Section 1 | 開場:自我介紹 + 問題診斷 + 打臉 Demo(1hr)
目標:認識彼此、蒐集學員的真實痛點、製造落差感
講師自我介紹(5min)
簡短介紹自己的背景:
- 做過什麼、教過什麼
- 為什麼要開這門課
- 這兩天結束後,你會帶走什麼
學員自我介紹 + 提出 3 個問題(25min)
每位學員用 1 分鐘自我介紹,同時提出:
重複性最高的三件事是什麼?
就是那些你覺得『這個應該可以自動化,但不知道怎麼做』的事。」
講師同步做的事:
- 白板上開一個區域,記錄每位學員提出的問題
- 分類歸納:哪些是「資料搬運」、哪些是「客服回覆」、哪些是「報表整理」
- 即時思考這些問題在後面哪個 Section 會被解決
為什麼要在開場做這件事:
- 學員提出的問題就是這兩天的教學素材——比你準備的案例更有共鳴
- 讓學員從一開始就投入,不是被動聽課
- 你可以根據學員的問題分佈,動態調整後面的教學重點
這兩天的課程結束之前,我們會回來看這張白板,
看看這些問題有多少可以用 AI 解決。」
打臉 Demo(15min)
從白板上挑一個最常見的問題類型(通常是「資料搬運」或「客服回覆」)。
如果最多人提的是 LINE 相關的重複操作,就用 LINE OA 案例:
手動做法 demo:
打開 LINE OA 管理後台,展示手動回覆/發通知的流程:
- 開後台 → 找到客戶訊息 → 閱讀、判斷、打字回覆 → 下一則 → 重複
每則平均花 2 分鐘閱讀和回覆。
50 x 2 = 100 分鐘,將近兩小時。
而且你在這兩小時裡做的事,90% 是搬運,只有 10% 是判斷。」
腳本做法 demo:
切到終端機,跑一個腳本——自動讀取、分類(詢價/投訴/預約/閒聊)、套模板回覆。
需要人判斷的只有那幾則真正複雜的——AI 會標出來讓你看。
100 分鐘 vs 1 分鐘。
差距不是效率高不高的問題,
是你的時間花在對的地方還是錯的地方的問題。」
導入五感框架(10min)
其實只有一張嘴巴?你問它,它回答。僅此而已。
它沒有手——不能幫你開檔案、不能幫你操作後台。
它沒有眼睛——看不到你的螢幕、看不到網頁長什麼樣子。
它沒有耳朵——客戶 LINE 你,它不知道。
它沒有記憶——上次聊什麼,下次全忘。
你們剛才提出的那些問題,
之所以 ChatGPT 幫不了你,不是因為 AI 不夠聰明,
是因為你沒有幫它裝上手腳、眼睛、耳朵和記憶。
這兩天,我們要幫 AI 裝上完整的五感。
裝完之後,你白板上的那些問題,大部分都能解。」
白板畫出五感圖,後續每教一個概念就回來打勾。
開始用 AI 拆解問題(5min)
把你剛才提的那三個問題丟給 AI,問它:
『以下是我工作中重複性最高的三件事,
請幫我分析哪些步驟可以自動化、哪些需要人判斷。』
邊聽課邊跟 AI 聊。你會發現,
隨著你學到越多概念,你跟 AI 的對話品質會越來越高。
因為你會用的詞變多了。」
這個動作會貫穿整個 Day 1——學員一邊聽課、一邊用 Chat 跟 AI 討論自己的問題。
Section 2 | GUI、CLI、DB — 你跟電腦互動的三種方式(1.5hr)
目標:理解人和電腦之間的三種互動方式,以及為什麼 AI 需要 CLI
這三個東西不是上下堆疊的「層」,而是三種不同性質的東西:
- GUI = 人操作電腦的介面(給人看的、用滑鼠點的)
- CLI = 人或程式對電腦下指令的方式(打字下命令)
- DB = 資料靜態儲存的地方(像倉庫,東西放在裡面等你來拿)
GUI — 給人看的操作介面(25min)
開場:打開蝦皮賣家後台,投影給全班看。
白話講:給人看的操作介面。
你用滑鼠點按鈕、填表單、看圖表——這些都是 GUI。
你的手機 App、蝦皮後台、LINE OA 管理頁面——全部都是 GUI。」
拆穿 GUI 的本質:
點開一張蝦皮訂單 → 按 F12 打開 DevTools → 指著原始碼:
背後其實就是這些代碼。
GUI 是包裝紙。裡面裝的是指令和資料。
你每點一個按鈕,背後都是一道指令送到伺服器。
你只是不知道而已。」
帶入蝦皮 API 關閉的痛點:
就是讓你的程式可以直接跟蝦皮的系統對話,
不用透過 GUI,直接下指令就能查庫存、拉訂單。
但蝦皮後來不續約了。合約到期,API 關掉。
你只剩下 GUI——只能用滑鼠,一個一個點。
為什麼?因為 GUI 是平台的地盤。
它規定你怎麼操作、看什麼資料、點什麼按鈕。
你沒有選擇。」
呼應課程邏輯:
差別只是你用滑鼠點,AI 可以用指令讀。
這就是等一下要講的 CLI。」
CLI — 用指令跟電腦溝通(25min)
什麼是 CLI:
白話講:用打字的方式告訴電腦要做什麼。
你在 GUI 裡面點一個『新增資料夾』按鈕,
其實背後就是一道指令:
mkdir 我的資料夾。GUI 幫你把這道指令包裝成一個按鈕,讓你好點。
但指令本身一直都在。」
同一件事的 GUI vs CLI 對比 demo:
投影兩邊畫面:
| GUI 操作 | CLI 指令 |
|---|---|
| 打開 Finder | (不需要,直接在終端機) |
| 點「新建資料夾」→ 輸入名稱 | mkdir 七月訂單 |
| 把 3 個 CSV 檔案拖進去 | mv *.csv 七月訂單/ |
| 右鍵重新命名 | mv old.csv new.csv |
| 花了 30 秒,4 個步驟 | 2 秒,1 行搞定 |
但這不是重點。重點是——
AI 不會用滑鼠。它沒有手指。
但 AI 會打字,它可以下指令。
Claude Code、ChatGPT Codex、Google Antigravity——
這些工具做的事就是讓 AI 能下 CLI 指令。
你每個月花 $20 美金訂閱,
買的不是聊天功能,是讓 AI 有手有腳。」
為什麼學員不需要背指令:
AI 自己會寫指令、自己會跑。
你只要告訴它你要什麼結果。
但你得知道 CLI 這個東西存在——
這樣你才知道為什麼 AI 能幫你做事,
而不只是跟你聊天。」
回扣五感:CLI = AI 的手和腳(白板打勾)
DB — 資料住的地方(25min)
從 Excel 切入:
打開一個 Google Sheet,裡面是客戶清單(姓名、電話、LINE ID、最近訂單日期)。
你每一欄是一個欄位(column),每一行是一筆資料(row)。
你其實早就在用資料庫了,只是你叫它 Excel 或 Google Sheet。」
Google Sheet vs 真正的 DB:
切到 Supabase 畫面,同樣一張客戶表:
但差別在哪?」
| Google Sheet | Supabase(DB) | |
|---|---|---|
| 誰能操作 | 你(手動) | 程式、AI(自動) |
| 查詢方式 | 肉眼看 + 手動篩選 | 用 SQL 指令,0.01 秒出結果 |
| 同時處理 | 你一次只能做一件事 | 程式可以同時查 1000 筆 |
| 自動化 | 沒辦法 | 排程自動跑、API 自動觸發 |
具體案例:
用 Google Sheet:你要先排序日期欄、然後拉篩選、
然後一個一個看、然後複製到另一張表......5 分鐘。
用 DB + AI 一句話:」
SELECT * FROM customers WHERE last_order < NOW() - INTERVAL '30 days'
而且你不用自己寫這句 SQL——
你跟 AI 說『幫我查最近 30 天沒買東西的客戶』,
AI 自己會寫這句指令。」
DB 是靜態的,不是程式:
它就是一個倉庫——資料放在裡面,等你來拿。
做事的是 CLI 指令。
儲存的是 DB。
讓你看的是 GUI。
這三個各司其職,不是誰包住誰。」
回扣五感:DB = AI 的記憶(白板打勾)
Section 2 小結(15min)
白板畫三個圈,不是堆疊的層:
┌──────────┐
│ GUI │ ← 人跟電腦互動的介面(看、點、拖)
└──────────┘
┌──────────┐
│ CLI │ ← 用指令跟電腦溝通(AI 的手腳)
└──────────┘
┌──────────┐
│ DB │ ← 資料儲存的倉庫(AI 的記憶)
└──────────┘
GUI 讓你看到結果
CLI 讓 AI 做事
DB 把資料存起來
記住它們各自的角色就好:
GUI = 看的、CLI = 做的、DB = 存的。」
Section 3 | Markdown + Obsidian + Git(1.5hr)
目標:理解 AI 的記憶系統,安裝 Obsidian 並打開 Vault 模板
Markdown — LLM 的母語(20min)
開場:投影 .docx vs .md 的對比截圖
左邊畫面:用 VS Code 打開一個 .docx 檔的原始碼,裡面全是 XML 標籤和隱藏格式碼。
右邊畫面:同樣內容的 .md 檔,乾乾淨淨的純文字。
打開來漂漂亮亮,但背後長這樣。
一個簡單的公司簡介,Word 存成 .docx 大概 30KB,
裡面有超過 70% 是格式代碼——字體大小、行距、頁邊距、段落樣式......
人看不到這些東西,但 AI 看得到。
你把 .docx 丟給 AI,它就像收到一封信,
但信封裡塞滿了泡泡紙、碎紙和緩衝材料,
信本身只有一小張。AI 得花力氣把真正的內容從垃圾裡挖出來。
右邊呢?這是 Markdown。同樣的內容,3KB。
沒有垃圾,沒有隱藏格式碼。
AI 一看就懂,因為——」
投影 AI 回覆的截圖,指著粗體、清單、標題:
它回你的東西有粗體、有清單、有標題?
那不是排版,那就是 Markdown。
Markdown 是 LLM 的母語。它生出來就在寫 Markdown,你餵它 Markdown 它直接看懂。
你餵 Word 檔,就像跟外國人講台語——聽得到但理解度砍半。
你餵 Markdown,就像跟它講母語——零翻譯損耗。」
即時 demo:在 Obsidian 裡打 Markdown
打開 Obsidian,新建一個空筆記,一邊打一邊讓學員看即時渲染效果:
# 公司簡介 ← 打完 # 立刻變大標題 ## 我們的服務 ← 次標題 - 蝦皮代營運 ← 自動變項目符號 - **LINE OA 自動回覆** ← 即時變粗體 > 這是客戶說的話 ← 變成引用區塊
你不需要按什麼格式按鈕,不需要選字體大小。
打一個
# 就是標題,打 - 就是清單,打 ** 包起來就是粗體。五個語法打天下,比 Word 簡單十倍。」
基本語法速覽(投影片留著,讓學員截圖回去看):
| 你想要的效果 | Markdown 語法 | 打幾個字 |
|---|---|---|
| 大標題 | # 標題 |
2 個字元 |
| 清單 | - 項目 |
2 個字元 |
| 粗體 | **文字** |
4 個字元 |
| 引用 | > 引用 |
2 個字元 |
| 程式碼 | `指令` |
2 個字元 |
因為你寫出來的東西,AI 不需要翻譯就看得懂。」
Obsidian — AI 跟你共用的工作台(45min)
為什麼用 Obsidian,不用 Notion 或 Google Docs?(10min)
投影三個 logo,逐一解釋:
或者你用 Google Docs 用得好好的,為什麼要換?
三個致命的差別。」
白板畫對比表:
| Notion / Google Docs | Obsidian | |
|---|---|---|
| 檔案在哪 | 在雲端伺服器上(別人的電腦) | 在你自己的電腦裡(本地檔案) |
| AI 能不能直接讀 | 不行,要先匯出或透過 API | 可以,直接讀你電腦裡的 .md 檔 |
| 斷網能不能用 | 不行 | 可以,100% 離線運作 |
| 檔案格式 | 專屬格式,搬家很痛苦 | 純 .md 檔,複製貼上就能搬 |
| AI 寫入 | 要透過 API,有限制 | AI 直接改你的檔案,跟你改一模一樣 |
你用 Notion 寫了一堆公司知識,AI 看不到。
它存在 Notion 的伺服器上,Claude 摸不到。
你要嘛手動複製貼上,要嘛設定一堆 API 權限。
但 Obsidian 的檔案就在你電腦裡。
Claude 的 Code tab 可以直接讀你電腦裡的檔案。
你寫一篇筆記存在 Obsidian 裡,AI 下一秒就能看到。
AI 幫你改一個檔案,你在 Obsidian 裡下一秒就能看到。
這就是為什麼我說 Obsidian 不是筆記軟體——
它是你跟 AI 共用的工作台。你們兩個讀寫同一組檔案。」
安裝 + 開啟 Vault 模板(10min)
投影片放 QR Code → Google Drive 下載 Vault 模板 + Obsidian 安裝檔。
全班一起操作:
- 安裝 Obsidian(事前通知但一定有人沒裝)
- 打開下載的 Vault 模板
- 走一遍結構,每個資料夾都解釋用途:
我的AI工作站/
├── CLAUDE.md ← AI 的員工手冊(Day 2 才填)
│ AI 一打開 Code tab,第一個讀的就是這個檔案
│ 就像新員工報到第一天看的交接文件
│
├── 知識庫/ ← 你的公司知識——產品規格、報價邏輯、客服話術
│ 放「不會過期」的東西,像百科全書
│
├── 流程/ ← SOP——退貨怎麼處理、報價單怎麼開
│ 放「反覆執行」的步驟,像食譜
│
├── AI素材/ ← Day 3-4 做 AI 專案時的素材和產出
│ 放「有生命週期」的東西,像工地
│
└── Inbox/ ← 隨手記——想到什麼先丟這裡
放「還沒分類」的東西,像你桌上的收件匣
知識庫 = 百科全書(不會過期的事實)
流程 = 食譜(反覆做的步驟)
AI素材 = 工地(正在蓋的專案)
Inbox = 收件匣(還沒拆的信)
不確定放哪?丟 Inbox。
之後整理的時候再分類就好。不要在分類上浪費時間。」
CLAUDE.md 預告(3min)
打開模板裡的 CLAUDE.md,讓學員看到空白的結構:
明天你會花 20 分鐘把它填完。
填完之後,你每次打開 Claude 的 Code tab,
AI 第一件事就是讀這個檔案——
就像新員工報到,第一天先看員工手冊。
你在這裡寫『我們公司客服語氣要親切但不能用表情符號』,
AI 以後幫你寫客服回覆就會照做。
你寫『報價單折扣不能超過 15%』,
AI 幫你算報價就不會亂打折。
今天先知道它存在就好,明天會手把手帶你填。」
學員實作練習(22min)
分成四個小步驟,每步驟做完舉手確認:
Step 1:新建筆記(3min)
在 Inbox 資料夾裡新建一個筆記,檔名打你的公司名稱。」
Step 2:打 Markdown 語法,看即時渲染(5min)
讓學員照著打:
# 我的公司簡介 ## 基本資訊 - 公司名稱:(填你的) - 主要業務:(填你的) - 使用的平台:蝦皮 / LINE OA / 其他 ## 每天最煩的三件事 1. **第一件**:(想一想填進去) 2. **第二件**: 3. **第三件**: > 如果 AI 能幫我解決其中一件,我最希望是......
標題自動變大了、清單自動排號了、粗體自動加粗了。
你剛剛用的就是 Markdown。就這麼簡單。」
Step 3:建立 wikilink(7min)
讓學員在筆記裡打 [[CLAUDE.md]],看到自動變成可點擊的連結:
它就自動連起來了。點一下就跳過去。
這叫 wikilink。你可以用這個方式把筆記串成網路。
比方說你在客服 SOP 裡面提到退貨政策,
打
[[退貨政策]] 就直接連過去,不用到處翻找。AI 也看得懂這些連結——
它讀到
[[退貨政策]] 會自動去找那個檔案來看。」
Step 4:確認 AI 能讀到你的筆記(7min)
打開 Claude Desktop 的 Code tab,
跟它說:『讀一下 Inbox 資料夾裡的筆記,告訴我你看到什麼。』」
等學員操作,AI 回覆讀到的內容。
不用匯出、不用上傳、不用 API 設定。
這就是本地檔案的威力——
你跟 AI 讀寫的是同一組檔案。」
Git — 程式碼的時光機(20min)
不教指令,只教三個概念(投影片):
- commit = 存檔點(打電動的存檔——打完 Boss 存一次,之後死掉可以回來)
- branch = 平行宇宙(想試新功能?開一個平行宇宙去試,搞砸了回主宇宙,什麼事都沒發生)
- push = 上傳到雲端(跟 Google Drive 同步——你電腦壞了,雲端還有一份)
打開 GitHub 上一個 repo 的 commit history:
以後你叫 AI 幫你做事,它做的每一步都留下這樣的紀錄。
你永遠可以回到任何一個存檔點。」
補充一句最重要的話:
但你不用學怎麼操作。
Claude 的 Code tab 會自動幫你處理 Git。
它做完一件事,自動 commit。改壞了,自動回到上一個存檔點。
你只要知道 Git 這個東西存在,知道你的工作有紀錄、回得去,
就夠了。指令的事交給 AI。」
Section 3 小結(5min)
Markdown = AI 的母語。你用 Markdown 寫東西,AI 零翻譯就看得懂。
Obsidian = 你跟 AI 共用的工作台。你寫在裡面,AI 直接讀;AI 改了,你馬上看到。
Git = AI 的時光機。每一步操作都有紀錄,隨時回到任何存檔點。
這三個加起來,就是 AI 的記憶系統。」
回扣五感:記憶(Obsidian + Git)= AI 的腦(白板打勾)
Section 4 | Domain / 路由 / API / Webhook / Web UI(2hr)
目標:理解網路怎麼串起來的——用「寄信」比喻系統貫穿所有概念
Domain + URL 拆解(20min)
投影一個 URL,逐段拆解:
https://hourjungle.com/booking/room-a │ │ │ │ │ │ │ └─ 指定資源(A 會議室) │ │ └────────── 路由(預訂功能) │ └─────────────────────────── Domain(門牌地址) └─────────────────────────────────── 協定(加密信封)
全部都是一個 URL 指向一台伺服器上的某個位置。
Domain 就是門牌地址——
hourjungle.com 就是告訴你的瀏覽器要去找哪一棟大樓。後面的
/booking/room-a 是門牌號碼——告訴大樓你要去哪一層哪一間。每次你在瀏覽器打一個網址、按 Enter,
你其實就是在寄一封信到那個地址。
接下來我們要把這個『寄信』的過程拆開來看。」
API — 兩個系統之間的通訊規格(35min)
用「郵件/快遞」比喻系統
白板畫出完整流程圖:
你(客戶端/前端)
| 寫一封信(API Request)
信封上寫:
- 收件地址(URL / endpoint)
- 你是誰(Token / 身分證明)
- 要做什麼(GET 查詢 / POST 新增 / PUT 修改 / DELETE 刪除)
- 信件內容(payload / body)
|
郵差(HTTP 協定)把信送到
|
大樓門口警衛(伺服器防火牆/認證)
→ 檢查你的身分證(Token)
→ 確認你有沒有資格進來
|
收發室小弟(API Gateway / Router)
→ 看你的信要送到哪一層(路由判斷)
→ /orders → 3樓訂單部門
→ /products → 5樓商品部門
→ /customers → 7樓客戶部門
|
對應部門(後端邏輯)
→ 處理你的請求
→ 去倉庫(DB)拿資料或存資料
|
回信(API Response)
→ 狀態碼(200 OK / 404 找不到 / 500 系統壞了)
→ 回覆內容(你要的資料,JSON 格式)
逐段拆解,每段都有講師台詞:
忘掉所有技術名詞。API 就是兩個系統之間的通訊規格——
你按照規格寫信,對方按照規格回信。就這樣。
你每天都在用 API,只是你不知道。
你在蝦皮下單——你的瀏覽器寫了一封信給蝦皮的伺服器,
信裡說『我要買這個東西,寄到這個地址,用信用卡付款』。
蝦皮收到信,處理完,回你一封信:『下單成功,訂單編號 12345。』
整個過程,你的瀏覽器是寄信的人(客戶端/前端),
蝦皮的伺服器是收信的人(後端)。
中間傳遞信件的叫 HTTP——就是郵差。」
信封上的四個欄位:
白板逐一寫出:
| 信封欄位 | 技術對應 | 白話 |
|---|---|---|
| 收件地址 | URL / endpoint | https://api.shopee.tw/v2/orders |
| 你是誰 | Token / API Key | 你的身分證——證明你有資格寄這封信 |
| 要做什麼 | HTTP Method | GET = 我要查資料 / POST = 我要新增 / PUT = 我要改 / DELETE = 我要刪 |
| 信件內容 | payload / body | 你要傳的資料,例如訂單明細 |
PUT 就是『我要改這個東西』,DELETE 就是『把這個刪掉』。
四個動作,涵蓋你在任何系統上做的所有事情。」
警衛和收發室小弟:
門口有一個警衛——他不管你要幹嘛,他只看一件事:
你有沒有帶身分證(Token)?身分證是不是真的?你有沒有權限進來?
沒有?請回。有假的?請回。過期了?請回。
通過警衛之後,收發室小弟接手。
他看你的信上寫要去哪個部門——
/orders?3 樓訂單部門。/products?5 樓商品部門。
這就是路由(routing)——決定你的請求送到哪裡處理。
到了對應部門,那邊的人(後端邏輯)處理你的請求——
可能要去倉庫(DB)拿資料,可能要把你的訂單存進去。
處理完,寫一封回信給你。」
回信的格式——狀態碼:
| 狀態碼 | 意思 | 白話 |
|---|---|---|
| 200 | OK | 搞定了,你要的東西在信裡 |
| 201 | Created | 新增成功了 |
| 400 | Bad Request | 你的信寫得不對,我看不懂 |
| 401 | Unauthorized | 你沒帶身分證,不讓你進來 |
| 403 | Forbidden | 你有身分證,但你沒權限做這件事 |
| 404 | Not Found | 你找的東西不存在 |
| 500 | Server Error | 不是你的問題,是我們系統壞了 |
不是你的問題,是你要找的東西搬走了或不存在。
看到 500,就知道是對方系統出問題了。
這些數字以後你看 AI 幫你除錯的時候會一直看到。」
回到蝦皮痛點——Token 就是身分證:
蝦皮以前發身分證(API Token)給合作廠商,
你拿著身分證,就能直接寫信給蝦皮的伺服器查庫存、拉訂單。
不用打開網頁,不用滑鼠點,程式幫你一秒搞定。
蝦皮關 API = 不發身分證給你了。
大樓門口的警衛不讓你進去。
你只能走正門(GUI),一個一個用滑鼠點。
但是——你還是可以『自己走進去看』。
你打開瀏覽器登入蝦皮,瀏覽器會拿到一張臨時身分證(Cookie)。
那張 Cookie 背後其實就是 Token 的一種——
有了它,你就能做跟 API 一樣的事情。」
底層邏輯呼應——Cookie、Token、Web UI:
任何有 Web UI 的系統——蝦皮、LINE OA、任何網站——
你登入之後,瀏覽器會拿到 Cookie 或 Token。
拿到之後,你就能用 API 的方式操作那個系統。
不需要用滑鼠點 GUI,程式直接下指令。
這就是為什麼工程師常說『只要有網頁就能自動化』。
因為網頁背後全是 API——你登入拿到身分證,就能寫信。
你不用記這些技術細節——AI 會幫你處理。
你只要記住一個概念:
登入 = 拿到身分證。有身分證 = 能用程式操作。」
回扣五感:API = AI 的嘴巴和手(能跟其他系統溝通)
Webhook — API 的反過來(25min)
先跟 API 做對比:
就像你每天早上打電話去郵局問:『有沒有我的包裹?』
沒有。掛掉。明天再打。
這樣累不累?累。
Webhook 是反過來——郵局有你的包裹了,主動打電話通知你。
你不用問,有事它會來找你。」
白板畫對比圖:
API(Pull 模式)= 你主動去問 ┌────────┐ ┌────────┐ │ 你 │ ──→ │ 對方 │ 「有新訂單嗎?」 │ │ ←── │ │ 「沒有。」 │ │ ──→ │ │ 「有新訂單嗎?」 │ │ ←── │ │ 「沒有。」 │ │ ──→ │ │ 「有新訂單嗎?」 │ │ ←── │ │ 「有!給你。」 └────────┘ └────────┘ Webhook(Push 模式)= 對方主動通知你 ┌────────┐ ┌────────┐ │ 你 │ │ 對方 │ (你在做自己的事) │ │ ←── │ │ 「有新訂單了!」 │ │ │ │ (你繼續做自己的事) │ │ ←── │ │ 「又有新訂單了!」 └────────┘ └────────┘
如果你每 5 秒問一次『有沒有新訊息?有沒有新訂單?』,
一天問了上萬次,其中 99% 的回答是『沒有』。浪費。
Webhook 是 Push——資料推給你。
對方有事才通知,沒事不打擾。效率高非常多。」
LINE OA Webhook 具體拆解:
客戶在 LINE 發訊息:「XX 產品還有貨嗎?」
|
LINE 的伺服器收到這則訊息
|
LINE 看到你設了 Webhook URL → 主動寫一封信(POST request)到你的伺服器
|
信的內容(payload):
{
"events": [{
"type": "message",
"replyToken": "abc123...",
"source": { "userId": "U1234..." },
"message": { "type": "text", "text": "XX 產品還有貨嗎?" }
}]
}
|
你的伺服器收到信 → AI 判斷意圖 → 去 DB 查庫存 → 用 replyToken 回覆客戶
客戶一發訊息,LINE 就自動通知你。
你的程式收到通知之後,自動判斷、自動回覆。
全程零人工。」
LINE OA Webhook 的坑——一定要講清楚:
LINE 的 Webhook 只推「客戶發的訊息」。你自己回覆客戶的訊息,Webhook 不會觸發。
為什麼?因為你自己回的訊息是透過 LINE 的 Reply API 送出去的——那是你主動寫信(API call),不是 LINE 被動通知你(Webhook)。
所以如果你想看完整對話紀錄——客戶說了什麼、你回了什麼——你不能只靠 Webhook。你得另外去 LINE 的 API 把自己的回覆記錄拉下來。或者你的程式在回覆的時候,自己存一份到 DB 裡。
這個坑很多人踩過。先跟你說,省得以後撞牆。
回扣五感:Webhook = AI 的耳朵(白板打勾)
有事發生,直接通知它。這就是 AI 的耳朵。」
Web UI — 萬能解法(20min)
投影一個簡單 Web UI demo(表單 → 填資料 → 送出 → 存進 DB → 顯示清單):
不用上架 App Store,手機打開瀏覽器就能用。
響應式設計(RWD)?交給 AI,它比你排得漂亮。」
機器放哪裡:
- 你的電腦(本地)→ 免費但要開著
- GCP / Cloudflare → 月費 $0-5 美金,24 小時都能用
分組練習 — 畫架構圖(20min)
5-6 人一組,每組一張白紙。
你是一個蝦皮賣家,同時用 LINE OA 接客。客戶在 LINE 問你「XX 產品還有貨嗎?」到收到自動回覆,畫出完整流程。標出哪裡是 API、哪裡是 Webhook、誰是郵差、誰是警衛、誰是收發小弟。
提示(投影,讓學員參考):
客戶發 LINE 訊息
|
(這裡是什麼?API 還是 Webhook?)
|
你的伺服器收到訊息
|
(誰是警衛?誰驗證身分?)
|
(誰是收發小弟?路由到哪個部門?)
|
AI 判斷意圖:「這是問庫存」
|
去哪裡查庫存?(DB?還是要打蝦皮的 API?)
|
查到結果:「有貨 / 沒貨」
|
回覆客戶(用什麼方式回?API?)
各組分享 → 講師點評。
工程師每天在做的事,就是把這種圖變成程式碼。
你不用會寫程式——但你得會畫這張圖、看得懂這張圖。
因為你要指揮 AI 幫你把圖變成程式碼。」
Day 1 收尾(10min)
回到白板的五感圖,確認已打勾的:
- 手腳(CLI)
- 記憶(DB + Obsidian)
- 耳朵(Webhook)
- 眼睛(Browser 讀 DOM)
- 嘴巴(明天教怎麼下指令)
明天你要學的是『怎麼當 AI 的老闆,指揮它在這個世界裡做事』。
今晚回去想一件事:你公司裡,每天在做的人肉 API 工作有哪些?
明天會用到。」