10/16 Generative AI 小聚筆記 Part 2

Oct.16.2024

AI 一天、人間十年，在 AI 時代，有更多解決問題的可能，本月小聚聽到更多超強執行，解決方法的案例，繼續分享下半場的筆記 👇

筆記內容同步分享於 Anna Su notes

Cursor 好快

  • Patrick

開發很快

  • 塔圖數據分析平台，八月發想，九月開發，十月交付

  • Data team

    • 開發環境之前用 Colab Enterprise ，改成 Vertex AI Workbench
    • 使用 Cursor + Workbench

  • Back-end Engineer & Front-end Engineer

    • 使用 Cursor 繪製系統架構圖

  • PM

    • 使用 Cursor 繪製 Prototype

分享 Cursor 的 prompt

能力焦慮

  • 工程師：是不是很快被取代
  • Mosky：身為軟體工程師的你我，其實已經很不錯，但加上 AI 會更好

還在用人天估算工時嗎？

  • 用了 Cursor 開發速度快很多
  • MVP 一週變成兩小時
  • Prototype 三天變成 45 分鐘

資安焦慮

  • 公司內部的資料，會不會被看到
  • Linkedin 改變資料蒐集政策，為了訓練 AI，修改隱私權政策，白話文：我現在就是要拿你的資料來做訓練
  • Google 不再廢除第三方 Cookie
  • 大公司雖然禁用 ChatGPT，但是有做類似的介面，實現同樣的功能，AI 開發思維勢不可擋
  • 以前的資安問題，到現在的 GAI 世代，有不同的思考方式

總結

  • 不要焦慮
  • 趕快導入
  • 一起交流分享

無程式背景：如何透過生成式 AI 從有限已知探索無限未知

  • Vivi Chen

如何用 AI 寫程式？

掌握 3 個關鍵點

❶ 行動為王

  • 用問題找問題找應用

❷ 擴張邊界

  • 找需求、找工具不停的用
  • 挖掘無法想像的世界
  • 累積經驗、迭代進化

❸ 以終為始

  • 先使用 Claude artifacts 預覽結果，確認畫面是否符合預期

分享案例

❶ 多通路的日營運報表

  • 花費 8 小時

  • 建立管理者可視化的 dashboard，做成更直觀的輸入介面

  • 困難點

    • 對於期待架構模糊，嘗試透過心智圖釐清有限，非常的發散

  • 收穫

    • input 的原始資料很重要，嘗試新工具，累積經驗擴張邊界

❷ 個人健康評估線上問卷

  • 花費 5 小時

  • 使用者輸入生活習慣的三十幾個問題，最後生成分數表和雷達圖，還可以 A4 列印

  • 管理者修改 Excel 資料，可以連動生成的問卷

  • 困難點

    • 從釐清題目到乾脆放棄
    • 花最多時間是：探索文本資料結構，結構明確的計分邏輯
    • 從用戶思維出發，化身產生經理，偽裝工程師，思考如何設計出可動態問卷設計結構

  • 收穫

    • 以終為始，會問 AI，什麼是動態問卷生成，從實作回到基礎
    • 產品經理真的很重要

❸ LINE BOT 串接 Perplexity

  • 花費 3 小時

  • 完成 LINE BOT AI/科技麻瓜好朋友，提供『問大神』服務，讓 Perplexity 自動回覆

  • 困難點

    • 根本不知道做了什麼事情，技術知識破碎化
    • 電腦不能關機，因為架設到本地
    • 免費雲端會休眠，只好人工假裝回答

  • 收穫

    • 全端應用及部署，整理出 pipeline
    • 真人工程師無可取代，提出更合適的解決方案，例如：解決免費雲端會休眠的問題

❹ save time, save life

  • Apps Script 的各種應用
  • 一天要發好幾次類似的內部需求信件
  • 整合行事曆，專案無數的項目上線和下線提醒
  • 同事每週需要登記 14 次的按摩預約
  • 揪團是上班族不可避免的小確幸

感人的 ending

  • 在生成式 AI 的世界裡，每個人都是獨特的探險家，你的旅程可能與他人不同，但同樣精彩
  • 保持好奇心、持續學習，可以從有限的已知，探索無限的未知

程式麻瓜如我

  • Peggy Lo

一個案例看麻瓜工作流

  • 人工用 line 回覆什麼時候入帳
  • 收到四五十個 Excel 欄位都一樣，但是要合併起來，做自動化的排序
  • 需要查帳小幫手、Outlook 小幫手、Excel 小幫手
  • 這些小幫手都上線了，有 一千多個 requests

執行流程

❶ 心態：拆分需求

  • 一開始寫 code 超級乖，步驟一到五
  • 有辦法拆成更小的階段，就能測試嗎？
  • 一小口一小口的成功，麻瓜快樂的開始

❷ 長腦：版本控制

  • 一開始重新命名 ChatGPT 的左側紀錄列表、當作版本控制，但是後來在讀書會學會了 Git
  • 真人工程師教你 Git 之後 ，雖然回到家都忘得差不多，但後續再問 AI 關於 Git 的指令，有了版本控制，讓麻瓜真的有記憶了

❸ 長手腳：使用 API

  • 可以跑跳了，可以跟外界服務

❹ 長智慧：問工程師

  • 跟工程師學習程式設計
  • 學習如何 Debug，先測試 OOXX，你就可以確認是權限或是更複雜的問題
  • 問工程師策略，例如：batch API 節省成本

❺ 蹲馬步

繞了哪些遠路

❶ 太快刷卡，買自動化工具

  • 課金 Zapier（年付費 240 美金），但是發現 Zapier debug 困難，操作效率低（ZAP 需手動設定），守備範圍有限
  • 需不需要買自動化產品，可以好好思考

❷ 去學上游的東西

  • 要學讀書（AI Coding），結果去學造紙（LLM 的訓練）

對我來說，AI Coding 的意義

❶ 不用再等 IT RPA

  • 身處萬人企業的邊陲四人部門，不用再等 IT RPA，也許未來可以抽一點資源教麻瓜 coding，更加節省工程師時間

❷ AI = 實踐 NGOer 理念的靠山

  • 身為 NGOer，不用再因為人力不足，把服務打折

用 AI 盤點人生：5 步驟用 NotebookLM 復盤，從過去經驗中學習

  • 朱騏

主題介紹

  • 介紹如何透過 5 步驟：撰寫日記、上傳筆記、詢問問題、總結答案和寫下觀察，讓 AI 可以協助整理一週的經驗與學習，節省時間並增加反思深度

復盤是什麼

  • 當期局結束，棋手會重新看一次，並分析整個下棋的過程，了解自己在比賽中的策略和錯誤
  • 復盤就是從自己的日記中挖寶

為什麼要復盤

  • 做得好的地方：紀錄學習，未來就可以有系統的跟別人分享
  • 做不好的地方：發現錯誤、改變行動，別再讓自己走歪路

復盤的難題

  • 每天都要寫日記，已經寫日記十年了，一直以來困擾的問題：要看的資料太多
  • 每週要看七天的日記
  • 一個月復盤要看三十天日記
  • 一整年復盤要看三百六十五天的日記

如何應用 AI 解決問題

  • 能不能用 AI 協助復盤，找到自己沒看到的 Pattern 模式
  • NotebookLM 很適合從固定資料中，回答我們的提問，沒有找到的話，就會說不知道

復盤 5 步驟

❶ 寫日記

  • 間歇式日記

    • 正在工作的時候，搭配五十分鐘的番茄鐘，對自己做 log 的技巧
      • 時間戳 (加上一句摘要文字)
      • 中間想法
      • 下一步想法

  • 每日 AAR ( After Action Review )

    • 下班前花十分鐘或是晚上睡覺前十分鐘，做一天的總結
    • 可以知道八小時過去，你發生什麼事情
      • 今天完成了什麼
      • 有啟發的事情
      • 學習或觀察到什麼事情

❷ 上傳日記

  • 複製在 Obsidian 寫的日記，貼上至 NotebookLM
  • 固定會在禮拜六 10:00 AM 或 11:00 AM 做每週復盤

❸ 詢問問題

  • 固定每週會問自己三個問題
    • ① 成就
      • 有哪些讓我最滿意和驕傲的成就
    • ② 挑戰
      • 面對哪些挑戰，怎麼應對 ?
    • ③ 學習
      • 學到了什麼新知識或技能？這些學習如何幫助我實現長期目標？

❹ 結果

  • AI 總結問題
  • 過去： 我必須一天天看過日記，現在： NotebookLM 用列表總結成果

❺ 寫下本週的觀察

  • 自己觀察答案，寫下心得，畢竟復盤，是自己要知道這一週做過哪些事情，並且從中學習

持續復盤的技巧與收穫

  • 使用『個人新聞稿』方法，把每一個人當作產品，每一季，替自己寫總結性報告，用更長的時間維度去做總結
  • 流程：日、週、月、季
  • 幫我分析一年份的煩惱，甚至跨年份提問，能獲得更多個人成長洞察
  • 今天沒空寫日記怎麼辦？沒關係，那就休息一下吧，因為偶爾休息對於長時間復盤沒有影響
  • 要怎麼堅持寫十年的日記？
    • 看到成果，心會比較安定，寫日記可以發現自己在意的是什麼
  • 要怎麼建立高效學習的輸出習慣？
  • 鼓勵你從今天就開始寫日記進行復盤吧 ✍️

我如何自動化了 Podcast 的節目製作

  • James Huang 數位時代

數位時代的 Podcast 簡介

  • 每週六更新，目前營運滿三年
  • 單集平均下載數穩定，且持續新高
  • 節目設定為白話數位科技，必須要有長尾流量（不能只做時效性議題）
  • 內容：零售餐飲、行銷科技、金融科技、數位轉型等

Podcast 製作 SOP

❶ 前置

  • 研究
  • 邀請來賓
  • 撰寫訪綱和擬答
  • 來賓要一起寫擬答稿，要回答的內容，都如實的寫上去
  • 寫得好，講得好，兩個都做得好很困難

❷ 錄音

  • 如果單口，雙口，三口，要怎麼做訪綱，對稿的狀況是不太一樣的
  • 錄音一定要有雙軌或三軌的錄音 （無論線上或線下錄音），因為若現場有雜音，會聽不下去
  • 很多人喜歡用電腦錄音，但是電腦風扇很大聲，鍵盤很大聲，請限制只能使用紙（單面的紙）、或者用 pad，要避免聲音干擾
  • 用紙的話，場記的速度很快

❸ 後製

  • 剪輯、配樂、節目摘要與標題
  • 自己要聽過音檔

訪綱格式結構設計

  • 開場 Slogan
  • 為什麼做這集節目(因為事件、因為話題背景、因為科普、回應流量)
  • 介紹來賓，可以替換名稱（小名），不然可能會有點膩
  • 來賓招呼
  • 問與答,Q1,2,3,4,5...
  • 結語，謝謝來賓分享
  • 來賓感謝
  • 關場白
  • 來賓掰掰

AI 化：訪綱研究

  • 可以使用數篇英文或中文的文章去生成訪綱，效果不錯，但通常需要來回數次
  • 如果是英文文章，可以先下翻譯 Prompt：請翻譯成台灣習慣的繁體中文，標點符號為全形，英文與數字為半形
  • 若有一份已經撰寫好的文章，拿這篇文章去生成訪綱，效果最好
  • 一定要由真人來改成自己說的話，並且調整邏輯次序
  • 生成訪綱 Prompt：根據我給你的資料，請準備 20 個問題，用中文主持，關於 xxx 主題的訪問大綱

AI 化，擬答

  • 一定要撰寫擬答，不然來賓會因為忘記說、說錯、懊悔
  • 根據訪綱，要求 AI 撰寫擬答再做調整
  • 可以聽數位關鍵字 SLA， 148 集開始，都是 AI 幫忙寫的所有內容
  • 生成擬答 Prompt：以下是我決定的訪問大綱，請根據我給你的文件，重新寫出這些問題的擬答，擬答裡面都要有列點跟說明，說明最好能夠運用譬喻法，讓不懂技術的人也能輕易聽懂

AI 化，逐字稿

  • 考慮後製剪輯，需要逐字稿來搬移問答、刪除贅字或語句等
  • 過去要求實習生將逐字稿寫出來，需要四到五倍的工作時間
  • 現在使用 AI 工具生成逐字稿：PyTranscriber、雅婷逐字稿、GoodTape
  • 有了逐字稿，加上錄音場記，可以快速給出編輯指引
  • 有了逐字稿，可以請 AI 生成節目大標與摘要

AI 化，節目大標與節目摘要

  • 提供過去的節目摘要，請 AI 生成
    • Prompt：請參考以下摘要，並學習其中的撰寫方法與格式
  • 提供逐字稿，請 AI 生成
    • Prompt：這是一份新的錄音逐字稿和主持稿，我們要一起寫出新一集的節目摘要
  • 請 AI 修改：可以列點指出哪裡寫不好的地方，寫得好的地方要稱讚，繼續保持
  • 分段寫效果更好，來回數次改寫摘要『聽完這集節目，你可以學到什麼』

重點回顧

  • 一定要整理好穩定的工作流
  • AI 可以減少繁瑣的作業，但不能取代人與人真實的互動情感
  • 一個禮拜需要十二個小時，現在只要八小時完成一集的節目
  • 未來的可能性：全自動產生節目、數據追蹤全自動化、關鍵字研究建議等

Part 1 筆記內容：可以到 這裡 查看

  • Generative AI
  • HappyDesigner
  • Speech Notes