打造你的第二大腦

 大家好這是我今天在教育科技展分享的簡報及AI整理過的內容。內容一定還有很多不足，在請大家不吝指教跟建議。

#從VibeCoding到VibeCoding


在今天開場的時候，我在Chromebook上打下這行字

「我最近一周關心的問題跟我一直在做的工作主要是哪些事情?」

然後Gemini CLI 開始讀取我所有的筆記。幾秒鐘後，螢幕上出現了:第一 你在關心如何運用AI去培養孩子解決問題的能力 第二，你想知道如何讓大家成為教育的 FDE(Forward Deployed Engineer，前線部署工程師)。


你可能聽過「第二大腦」這個概念，用筆記系統來儲存和組織你的想法。過去幾年PARA 系統、Zettelkasten 卡片盒筆記法、Obsidian 雙向連結...各種知識管理方法層出不窮。

但老實說這些系統都有一個最大的問題: #我做不到

你要:
1. 先建立完美的分類系統
2. 手動整理每則筆記
3. 定期回顧重組
4. 維護整個系統

結果呢?光是花在整理資料的時間，就已經超過你真正思考和創作的時間。更糟的是，當你需要某個想法時～你可能根本想不起來自己寫過。

傳統的第二大腦系統就像一個圖書館。你要先決定每本書放在哪個書架、貼上標籤、定期整理。但在AI 時代，你的第二大腦更像是一個會思考的圖書管理員:

你只要把東西丟進去，AI 會幫你找出來

具體來說:
- 過去:先建完美分類系統 → 手動整理每則筆記 → 定期回顧重組 → 維護系統

- 現在:先寫下想法 → AI 理解資料夾結構 → 根據需求即時組織 → 系統隨使用演化

為什麼這樣更好?因為在 AI 時代，人的洞見才是最珍貴的。你的想法、你的思考、你的脈絡，這些才是最重要的資訊。

所以先把它們全部寫下來。整理的事就交給 AI。

工具會變但心法不會

今天分享的工具是 Gemini CLI，但一年後它可能被更好的工具取代。AI 工具的更新速度很快。ChatGPT、Claude、Gemini、NotebookLM...每隔幾個月就有新的介面或使用情境。

但是駕馭這些工具的心法～不會很快過期。

去年我在這個場合分享過參考VK提出的工作流程:

品味 → 蒐集 → 理解 → 探索

今年我把「探索」改成「輸出」因為有了Gemini CLI 之後。AI 不只幫你理解資料，更能直接幫你生成可用的內容。但核心邏輯沒變:

1. 品味:讓 AI 知道你是誰
2. 蒐集:把你關心的資訊都收進來
3. 理解:讓 AI 幫你找出連結和脈絡
4. 輸出:從想法發展成文章

工具會升級，介面會改變。但這個思維方式先記錄你的想法，讓 AI 幫你整理和延伸，不會變。

所以接下來我會用 Gemini CLI 作為例子。但請記住:重點不是工具，而是你如何透過這套心法，讓你過去所有的思考和筆記，真正成為你未來的資產。


第一步:品味--讓 AI 知道你是誰

在開始之前，你遇到的第一個難點可能是:如何把我所有的資料讓 AI 看得懂?

我當初也卡在這裡。我過去幾年的筆記都存在Google雲端硬碟，下載下來都是 .docx 格式。我想說要把這些檔案全部轉成 Markdown 格式，但光想到要一個一個轉，就覺得累。

後來我想:等等～我何不直接叫 Gemini CLI 來轉?

結果它真的做到了。幾分鐘內，所有檔案都用pandoc轉成 Markdown檔案。


當你的資料準備好之後，下一步是使用 `/init` 指令，建立一個 `GEMINI.md` 檔案。它會自動讀取你的所有筆記，然後寫下:

- 這是誰的資料庫
- 主要關心什麼議題
- 筆記的風格和偏好
- 如何回應你的問題

之後每次 AI 回答你的問題時，都會先讀這個檔案，再給出答案。你不用每次都重複說「我是個國小老師」、「我在研究 AI 教育」。因為它已經知道了。

這就是 Context(脈絡)的力量。

第二步:蒐集--把你關心的資訊都收進來

方法一:直接搜尋網路資料

Gemini CLI 內建 Google 搜尋。比如我想寫一篇關於 Gemini CLI 的教學，我可以直接問:「請幫我搜尋關於使用 Claude Code 或 Gemini CLI 進行寫作與資料整理的文章，並整理成摘要。」

它就會自動搜尋、閱讀、整理，然後給我一份統整好的資料。

方法二:用 Obsidian Web Clipper 收集網頁

如果你看到一篇很棒的文章，不用再複製貼上。裝一個 Obsidian Web Clipper的chrome瀏覽器外掛，一鍵就能把整篇文章儲存成 Markdown 格式，自動放進你的資料庫。

很多人會用「COG 工作流」:
- Claude Code(或 Gemini CLI):你的 AI 大腦
- Obsidian:你的硬碟，儲存所有筆記
- GitHub:雲端同步，確保資料不會丟

這樣一來，不管你在哪台電腦，都能存取同樣的第二大腦。

第三步:理解--讓 AI 幫你找出連結

收集資料很容易，但真正困難的是:當你需要某個想法時，你怎麼找到它?

傳統的做法是用關鍵字搜尋，但問題是你可能根本不記得當初用什麼字眼寫下這個想法。

AI 不一樣。它不只搜尋關鍵字，它能理解意義。

例如我想寫一篇關於 Chromebook 的文章。我可以跟 Gemini CLI 說:「我想寫一篇關於 Chromebook的文章，請幫我新建一個資料夾，把所有相關的文章複製一份到這個資料夾。」

結果呢?它找到 45 個相關檔案，全部整理好放進新資料夾。這些文章裡可能沒有出現「Chromebook」這個詞，但 AI 知道它們跟這個主題有關——因為它理解我在談的是什麼。

更進階的用法:

- @ 指定某個檔案:「@20250412 面對AI浪潮，教育者該如何自處?.md 請幫我解釋這篇文章與其他類似文章的差別」

- / 自訂指令:你可以寫一個「braindump」指令，讓 AI 自動分析你的資料夾，找出你沒發現的連結、追蹤你的思維如何隨時間演變。

我自己就寫了一個 `/braindump` 指令。當我執行它，AI 會分析我 978 個筆記檔案，告訴我:
- 哪些主題一直重複出現
- 我的想法如何隨時間演變
- 我文章中隱藏的連結
- 我可能忽略的核心問題

這就是我說的「找出隱藏的連結」。

第四步:輸出--從想法發展成作品

最後一步，AI 不只幫你整理想法，還能幫你把想法變成作品。

我的做法是:先寫一個簡單的草稿，然後跟 AI 說:「我想寫一篇 Gemini CLI 的教學，請先搜尋所有相關文章，然後一次問我一個問題，幫我從一個概念發展成一篇文章。」

AI 開始問我問題，不是那種表面的問題，而是真正深刻的、挑戰我思考的問題:

- 「你希望這篇文章的目標讀者是誰?」
- 「你過去寫過很多關於 AI 教育的文章，這篇文章跟它們的核心差異在哪裡?」
- 「你提到『品味』的概念，你認為在 AI 時代，品味的定義有什麼改變?」

每個問題都讓我停下來思考。有一次，我被問到一個問題，我想了 20 分鐘，去泡了杯茶，才回來繼續對話。

這不是 AI 在替我思考，而是 AI 在幫我思考得更深。

因為它累積的文本夠多，它知道我過去寫過什麼、我的盲點在哪裡、我還沒解釋清楚的地方在哪裡。它就像一個真正理解你的編輯，不斷追問你:「你真正想說的是什麼?」

最後當文章寫完，我可以直接叫 Gemini CLI 把文章推送到 GitHub，同步到雲端。整個過程，從發想到輸出，都在同一個工作流程裡完成。

但我必須誠實告訴你:不論Claude Code 或Gemini CLI對一般老師都有陡峭的學習曲線。

你需要:

- 了解 GitHub 的基本概念
- 學會使用命令行介面
- 理解檔案系統和路徑
- 願意嘗試錯誤，解決問題

這些對很多人來說，都不是件簡單的事。

而且你需要先累積自己的筆記和文章。如果你的資料庫是空的，AI 再聰明也沒用。人類的洞見才是最珍貴的資源

#讓台灣成為最會用AI的國家


簡報連結：
https://docs.google.com/presentation/d/19gmsYHd3W5eH99yxviNz5wnYTCrb9dlyy-Qxjio3LYE/edit?usp=sharing

Claude Code分析電腦問題

今天想到Anthropic曾經分享過他們內部團隊是如何使用Claude Code。

資料基礎設施團隊有提到說他們會截圖進行Kubernetes除錯。

那我就想說如果Claude Code可以處理複雜的雲端架構問題，那能不能解決我日常的電腦問題，所以我就直接問Claude Code：「我的電腦怎麼這麼慢？」

沒想到Claude Code不僅能蒐集一堆我看不懂的數據後，還會解釋原因給出詳細的分析報告，並告訴我怎麼解決問題。

不過Claude Code的所有動作都需要你的同意才會執行，所以如果涉及變更檔案或者刪除內容時，請一定要看懂之後才執行。

ChatGPT for Education 整理了印度大學生如何使用ChatGPT讀書、學習新技能的方法

[]所包住的文字都是要替換的文字，例如[概念]要替換成你想學習的概念，如光合作用、流體力學或是電車難題等

因為世界各國的教材不盡相同，如果可以的話盡可能上傳資料供ChatGPT參考更好

------------------

1.準備考試：

我有一場[科目]考試，我想拿滿分。考試形式是：[形式]。請從考試的角度教我所有你認為重要的內容。你可以使用任何能讓我更容易學習與理解的互動方式。[上傳文件]

2.簡化複雜的主題：

請從初學者的角度解釋[概念]。

3.透過譬喻學習：

我想理解[概念]。請用與現實世界事物的類比來說明。

4.制訂學習計畫：

我即將迎來[課程]的考試。請為我制定一份逐日的詳細讀書計畫，包含複習、模擬測驗與休息。我想要一個能有一個均衡的學習計畫，讓我最大限度的提高專注力與記憶力。[上傳文件]

5.生成練習測驗：

請為[科目]設計一份練習測驗。先一次給我一個問題。等我回答後，才評估我的回答並給予回饋，再進入下一題。請包含[題目格式]。[上傳文件]

6.檢查你的理解程度：

請透過提問來檢查我對[主題]的理解，且這些問題必須是只有在對[主題]有十分清晰的了解時才能回答的問題。請一次問我一題，讓我先回答，然後：(1) 找出漏洞，(2) 解釋為何會出現這些漏洞，(3) 告訴我現在要如何克服，(4) 建議未來避免這些漏洞的預防措施。

7.製作學習指引：

請為[主題]製作一頁精簡的學習筆記。包含關鍵字、定義、必知知識，以及每個部分的一個範例。[上傳文件]

8.透過影片學習：

我有一場[科目]考試。請參考這個影片，整理一份有助於我複習的重點摘要，並出一些選擇題來測驗我。[連結]

9.產生可能的考試題目：

根據這些筆記，預測我的教授在考試中最可能會問哪些問題，並說明你認為他們會這樣選題的原因。 [上傳文件]

10.製作flashcards

請看完我的筆記，並依據[主題]設計一份測驗，至少要有[數量]題個問題。請使用QuizGPT來建立這份測驗。[上傳文件]

11.預先評分你的作業

請扮演我的教授並批改我的作業。[上傳文件]

12.分解複雜的句子

這是什麼意思？請用一般人也能理解的語言逐步拆解說明。[複雜片語或句子]

13.找到正確的詞

什麼單字更適合用來形容[單字]？

14.整理筆記：

請統整我的筆記，凸顯關鍵概念，並製作一張以重點主題為中心的心智圖。[上傳文件]

15.根據筆記跟想法轉成簡報：

請把我的筆記轉成一份簡報的大綱。以下是我想包含的投影片大致架構：[大概想法]

16.透過角色扮演學習：

請教我[概念]，但請像[某個人物]一樣來解釋。

ex:請告訴我物體為什麼會漂浮，但要像阿基米德一樣解釋

17.從基礎開始：

先從[發明者或創始者]的視角解釋概念，再從當代人的視角解釋一次。

18.透過模擬審判學習：

在法庭上審理[概念]。請用像真實法庭那樣簡短有力的陳述，幫我理解這個概念。角色：

-檢方：反對這個概念，揭露其缺點或限制。

-辯方：支持這個概念，說明其優勢與重要性。

-證人：給出 2–3 個能說明這場辯論的真實世界例子。

-法官：用清楚的重點結論總結判決，說出兼顧平衡的真相。

19.獲得關於某個主題的多種觀點：

用三個不同理解層次解釋概念：1. [進階角色]，2. [中階角色]，3. [初學者角色]

20.用故事學習：

用故事的方式舉例，把與[主題]相關的所有關鍵術語，讓我更好理解它們。[加入其他說明]

以ClaudeCode打造你的第二大腦

什麼是第二大腦

第二大腦的概念源自 Tiago Forte 提出的 CODE 方法：獲取（Capture）、組織（Organize）、萃取（Distill）、表達（Express）。這個方法讓我們能將分散的資訊、想法、筆記整合成一個可靠的外部記憶系統。

聽起來很棒，對吧？

但我過去嘗試建立第二大腦系統時，總是在「組織」階段就卡住了。光是要決定如何分類資料到PARA資料夾跟下Tag，就花掉我所有時間。結果我根本沒時間真正去讀書、思考、產出自己的想法。

直到我開始嘗試使用ClaudeCode

Claude Code可能是我使用過最強的組織、寫作跟思考的工具。雖然它的學習曲線有點高，但我覺得這是值得的。

因為Claude Code不僅是個對話框，它可以直接存取你電腦的資料、理解我的筆記結構、根據我的思考脈絡回答問題，甚至根據我的寫作風格生成內容。

整個對話的context從原本在網頁端我一筆一筆上傳的資料到我電腦裡的所有資料。

過去我想像的第二大腦系統：

1. 先建立完美的分類系統

2. 手動整理每一則筆記

3. 定期回顧和重組

4. 維護整個系統

但現在有了Claude Code之後：

1.直接讀取你電腦裡的檔案和資料夾

2.動態查詢和分析你的筆記

3.理解不同檔案之間的關聯

4.根據你的需求即時組織資訊

換言之你不用先分類才開始使用，而是全部資料倒進來讓AI整理。

#我是怎麼做的

* 先將雲端硬碟的筆記下載下來，用pandoc將docx檔轉成md檔案

* 用Obsidian跟git同步跟管理筆記

* 在資料夾下開啟claude code

*/init讓ClaudeCode讀取所有的文章

Claude.md會知道你這個資料夾的概要、架構、正在處理的內容跟你所有他希望知道的東西。這個檔案有點像是你給Clude Code的使用說明書，你希望他如合理解跟處理這些檔案。

每當我們開啟新的對話的時候，Claude Code都會讀取這個檔案。以瞭解你目前的進度跟目標。

* 每當寫到一個段落就讓Claude Code 將目前進度同步到github

#我嘗試過哪些方向

1.依照第二大腦的分類方式直接幫我建立資料夾，並幫所有的文章下tag

2.當我想要寫某個主題的文章的時候，先請Claude Code整理我所有類似的資料，並扮演思考夥伴跟我討論文章的架構。

3.我還把我們學校的老師研習數據丟給Claude Code請它分析後並整理成互動式圖表(這個我分別用Gemini、Claude跟ChatGPT都失敗了)

4.如果發現這個流程未來可能會重複使用，就可以把它轉化為 custom command。。我會先到Claude console讓他將我簡單的prompt轉成比較詳盡的prompt，再丟到custom commands裡面。

你無法只靠看別人怎麼用就學會 Claude Code。你必須弄髒你的手。可能要是要親自體驗才知道Claude Code到底是個怎麼樣的工具。

你可以在網路上搜尋Claude Code的教學或著報名Cladue Code的實體課程，實際學習怎麼使用，畢竟這部分最難的就是安裝Claude Code了

但我也都還在嘗試怎麼使用Claude Code，一定都還有不足之處在請大家多包涵。如有任何問題也都歡迎提問。

如果大家對命令行不熟的話，可以下載warp會有AI告訴你錯誤訊息是什麼，並且建議你該怎麼做。

晚點再來寫比較詳盡的Step by Step教學 

AI素養的第一堂課

 這週在資訊課上，我想跟孩子們談談一個重要的問題「為什麼我們不能讓AI幫我們寫作業」

我打算從兩個問題開始。

第一個問題是：「如果 AI 能在 30 秒內幫你完成作業，那你為什麼還要花 30 分鐘自己寫？這兩者的差別是什麼？」

第二個問題是：「老師每天也在用 AI，還教你們怎麼用。那你覺得老師用 AI 和你用 AI，有什麼不一樣？」

接著我想用運動來做比喻。

假設我決定開始運動，希望讓自己更健康。

第一種方式，我每天都去健身房拍照打卡，上傳照片、發限動，看起來很勤勞。大家都誇我好棒，但其實我根本沒真正動起來。

第二種方式，我真的規劃訓練菜單，流汗、肌肉痠痛、累得半死，有時候練了很久也看不到明顯進步。

如果要你選，你會選哪一個？

大部分的孩子會知道應該選第二個，但心裡一定會偷偷想：「那也太辛苦了吧！」

讀書、寫作其實就像第二種方式。

你努力了很久，卻看不到成果，但每次練習都在讓你的「大腦」變強。

孩子我想跟你說明一個重要的概念「神經可塑性」。

指的是當你越常使用大腦，神經元之間的連結就越強。

當你反覆練習某件事，這些連結就像不斷被踩踏的小徑，慢慢變成寬敞的大道。

這也是為什麼「練習」真的會讓你變聰明。

孩子們你們現在正處在「建立這些連結」的關鍵期。

如果在這個階段把思考交給 AI，其實就像讓別人幫你練肌肉。

你今天會覺得輕鬆，但未來就會付出代價。

所以寫作業的重點不是完成作業，而是訓練你的大腦，讓你大腦有成長的機會

當我們用自己的話去寫筆記、整理想法，這些思考會深深刻進你的腦裡。

但如果只是複製貼上、或讓 AI 幫你總結，你的腦袋幾乎沒動過。

你得到的只是一份漂亮的作業，而不是更清晰的思考。

回到一開始的第二個問題是：「老師每天也在用 AI，還教你們怎麼用。那你覺得老師用 AI 和你用 AI，有什麼不一樣？」

在 AI 還沒出現之前，我們這些老人練習寫作、表達的時間有多長？

以我自己為例，我每天都在上課跟溝通，我的工作基本上就是靠嘴巴過活。

我常開玩笑說自己像詐騙集團一樣都是靠嘴巴賺錢。

我一次次表達想法，一次次修改說法，這些經驗讓我腦中的連結越來越強。

現在當我寫作或講話時，那些語氣、節奏跟立場早就成為我的一部分。

所以AI不會代替我表達我自己，我知道我自己喜歡什麼不喜歡什麼。

但我也觀察到一個有趣的現象：

#每個人都想用AI寫作

#但沒有人想看AI寫的東西。

AI 的文章可能流暢、結構完美，但它沒有立場跟洞見。

如果有一天大家都讓AI代筆，這世界會變的？

但我並不是說AI不好，我相信AI一定會改變世界

我每天也在學怎麼更好地使用AI，因為它能放大人類的能力。

但它只會放大你「本來就有」的能力。

如果你已經會思考、分析、創造，AI會讓你更強

但如果你一開始就把思考外包給它，你就失去了成長的機會。

孩子們

你的思考、你的文字、你的幽默感，都是你獨一無二的印記。

AI 可以模仿你的語氣，但它無法複製你這個人。

這世界上沒有人經歷過你的人生，也沒有人擁有你的視角。

You only live once.

你的人生只有一次，你的大腦、思考和創造力，都是無法被取代的。

在這個人人都能用AI的時代，你什麼時候不用AI反而更加珍貴。

本文由我本人發想跟編輯，因為Claude一下就爆了，本篇文章由ChatGPT協助潤飾

Claude推出了Skill

Skill的核心只是一個包含 SKILL.md的資料夾，可以放入各種相關的檔案

Skill讓你把專業的知識打包成可重複使用的功能，當agent要處理更複雜的任務的時候。Claude會按需要載入所需要的功能

Anthropic 的Alex Albert把他比喻作駭客任務中，Neo 在幾秒鐘學會功夫一一樣

我們不需要學會寫程式碼，透過將資料整理清楚，Skill可以將企業的Domain Knowledge跟Workflow 整合到agent上。

例如：

不需要撰寫任何程式碼就可以完成這樣的工作流

-------

## 研究綜整工作流程（Research synthesis workflow）

請複製以下清單並追蹤你的進度：

```

研究進度：

- [ ]步驟 1：閱讀所有來源文件

- [ ]步驟 2：找出關鍵主題

- [ ]步驟 3：交叉比對各項主張

- [ ]步驟 4：建立結構化摘要

- [ ]步驟 5：核對引用來源

```

### 步驟 1：閱讀所有來源文件

檢閱 `sources/` 資料夾中的每一份文件，記錄主要論點與支持的證據。

### 步驟 2：找出關鍵主題

在各份資料中尋找共通的模式。

哪些主題反覆出現？哪些部分有共識，哪些存在分歧？

### 步驟 3：交叉比對各項主張

對每一個主要主張，確認其在來源資料中是否出現。

註明是哪一份來源支持該觀點。

### 步驟 4：建立結構化摘要

依主題整理研究發現，內容包括：

- 主要主張

- 來源提供的支持證據

- 若有，列出不同觀點或衝突立場

### 步驟 5：核對引用來源

確認每一項主張皆有正確的引用文件。

若發現引用不完整，請回到步驟 3 重新檢查。

從數感到程式感，AI世代的程式教育想像

過去我曾帶著我們的孩子嘗試Vibe Coding。孩子會很興奮的展示他的作品說：「老師你來玩玩看，我用ChatGPT做的貪吃蛇遊戲」但是當蛇吃到東西時，分數卻還是0。孩子修改了好幾次卻找不出問題來，最後只能重新生成一個新的貪吃蛇。但卻有小學生可以跟AI協作寫出一個上架Apple Store的App。

因為AI的出現，讓寫程式變的更簡單更容易上手，但從小遊戲到App這中間的孩子要補足的是哪些東西？

我們先從「程式設計(Programming)」開始說起，到底什麼叫做程式設計？以前的我會覺得就程式設計是學程式語言，所以學程式就是要先學程式語法跟邏輯，然後學了半年不知道要幹嘛就放棄了。

但程式設計不僅是撰寫程式碼告訴機械應該如何運行，更像是運用程式碼解決特定問題的具體方式，不僅要撰寫程式碼。更像是要理解問題根據問題設計解決方案後，運用程式碼解決這個問題。

就像手機興起之後，攝影不再是專業攝影師所獨有的能力，甚至連小學生都可以是攝影師，透過手機記錄生活的點滴甚至據此賺錢。

就如同攝影工具的進步讓拍照變的更普及化，但現在程式設計的工具因LLM而有了劇烈的變化。我們可以想見的所謂「程式工程師」這個概念將會比目前坐在電腦前的程式工程師更為不一樣，或許將從開發最新LLM的AI工程師到透過自然語言跟AI對話的普通人，都將會是AI世代的程式工程師。

而在這樣的未來來說，所謂好的程式工程師特質跟所需的能力到底是什麼？哪些能力是是與AI協作的程式工程師依然重要的能力？

Maggie Johnson(google.org)提出了一個概念Code Sense（以下稱做程式感），她覺得這是學生在未來軟體工程領域所需的新技能，將其比喻為數學中的「數感(Numeracy)」。就像因為計算機的發明，讓學生覺得學習抽象的公式跟複雜的運算沒有用，所以開始推動數感。數感通常指的是對數字跟其關係有良好的理解，並可以將這這種理解應用於解決現實生活的問題。

舉例來說一個數感不好的人就算用計算機算半天結果搞錯單位或少按一個0卻沒有感覺。而一個沒有程式感的人可能沒有注意到安全漏洞、程式錯誤卻不知道怎麼修改或者直接把個資暴露在外等。就像小朋友寫了一個可以讓同學投票的網站，結果才發現每個人都可以重複投票，甚至根本沒有紀錄票數的機制。

而CSTA(美國電腦科學教師協會)跟TeachAI也在《2025年AI時代電腦科學教育指引(Guidance on the Future of Computer Science Education in an Age of AI (2025))》將Code Sense（程式感）定義為對計算機程式底層設計、過程及系統關聯性的概念性理解，以及分析、模擬和預測程式行為的心智能力（聽起來很饒口，不知道在說什麼），我自己的解釋是比較像是你要對程式運作有把握，大概知道這段程式碼在做什麼，各部分的函式是如何連在一起，當執行程式的時候，會依序執行哪些步驟，其中的變數怎麼變化，最後會輸出怎麼樣的結果。當要修改某個模組或函式會對程式造成什麼影響，當錯誤發生的時候，可以知道怎麼解決問題及提升程式效率表現等。甚至可以從更高階的角度來看到程式在系統中是如何解決問題考量其適切性。

在這個指引當中也強調就算AI已經可以撰寫程式碼，孩子還是要建立對程式的理解。只是在撰寫程式的過程，不再是從頭到尾親自撰寫，是將思考偏重於如何評估程式碼。所以學習Programming依然重要，因為唯有孩子透過親自撰寫和Debug才有辦法建立對程式碼如何運作的理解。

而這種理解就是所謂的Code Sense，指的是孩子在AI輔助的程式開發中依然以人為主，能夠判斷AI的程式碼是否合理且安全，並具備修改跟編輯程式碼的能力。對於在資訊課程該如何整合AI進行教學，這本指引也給出以下幾個建議：

• AI提供回饋：學生輸入他們程式碼及程式碼的說明，並從AI獲得程式設計與寫作的回饋

• 與AI一起寫程式：用 ChatGPT 或 Copilot，讓他們體驗類似Pair programming程式設計的過程，同時促使他們提升自己的思考能力。

• 從數學教育學習：

• 建立多樣的表徵：用AI生成程式碼之後，請AI以小學生也能懂得方式解釋程式碼或利用流程圖說明程式執行過程，並比較不同表徵(representations)及其優缺點。

• 探索不同的方式：學生可以使用AI創建不同的程式，以解決相同的問題，然後將它們彼此及人類產生的解決方案進行比較。

• 解釋AI的程式碼：學生可以分析、描述跟解釋AI生成的程式碼

但指引中也提到電腦科學教師對於在教室中使用AI有以下的擔憂：AI將代替學生思考、學生將過度仰賴AI工具跟學生將失去基本技能。這些擔憂可以透過教授基礎的程式設計技能跟對AI的批判性使用來減輕。這樣可以讓學生將AI作為輔助，維持學生問題解決的能力並理解其背後的邏輯。

所以在課堂實踐中，我們應該創造機會讓學生閱讀跟用自己的話解釋程式碼、預測程式的流程、發現並改正錯誤、運用不同的方式讓學生理解程式的概念以幫助學生有效運用AI輔助撰寫程式的方式。

舉例來說可以讓學生體驗類似終極密碼的任務，程式會隨機生成一個數字，學生可以輸入一個數字，程式會判斷學生輸入的數字是否比隨機數字大或小，以此縮小範圍直到猜中為止。首先老師可以帶著學生體驗遊戲進行玩個幾輪之後，當學生已經建立對於遊戲進行的理解之後。可以讓學生試著用中文寫偽代碼（pseudocode）寫下遊戲的大概想法，再用流程圖表達大概的流程。

答案 = 隨機(1..100) 

輸出 = "請輸入你想猜測的密碼" 

如果 使用者輸入 > 答案: 

輸出 = "比答案大" 

否則: 輸出 ="比答案小"

老師再以AI生成程式碼，讓學生閱讀程式碼找出可能的錯誤或是可以改進的地方。我還會問孩子「為什麼這裡要用迴圈」「如果我輸入的不是數字是國字的三十六」會怎樣透過這樣的活動讓學生知道AI可以生成程式碼但是還是需要具備Code Sense的人來檢核。也透過這樣的活動讓學生理解他們要具備排序的基本原理跟程式如何進行才能判斷程式的正確性，才能跟AI溝通如何改進。

而Code Sense只是基本，隨著孩子年齡的增長跟能力的進步他們還要發展出Code Taste，不是只是能動，而是更適切解決當下問題的程式。就像會拍照的人很多，攝影大師卻很少。我們不是只要培育出比AI更會寫程式的孩子，而是培養出下一代的AI原住民更能與AI協作，運用AI解決問題的孩子。