四款免費 AI IDE 的定位：
#### Cursor
Eric 個人最常用的一款，也是我們最推薦初學者從這開始。原因是「量大管飽」，Claude 系列常常一寫程式就打到 rate limit，但 Cursor 對 PM、內容工作者、非資科背景的使用者來說，一個月 600 元的份量根本用不完。
#### Kiro IDE
AWS 推出的 AI IDE，主打 Spec-First 開發，也就是先把規格寫清楚，AI 再照規格生程式。對重視流程、喜歡先想清楚再動手的 PM、SA、系統思考型使用者特別合。
#### Codex IDE
OpenAI 推出的 AI 程式助理環境。如果你已經很習慣 ChatGPT 的節奏，用 Codex IDE 會有一種「從聊天框直接升級成工作台」的熟悉感。
#### Antigravity 2.0
Google 家族的 AI IDE。如果你原本就重度使用 Gmail、Google Drive、Google 文件、Google Meet，跟 Google 生態的整合會非常順。
我們不強推任何一款，重點是讓學員知道：**你不用先花錢，也不用先追品牌，先挑一款能免費用、又不會卡的，動手起來再說。** 因為介面都是 VS Code 家族，之後想換家也不痛。
---
## 階段 B：用 AI IDE 快速讀懂陌生 Repo
打開專案這件事，對初學者其實是另一個坎。畫面上一堆資料夾、一堆看不懂的檔案，很多人第一反應是直接關掉。這個階段的目標，就是讓學員在 5 分鐘內就能**用 AI IDE 快速讀懂一個陌生 Repo 在幹嘛**，把心理門檻壓下去。
### 4. 拖曳 README 對話：3 分鐘用 AI 讀懂一個陌生 Repo
當學員把 Fork 下來的專案在 IDE 打開後，我們請他們做兩件事：
1. 在檔案列表中找到 `README.md`。
2. 用滑鼠把它 **拖曳到右側對話區**，然後直接問 AI：「這個 repo 在做什麼？可以幫我用中文條列說明嗎？」
這個動作背後有兩個教學意圖：
- **教會「餵上下文」這個動作**：初學者常犯的錯，就是空口問 AI，然後怪 AI 答得不精準。當你把 README 直接拖給 AI，就等於先給他一份專案簡介，他的回答會立刻變準。
- **建立「先讀 README」的職業肌肉**：這是每個工程師打開新專案時的第一件事。你不用馬上懂程式碼，但你要先知道「這個專案是幹嘛的、有哪些模組、要怎麼跑」。
現場最有感的畫面是：很多學員原本以為要花一小時才能看懂這個 repo，結果 3 分鐘後 AI 就把整個 repo 的目標、結構、可用的 Skill 條列出來了。這個瞬間，會直接改變他們之後遇到任何陌生專案時的第一反應。
---
## 階段 C：Obsidian 知識譜系 × Skill 反問，把「你」變成 AI 可讀資料
這個階段是整場課程裡最花時間、也最有價值的一段。我們要做的事情很單純：**把「你這個人」變成 AI 讀得懂的結構化資料**。因為只有這樣，AI 才能幫你做出真正屬於你的東西，而不是一份千篇一律的模板履歷或模板網站。
### 5. Obsidian 個人知識譜系：把「關於我」變成 AI 可讀的第二大腦
今天的目標是每人做出一個個人網站，所以我們先不談網站長怎樣，先談**內容從哪裡來**。
我們選用 [Obsidian](https://obsidian.md/) 當作**個人知識管理（PKM）工具**，原因有三個：
- **地端隱私、完全本地儲存**：Obsidian 的筆記全部存在你自己的電腦上，不會上雲，AI 要讀也只需要一個 local path 就搞定。對於「不想把履歷、經歷、薪資期待丟到雲端 AI」的使用者特別安心。
- **雙向連結 × 知識圖譜**：Obsidian 支援雙向連結（Backlinks），你的每一段經歷、每個技能、每段作品都可以互相關聯，長期會自然形成一張「關於我」的知識圖。
- **純 Markdown、AI 讀起來最順**：Obsidian 用的是最乾淨的 Markdown 格式，AI 特別擅長閱讀這種結構，比 Word、Notion、Google Docs 都更容易被解析，token 消耗也更少。
課堂上請學員先建立幾個核心節點：**經歷、技能、作品、想找的職涯方向**，每個節點再往下拆更細的頁面。這一步不是要大家寫得完美，而是先把「素材」倒出來。
### 6. Skill 反問法：讓 AI 幫你想，而不是幫你寫
很多人到這裡會卡住：「我不知道要寫什麼。」這太正常了，因為要一個人從零把自己講清楚，本來就很難。
所以我們用了一個反過來的做法。Repo 裡預先做好一個 Skill，這個 Skill 的任務不是「幫你寫」，而是「反過來問你」：
- 你最有成就感的三個工作經驗是什麼？當時解決了什麼問題？
- 如果只能用三個關鍵字介紹自己，你會挑哪三個？
- 你希望下一份工作有什麼樣的日常？
學員只要照著 AI 提出的問題回答，回答本身就會變成新的筆記，一個一個補進 Obsidian 裡。三十分鐘後，原本空白的知識譜系就自然長出來了。
這一步教的其實是一個心法：**AI 最強的用法不是「幫你寫」，而是「幫你想」**。
### 7. Local Path × Skill 生成 HTML：AI 讀本機檔案，一鍵長出個人網站
當知識譜系有了骨架，就進入「把它變成網站」的階段。我們的做法是：
1. 打開 Obsidian，複製整個知識庫資料夾的 **local path**（例如 `/Users/你的名字/Documents/my-obsidian-vault`）。
2. 回到 AI IDE，呼叫 repo 裡另一個 Skill，把 local path 貼進去。
3. Skill 會自動讀取 Obsidian 裡的所有筆記，依照預先寫好的網站架構，產生一份完整的個人網站 HTML。
為什麼要用 local path，而不是把筆記複製貼上給 AI？
- **突破上下文長度限制**：一份完整的知識譜系動輒數十份 Markdown 檔案，直接複製貼上很容易超過對話 token 上限，AI 只會讀到前半段就沒力氣了。
- **AI 可以自己挑重點讀**：透過 local path，AI 會依照 Skill 的指令去讀該讀的檔案，例如做履歷時讀「經歷」、做網站時讀「作品」，比你手動貼還聰明。
- **保留檔案結構與雙向連結**：複製貼上會把 Obsidian 的雙向連結、資料夾結構通通壓平變成純文字。用 local path 讀取，AI 能理解你原本的知識關係，輸出結果會更貼近你的邏輯。
簡單說：**貼上是把資料丟進黑洞，local path 是讓 AI 進你的檔案室自己翻。** 兩者的產出品質完全不同。
---
## 階段 D：Prompt → Skill → CLI × MCP，做出可重跑的 AI 工作流
到這裡為止，學員已經完成一個個人網站。但如果只到這裡，這場課程就只是一個「炫技的下午工作坊」。我們希望大家真正帶走的，是**一套之後每個月都能自己再跑一次的 AI 工作流**。
### 8. Prompt 進化到 Skill：把有效提示詞變成可重用的 AI 能力
- **Prompt** 是你當下打的一句話，例如「幫我寫一份 PM 履歷」。用完就沒了。你下次要用，得重新想一次怎麼問，品質也常常不穩。
- **Skill** 是把一組經過反覆驗證的 prompt、步驟、輸出格式，封裝成一個「可重用的能力」。它有名字、有版本、可以被叫用、可以在不同專案裡重複使用。
換個比喻：Prompt 像是每次臨場開口的問答，Skill 則像是你把最會問問題的專家 SOP 寫下來，之後誰來都能照著問。對初學者的意義是：你不需要變成 prompt 大師，你只要把幾個真的有效的 prompt 固化成 Skill，之後就能長期用。
### 9. CLI vs GUI：為什麼 AI 時代不用滑鼠，要用命令列
很多學員一聽到「命令列」就會怕，但我們的講法很白話：**CLI 就是你打一行指令、電腦幫你做一件事**。它跟你在網頁上點按鈕沒什麼兩樣，只是把「用滑鼠點」換成「用鍵盤打」。
當你的工具只有 GUI（圖形介面），而你想讓 AI 幫你自動操作，會踩到兩個大坑：
- **GUI 超級燒 Token**：AI 要操作 GUI，得先「看見」畫面，截圖、解析畫面元素、判斷按鈕在哪，Token 消耗是純 CLI 呼叫的好幾倍到幾十倍。
- **滑鼠一有誤差就點錯**：只要網頁樣式改一次、按鈕位置差幾像素、跳出一個廣告 popup，AI 就會點到旁邊那顆按鈕，整個流程直接爆炸。
所以在 2026 年，「有沒有 CLI」正在變成一個工具好不好被 AI 使用的重要指標。**GUI 是給人看的，CLI 是給人和 AI 一起用的。**
我們現場用 **WPORT CLI** 做示範：輸入一行指令，指定「地區 = 桃園、職務 = PM」，幾秒鐘後畫面上就跳出符合條件的職缺清單，直接以結構化資料（JSON）輸出，可以直接餵給下一個 Skill 處理。
### 10. 履歷客製 Skill：3 個職缺，一次產出 3 份專屬履歷
有了職缺資料，下一步就是履歷客製：
1. 用階段 C 產生的知識譜系，當作履歷的原始素材。
2. 呼叫 repo 裡的履歷客製 Skill，把剛剛用 CLI 抓下來的 3 個 PM 職缺一次丟給它。
3. Skill 會針對每一份職缺，比對職務描述，重新排列你的經歷順序、換掉關鍵字、產生一份專屬 PDF 或 HTML 履歷。
結果就是：**一杯咖啡的時間，產出三份完全不同、但都貼合對方需求的履歷**。這也是為什麼我們鼓勵大家客製化履歷，但大家不做的原因就是「太累」，當 Skill 把這件事變成一鍵完成，行為才真的會改變。
### 11. Vercel CLI：個人網站一行指令上線
到這一步，學員手上已經有一個個人網站 HTML、三份客製履歷、一份職缺清單。接下來就是把它送出去：
- **Vercel CLI**：一行指令，就能把本機的網站部署到網路上，拿到一個可分享的網址。原本這件事要註冊、綁 GitHub、設定專案，現在打字就搞定。
- **gcloud CLI**：Google Cloud 的命令列工具，從 CLI 直接寄出一封信，把履歷網址和個人網站連結寄到目標公司或推薦人手中。
這兩個 CLI 加起來，就完成了一個完整的「上架 + 主動出擊」流程。**你不再只是被動投履歷，而是有一整套從內容到通知的自動化管線。**
### 12. CLI × MCP × Skill：AI 時代的工作流積木思維
最後收斂一個觀念。這場課看起來是介紹 IDE、Obsidian、CLI、Skill 一大堆工具，但真正的重點是這句話：
> **CLI x MCP x Skill 是一組可以互相組合的積木，你能組出的工作流，遠比你想像的多。**
幾種常見組合：
- **求職組合**：CLI 撈職缺 → Skill 客製履歷 → CLI 部署網站 → CLI 寄信通知
- **內容組合**：MCP 讀 Notion 筆記 → Skill 整理成文章大綱 → CLI 發佈到部落格
- **個人 CRM 組合**：CLI 抓 LinkedIn 名單 → Skill 分析對話紀錄 → MCP 更新到聯絡人資料庫
重點不是這些具體例子，而是讓你理解：**只要懂得把 CLI、MCP、Skill 當成積木來看，你就能自己拼出想要的工作流**。第一次搭建會花點時間，但之後每次更新內容、投新職缺、調整網站，都會快到讓人上癮。
---
## 三個單元學完，你應該可以做到什麼？
如果你把這四個階段都跟著做了一遍，你現在應該可以：
- 用 Cursor 或類似的 AI IDE 開啟一個專案
- 看懂一個 GitHub Repo 的基本結構，Fork 一份到自己的帳號
- 在本機把一個專案跑起來
- 用 Obsidian 建立個人知識譜系，讓 AI 讀本機檔案生成個人網站
- 把有效的 Prompt 固化成 Skill，建立可重複使用的工作流
- 用 CLI 撈職缺、客製履歷、部署網站、主動出擊
這些不是進階技能，這是 2026 年的基本配備。
---
## 學完之後，你可以做什麼？
學 AI 工具最快的方式不是看更多教學，而是找一個你實際遇到的問題，試著用 AI 幫你解決它。不管是工作上的報告、個人的專案、還是你一直想做但不知道怎麼開始的事情，都可以是你的練習材料。
聰電站之後還會繼續舉辦，每次都會帶不同的主題。如果你想第一時間收到活動資訊，歡迎追蹤我們：