TL;DR

• 學習如何將 NotebookLM 的「分析成果」，無縫整合進 Gemini 的「開發指令」中。
• 體驗 AI 團隊的進階工作流：NotebookLM 負責「分析邏輯」，Gemini 負責「執行開發」。
• 使用 Prompt 一鍵生成我們的終極專案—衍生性商品風險模擬器。

經過前面兩天縝密的規劃與研究，今天就是我們終極專案最關鍵的執行日！我們直接把 Day 25 的「畫面藍圖」與 Day 26 的「產品邏輯說明書」整合成一份終極指令，交給 Gemini 來完成開發，親眼見證我們課程的集大成之作誕生。

進階工作流：分析先行，開發在後

這個「先分析、再開發」的流程，正是我們與 AI 協作的最高境界。它能確保：

• 指令的精準性：我們給 Gemini 的不再是模糊的需求，而是經過 NotebookLM 驗證、條理分明的產品邏輯。
• 開發的高效性：由於需求極度清晰，Gemini 一次就成功的機率將大幅提升，極大地減少了我們來回修正的時間。

【今日實戰】：整合指令並生成你的終極工具

就讓我們來實際執行這個工作流吧！

第一步：了解我們的終極 Prompt 結構

今天的 Prompt 將會是我們課程中最長、也最完整的一份。它將完美地結合我們前兩天的所有心血。我們將 Prompt 分為兩個核心部分，這能幫助 AI 更好地理解我們的需求：

• 第一部分「畫面藍圖」：告訴 AI 這個工具「看起來應該長什麼樣子」（UI/UX）。
• 第二部分「產品運作邏輯」：告訴 AI 這個工具「內部應該如何運作」（Logic）。

底下我們先提供一個結構範本，讓可以看出一個好的 Prompt 是如何組成的：

你是一位頂尖的前端網頁開發工程師，專長打造互動式的金融模擬工具網頁。

請根據我以下提供的「畫面藍圖」與「產品運作邏輯」，為我打造一個專業、直觀且功能完整的「衍生性商品風險模擬器」。

---

### 第一部分：畫面藍圖

[ 在這裡，貼上在 Day 25 所規劃的藍圖內容，包含「情境選擇」、「參數輸入」與「結果呈現」的所有細節。]

---

### 第二部分：產品運作邏輯

[ 在這裡，貼上在 Day 26，請 NotebookLM 根據產品說明書所提煉出的、那份完全白話文、條列式的「最終損益計算規則」。]

第二步：【可以直接複製使用的完整範例】

在這邊已經為準備一份可以直接複製、貼上，並執行的完整 Prompt，讓大家可以直接使用。它模擬了我們前兩天的規劃成果，並且增加更多的「結構型商品」，新增了 FCN（股權連結型商品）與 DCI（雙元貨幣）的邏輯。

你是一位頂尖的前端網頁開發工程師，專長打造互動式的金融模擬工具網頁。

請根據我以下提供的「畫面藍圖」與「產品運作邏輯」，為我打造一個專業、直觀且功能完整的「衍生性商品風險模擬器」。

---

### 第一部分：畫面藍圖

# 頁面佈局
* 情境選擇區：在頁面最上方，讓使用者選擇投資情境。
* 參數輸入區：讓使用者輸入所有模擬需要的參數。
* 結果呈現區：用圖表和數字清晰地展示模擬結果。

# 功能需求
* 情境選擇：提供四個選項按鈕：「保本參與型 (PGN)」、「高收益增益型 (ELN)」、「固定配息型 (FCN)」、「雙元貨幣型 (DCI)」。
* 核心參數：
    * 初始投資金額
    * 連結標的股價
    * (PGN 適用) 期初價格
    * (ELN/FCN/DCI 適用) 履約價格
    * (PGN 適用) 參與率 (%)
    * (PGN 適用) 收益上限 (Capped Return, %)
    * (ELN/FCN/DCI 適用) 票面利率 (%)
    * (FCN/DCI 適用) 下檔保護價格 (Knock-In Barrier)
    * 產品天期 (年)
* 互動核心：
    * 一個可以左右拖曳的「到期時股價預測」滑桿，滑桿範圍為 0 到 5000。旁邊需要附加一個數字輸入框，兩者可以雙向連動（拉動滑桿時數字改變，輸入數字時滑桿移動到對應位置）。
* 結果呈現：
    * 最終損益金額
    * 最終年化報酬率 (%)
    * 一個能即時更新的動態損益圖表 (Payoff Diagram)。
    * 圖表的 Y 軸範圍應根據「結構型商品」本身的最大獲利與最大虧損來動態設定，以確保產品的損益曲線清晰可見。允許「單純買進並持有股票」的損益線在必要時超出圖表範圍而被裁切。
    * 在圖表上，用另一條不同顏色的虛線，畫出「如果當初只是單純買進並持有股票」的損益線，以供比較。

---

### 第二部分：產品運作邏輯

# 保本參與型 (PGN) 的計算規則
如果使用者選擇「保本參與型 (PGN)」，請依循以下邏輯：
1. 如果到期時股價 <= 期初價格，最終獲利為 0。(本金100%保障)
2. 如果到期時股價 > 期初價格，則：
   a. 計算標的漲幅率 = (到期時股價 - 期初價格) / 期初價格。
   b. 計算參與後報酬率 = 標的漲幅率 * (參與率 / 100)。
   c. 將參與後報酬率與收益上限進行比較，取兩者中的較小值，作為最終適用報酬率。最終適用報酬率 = min(參與後報酬率, 收益上限 / 100)。
   d. 最終獲利 = 初始投資金額 * 最終適用報酬率。

# 高收益增益型 (ELN) 的計算規則
如果使用者選擇「高收益增益型 (ELN)」，請依循以下邏輯：
1. 如果到期時股價 >= 履約價格：最終獲利 = 初始投資金額 * (票面利率 / 100)。使用者拿回本金加票息。
2. 如果到期時股價 < 履約價格：使用者會被迫用「履約價格」買入股票，但同時也能收到票息。因此，淨損益 = (初始投資金額 * (票面利率 / 100)) + [(到期時股價 - 履約價格) * (初始投資金額 / 履約價格)]。

# 固定配息型 (FCN) 的計算規則
（註：真實世界的 FCN 通常連結一籃子股票，並在期間內持續觀察是否觸及下檔保護價。為簡化模擬，我們此處以單一連結標的在「到期日」的價格作為判斷依據。）
如果使用者選擇「固定配息型 (FCN)」，請依循以下邏輯：
1. 如果到期時股價 >= 下檔保護價格：最終獲利 = 初始投資金額 * (票面利率 / 100)。使用者拿回本金加票息。
2. 如果到期時股價 < 下檔保護價格：使用者會被迫用「履約價格」買入股票，但仍能收到票息。邏輯同 ELN 的情況 2。

# 雙元貨幣型 (DCI) 的計算規則
如果使用者選擇「雙元貨幣型 (DCI)」，由於這是股價模擬器，我們模擬其核心的「二元結果」概念：
1. 如果到期時股價 >= 履約價格：最終獲利 = 初始投資金額 * (票面利率 / 100)。使用者拿回本金加票息（相當於收到強勢貨幣）。
2. 如果到期時股價 < 履約價格：使用者會被迫用「履約價格」買入股票，但仍能收到票息（相當於收到弱勢貨幣計價的資產）。邏輯同 ELN 的情況 2。

第三步：執行生成指令

將 Prompt 貼進輸入框，點選【Canvas】後送出。

請注意：由於這次的指令非常複雜，Gemini 需要比之前更長的時間來處理，這正是 AI 在進行深度思考與編碼的過程。

第四步：初步驗收與體驗

Gemini 完成後，就讓我們來對這個強大且複雜的「金融沙盒」，進行一套健康檢查：

1. 測試情境選擇：點擊四個不同的產品選項，看看下方的參數輸入區是否會跟著變化。
2. 測試互動核心：左右拖曳「到期時股價預測」的滑桿，觀察結果呈現區的「動態損益圖」和關鍵數字，是否會跟著即時更新。
3. 測試策略比較：確認圖表上是否同時顯示了「結構型商品策略」與「單純持有股票」這兩條損益曲線，讓我們能清楚地進行比較。
4. 測試特定值 (PGN)：
   • 選擇 PGN，輸入：初始金額 100萬, 期初價格 1000, 參與率 80%, 收益上限 10%。
   • 驗證：將「到期時股價」設為 1200。預期獲利應為 100萬 * min(((1200-1000)/1000) * 80%, 10%) = 100萬 * min(16%, 10%) = 10萬元。看看結果是否相符。
5. 測試極端值 (ELN)：
   • 選擇 ELN，輸入：初始金額 100萬, 履約價 1000, 票面利率 15%。
   • 驗證：將「到期時股價」設為 900。預期淨損益應為 (100萬 * 15%) + [(900-1000) * (100萬/1000)] = 15萬 - 10萬 = 5萬元。看看結果是否相符。
6. 請 AI 自我解釋：
   • 如果對任何計算感到困惑，隨時可以複製程式碼，並對 Gemini 下達我們在 Day 8 學到的指令：

你是一位金融專家，請用白話文解釋這段程式碼中，關於「固定配息型 (FCN)」的計算邏輯。

第五步：根據驗證結果進行微調

在驗證後，我們可能會發現一些希望優化的地方。這正是我們與 AI 進行迭代開發的開始。

【微調範例】

假設我們發現，雖然 Y 軸已經聚焦，但圖表的線條顏色不夠突出。

【優化指令】

做得很好！請幫我做以下兩項視覺調整：
1. 將結果呈現區的說明文字縮短到 100 字以內，語氣更簡潔。
2. 在損益圖表中，請將『結構型商品策略』的線條顏色改成醒目的橘色，並將線條加粗，讓它成為視覺焦點。

〈修改後的畫面〉

本日總結：AI 團隊的協同作戰

恭喜我們！今天我們又成功地完成了一次高難度的 AI 協同作業，打造出了一個足以代表我們最高專業水準的溝通工具。

我們不僅學會了如何使用單一的 AI 工具，更重要的是，我們掌握了如何讓不同的 AI 工具各司其職、協同作戰，發揮出一加一大於二的團隊力量。我們的 AI 助理團隊已經成形，並且具備了應對任何複雜挑戰的能力！