先說我為什麼會開始用 AI

不是因為它很紅，也不是因為我想學新技術。

是因為做不完。

我在一所大學工作，職稱是一個，但實際上手邊同時有四類性質完全不同的工作：

一、維護和開發一套 RAG 系統。 就是那種你問它「請假要找誰」、它會去翻學校規章然後回答你的問答機器人。這是要寫程式的，而且要一直維護——規章會改、資料會舊、使用者會問出你沒想過的問題。

二、一般的行政事務。 公告要發、來文要轉知、活動要辦、名單要抽籤、值班要排、會議紀錄要生出來。

三、單位的資訊窗口。 資安、稽核這類工作，有期程、有查核、不能拖。

四、我們單位的 AI 推動業務。 官網、資源整理、競賽、對外的各種要求。

這四種工作會互相打架

如果只是「事情多」，那加班就好了。真正的問題是這四種工作要的東西互相衝突。

開發 RAG 系統需要整段不被打斷的時間。程式寫到一半被叫走，回來要重新把整個脈絡撿回來，那個成本很高。

但行政事務和資訊窗口的本質就是隨時被打斷。電話會響、公文會來、有人會站在你桌子旁邊問事情。

稽核有期程壓力，時間到就是要交，不管你那天在忙什麼。

AI 推動這塊是對外的門面，網站掛在那裡，內容錯了是整個單位的事。

所以我的一天不是「先做完 A 再做 B」，而是四條線同時開著，每條都在跑。

差別在「做完了」和「我敢用」之間

在這種狀態下，我對 AI 工具的期待跟很多人不太一樣。

我不需要它寫出驚人的東西。我需要它幫我把某一段工作真的拿走。

這兩件事的差別在哪？舉個例子：

如果我請它整理一批資料，它花三分鐘做完，但我要花二十分鐘確認它有沒有做錯——那我的工時沒有減少，只是換了個形式。而且我還多了一種新的風險：它做錯的地方我沒檢查出來。

所以我看一個工具，看的不是它會不會做，是我能不能查。

所以這個系列從頭到尾都在處理同一個問題：怎麼把工作交出去，而且交得出去、收得回來。

我實際在用的工具

盤點一下目前固定在跑的：

兩個名詞先解釋一下。CLI 是「在一個純文字視窗裡打指令叫電腦做事」的介面，沒有按鈕也沒有選單——聽起來很原始，但它的好處是做過的每一步都留下文字紀錄，可以照著再跑一次。Firebase 是 Google 的一套現成後端服務，資料存在它那裡、多台裝置即時同步，我不用自己準備一台伺服器。

為什麼是這幾樣、為什麼不是別的，Day 3 會講。這裡先說一件事：這些工具沒有一個需要我自己架伺服器，也幾乎都不用另外編預算。 對行政單位來說，這兩件事比功能強不強更決定性。

這三十天要寫什麼

我會照實記錄這些工作是怎麼做的：

• 用 Gemini 做文書和判斷型的工作——法規怎麼草擬、四百多門課怎麼篩出「跟 AI 相關」的那些、公告怎麼從一份來文變成一則網頁
• 做出實際上線的東西——官網、報到系統、抽籤系統，以及上線之後才開始的那些麻煩
• 把工作委派出去，然後驗證——這段會有不少失敗紀錄，包括 AI 兩次跟我說「完美」、兩次都有錯
• 哪些事情不能交出去——個資、對外發布、不可逆的操作

我盡量寫我真的做過的事，數字都是實際跑出來的。做不到的就說做不到，這比寫一篇成功案例有用。

明天

Day 2：我的工作裡，到底有哪些是「電腦該做但我在做」的事。

先把問題盤清楚，才知道哪些可以交出去。