昨天，我們成功地在 Google Colab 中，用程式碼喚醒了 AI，這是一個巨大的里程碑。

但你可能會發現，昨天的程式碼是「寫死的 (Hard-coded)」。也就是說，如果你想換一個主題（例如從「個人成長」換成「理財規劃」），你就必須去修改程式碼內部的文字，這非常不方便。

一個好的工具，應該是靈活、可重複使用的。

今天，我們就要來對昨天的程式碼進行「升級改造」，將它從一個一次性的腳本，變成一個可以讓你自由輸入任何主題的、真正的「內容靈感產生器」小工具。

▋程式化的核心：變數 (Variable) 與函式 (Function)

為了完成這次改造，我們需要理解兩個最基礎、也最重要的程式設計概念：

• 變數 (Variable)：你可以把它想像成一個「有名字的空箱子」。你可以把任何東西（例如文字、數字）放進這個箱子裡，之後只要呼叫這個箱子的名字，就能取用裡面的東西。這讓我們的程式碼變得更有彈性。

• 函式 (Function)：你可以把它想像成一個「有名字的 SOP (標準作業流程)」。我們把一連串的固定操作（例如：呼叫 AI、生成內容）打包成一個 SOP，並為它取一個名字。之後，只要呼叫這個名字，電腦就會自動執行完整個 SOP。這讓我們的程式碼變得可重複使用。

▋實戰開始：改造你的 AI 程式碼

打開我們昨天 Day 19 使用的 Google Colab 筆記本。

第一步：保留初始化與認證部分

我們需要保留最開始的安裝、認證和初始化 Vertex AI 的程式碼儲存格，確保我們的「廚房」是準備好的狀態。

#安裝
!pip install --upgrade google-cloud-aiplatform

#認證
from google.colab import auth
auth.authenticate_user()

#初始化
import vertexai
PROJECT_ID = "你的 Google Cloud 專案 ID"
LOCATION = "us-central1"
vertexai.init(project=PROJECT_ID, location=LOCATION)

第二步：將核心邏輯打包成一個「函式」

現在，我們要建立一個新的程式碼儲存格，並定義我們的第一個函式。我們將這個函式命名為 generate_ideas。

這個函式會做一件事：接收一個「主題 (topic)」作為輸入，然後回傳 AI 生成的內容點子。

【在新的程式碼儲存格中輸入】

『from vertexai.generative_models import GenerativeModel

#定義一個名為 generate_ideas 的函式
#它需要一個名為 topic 的輸入
def generate_ideas(topic: str):
"""
這是一個內容靈感產生器函式。
輸入一個主題，它會回傳 AI 生成的內容點子。
"""

#選擇模型
model = GenerativeModel("gemini-1.0-pro")

#設計我們的 Prompt，這次我們用 f-string 的方式將變數 topic 嵌入
prompt = f"""

你是一位頂尖的內容策略師，專精於為創作者腦力激盪出高品質的內容點子。

我的內容主題是：{topic}

請你為這個主題，生成 5 個具體的、有獨特切角的內容點子。
請以條列式呈現。
"""

# 呼叫 AI 並生成內容
response = model.generate_content(
    prompt,
    generation_config={
        "temperature": 0.7,
    }
)

# 將 AI 的回答回傳出去
return response.text』

執行這個儲存格，你會發現什麼事都沒發生。這是正常的！因為我們只是「定義」了這個 SOP，還沒有真正「使用」它。

第三步：呼叫函式，體驗互動的樂趣

現在，最有趣的部分來了。在下一個新的程式碼儲存格中，我們可以開始「呼叫 (Call)」我們剛剛建立的函式。

【在新的程式碼儲存格中輸入】

『#建立一個變數，把我們想查詢的主題放進去
my_topic = "時間管理"

#呼叫我們的函式，並把 my_topic 當作輸入傳進去
#函式會回傳結果，我們用一個新的變數 ideas 來接收它
ideas = generate_ideas(topic=my_topic)

#把結果印出來看看
print(f"--- 關於「{my_topic}」的內容點子 ---")
print(ideas)
點擊執行，你會看到 AI 為「時間管理」這個主題生成的 5 個內容點子。

現在，試著修改 my_topic 這個變數的值，改成任何你感興趣的主題：

my_topic = "如何理財"
#my_topic = "寵物溝通"
#my_topic = "學習 Python"』

每執行一次，你都能得到針對新主題的靈感。你不再需要去修改龐大的 Prompt 模板，只需要修改一個小小的變數即可！

今天，我們成功地將一段「寫死的」腳本，改造成了一個靈活、可重複使用的「AI 小工具」。我們學會了程式設計中最核心的「變數」與「函式」概念，並親身體驗到程式化帶來的巨大便利。

這不僅僅是寫了幾行程式碼，你已經開始具備「產品經理」的思維：思考如何將一個功能，打包成一個可供他人（或未來的自己）輕鬆使用的工具。

明天，我們將挑戰一個更進階、也更酷的程式碼實戰：學習 Gemini 強大的 Function Calling 功能，讓我們的 AI 不再只能「聊天」，而是能真正地與外部世界互動，例如去查詢即時的網路趨勢！