AI 已經不只是拿來問問題或產生程式碼的工具，而是逐漸成為軟體開發流程中的新隊友。 這個系列將用 30 天實際探索 ChatGPT & Codex 的開發工作流，從需求釐清、Prompt 與 Context 設計、系統規劃，一路到閱讀 Repository、實作功能、Debug、Testing、Code Review，最後完成 Pull Request。 從 Prompt 到 Pull Request，一起看看 AI 能把開發流程帶到哪裡。

本系列不僅是製作AI 摘要器，而是以知識整理為案例，完整實作一套AI 自動化知識管家。我將結合 n8n 負責工作流、FastAPI 處理核心資料、Gemini 作為語意大腦，實戰處理網頁長文、PDF 文件與 YouTube 影音內容。在 30 天的旅程中，我們將探討如何將機率性的 AI 放入確定性的自動化 Workflow，從接收事件、資料清洗、AI 理解、邏輯決策，到最終自動歸檔至 Notion 並發送通知，完整展示一套能落地執行的 AI 自動化 Pipeline 架構與開發心法。

大型語言模型（LLM）近年快速演進成能自主決策、呼叫工具的 AI Agent，而強化學習（RL）正是讓 Agent 學會「做對的事」的核心技術。本系列將從最基礎的 MDP、Bellman Equation 出發，一路推進到 DQN、PPO、GRPO、DPO 等主流演算法，並實際手刻一個具備工具呼叫能力的 Agent 環境，最終透過 DPOTrainer 完成偏好資料的微調訓練。 30天內容涵蓋理論推導、演算法比較、實作環境建置、訓練除錯與量化評估（成功率、KL散度、reward曲線等），目標是打造一套可重現、有數據佐證的 Agent 強化學習訓練流程，適合想從理論扎實走向工程落地的讀者。