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
留言