Learn AI in 20 Days? You Don’t Need to Be a Programmer to Start

「20 天學 AI」聽起來有點誇張。

AI 不是一個單一技能。有人用它寫文章、整理資料、做簡報；有人拿它畫圖、剪影片、寫程式；也有人用它處理客服、建立知識庫、串接自動化流程。

既然 AI 這麼大，20 天怎麼可能學完？

答案是：學不完，也不用學完。

這個系列不是要把你變成工程師，不是要你訓練模型、研究演算法，也不是要你背完 ChatGPT、Claude、Gemini、Midjourney、RAG、Agent、API 這些名詞。

我想說…..

你會用通訊軟體嗎?

像是我們每天都在用的 LINE。
現在大多數人接觸到的 AI，其實很像你通訊軟體裡的一位聯絡人。

你打字問它，它通常都會回。
不太會已讀不回。
很愛講話…話多到…多餘句挺多的。
有時候還會忍不住說教，都橡教科書的完美。
更重要的是，它講得再肯定，最後也不會替你負責。

目前大家最常用的，就是這種用文字聊天的 AI。

ChatGPT、Claude、Gemini，大致都在這個位置。

你可以把它當成一個隨時能對話的助手。你丟問題給它，它幫你整理、改寫、翻譯、發想，也可以陪你把一件模糊的事慢慢講清楚。

但 AI 不只有這一種。

有些 AI 比較像一個很會讀文件的人。

你把報告、會議紀錄、研究資料、PDF 或網頁內容交給它，它不一定比你更懂這個產業，卻可以先幫你把資料看過一輪，整理重點、找出脈絡，告訴你哪些地方值得再回去看。

像 NotebookLM，就是比較接近這樣的工具。

它不是單純陪你聊天，而是先以你提供的資料為基礎，再跟你討論。你可以把它想成一個坐在文件堆旁邊的助手。它會先翻你給它的內容，再試著回答你的問題。

有些 AI 則是看圖片的。

你上傳一張截圖、一份掃描文件、一張圖表，或一個看不懂的設定畫面，它可以幫你讀上面的文字、整理內容、說明畫面在做什麼。

還有一些 AI 是拿來畫圖、剪影片、做音樂，或把不同工具串起來，讓原本要重複做的事情可以自動跑下去。

所以，AI 不是一個工具。

它比較像一整排不同專長的聯絡人。

• 有人擅長聊天。
• 有人擅長讀資料。
• 有人能看圖。
• 有人會畫圖。
• 有人能幫你處理一連串重複工作。

你不需要一開始就把每個人都加好友。

先知道自己現在卡在哪裡，再找適合的 AI 幫忙，就夠了。

如果你每天的工作包含寫信、整理文件、做報告、回覆客戶、翻譯內容、想企劃、看資料、處理表格，AI 已經有機會幫上忙。

但在真正開始之前，我們先不要急著問：

• 哪一個 AI 最強？
• 要不要付費？
• 有沒有萬用提示詞？
• 現在學會不會太晚？

先從更簡單的問題開始：

我現在遇到的問題，AI 能不能幫忙？
如果能幫忙，我要怎麼用，才不會越用越亂？

學 AI 已經不是「未來工具」，而是日常工具

很多人想到 AI，腦中還是會出現很遙遠的畫面：工程師、機器人、複雜程式碼，或某種只有科技公司才會碰到的東西。

但其實，AI 已經走進很普通的日常。

你可能已經用它做過這些事：

• 請它把一封 Email 改得更有禮貌。
• 請它整理一長串會議紀錄。
• 請它翻譯英文、日文或其他語言。
• 請它幫你想文章標題、社群貼文或企劃方向。
• 請它把一堆零散想法整理成大綱。
• 請它讀一份文件，先告訴你重點在哪裡。
• 請它解釋一段看不懂的程式碼或技術內容。
• 請它幫你建立待辦清單、旅行規劃或學習計畫。

這些事情不一定需要寫程式。

但也不是把問題丟進去、按下送出，就會自動得到完美答案。

AI 有時候會幫你省下很多時間；有時候也會誤解需求、使用舊資訊、把猜測說得像事實，甚至很有自信地亂講。

所以學 AI 的第一步，不是追最新工具，而是先建立正確期待。

AI 不一定是萬能專家。

它比較像一個反應很快、會整理、會寫、會接話，也很願意幫忙的助手；只是這個助手有時候太急、有時候太有自信，也有可能在不知道答案時，硬湊一個看起來合理的回答。

你需要學的，不只是怎麼叫它做事。

還包括怎麼判斷它有沒有做對。

這個系列不是 AI 課程

網路上的 AI 資訊很多，而且更新很快。

今天有人推薦某個模型，明天可能就有新版本；今天大家在討論某個工具，下個月它可能被整合進另一個平台。工具一直變，功能也一直加。

但大多數人的工作問題沒有變那麼快。

你還是要處理文字、資料、文件、圖片、溝通與重複流程。

所以這個系列不會把重點放在「哪個工具永遠最好」。

而是希望先幫你建立幾個基本觀念：

1. AI 不只一種。
   聊天式 AI、AI 繪圖、文件分析、搜尋工具與自動化工具，解決的是不同問題。
2. 不用一開始就付費。
   先知道自己要解決什麼問題，再判斷免費版是否足夠。
3. 提示詞不是魔法。
   AI 回答好不好，通常和你提供的背景、目標、條件與限制有關。
4. AI 會說錯話。
   回答流暢、有條理，不代表資料正確。
5. 重要資訊要查證。
   特別是數字、日期、法規、產品規格、研究引用、醫療、法律與財務相關內容。

這些聽起來很基本，但它們比「一百個萬用提示詞」更重要。

因為當你有了這些判斷基礎，就算工具換了、模型更新了，你也知道怎麼開始使用，不會每次都從零跟風。

20 天，會學到什麼？

這套內容會從最常見的聊天式 AI 開始，但不會停在「怎麼下 Prompt」而已。

第一週｜先搞懂 AI，不要慌著去找課程

第一週先把基本觀念打穩。你會知道 ChatGPT、Claude、Gemini 這類工具大概差在哪裡；免費版和付費版該怎麼看；為什麼同一句話，AI 每次回答可能不同；還有 AI 為什麼會一本正經地講錯話，以及遇到重要資訊時，最基本要怎麼查證。

20 天學 AI｜Day 1：AI 不只一種：ChatGPT、AI 繪圖和自動化，其實差在哪？

20 天學 AI｜Day 2：ChatGPT、Claude、Gemini 都要付費嗎？先搞懂你真正需要什麼

20 天學 AI｜Day 3：Prompt 不是魔法：為什麼同一句話，AI 給你的答案完全不同？

20 天學 AI｜Day 4：AI 為什麼會一本正經地說錯話？第一次認識 AI 幻覺

20 天學 AI｜Day 5：AI 給你的答案能相信嗎？學會最基本的查證方法

第二週｜AI 能幫你做什麼，也有什麼做不到

第二週會開始回到日常工作。AI 可以幫你寫文字、整理文件、理解圖片、分析表格、做簡報，但每一種工作都有它做得好和做不好的地方。「一鍵完成」通常只是開始，不是最後交出去的版本。

20 天學 AI｜Day 6：AI 真正能幫你做什麼？從文字、摘要到日常工作

20 天學 AI｜Day 7：AI 生圖很好玩，但你真的需要付費嗎？

20 天學 AI｜Day 8：AI 看得懂圖片嗎？多模態 AI 到底能做什麼？

20 天學 AI｜Day 9：不會 Excel 也能用 AI 分析資料嗎？先知道它能做到哪裡

20 天學 AI｜Day 10：AI 做簡報真的比較快嗎？別被「一鍵生成」騙了

第三週｜從問問題，到讓 AI 幫你處理流程

第三週會往流程走。當你不只想問 AI 一次，而是希望它讀你的文件、協助固定工作、串起不同工具，RAG、AI 助理、AI Workflow、自動化這些概念就會慢慢派上用場。這一段也會談到，不會寫程式的人能做到什麼程度。

20 天學 AI｜Day 11：什麼是 RAG？讓 AI 讀你的資料，而不是只會聊天

20 天學 AI｜Day 12：自己的 AI 助理怎麼做？免費工具與付費工具怎麼選？

20 天學 AI｜Day 13：什麼是 AI Workflow？從「問一次」進化到「自動完成」

20 天學 AI｜Day 14：不會寫程式，也可以做 AI 工具嗎？

20 天學 AI｜Day 15：AI 可以替你工作到什麼程度？別把自動化當成魔法

第四週｜成本、風險與真正的能力邊界

最後一週，會回到比較容易被忽略的問題：免費 AI 真的免費嗎？為什麼有人把模型裝在自己的電腦裡跑？AI 的答案該怎麼驗證？以及當工具越來越方便時，我們怎麼保留自己的判斷。

20 天學 AI｜Day 16：免費 AI 真的免費嗎？你付出的可能不是錢

20 天學 AI｜Day 17：什麼是 Local LLM？為什麼有人寧願自己在電腦跑 AI？

20 天學 AI｜Day 18：AI 不會自動把問題變成答案：先學會定義問題

20 天學 AI｜Day 19：AI 說得很漂亮，不代表它是對的：如何驗證 AI 的結果？

20 天學 AI｜Day 20：20 天之後，你真的學會 AI 了嗎？從「會用」走向「會判斷」

20 天當然不可能把 AI 學完，也不需要硬把這個系列拉成 28 天或 30 天。工具會一直更新，新的名詞也會一直冒出來，但先把這一輪走完，你至少會有一張自己的 AI 分類地圖。

之後看到新的工具，你不需要先問它是不是最強，而是能先判斷：它是拿來聊天、做圖、讀文件、分析資料，還是處理流程？它能不能解決我現在的問題？我需要付費嗎？我能不能相信它給的結果？

你需要的不是一堆工具帳號，而是判斷能力。但你會更清楚….哪些事可以讓 AI 幫忙、哪些地方不能直接相信，以及了解一堆AI工具和名詞。

這個系列，從你現在的工作開始

你不需要先決定自己要不要成為「AI 人」，也不需要一口氣下載十個 App、訂閱三個服務，或強迫自己每天追最新消息。

只要做你本來就在做的事開始。

以後要整理會議內容時，請 AI 幫你先分類重點；下次要寄一封重要信件時，請它提供不同語氣的版本；下次看到一段難懂的資料時，請它先用白話解釋。

然後，不要只看它回得快不快。

也觀察看看：

• 它有沒有真的理解你的需求？
• 它有沒有漏掉重要條件？
• 它是不是把猜測講得太肯定？
• 它幫你省下了什麼時間？
• 它又讓你多花了什麼時間？

AI 最好的位置，不是在你前面替你做所有決定，而是在你旁邊，幫你把工作裡那些重複、混亂、耗時的部分，先處理掉一輪。

你還是要思考、判斷、確認，也還是要為最後的結果負責。