如何用ChatGPT Canvas協助寫作？

我自己有一套抓出AI生成文章的小技巧，就是看到這些字像是「總的來說」、「接下來」、「一方面、另一方面」、「考慮到」、「也就是說」等很像是翻譯的字句。或是整篇文章太四平八穩，沒有個人突出的觀點或是立場，更讓我覺得聽君一席話如聽一席話（我沒有在暗酸的意思）。就會讓我覺得很像AI生成的文章。

加上身為老師，我不希望我的孩子都用AI寫作業。我不希望孩子做的，我自己也不會做。所以我之前並沒有嘗試過用AI寫作。

但因為ChatGPT日前（很早之前）推出了Canvas的功能，讓使用者可以調整特定段落或是補充建議，而不是重新生成整個段落。我就想試驗看看Canvas可以怎麼做，但就只是個人嘗試的歷程記錄而已。

以我這次試驗的寫作方式大概是

1.先自己寫下草稿

2.丟到Canvas

3.請ChatGPT根據整篇文章提出建議。Prompt:請扮演{個性跟專長}的老師，整理這篇文章的要點，並且提出一些有趣的問題

4.根據建議想想自己的文章，開始逐段修改，如果結果不好的話可以按右上角回到上一步。

5.像是幫我找出有趣的改寫方式？請Canvas給我10個建議等

6.根據整篇文章生成圖片

7.再把整篇文章複製貼上到Google Doc，手動自己改寫

8.就有了前一篇[萃取跟發散]的文章

這種來回討論的過程，是讓我覺得使用AI協助寫作覺得很有趣的地方，不是全權委託給AI完成，而是幫助我找到不同的視角，即便有些真的很爛，但是這些很爛的建議也幫助我釐清我不想寫的東西是什麼，反而更幫助我寫的更清楚。

這個過程比較像是有個朋友看著你寫文章，但需要你主動積極的問他哪裡可以更好？根據什麼風格修改，讓你的文章變的更明確更有趣？但當你找不出到底哪裡可以更好，問出更好問題的時候，他也幫不上忙？

這次嘗試比較像是把AI作為思考的夥伴，幫助我們找到新的視角跟更有趣的方式呈現要表達的內容。

不過這個也只是自己的試驗記錄，沒有太多詳細的操作截圖，也不知道這樣做對不對？大家有任何建議或問題都歡迎留言討論。

如何透過AI塑造增強我們人類的創造力？

 如何在與AI協作的過程中，透過AI塑造增強我們人類的創造力？我想透過萃取跟發散兩種方式來說明

-萃取：

我其實很不喜歡AI的摘要，濃縮的東西不是”乾貨”，而是難以內化的資訊。因為AI摘要的內容，並不是我在乎的重點，不是結合我自己的經驗我思考記錄下來的內容，我就很難在把這個內容轉化或遷移到新的情境。

但不可否認摘要早就在我們的生活中，就像是新聞標題或是論文摘要等，但過往我們只是把摘要做為篩選的參考而非學習的主體。但隨著生成式AI的興起，似乎我們過度的把看完摘要就當作看完這份資料，但過程中我們如何吸收跟轉化書本內容的過程就消失了，這樣還算有看完嗎？就算有看完，我們真的吸收了多少？

所以萃取不單單是摘要，而是根據使用者的需求，重新組織文本，使其更符合特定目的。例如：

1.我可以請 AI 以林穎俊風格寫一篇文章，但加入更多幽默搞笑的元素

2.撰寫一封學校老師給家長的信，帶有一些情緒勒索的語句。

這些要求並非單純的「摘要」，而是從AI龐大的語料庫中，提取並整理出符合我們需求的內容。但如果我們能在萃取的過程中，加入對文本的理解與創意，將其轉化為更貼近我們需求的內容，就像你要泡一壺茶或一杯單品咖啡，每個人都有自己喜好的風味，雖然原料都差不多，但透過你獨特或喜歡的方式就可以產出你特有的作品。

-發散：

發散不只是生成文字，而是能夠根據我們的提問與追雯，不斷深挖與AI協作一起拓展想法。

例如：

1.跟家長溝通:不只是寫一封信給家長，而是根據你對家長的了解，請AI扮演家長說明他看完這封信的感受跟想法，幫你完善這封信。

2.寫教案：不只是生成一份符合格式的教案，而是根據學生的先備知識、教學情境、教學脈絡等，不斷跟AI討論找出最適合學生的課程設計。

3.概念解釋：當我想學習某個概念的時候，我可以要求它用更具體更貼近我的方式來說明。

就像我想理解”computational irreducibility”這個概念

第一次我會提問：請從LLM大型語言模型的原理跟我說明computational irreducibility我看完後發現他的回答雖然都是中文，但是我卻看的霧煞煞，我就先挑一個我想先懂得概念繼續向下追問。我繼續追問：請你舉例跟我說明"無法壓縮計算過程"，讓我更容易理解。我是一個小學老師、喜歡寫程式是個AI狂熱者，然後ChatGPT就舉出很多有趣的範例來說明這個概念

在這個過程中，ChatGPT 的記憶功能變得非常有用，因為它能根據我們過去的對話，提供更符合個人需求的答案。這與 Google 搜尋不同，Google 擅長提供現有的資料，但 ChatGPT 則能根據過往的紀錄，找出我們可能感興趣的內容，但是不過不管怎樣還是要透過Google驗證ChatGPT的生成答案。

就像我們寫作時，有時常常卡住一段生不出來。可以請AI以10種不同方式，補足你卡很久寫不出來的地方或是請 AI 產生 20 種不同的比喻，然後從中挑選最適合的表達。

或是丟給NotebookLM一堆資料整理這些資料，問AI說對我最有幫助、我最感興趣、我沒想到的聯繫等。而這就是 AI 的發散所帶來的價值，不是單純回答問題，而是幫助我們探索更多可能性，一隻鳥接著一隻鳥，一個問題帶來更多的問題。核心概念的從0到1還是要我們自己發想，而 AI 的發散正是幫助我們從1-100，以擴展那「99」的空間。

-萃取 vs. 發散

萃取就像Espresso濃縮咖啡，將咖啡的味道濃縮萃取，讓味道變得更濃厚。而發散則像是咖啡加入各種元素做成愛爾蘭咖啡或加入台灣的冬瓜茶或黑糖，它更加不可預測，帶來更多意想不到的可能性。

我自己更喜歡運用AI拓展想法，發散的價值不僅在於提供知識，而在於探索。LLM的回答雖然有時不太可靠，就像種下一顆種子，不知道會開出什麼樣的花朵，就像將紙飛機往天空一丟，看看會飛往何處？

Vibe Coding

#架構vs直覺　

#精準vs氛圍

但vibe coding對於新手來說並不是那麼簡單，程式不見得照我們想的運行，當AI生成程式碼的時候，我們就只能祈禱”All is well　希望這次能動”。

在出問題的時候，也只能用prompt解決問題，而不是像Coder一樣實際看看程式碼哪裡有問題，處理一下然後繼續。

但隨著AI越來越強，我相信這些問題終將被解決。

再沒多久～vibe coding會成為大多數人跟機械對話解決問題的方式。

所以我在教學生如何用AI輔助寫程式

Vo的簡單介紹

因為之前看了訪談Vercel的CEO Guillermo Rauch的影片後，他有提到V0的設計理念，他們做V0的概念是 code last，而不是 code first。意思大概是說你在使用V0時，不是先寫程式碼，而是你用你的想法或品味與V0合作一起做出一些很棒的東西。

但他口中的V0跟我之前玩過的V0有點不太一樣，所以這幾天又找出來玩了一下，發現這個真的是超強的網頁開發整合編輯器。在網頁開發上，應該比其他家都強，以下是我覺得強的原因。

▶︎最新的資訊：Vercel這家公司本身就是React Web框架Next.js的支持者，所以許多最新的資訊像是React 19或Next.js 15最新版的資訊，V0都會知道，不用像其他的大語言模型無法及時更新，所以在網頁開發上V0真的有其獨到之處。

▶︎互動式修改：在Preview作品時，可以透過類似ChatGPT Canvas的功能點選網頁上的某個元件，直接叫V0修改顏色或是動畫。也可以手動更改程式。

▶︎結合Supbase的後端：設定好Vercel的Supbase後，只要在V0中提供環境變數，就可以直接結合後端資料庫記錄。

▶︎版本控制跟下載到本地端：每次prompt或手動修改，都會自動記錄下來，可以像Google文件一樣回到前一個版本。並且可以透過npx或手動下載到本地電腦結合cursor或github copilot繼續編輯。

▶︎一鍵部屬：只要按下右上角的Deploy就可以部屬到Vercel上，讓所有人都可以存取你的作品

在試玩的過程，越覺得自己到底要不要重新把React、Next.js甚至Tailwind CSS都好好學好？因為V0主要都是用這些技術來打造產品。

還是邊問邊學就好？畢竟當卡住的時候，如果你有這些基本觀念會更明確的指出你要改的地方，讓AI知道你到底要做什麼？會提升解決問題的速度跟產品的品質

但如果你根本都不會呢？我到覺得先有品味+對產品的想法，在不斷對話的過程中完善你的產品，如果你對UI不熟沒關係，看看其他好的網站截個圖，丟給AI討論。甚至還可以反過來問V0，嗯～我覺得這個版面還少一些東西，但是我說不出來，我可以怎麼做讓他看起來更現代/更復古/更好看？

#未來的全端可能不是前端跟後端

#而是使用者端到產品端

如何跟AI協作？

 根據曼報分享的Anthropic 《哪些經濟任務是由人工智慧執行的？來自數百萬次 Claude 對話的證據》文中提到AI不見得是直接取代人類，更多時候是增強人類表現。

但微軟近期的論文《生成式AI對批判性思考的影響》中也提到當知識工作者過度仰賴AI的時候，會導致我們過度依賴AI（思考外包？）及解決問題的能力下降。

與其說是AI與人類的關係是替代VS增強，我比較喜歡說是效率VS價值。與其運用AI讓我們減少時間提高效率，不如讓AI促進我們思考激發更多的創意。例如：

-提供更多想法：請AI以10種不同方式，補足你卡很久寫不出來的地方

-不同角度解釋：請AI扮演不同角色幫你檢視作品

-一起合作迭代完善想法：其實我最常用的方式就是這樣，隨口提問邊問邊改，邊問就更瞭解自己要的是什麼？

-整理不同資料間的關係：我會丟給NotebookLM一堆資料整理這些資料，問AI說對我最有幫助、我最感興趣、我沒想到的聯繫等

#少即是多

人類的投入不是變少只是轉化到更高層次的運用。不僅讓是AI生成、搜尋、改寫、摘要、分析或檢查。我們要站在AI的肩榜上，我們要思考這項作品夠不夠好，甚至如何調整作品到符合自己”品味”。我們不僅是透過寫作來展現自己的思考，更要透過作品來展現自己的品味。

Guillermo Rauch對未來程式設計的看法

 [這段訪談雖然只有1小時，但卻讓我邊看邊做筆記看了快5小時]

這個訪談由主持人Dan Shipper訪問 Vercel的創辦人兼 CEO，也是 Next.js 和 Socket.IO 的創建者 Guillermo Rauch。

他談到了AI世界中程式設計的轉變、V0的定位、Vercel在AI生態系的定位以及如何培養”品味(taste)”

他認為程式設計不再是核心技能，任何容易被機械取代的都不是。就像你會心算，那很棒，但機械可以做的比你好。但所謂的Meta Skill變的更重要。你要瞭解不同概念間的關係，對AI prompt出正確的事情，而不是對ChatGPT說”O6幫我做完這個東西”就可以去放假了。

對新創公司來說，以前的iphone是所有app的平台，現在的AI也將是所有app的平台。但不要只是堆疊新功能，就像在powerpoint加入ai一樣。而是想辦法在重要的事情上做得超級好而且更簡單。

目前所謂的AI wrapper會不會有一天變成整合設計者品味跟特定領域知識的agent?特別是一些我們現在已經可以用ChatGPT解決，但是需要很多手動的微調可能結果還不是很好，但是透過品味+Domain knowledge會不會有更大的突破？

省思：

如何在課程中培養學生Meta skill及品味？如何讓學生學習思考以使用者的問題為中心設計？如何讓學生從不同來源中區分好壞跟汲取想法的品味？

OpenAI Deep Research in practice

 剛看到OpenAI釋出OpenAI Deep Research in practice的影片，影片中的畫面有顯示主角如何提問

原文

I am currently trying to understand the semiconductor chip shortage that started in 2020 What were the underlying reasons for the shortage. and which industries were impacted the most? And Lastly, what is the outlook for the next 3 years？

Please provide a list of sources that you referenced and prepare your responses in a research report format.Use bullet points to make the text easier to read, or tables to present data. Include the source for each datapoint.Please review articles from industry publications, consulting brief, and publicly available data, as well as semiconductor associations

中文翻譯：

我正在試圖了解自 2020 年開始的半導體晶片短缺問題。請問造成這次短缺的根本原因是什麼？哪些產業受到的影響最嚴重？最後，未來三年的展望如何？

請提供您參考的資料來源清單，並以研究報告的格式撰寫您的回應。請使用項目符號以提高內容可讀性，或使用表格來呈現數據。請為每個數據點標明其來源。請參考產業刊物、顧問報告、公開數據，以及半導體協會的相關文章。

其實prompt並不會很複雜，prompt保持簡單明確，包含具體的限制如輸出格式或參考資料等就可以有不錯的結果。或許大家可以先從自己熟悉的領域測試回答的品質。

#保持好奇心

#保持開放的心態學習