一、AI 四大關鍵概念
1. Prompt Engineering（提示工程）
改變輸入，就能改變輸出。
LLM 本質是「文字接龍」， 回答品質取決於模型與 Prompt，無法改模型時，可透過設計 Prompt 改善結果。
重點：Prompt 改變，輸出就會改變。
2. Context Engineering（情境工程）
提供足夠資訊，AI 才能回答正確。
教授比喻：AI 就像被關在小房間裡的人，只能根據收到的資訊回答。
AI 能回答最新資訊，是因為：
System Prompt（系統預先加入資訊）
搜尋（RAG）將外部資料加入 Context
3. Harness Engineering（工具工程）
讓 AI 不只會說，還能真正做事。
語言模型只能產生文字，但Harness 可讓 AI：執行程式、操作電腦、控制滑鼠鍵盤、使用各種工具等。
簡言之，AI Agent = 語言模型 + Harness(馬具)
案例：教授自動建立 YouTube 頻道(AI會搜集資料、製作簡報、剪輯影片、上傳影片)
4. Loop Engineering（回饋工程）
透過回饋持續優化。
流程：目標 → AI完成 → 人類回饋 → AI修正 → 持續改善
回饋不用非常精確，只要方向正確即可幫助 AI 改善，當AI大型專案完成後，流程可整理成 SOP（Skill），重複使用。
二、AI 如何幫助老師
（一）AI 批改作業
老師提供評分標準、學生作業內容，AI 可：自動評分、給回饋、節省批改時間，當AI節省時間後，老師可將時間投入個別指導、教學設計、學生互動。
（二）AI 生成教學影片
傳統製作流程：整理教材 → 寫講稿 → 做簡報 → 配音 → 錄製 → 剪輯，一部教學影片通常需花費數天甚至一週以上。現在 AI Agent 可完成：搜集資料、撰寫講稿、製作簡報、製作動畫、AI 配音、剪輯影片、 輸出完整影片。
教授示範一句 Prompt：「做一支介紹類神經網路的教學影片(直接完成影片，不要問我)。」即可完成整部影片。
教授就用AI 做了一個yt頻道蝦說 AI (小金老師)：
https://www.youtube.com/@SpeechLab-m7o
AI 已具備自主規劃能力，不只是完成任務，而是會自行選擇工具、安排工作流程、決定使用哪些套件（如動畫工具），教授認為：現在應先給 AI「目標」，而不是一步步教它怎麼做。
（三)教學怪物（Teaching Monster）挑戰賽
由臺大 AI 卓越中心舉辦，目的：打造能自主生成教學影片的 AI Agent。
https://teaching.monster/watch
其中最有趣的是如何評量呢？教授嘗試用了AI來評量 AI，但發現最終結果AI評量的名次和人類的不太一樣，這也是值得探討的問題。
AI 的角色不斷在轉變，從工具到協作，再到代理，AI已經不再是只回答問題，而是成為能自主完成工作的 AI Agent。隨著AI 進步，教育的重點，也不再只是教 AI 怎麼做，而是給它目標、提供回饋，讓它自己探索最佳解法。
教授認為AI 時代：人想做什麼，比會做什麼重要。