AI 實作

問題

我想驗證兩件事：AI 能不能即時給孩子寫作回饋，讓他們反覆練習；模型能不能幫忙，但不直接代寫。

設計限制

我刻意把產品限制設成「可以教，但不能代寫」。AI 可以給回饋、提示和評分，但不能直接替孩子寫答案。

我做了什麼

2025 年，我獨立完成 WordGyms（wordgyms.com）的問題定義、使用者體驗、程式開發、上線和第一批用戶取得。技術實作包含 Claude、OpenAI、Gemini API、提示詞設計與評測、MCP、AI Agent 工作流、Google OAuth 與 Cloudflare。

我學到的事

真正難的不是把模型接上去，而是產品經濟。模型用量成本會直接影響毛利，錯誤輸出會直接影響信任。AI 降低了建造成本，但沒有降低做錯的成本。

結果

WordGyms 已經有真實使用者。站在 API 客戶和產品開發者這一側，我更清楚平台要怎麼支持合作夥伴：文件、成本、模型表現、整合體驗和商業可行性，都會影響採用。

問題

民調反映的是受訪者的意向，但選舉結果取決於誰真的去投票。我想拆開來看：投票率、還沒表態的選民、沒有出現在民調裡的人，各自會讓結果改變多少。

我的角色

與 AI 協作，把問題拆成人口、各年齡層投票率、民調支持率三層計算，並規劃產品功能與介面。每個數字都標明是觀測值、推算值或假設，未查證的資料不進模型，再用另一套程式獨立重算核對。我也查證選罷法風險，設定網站關閉期間，測試後推動上線。

結果

網站已上線。使用者可以切換三組歷史投票率，或自行調整男女各 4 個年齡層的投票率，看結果如何變化。這是情境模擬，不是選舉預測。

全球僅約 60 例確診。但真實數字可能更高，許多嬰兒猝死案例，可能從未做過 SMARD1 的基因檢測。

問題

超罕見疾病沒有商業價值，所以沒有人做資訊網站；非營利組織也沒有預算。但確診當下最需要資訊的家庭，中文網路上幾乎搜不到。

我的角色

用我會的技能，補上非營利組織缺的那塊。

我做了什麼

我整理了 30 篇中英雙語照護紀錄，內容撰寫、資訊架構和搜尋優化都由我獨立完成，也把過去的行銷經驗帶進來：

• 關鍵字研究：找出家屬在診斷初期、氣切術後、居家照護等階段會搜尋的中英文詞彙，作為選題和標題的依據。
• 站內 SEO：規劃每篇文章的標題、描述和網址，用內部連結串起相關主題。
• 受眾分眾：罕病家庭和氣切家庭的需求不同，用分類和導覽讓兩群讀者各自找到需要的內容。
• 雙語內容：中英文版本分開經營，國外的家庭和醫療人員也搜尋得到。

結果

smard1.org 上線並被 Google 完整收錄，關鍵字前三名，全球中英文家庭都找得到。

問題

我不是工程師，但我想知道，一個商業經營者如果會用 AI，能不能更快完成研究、內容、產品實驗和交付。

我做了什麼

我建立自己的 AI 工作系統，包含協作規則、任務拆解、跨對話記憶、工作流和自動化技能。目的很簡單：讓想法更快進入可驗證狀態。

結果

這套系統讓我可以獨立推進產品原型、內容架構和網站交付。我現在會把 AI 當成日常工作的一部分來管理，而不是想到哪裡用到哪裡。