今天是自我挑戰的最後一天，參加這次挑戰的原因，部分來自於我長期購買 iThome 鐵人賽出版的書籍，這些書籍彙整了每年比賽中的優秀文章。我每年都會買幾本來閱讀，也知道這項比賽已經舉辦多年。然而，過去我一直缺乏參賽的動力，主要是因為我平時懶得寫 Blog 文章。
我的內容輸出大多是透過公司內部的即時通訊軟體，分享新聞文章並附上自己的短評。由於平時較少撰寫長篇文章，我開始想：既然現在 AI 這麼方便，是否能透過語音轉錄工具來簡化寫作過程？即使我的口述不夠流暢，仍可以利用 AI 來進行轉錄與潤飾，快速產出文章。
一開始，我預計每天的寫作時間應該能壓縮在兩小時內。但實際上，包括思考和整理的過程，每篇文章大約花了三到四個小時。這個系列的主題是探索如何運用 AI 工具來提升日常效率，並分享我的使用經驗。
在第一天的文章中，我的想法包含如何使用 AI 協助撰寫 user story、優化 Git commit message 等。我還設計了如何運用 prompt 來引導 LLM 進行 5W1H 分析，以確保 user story 有充分的背景敘述。
此外，我也開發了一個專用的 prompt，可以根據語意生成語義化的 Git commit message，確保根據變更內容自動標註 feature、fix、test 或 docs 等格式。我原本想，如果有些日子沒有新點子，就可以分享這些 prompt 來湊一篇文章。然而，在第七天撰寫了「如何撰寫高品質的 prompt」這篇文章後，我發現單純分享 prompt 可能會讓內容顯得太過淺薄，因此後續就沒有這樣做了。
這次的 30 天挑戰，整體而言是一個有趣的經驗。我觀察到一些出乎意料的現象，例如第六天的文章〈AI 助力中秋祝福：輕鬆打造創意影片〉的閱讀量出奇地高。在那篇文章中，我介紹了如何用 MidJourney 生成圖片、用 Runway 製作 10 秒動畫、再用 Sono AI 產生配樂，最後用 Canva 組合成一個簡短影片。沒想到這篇竟然成為這個系列中前三熱門的文章之一。
目前為止，閱讀量最高的是第三天的文章〈運用 AI 輔助會議記錄：提升工作效率的實用指南〉。在這篇文章中，我分享了自己日常使用語音轉文字工具的經驗。我其實購買過一些本地端的 Whisper GUI 工具，但最後都是偷懶直接使用線上 GPU 平台來進行轉錄與識別發言者的工作，效果相當不錯。此外，我沒有在文章中特別提到的是，我偏好使用 Gemini 1.5 Pro 進行會議記錄，因為它的 context window 足夠大，適合處理長篇內容，避免出現 LLM 模型的「幻覺」問題。
另一篇閱讀量名列前三的是第 24 天的〈探索 ChatGPT 4.0 with Canvas：從撰寫爬蟲到創作新體驗〉。我猜測這篇文章的流量與 ChatGPT 4.0 with Canvas 的推出時間有關。在文章中，我主要分享了如何結合 ChatGPT 4.0 with Canvas 來協助撰寫程式碼和進行創作。我還利用 ChatGPT 4.0 with Canvas 的功能為文章大量加入 emoji，讓內容看起來更有趣，帶點「裝年輕」的風格。
我原本計畫進行兩個長系列的專題。第一個是「AI 驅動的 Podcast 摘要系統」，因為我個人有需求，想快速了解 Podcast 的內容，避免花時間聽完整集節目。然而，完成 PoC 後，發現如果使用線上模型，成本會過高，因此後續沒有繼續深入研究如何將其本地化以降低成本。
第二個系列是「Spring AI」，我原本打算探討如何用 Spring AI 來解決一些日常問題，並順便介紹 JetBrains IDE 的優點。然而，因為缺乏明確的應用目標，這個主題後來也不了了之。
總結這 30 天的文章，我累積了約 600 多的瀏覽量，非常感謝大家願意閱讀我的內容。雖然有些文章可能比較水，但我仍然學到了如何快速產出文章的技巧。如果明年還有機會參加鐵人賽，我應該會從我的第二大腦筆記中，挑選一個我熟悉的主題，例如 DevOps、Observability 或 Kubernetes，來進行一系列的文章寫作。
另外，iThome 鐵人賽的文章可以取得 RSS feed，因此最後我會透過系列文章的 RSS feed，讓 LLM 產出每日文章的標題與摘要，方便大家快速找到每篇內容。
這次的挑戰對我來說是一個有趣且充實的體驗，再次感謝大家的支持。透過與 AI 共舞，我不僅提升了日常效率，也學到了許多新知。如果你也對 AI 工具感興趣，不妨嘗試看看，也許會為你的生活帶來意想不到的改變。
感謝するぜ、お前と出会えたこれまでの全てに。
我很感謝在遇到你之前，所經歷過的一切事情。
| 天數 | 文章標題 | 文章摘要 |
|---|---|---|
| Day 1 | 30 天鐵人賽，分享我的 AI 應用經驗 | 本文分享作者參與 iThome 鐵人賽的初衷，以及如何應用 AI 工具優化日常工作流程，達成事半功倍的效果，包含 AI 輔助會議記錄、協助 User Story 撰寫與優化 Git Commit Message 等。 |
| Day 2 | AI 輔助技術分享筆記：提升學習效率與知識整合 | 本文以 CNTUG 2024/09 Meetup #61 為例，分享如何利用 AI 技術優化技術分享筆記的整理流程，提升學習效率並促進知識整合。 |
| Day 3 | 運用 AI 輔助會議記錄：提升工作效率的實用指南 | 本文探討如何藉助 AI 技術，例如語音辨識和大型語言模型（LLM），提升會議記錄的效率與準確性，並打造更有效率的團隊協作模式。 |
| Day 4 | AI 輔助閱讀：如何讓 AI 成為你的學習夥伴 | 本文深入探討如何利用 AI 技術來輔助學習，特別是著重於如何透過 AI 與書籍論文以及網路資訊進行互動對話，進而提升學習效率。 |
| Day 5 | 運用 Dify 打造 AI 助手：簡化日常工作流程 | 本文介紹 AI 開發平台 - Dify，並探討它如何協助我們優化日常工作流程，提高效率，並以網站摘要工具為例說明 Dify 的應用方式。 |
| Day 6 | AI 助力中秋祝福：輕鬆打造創意影片 | 本文分享如何利用 AI 工具，從圖片生成、動態效果製作到背景音樂創作，一步步完成您的中秋祝福影片。 |
| Day 7 | 如何撰寫高品質 Prompt：提升 AI 工具使用效率的關鍵 | 本文深入探討如何撰寫高品質的 Prompt，幫助您更好地運用 AI 工具，提升工作效率，並介紹 PromptPerfect 和 Anthropic Console 等實用工具。 |
| Day 8 | AI 搜尋引擎：重塑資訊獲取的未來 | 本文探討 AI 搜尋引擎如何融合人工智慧和傳統搜尋技術的優勢，為使用者帶來更智慧精準的搜尋體驗，並介紹 Perplexity 和 Felo Search 等主流 AI 搜尋引擎。 |
| Day 9 | AI 驅動的 Podcast 摘要系統（1） | 本文分享作者利用 AI 技術自動生成 Podcast 摘要的想法與實作過程，希望能為同樣熱愛 Podcast 的您，提供一個全新的解決方案。 |
| Day 10 | AI 驅動的 Podcast 摘要系統（1.5） | 本文分享作者在打造 Podcast 摘要系統時所遇到的技術挑戰，以及如何透過 n8n 自動化流程工具解決問題的經驗。 |
| Day 11 | AI 驅動的 Podcast 摘要系統（2） | 本文探討作者在使用 n8n 和 Divy.ai 等自動化流程工具時所遇到的限制，並分享如何轉向 Serverless 解決方案來克服這些限制的經驗。 |
| Day 12 | AI 驅動的 Podcast 摘要系統（3） | 本文分享作者如何利用 Replicate 平台的 Whisper API，完成 Podcast 集數 URL 到逐字稿轉錄的完整流程，並開始進行 AI 摘要的生成。 |
| Day 13 | AI 驅動的 Podcast 摘要革命：我的 Podwise 探索之旅 | 本文介紹 Podwise 這款 AI 驅動的 Podcast 工具，作者分享了使用 Podwise 的經驗，以及它如何革新了 Podcast 聆聽體驗。 |
| Day 14 | AI 助你輕鬆工作：用 Pot Translation 和 SnipDo 與外籍同事快速溝通 | 本文介紹 Pot Translation 和 SnipDo 這兩款 AI 工具，如何幫助作者提升與外籍同事溝通的效率，並分享實際操作流程和設定技巧。 |
| Day 15 | 探索 ChatGPT 新功能：Advanced Voice Mode如何變革學習方式 | 本文介紹 ChatGPT Advanced Voice Mode (AVM) 這項新功能，作者分享了使用 AVM 的體驗，以及它如何讓與 AI 的互動更自然便捷，並探討 AVM 在學習方面的應用。 |
| Day 16 | 用 AI 聰明規劃：高效安排 JCConf 議程路線 | 本文分享作者如何利用 AI 生成 JCConf 議程建議指南，並介紹 OpenAI o1-preview 這個工具如何根據議程主題和參與者角色，提供適合的參與路線規劃。 |
| Day 17 | AI 與 Meta Question：提升探索未知領域的學習策略 | 本文介紹 Meta Question 的概念，並以 Datomic 資料庫為例，說明如何利用 AI 協助釐清關鍵問題，更有效率地理解一個主題。 |
| Day 18 | Spring AI 專案：從構想到開發的 12 天挑戰 | 本文記錄作者立下目標，開始 Spring AI 專案的過程，並分享 JetBrains 工具的使用心得，以及 Spring 專案的初始化步驟和主要依賴項目。 |
| Day 19 | Spring AI 初探：從專案初始化到 OpenAI 聊天模型應用的實現 | 本文介紹如何使用 Spring AI 建立一個簡易的 OpenAI 聊天模型應用程式，從專案初始化、OpenAI API 金鑰設定到 Controller 的撰寫和基本 HTTP 請求測試，一步步說明整個流程。 |
| Day 20 | 打造 RAG 基礎：Spring AI 中的 Embedding 與 Vector Store 整合 | 本文分享如何在 Spring AI 中設定 Embedding Model，選擇 Qdrant 作為 Vector Store，並建立 Embedding 的 API 端點，同時介紹 IntelliJ IDEA 的 Bean Graph 功能，幫助理解 Spring Beans 的相依性。 |
| Day 21 | Spring AI 驅動的 ETL 流程：構建文本上傳工作流並實現 RAG | 本文記錄解決 Qdrant 向量儲存問題的過程，並分享成功建置一個簡易的文字上傳 API 的經驗，以及 Spring AI 中 ETL Pipeline 的實作步驟。 |
| Day 22 | 淺談 AI 繪圖工具：MidJourney 的實用技巧分享 | 本文介紹 MidJourney 等 AI 繪圖工具，並分享 MidJourney 的使用技巧，包括基本語法結構、進階參數和一些實用的小技巧。 |
| Day 23 | Spring AI 應用解析：探索 Naive RAG 的核心流程與基本實作 | 本文分享 Spring AI 中 Naive RAG 的實作經驗，包含解決 WebFlux 檔案處理問題、建立資料檢索服務、構建 RAG API，以及淺談 Naive RAG 的運作原理。 |
| Day 24 | 探索 ChatGPT 4o with Canvas：從撰寫爬蟲到創作新體驗 | 本文分享使用 ChatGPT 4o with Canvas 的經驗，探討這個工具如何協助撰寫程式碼和進行創作，並分享撰寫爬蟲腳本的實踐過程和未來展望。 |
| Day 25 | 利用 ChatGPT AVM 提升英語能力：實用技巧與心得分享 | 本文介紹 ChatGPT Advanced Voice Mode (AVM) 的應用，分享五大練習技巧和進階練習方式，並比較 ChatGPT AVM 和 Speak App 在英語學習方面的優缺點。 |
| Day 26 | 利用 AI 提升翻譯體驗：沉浸式翻譯的深入介紹 | 本文推薦沉浸式翻譯工具，介紹其核心功能、使用體驗、翻譯服務比較，以及 Enhanced Input Box 等附加功能，並探討其在手機設備上的支援和翻譯策略的進階使用。 |
| Day 27 | 用 AI 來創作自己：FLUX LoRA 生成個人形象照的體驗 | 本文分享利用 FLUX LoRA 模型生成個人形象照的經驗，介紹如何準備訓練資料、選擇訓練平台、模型訓練步驟，以及生成個人形象照的實際操作流程。 |
| Day 28 | 探索語言學習新利器：Trancy 的 AI Talk 與 AI 字幕功能 | 本文介紹 Trancy 這款語言學習工具，著重於 AI Talk 功能的介紹，包括其特色功能、口音選擇、自訂情境等，並比較 Trancy 和 Speak App 的優缺點。 |
| Day 29 | 透過 AI 助力：快速撰寫鐵人賽技術文章的高效方法 | 本文分享作者如何結合多種 AI 工具，快速完成鐵人賽技術文章的撰寫流程，包括主題確定與準備、錄音口述、轉錄處理、初步修正、內容整理和最終修飾等步驟。 |
iThome鐵人賽
看影片追技術