先試著做做看再說啊!

生成式AI已經逐漸融入日常生活，但是「使用」AI 跟「運用」AI 之間似乎還有一段不小的差距。
身為接觸資訊領域的人，有知識焦慮也很正常的。每天都有新的框架、新的雲端服務、新的工具冒出來；今天還在看 Prompt Engineering，明天就有人在談 AI Agent；還沒學會 AI Agent，大家又已經開始關注 vibe coding，永遠學不完。

但如果想學，總是得有個開始，對吧？

所以這一次，我決定放下「要學完全部」的焦慮，專心定下一個自己有興趣的主題來踏出第一步。
利用 30 天的時間，來挑戰一個結合 AWS S3 與 Bedrock 的小專案，打造一個能根據占卜知識進行解讀的 AI 小助手。

這個計畫預計分成幾個面向來進行：

第一部分：技術實作

我會先把塔羅牌的占卜知識，整理成結構化的資料，並放到 AWS S3 裡，作為一個「知識倉庫」。接著，透過隨機抽排的方式選擇並讀取牌的內容，再透過 Bedrock 提供的大語言模型，讓 AI 能利用這些資料並生成對應的解讀。

技術上也可以使用 S3 準備好的資料直接生成知識庫，再提供 Bedrock 的 AI 模型進行讀取，但是這樣會需要大幅度增加預算...

還不知道學習成效，沒有打算要在這上面花大錢。

第二部分：應用探索

單純生成文字不是最終目的，我想嘗試的是：AI 夠不夠聰明？
問題很模糊，當然在實作過程中也會需要訂出幾個判斷依據。
不過更具體的說，我想知道：當有人抽出一張牌，AI 占卜小助手是否能正確的根據該張牌的象徵意義，提供一段有啟發性的解釋，甚至能生成不違背占卜核心價值的建議方向。這部分會牽涉到 prompt 的設計、輸出格式的調整，還有如何避免「AI 過於自由發揮」的狀況。

最後，還會有一些延伸挑戰。

• 學習如何在 AWS 上做一個簡單的系統建置流程。
• 在過程中調整 AI 的回應品質，測試不同參數與設計。

線上當然已經有不少 AI 占卜服務，但是這個專題最核心的目標不是判斷「準或不準」，畢竟占卜的準確與否是主觀的個人想法，也很難提出什麼佐證去說服他人。
(當然如果解讀得深得人心，要單純作為占卜參考也不是不行...)
因此，這個主題是將問題定義在：
「如何運用雲端工具與生成式 AI，把一套知識體系轉換成可以被模型理解與生成解讀的流程？」

這就是設定這個 30 天挑戰的初衷。
不追求結果有多「準確」，而是透過這個過程，去探索 AI 與占卜背後的邏輯與可能性。