大多數人用 AI 的方式，只發揮了它 10% 的潛力。這節課要幫你打破「AI = 聊天機器人」的認知框架，理解它能嵌入哪些工作任務、用哪種方式使用，以及如何在課程中建立你自己的工作環境。
很多人第一次用 ChatGPT，是請它聊天、回答問題，或者問它「今天吃什麼好」。這沒有錯——但如果只停在這裡，就像你買了一台高效能筆電，卻只拿來看 YouTube。
生成式 AI 的核心能力是文字生成與轉換：它可以把你的模糊需求變成清楚的格式，把一大段文字濃縮成摘要，把會議內容轉成待辦清單，把你的工作場景自動化。換句話說，它是你的工作介面，不只是對話框。
三大主流 AI 工具各有定位，沒有「最好的那一個」，只有「最適合這個任務的那一個」。初期不需要全部都用，但要知道它們的差異，才能在對的情況選對工具。
別急著全部用一個工具。用上面的三大工具表，對標你現在手上的實際任務，找出「這件事該交給誰」。
同一個 AI 模型，可以用三種完全不同的方式存取。理解這三種型態，是後面課程學習 API 串接和後端部署的基礎。
型態沒有優劣，只有適不適合。用你真實的工作情境，預先分類，後段課程遇到 API 時才不會卡住。
生成式 AI 的計費單位是 token（約等於半個英文單字或 1–2 個中文字）。Web 介面的免費版有每日訊息上限，付費版（約 $20 美元/月）有更高的次數和更強的模型。API 呼叫則是按實際使用量計費，每 1000 個 token 約 $0.001–$0.015 美元不等，視模型而定。
對本課程的初學者來說，免費版足夠應付前四個 Part 的學習。Part 5 之後如果需要 API 呼叫，可以申請免費 credits 或用最小模型測試，控制在 $5 美元以內完成所有實作。
免費版很慷慨，但也把你鎖在 Web 介面裡。先感受一下 API 的實際成本規模，避免後段課程對金流過度焦慮。
好的工作環境能讓你在課程中更有效率，也能讓你的學習成果有地方可以累積。這個步驟看起來很基礎，但它是讓每個產出都能被找回、被修改、被複用的關鍵。
本節的實作任務很簡單：
AI課程-[你的名字]，底下建立 7 個子資料夾對應 7 個 Part（如 Part1-解鎖工作模式）。每次有產出就放進對應資料夾，並用日期當開頭命名（如 20250101-prompt練習.txt）。
你是松果科技的內容運營專員，週一早上 9:30，主管 Lina 把這份「本週 8 件待辦」丟到你的協作頻道，限你今天下班前回覆：哪些可以交給 AI、用哪一個工具、預計每月多少成本。
公司上週剛拿到 ChatGPT Team 訂閱（共 5 席）和 Claude Pro（你個人 1 席），Gemini 和 Copilot 也都有試用過。但主管最近忙著導入 API 自動化、節省訂閱數量，要你把這份清單當成「AI 導入評估報告」的雛形，不只是「丟給 AI 跑跑看」那種敷衍答案。
注意：公司有 NDA，部分客戶資料不能上公開雲端 LLM；你在筆電可以裝本地工具（如 Ollama / LM Studio）。
跟前面練習的關聯：剛剛 3 個 mini-prac 你用了自己的工作任務，練了三個小技能（對標 AI 工具、判斷 Web/Desktop/API 型態、估算 API 月成本）。現在換成主管給你的陌生清單，把這三個技能整合成「給主管看的職場交付報告」。前面練「個人應用」、現在練「客觀判斷與交付」。
本作業拆解（建議分兩段）：
• 核心 20 min（必做）：8 件任務全部做「型態判斷 + 工具選擇」；成本估算只做高頻 3 件（任務 2、6、7），其餘寫「邊際 $0」或「N/A」即可
• 進階 20 min（可選）：寫優先順序總結 + 替代方案 A/B 比較 + 一個「以為適合 AI 但其實不適合」反思
本作業只需要做「型態判斷（Web/Desktop/API）+ 工具選擇 + 成本估算」這三個本節剛學的子技巧。不需要深入資安實作、OCR 演算法、法律責任歸屬等延伸領域 — 那些是後段課程要學的。
現在你知道 AI 能做什麼、工具怎麼選、環境怎麼建。下一節要進入這門課最核心的技能：怎麼寫出讓 AI 真的聽懂你的提示詞。