短入口；它們分別回答「怎麼問、能接什麼、資料會去哪裡」：
- OpenAI — Prompt engineering best practices for ChatGPT：學會把要求與 context 說清楚。
- Anthropic — Get started with Claude：用一般對話方式開始，再逐步補充限制。
- OpenAI — Apps in ChatGPT：Apps 的能力會因方案、地區、workspace 與管理員設定而不同。
- Anthropic — When to use desktop and web connectors：分清 remote connector 與本機 desktop extension。
- Google — Gemini Apps Privacy Hub：連接資料前先看 activity、人工審查與第三方政策。
- Ollama — FAQ：分清本機執行、cloud model、web search 與
local-only設定。
想系統學 Prompt、zero-shot、one-shot、few-shot 與查證方法，再進 Stage 2 — Prompt Engineering。
⭐ 精選 Projects 與學習資源¶
星等依「初學者價值、文件品質與安全邊界」給分。不是 GitHub stars。其他資源的狀態與限制查核於 2026-08-29 UTC。個人 Agent 三筆入口查核於 2026-10-02 UTC。三星代表可選的具體產品範例，適合互相對照。它們是未實測的參考／對照範例，不是必修工具。評分依官方文件的教學價值，不代表實測產品品質。
| 分類 | 入口／專案 | 它是什麼 | 適合做什麼 | 狀態／授權 | 先知道的限制 | 評分 |
|---|---|---|---|---|---|---|
| 聊天介面 | Claude | 雲端 Chat surface | 閱讀、寫作與反覆討論 | 正式可用；商業雲端服務 | 功能依方案與地區；重要內容仍要對照 Source | ⭐⭐⭐⭐⭐ |
| ChatGPT | 雲端 Chat surface | 一般問答、語音與多種工作入口 | 正式可用；商業雲端服務 | 仍會出錯；高影響結果要 Human Review | ⭐⭐⭐⭐⭐ | |
| Gemini | Google 的雲端 Chat surface | 問答與符合資格的 Google 服務連接 | 正式可用；商業雲端服務 | 先看 activity 與人工審查設定，不放機密資料 | ⭐⭐⭐⭐ | |
| Perplexity | 帶來源入口的雲端搜尋助手 | 找候選來源與建立查證起點 | 正式可用；商業雲端服務 | 引用不等於內容正確；要逐一打開來源 | ⭐⭐⭐⭐ | |
| 個人 Agent | OpenAI dots | 個人 Agent 產品／官方文件 | 適合誰：想學持續任務與核准邊界的日常使用者。教什麼：先用虛構資料學目標、工具與核准邊界。 | 逐步開放；商業雲端服務 | 依方案、年齡、地區與管理員設定；帳號可能尚未開放 | ⭐⭐⭐ |
| Meta Muse | 個人 Agent 產品／官方介紹 | 適合誰：想練跨 App 草擬的日常使用者與小商家。教什麼：學跨 App 草擬與行動前人工批准。 | 限區可用；商業雲端服務 | 美國與加拿大；Meta 表示發布、傳送與花費須批准 | ⭐⭐⭐ | |
| Grok Bot | 個人 Agent 產品／官方文件 | 適合誰：想比較持續任務與共用資料的日常使用者。教什麼：學持續任務與共用電腦的資料邊界。 | 符合資格方案可用；商業雲端服務 | 需符合資格的付費方案；同帳號 Bots 共用檔案與登入 | ⭐⭐⭐ | |
| 官方入門與安全指南 | OpenAI Prompt Guide | ChatGPT 官方指引 | 學清楚、具體與逐步改寫 Prompt | 現行；官方指引 | 好 Prompt 不能保證正確，仍要查證 | ⭐⭐⭐⭐⭐ |
| Claude Get Started | Claude 官方入門 | 第一次聊天與基本操作 | 現行；官方指引 | 方案有使用限制；不要假設所有功能都可用 | ⭐⭐⭐⭐⭐ | |
| Apps in ChatGPT | App／Connector 官方說明 | 了解搜尋、同步與外部 action | 商業；商業雲端服務 | 能力與權限不同；高影響 action 保留人工確認 | ⭐⭐⭐⭐⭐ | |
| Gemini Privacy Hub | Gemini 官方隱私指引 | 連接 Google 或第三方資料前檢查設定 | 現行；官方隱私指引 | 可能處理敏感內容；不要連接不願交給 reviewer 的機密資料 | ⭐⭐⭐⭐⭐ | |
| CLI Agent | Claude Code | Anthropic CLI Agent | 在指定工作區讀檔、改檔與執行任務 | 活躍；商業服務；repo 未標示標準開源授權 | 先設定 permission，批准前先看 command／diff | ⭐⭐⭐⭐⭐ |
| Codex | OpenAI coding agent | app／CLI／IDE／cloud 工作 | 活躍；repo 程式碼為 Apache-2.0，app／cloud 依服務條款 | 用 approval 限制寫檔、命令與外部 action | ⭐⭐⭐⭐⭐ | |
| OpenCode | 可連多種 provider 的 coding agent／harness | 在終端機或 desktop 使用模型做多步驟任務 | 活躍；MIT | provider 仍需帳號／API key；用 permission 與 AGENTS.md 限定範圍 | ⭐⭐⭐⭐⭐ | |
| Gemini CLI | Google CLI Agent | 在終端機使用 Gemini 與工具 | 活躍；Apache-2.0 | 修改前看 diff／command；sandbox 只能降低風險 | ⭐⭐⭐⭐ | |
| Local LLM Runtime | Ollama | 本地模型執行環境 | 下載並在自己的電腦執行模型 | 活躍；MIT | 確認使用 local model；cloud model 與 web search 不是本機推論 | ⭐⭐⭐⭐⭐ |
| LM Studio | 圖形化本地模型執行環境 | 用桌面介面載入已下載模型 | 商業；商業桌面應用程式 | 本地功能可離線；cloud models、搜尋等雲端功能仍會連網 | ⭐⭐⭐⭐ | |
| Prompt 素材 | prompts.chat | 社群 Prompt 範例庫 | 找句型，再改成自己的任務 | 活躍；MIT／CC0 | 範例品質不一；不要直接貼 Private Data | ⭐⭐⭐⭐ |
🔐 帳號、資料、權限與費用
- App／Connector 是否出現，會受方案、地區、workspace、裝置與管理員設定影響。沒有看到功能，不代表你操作錯了。
- 連接前先問：它會讀什麼？會把什麼送給哪個服務？能不能寫回？怎麼撤銷？
- 搜尋和草擬通常是低影響動作；寄信、改行事曆、刪檔或購買是寫入動作，必須保留 Approval Gate 與人工確認。
- 雲端產品的免費額度、訂閱與 API 費用會變；操作前直接看產品目前顯示的方案，不在教材保存固定價格。
- 不確定能不能上傳時，先不要上傳。公開可讀也不等於你有權把別人的內容交給第三方服務處理。
🧪 CLI Agent 與本地模型進階步驟
CLI Agent 的安全起手式：
- 在測試資料夾放幾個可還原的虛構檔案。
- 先要求 read-only plan 或 preview／dry-run。
- 把可讀寫範圍限制在那個資料夾。
- 看清 command 與 diff，再批准小步驟。
- 執行後人工檢查；不要一開始就讓它寄信、刪檔、付款、push 或 deploy。
官方邊界：
- Gemini CLI tools 會在修改工具前顯示 action；sandbox 文件 也提醒 sandbox 不是零風險保證。
- OpenCode permissions 可對 edit、bash 與外部資料夾設定 ask／allow／deny；provider 文件 顯示模型連線仍需要對應帳號、OAuth、API key 或環境設定。
- Ollama 可以啟用 cloud models。只要純本機模式時，依 FAQ 設定
disable_ollama_cloud或OLLAMA_NO_CLOUD=1。 - LM Studio 的離線說明指出，已下載模型、chat、文件與 local server 可以離線使用；隱私說明區分本地處理與 cloud models／web search。
🧰 更多流程、替代方案與疑難排解
可以慢慢加入的低風險流程：
- 語言練習：請 AI 扮演對話伙伴；每次只糾正兩個錯誤，最後由你核對教材。
- 週記草稿：只用你願意放進工具的筆記；先列事實，再寫摘要。
- 公開文章摘要：附上原文，要求每個重點指出 Source 段落；自己打開原文檢查。
- 虛構檔案整理：先在測試資料夾 preview 新檔名，人工批准後才改名。
常見問題：
- 回答猜了不存在的資料：縮短任務，明寫「不知道就放進 Needs confirmation」。
- Connector 找不到資料：先檢查原服務權限、方案、workspace 管理員與支援 surface。
- 本地模型很慢：先換較小模型；不要把「跑得動」誤當成「回答一定正確」。
- 不知道選哪個入口：先用 Chat surface 完成第一題；真的需要讀外部服務、改檔或離線時再開其他門。
✅ 完成檢查與下一站¶
- 我能說出 Chat surface、App／Connector、CLI Agent 與 Local LLM／Runtime 的差別。
- 我知道 AI 會產生 Hallucination，會回到 Source 做 Human Review。
- 我不會把 Private Data 直接貼進不清楚資料政策的服務。
- 寄出、改檔、執行命令或其他高影響動作前，我會保留 Approval Gate。
- 我能分清個人 Agent 產品與模型，也會檢查可用性及共用資料範圍。
下一站依你的需要選：
- 想把 Prompt 寫得更清楚：進 Stage 2。
- 想安全使用 CLI Agent：進 Track A1。
- 想分清 App、Connector、MCP 與自動化：進 知識工作者路線。
- 想協助改善這條路：看 CONTRIBUTING.md。