這篇在講什麼
大語言模型、提示詞、上下文、RAG、MCP、Agent、技能包。這些名詞你可能都聽過幾個，但它們到底是什麼、彼此之間是什麼關係？更麻煩的是，你好不容易搞懂了幾個，下個禮拜又冒出新的。光是補知識不夠，你需要一個方法，讓以後都能快速學習。
這篇講兩招：第一招做自己的學習地圖，第二招加一份個人設定檔。前面是完整的操作步驟，包含專案怎麼開、指令怎麼下、地圖怎麼更新；後面是我在講座上講的三層應用，從學習者、老師到動態規則判斷。
· 想學 AI 但常被各種新名詞搞得焦慮的人
· 想系統化學習但不知道從哪裡開始的人
· 需要做自己學習履歷的學生和轉職者
· 想用 Agent 管理教學脈絡、幫學生做客製化教案的老師
· 用 AI 的專案模式做一張自己的學習地圖，新手跟進階兩種開法
· 四段可以直接複製的指令，還有更新與清理專案空間的做法
· 加一份個人設定檔，讓 AI 幫你判斷「這個該不該學」
· 三層應用案例：學習地圖、教學脈絡、自動排班
· 一個今晚就能開始的三層技能樹練習
學習地圖要回答四件事
很多人學 AI 的方式是同時收集文章、影片、工具清單、課程連結，資料越堆越多，反而更不知道下一步要做什麼。這時候缺的是一張地圖，它要能回答四件事：我現在在哪裡、下一步學什麼、完成後會得到什麼能力、多久回顧一次。
把主題丟給 AI 的時候，別只要求它列一堆資源，那只是把收藏夾搬個家。更好的問法是請它拆成技能樹：
每個節點都有練習、有驗收，就比單純看教學影片更可追蹤。模糊的焦慮，會變成一顆一顆可以完成的小節點。
第一招：怎麼開始，用專案模式做出第一版
我自己學 AI 的過程中發現一個問題：每次學到新東西，它都是散的。今天搞懂了 RAG 是什麼，明天聽到 MCP，後天又出現一個新的名詞。每一個知識點都是獨立的，彼此之間沒有串在一起。這樣學起來很沒有安全感，因為你永遠覺得自己缺了什麼。
後來我換了一個做法：每次學到新東西，我不只是「知道它是什麼」，我還會請 AI 幫我跟已經知道的東西做比對。比如最近很紅的某個新工具出來了，我丟進去問，AI 就會告訴我：這個大概在你知識地圖的哪個位置，它跟你之前學的那個概念類似，差異在哪裡。這樣我就不用從零開始理解。新知識直接「接到」舊知識上面。學過的東西越多，新東西接上去的速度就越快。
ChatGPT 跟 Claude 都有「專案」功能可以做這件事，目前免費用戶就可以使用。下面用 ChatGPT 示範，依照你目前的狀況，選一種開始。
新手模式：什麼都還不清楚，從零開始
如果你對 AI 的各種概念還很模糊，沒有自己的筆記，也不確定該用什麼方式來學，沒關係，讓 AI 幫你找到起點。
打開 ChatGPT，找到「專案」功能，新增一個專案，取個名字，比如「我的 AI 學習地圖」。
先回想一下，之前跟 AI 對話有沒有哪一次的解釋讓你特別有感覺。想不起來也沒關係，直接問它。
問幾個你最近聽到但搞不太懂的名詞，再請它整理成基礎版，存進專案的「檔案」區。
如果你對某次解釋有印象，直接告訴 AI：「你上次用那種方式解釋，我覺得很好懂，以後都用這種方式教我。」想不起來，就把這段丟給它：
AI 會根據你過去的對話記錄，分析你的學習偏好，然後產出一段指令。（這一步要它讀得到你的舊對話才有用。如果你的帳號沒開記憶、或是剛換帳號，它會告訴你看不到；那就自己挑兩三段你覺得解釋得很好的對話貼給它，一樣可以。）你把這段指令貼到專案的「指令」欄位就行了。比如我的就是：「請使用職場帶新人的方式，類比 AI 相關知識概念，好讓使用者能理解，所有概念、技術、名詞，都用職場環境、工作流程、帶新人來比喻。」
指令設定好之後就可以開始問問題了。問幾個你最近聽到但搞不太懂的 AI 名詞，讓 AI 用它幫你設計好的方式來解釋。問了幾個之後，跟 AI 說：
AI 就會幫你產出一份檔案。把這份檔案加進專案的「檔案」區域，你的第一版學習地圖就完成了。按下新增之後可以上傳檔案，也可以用「新增文字」，直接把 AI 生成的內容貼上去。
進階模式：已經有自己的學習方法或資料
如果你已經有一些學習筆記，或者你已經知道自己喜歡用什麼方式理解 AI 的概念，那就更快了。一樣新增一個專案，把已經有的筆記、整理過的內容，直接丟進專案的「檔案」區域。
比如我自己就是用「在職場帶實習生」的場景來理解所有 AI 概念。大語言模型就是那個超聰明但沒經驗的新人，我一步一步教它認識工作環境。我已經有一份用這個比喻寫好的學習筆記，直接丟進去就行了。
接著在專案的「指令」欄位，寫上這段話，可以直接複製，改成你自己的版本：
如果你有自己偏好的比喻方式，也一起加進去。比如：「請用『在職場帶實習生』的場景來比喻，讓我用這個框架來理解所有 AI 的技術概念。」設定完就可以開始用了。
為什麼要用專案空間，不用一般對話
怎麼持續更新
我的習慣是，每天遇到一兩個新概念就丟進去問。問到一定程度之後，比如累積了十幾個新知識點，我就會跟 AI 說：
AI 就會幫你產出一份更新版的檔案，你把舊的刪掉，換成新的就好。這樣你的學習地圖會越來越完整，而且每次更新之後，下一次學新東西的速度又更快了，因為 AI 參考的基礎越豐富，它能幫你做的比對就越精準。
一個重要提醒：定期清理
第二招：加一份個人設定檔，先判斷該不該學
學習地圖解決的是「新東西來了，我怎麼快速理解它」。個人設定檔解決的是更前面的問題：「這個東西，我到底該不該學？」
做法很簡單。在同一個專案裡，再加一份檔案，寫清楚你是誰、你在做什麼、你現在鑽研什麼樣的任務和工作需求。比如我的設定檔裡會寫：我是做知識管理的，專注在隱性知識提煉跟大語言模型應用。
這樣當我把一篇新的論文或一個新工具丟進去的時候，我就可以直接問：
AI 就會根據你的設定檔去判斷。如果這個東西跟你的方向有關，它會建議你哪些部分值得看。如果無關，你就可以考慮跳過。
設定檔要寫哪些欄位、怎麼一步一步寫出來，另外寫在讓你的 AI 更懂你那一篇，手機上十分鐘就做得完。
三層應用之一：學習者，把學過的東西變成一份履歷
前面兩招是起手式，不用寫程式也做得起來。接下來這三層，是同一套方法往上長之後可以走到的地方，內容整理自「用 Agent 打造你的學習地圖」講座。
第一層的核心觀念是「你的文件就是你的系統」。你不需要會寫程式，只要把知識、經驗、規則整理成文件，Agent 就能讀懂、執行、幫你做事。實際的做法分三步：
把自己的定位、背景、判斷標準寫成文件，讓 Agent 先認識你。
散落的收藏、筆記、教學連結，讓 Agent 幫你抓取、排列、分類。
用你自己的方式執行：讓 Agent 跑你的流程，用不著照抄別人的。
做完之後你會得到一份學習履歷：學過的東西變成看得見的成果。這對學生特別有用，求學過程的專題、練習、心得，全部整理成一張可以展示的地圖，超過一疊沒人翻的收藏夾。
學習狀態也要被記錄下來。用 Markdown 或知識庫保存每個主題的目標、資源、練習、心得與下一步，當 Agent 讀得到這些紀錄，它就能協助提醒下一步、幫你整理複習。學習不再只靠當下的熱情，多了一個可以接續的外部系統。
三層應用之二：老師，用 Agent 管理教學脈絡
同一套方法換到老師身上，整理的對象變成教學脈絡：把自己的簡報、教案、教學邏輯放進資料夾，新的教材和參考資料持續餵進去，學生的情況和進度也放進去。
久而久之 Agent 越來越懂你。新的資料進來，它能直接依照你過去的教學習慣，搭配這一班學生的脈絡，產生客製化的教案。每一堂課對應哪個能力節點、學生完成什麼作品、課後怎麼延伸，都被清楚標出來，學生也比較容易知道自己為什麼要學這一段。
這套系統的特性是會越用越聰明，跟靜態資料庫的差別就在這裡。而且資料全存在你自己的電腦裡，哪天想換平台也不怕。
三層應用之三：動態規則也能交給 Agent，排班系統案例
前兩層處理的是靜態資料，第三層示範抽象規則和複雜判斷。我幫朋友做過一個自動排班系統：把公司的排班規則寫成技能包，誰不能同時休假、假期優先順序、特殊情況怎麼處理，全部寫清楚。之後大家只要把想休的假丟進來，Agent 自動計算最優解，直接產出 Excel 表單。
把規則做成技能包，Agent 就能執行你的 SOP。大公司買系統，小公司、小團隊用 Agent 就夠了。這跟學習地圖是同一個原理：把「只有你知道的判斷」寫成 AI 讀得懂的文件。
你可以怎麼練習：先畫三層技能樹
今晚就能開始的最小練習：挑一個正在學的主題，請 AI 幫你拆成三層技能樹。
- 第一層核心能力：這個主題拆開來是哪三到五個能力節點。
- 第二層練習任務：每個節點各設計一個做得完的小練習。
- 第三層驗收成果：每個練習完成後，會留下什麼看得見的產出。
- 把這張技能樹存成一份文件，每完成一個節點就回來更新狀態和心得。
- 再加一份個人設定檔，寫清楚你是誰、在做什麼。下次有新東西丟進來，先問它「這個跟我有沒有關係」。
這張小地圖會比無止境地收藏資源更有用。等文件累積起來，再讓 Agent 讀取整個資料夾，你的學習地圖就會開始自己長大。想知道這張個人地圖接到哪些課程能力節點，可以對照我的 AI 課程地圖；現成的學習地圖技能包在技能包下載頁可以拿。
AI 的技術跟名詞學不完，這是事實，追著跑只會越來越焦慮。做自己的學習地圖，讓每一個新知識都能接到你已經知道的東西上面；加一份個人設定檔，讓 AI 協助你判斷這個到底跟你有沒有關係。這兩招加在一起，就是一套自己的學習系統。新東西來了也不怕，因為你有自己的架構去消化它。