AI，攤開來說

六月十九日，週五晚上。地點是安鼎工程公司的會議室——同學情義相挺借出來當共學場地。沒有餐廳的擺盤、沒有白酒，只有投影機、白板、外送、跟一群帶著筆電來的同學。

這是 E118「共學」系列的第三場。主講人是 Jerry（黃政傑），浤康國際的負責人，同時也經營豐科工業（出口）跟丞漢（航運／設備代理）三家公司。Dan 在策展時跟 Jerry 說的很白：「你不講，同學會一直以為 AI 還在實驗階段。」

Jerry 一上場就把整晚的分享定位講清楚：這不是教大家寫 prompt，也不是推銷哪一家 AI。是把自己過去一年多『真的有省到時間、真的有產出結果』的那條路攤開來——選什麼平台、用哪幾家 AI、底層觀念要懂哪幾個、工具堆疊長什麼樣子，最後怎麼把它串成日常工作流。

Jerry 開場的第一張投影片很簡單：平台選擇。Windows vs Mac 跑 AI 到底差在哪？他直接給結論——差異不在 AI 本身，而在系統整合的順暢度與本地算力。Mac 的 unified memory 在跑本地 LLM（如 mlx-whisper、Rapid-MLX）時有甜蜜點；Windows 的優勢則在 NVIDIA GPU 生態與企業整合。對中小企業老闆來說，先決定要不要碰本地模型，再回頭挑作業系統。

第二張投影片把市場主流講完：ChatGPT × Claude × Gemini。Jerry 的態度很明確——「最佳做法是『三者分工』，而非二選一互相取代」。ChatGPT 強在多模態與大眾化、Claude 強在程式碼與長文推理、Gemini 強在 Google 生態與超長 context。每家都有甜蜜點，重點是學會把任務丟到對的那家去。

第三張投影片才是這一夜的關鍵——底層概念。LLM 是什麼、Token 怎麼算、Prompt 為什麼這樣寫、MCP 跟 Agent 又是什麼。Jerry 用兩句話帶大家入門：「LLM 是把文字接龍訓練到很厲害的程度」「Token 是它的計費單位也是它的記憶單位」。再來才是 MCP（讓 AI 連到你的檔案／系統）跟 Agent（會自己排計畫、自己跑工具）。

第二段 Jerry 把「工具堆疊」攤出來。他不是給一張軟體清單，是給一個分層的思考架構——五層級推薦：核心 AI → 知識管理 → 簡報製作 → 影片生產 → 自動化。

核心 AI 是入口（三家輪流用）；知識管理是讓你產出的內容存得住、找得到（Obsidian / Notion）；簡報是怎麼把 AI 整理好的東西交付出去；影片是內容形式的延伸；自動化是把重複的勞動扔給機器（Skill、MCP、scheduled task）。層越往下，槓桿越大，學習曲線也越陡。

接著 Jerry 講到 PWA（Progressive Web App）。對非工程背景的同學來說，這是 AI 給中小企業老闆最直接的禮物——不用上架 App Store、不用付平台費、寫一次跨平台都能跑、離線也能用。Jerry 自己這一年做了好幾個 PWA：班級訂單系統、到貨記錄系統、報價計算機⋯⋯都是這條路徑。對需要「給一線員工的內部工具」的老闆，這是最低成本的方案。

最後一段是提示詞（Prompt）的設計觀。Jerry 拿同一段內容跑了「吉卜力風格」vs「海賊王風格」的視覺對比給同學看，畫面差異震撼。他下的結論是：「提示詞中的『風格關鍵字』是最便宜的設計槓桿」——你不用換軟體、不用學設計、只要加幾個字，輸出就改頭換面。

分享的最後 Jerry 講了一段同學最有共鳴的：「我不是工程師，我是被三家公司逼到要學 AI 的老闆。」三家公司、有限的時間、各種雜事都要他點頭，他唯一的選擇就是把能自動化的全部丟給 AI，自己留下決策跟對外關係。

提問時段同學特別熱烈：Notion 跟 Obsidian 怎麼選？要不要付費版？API key 怎麼管？資料外洩風險怎麼控？Jerry 一題一題回——這也是 EMBA 共學跟外部講座最不一樣的地方：問的人都是老闆，問的都是真實場景的細節。

這個系列能存在，要謝謝佳展（Dan）的提案、邀請與每場的策展執行。也謝謝 Jerry 願意把自己一年多累積的方法整理成同學可以拿走的版本——不是炫技、是給工具。