九個常聽卻講不清的概念
半小時講明白

第一層 · LLM

ChatGPT、Claude 背後那顆腦，其實在玩文字接龍

你給它幾個字，它就猜下一個最可能的字，接上去，再猜下一個。如此而已。

接上去、再猜下一個。一個字一個字，就這樣吐出一整句。它不是魔法，是個會接龍的工具。看懂這件事，你就不會神化它，也不會怕它。

接龍拆解

「小明長的真帥」它是這樣一個字一個字吐的

每一步都重複同一件事：看現有的字，猜下一個。沒有更多秘密。

第二層 · Token

AI 不是一個字一個字讀，它把文字切成一塊一塊的 Token

中間有個翻譯官叫 Tokenizer，把你的文字切塊、轉成數字餵給 AI。那一塊一塊的單位，就叫 Token。

Tokenizer：文字 ⇄ 數字來回轉

一句話被切開的樣子

工作坊報名開始 → 5 個 Token

程式設計師 → 3 個 Token

---

Token 是 AI 的計價單位，也是它「能看多少」的衡量單位。

翻譯官的工作

AI 其實不認識文字，它只認數字

你只看到頭尾的文字，中間全是數字的世界。注意看：6 個字卻切成 7 塊。所以 token 不一定等於字。

重要陷阱

一個字，不一定是一個 Token

火山矽肺症（世上最長的英文單字之一）　45 個字母 → 15 個 Token

平均換算：1 個 Token ≈ 0.75 個英文字 ≈ 1.5～2 個中文字。API 按 Token 收費，叫 AI 讀一整份大手冊很貴。

第三層 · Context

AI 沒有真記憶，它靠一張桌子

stateless：每次請求都重置回空白

它不是在「學」模型是無狀態（stateless）。每一次請求都重置回同一個空白，把整段對話從頭重讀一次。

「記得」是錯覺它像記得前文，是因為程式每次都把對話歷史重新餵進去。沒餵的，它一個字都不知道。

---

這整包每次重新攤開給它看的東西，就叫 Context（上下文）。像一張桌子，沒攤上去的，它看不到。

Context Window

桌子有上限。攤越多越貴越慢

Context 容量比例示意

記住這張桌子。等一下動手做 skill 的時候，你會看到一個聰明的設計，專門省這張桌子。

第四層 · Prompt

Prompt，就是你給 AI 的指令

沒那麼玄。你在對話框裡打的那一句話，就是一個 Prompt。

Prompt 是你唯一能控制的輸入。講得清楚，AI 就能做出你要的東西。

兩種 Prompt

你看得見的，和藏在背後的

同一句話，配不同的 System Prompt，回答天差地遠。你今天要做的 Skill，本質上就是一份預先寫好、能隨時套上的 System Prompt 加操作步驟。

Prompt Engineering

不是在背技巧。是想清楚你要什麼

把這 5 件事先想清楚，AI 就不用猜

想清楚你要什麼，永遠比背技巧更重要。等一下做 Skill，description 寫得好不好，就是這門功夫的應用。

第五層 · Tool · 先講痛點

AI 碰不到真實世界

問它「今天台北天氣怎樣」，它只會說「抱歉我查不到即時資訊」。它沒有手、沒有眼睛。

這不是 AI 不夠聰明，是它天生的設計限制。打破這道牆，才是下一頁要講的事。

Tool 的本質

大模型只能說「我要呼叫」，真正動手的是平台

給它工具，它也不自己動手。它只「說」我要用這個工具，真正去敲的是背後的平台。

記住這一刀：大模型只負責「說要呼叫」，平台才是真正去敲、把結果拿回來的那一個。Tool 就是 AI 伸出去的手。今天階梯 6 用 serper 查 Google、階梯 8 用瀏覽器抓競品，那些都是 Tool。

第六層 · API · 別怕這個詞

API 就是得來速的點餐窗口

你不用進廚房，照菜單說「我要一號餐」，窗口就把餐遞出來。這就是 API。

你的程式開車來點餐，資料從窗口遞出

你需要記住的三件事

照規矩點餐每個 API 有自己的菜單（文件）。照文件格式傳參數，廚房才看得懂。

不用懂廚房廚房怎麼煮是別人的事。你只管點餐、拿餐，不用知道後端怎麼實作。

要先領資格卡大多數 API 要先申請一把 API Key。沒有卡，窗口不理你。

敲窗口的背後

「敲窗口」其實是發一個 HTTP 請求

HTTP 是電腦之間的「對話規則」。你的程式跟網站要交換資料，就靠它一來一回，像一個幫你跑腿的快遞員。

你打開瀏覽器輸入 google.com，背後就是瀏覽器發了一個 HTTP 請求、Google 回一個回應。你每天都在做，只是沒看到。

你想做什麼

發請求時，先講你想做什麼

每個請求都要指定一個「方法」，告訴對方你要對資料做什麼。天天會碰到的就這四個。

八成情況只會碰到 GET 跟 POST。小測驗：想查最新天氣該用哪個？GET，因為你只是要「取得」資料。

一個請求長怎樣

一張請求單，三個欄位

把一個 HTTP 請求想成包裹上的快遞單，拆開就這三部分。

簡單查詢，網址＋參數就夠；要傳大量或機密資料，放進 Body。差別下一頁細說。

放網址上，還是放裡面

參數 還是 Body？

一句話分：查詢、簡單 → 用參數；大量、機密 → 用 Body。

對方怎麼回你

每個回應，都帶一個 狀態碼

三位數字，一眼看出成功還是失敗、為什麼失敗。

查天氣網址拼錯 → 拿到 404。記個大方向：4 開頭通常是你寫錯，5 開頭是對方伺服器的問題。

API 無所不在

你用過的每個 App，背後都在叫 API

你沒寫一行程式，但每天已經在「用」一堆 API，只是沒看到那面窗口。

位置、付款、登入、驗證碼、推薦商品… 幾乎每一步，都是在跟別人的系統「叫 API」。

親手敲一個真 API

打開瀏覽器，現在就敲一個

不用寫程式。在網址列貼這個，你就發出了一個真的 HTTP 請求。

你剛剛做的，就是 AI 在做的事：發一個請求、拿回一包 JSON、再用裡面的資料。差別只是它一秒能做幾百次。

連到今天

三個窗口，今天都會親手敲

API Key 就是「點餐資格卡」。申請到卡，窗口才理你。這就是我們課堂上會帶你申請的原因。

你的 Skill 就是那台開進得來速的車。它知道對哪個窗口說什麼，把資料拿回來給大模型用。

看一個真的

問一句，AI 自己去敲窗口

這段「寫請求去敲窗口」的小腳本，AI 自己會寫。階梯 1 你就會親手玩到，不用先會寫程式。

第七層 · MCP · 痛點

同一個工具，要寫三遍

工具要能被 AI 使用，得先「接入」平台。問題來了：每個平台各有一套規範。

接 ChatGPT 一套、接 Claude 又一套、接 Gemini 再一套。工程師寫到崩潰。這就是 MCP 出現之前的接入規範地獄。

MCP 是什麼

寫一次，所有 AI 都能用

MCP 全名 Model Context Protocol（模型上下文協定）。名字很學術，你把它記成「工具接入的統一規範」就好。一條線取代三條線。

換個角度看 MCP

API 要你照它的規格，MCP 把工具端上桌

同樣是讓 AI 用工具，差別在「誰要先懂規格」。

差別就在誰要先懂規格：API 是你去配合它，MCP 是工具自己告訴 AI「我有哪些、怎麼用」。

一個比喻

MCP 就是工具接入的 Type-C

左：每服務一條專用線　·　右：一條 Type-C 通吃

技術上：一套插孔規範

MCP 是一套插孔規範（protocol）。任何 AI client 用同一種講法，對接任何工具 server。

M × N → M ＋ N

每邊只接 MCP 一次，不必兩兩相乘。

---

MCP ＝ 廚房，給你存取權，解決「連得上什麼」；Skill ＝ 食譜，解決「連上之後怎麼把事做對」。

記成「工具接入的 Type-C」就好。能連到廚房不等於做得出好菜，菜好不好靠食譜。所以今天重點在教你寫 Skill。

兩種用法對照

它會自己跑，不用你盯

同一顆 LLM，差別在「誰負責規劃跟動手」。看左右就懂。

今天用的 Claude Code、codex 就是這種 Agent。你只下意圖，它自己規劃、執行、修正，把事跑完帶回來給你。

第九層 · Skill · 主角登場

Skill：提前寫好塞給 Agent 的說明書

Agent 很強，但它不知道你的私人規則。每次重打很煩。Skill 解這個問題。

超能力光碟。平常收著不佔位置，要用才插上去。一份 Markdown 檔，就是你給 Agent 的完整說明書。