在前兩天，我們完成了鐵人賽專案的開賽宣言、專案環境建置，以及最核心的 LLM API 串接與結構化輸出（JSON Mode）。
此時，我們的 AI 已經具備了「思考與輸出固定格式」的大腦。

今天的核心任務，就是為 AI 打造專屬的「感官與輸入端（Input Layer）」，讓它能夠自動、規律地讀取我們想處理的雜亂資訊。

一、 為什麼 AI Agent 需要專門的「輸入端」？
在自動化工作流的架構中，資料的流向通常遵循 Input（輸入） Processing（處理/AI 判斷） Output（輸出） 的模式。
痛點：平時我們的筆記、待辦事項、Email 或各種靈感總是散落各處、雜亂無章。
解法：如果每次都要人工把文字複製貼上給 AI，就失去了自動化的意義。因此，我們必須在專案中建立一個穩定抓取資料的入口。

二、 第三天實重於以下三個實作面向：
1.定義資訊來源（Information Source）：釐清自己每天最想讓 AI 幫忙整理的痛點是什麼。它可以是一份本地的 Markdown 筆記、每天累積的雜亂備忘錄（如 notes.txt），或是未來的 RSS 訂閱源與郵件信箱。
2.編寫檔案讀取程式（File I/O）：利用 Python 的基礎內建功能，寫一段簡短的腳本去安全地讀取本地檔案內容，將這些未經整理的「生資料（Raw Data）」抓進程式的記憶體中。
3.串接 AI 大腦進行自動化消化：把讀取到的檔案內容無縫傳遞給我們在昨天做好的結構化分類器。讓 AI 在背景自動判斷這段文字的屬性，並產出一句精準的摘要。