🧠 AI 101 自動化筆記：🦾 自動化基礎篇

什麼是自動化？

• 自動化（Automation）：原本需要人手操作的流程或任務，透過工具和技術自動完成。
• 歷史淵源可追溯至工業革命時期的機械化生產，再進化到資訊科技驅動的流程自動化。
• 常見例子：客服回覆、文件摘要、自動郵件發送、商品上下架與庫存同步
• RPA（Robotic Process Automation）：偏重電腦介面操作自動化，著重處理重複任務（如財務報表、自動填表）

大眾常用自動化工具，為什麼偏好 Make？

• 工具：Make（原 Integromat）、Zapier、n8n
• Make 優勢：介面視覺化美觀、支援 API 多、錯誤追蹤清晰、模組豐富 新手適用
• 相比 Zapier 限制多、n8n 需自架環境，Make 在使用門檻與穩定性間取得良好平衡

🤖 GenAI 基礎篇

什麼是 GenAI？

• 多數基於大型語言模型（LLM）如 GPT、Grok、Claude、Gemini 等。
• 通過深度學習訓練，模仿大量人類語言或媒體資料，產生「類似人創作」的內容。

GenAI 可應用於：

• 生成社交媒體貼文、自動回覆訊息
• 撰寫合約、摘要文件、設計簡報等
• 文字轉圖片（如 Midjourney、DALL·E）
• 聲音仿真（如 ElevenLabs、Minimax）
• Vibe Coding（如 Poe、Canva、Lovable、Bolt）

常見誤解包括？

• 常見誤解：
  • 誤以為 LLM 可以即時上網搜尋資料 （實際上大多數模型是離線運作，除非整合特定插件）
  • 誤以為 AI 永遠正確 （AI 是根據訓練資料生成內容，並非真理的來源）
  • 誤以為 AI 懂得人類的情感與語境 （其實只是語言模式預測）
• 除非結合 Agent 系統或工具（如 Browser use、LangChain、OpenAI 的 Web 插件），否則模型無法真正讀取網頁內容

⚙️ AI 自動化 vs. AI Agent 差異

AI 自動化和 AI Agent 的分別？

• AI 自動化：AI 與工具結合，完成重複性任務（如排程出 Post）
• AI Agent：具有一定程度的自主性與目標導向行為，可根據情境判斷執行步驟

AI 自動化和 AI Agent 和 MCP 關系：

🎨 自動化流程設計篇

自動化流程設計要點？

1. 先設計多個流程藍圖（思考各環節動作與邏輯）
2. 確保每個步驟在現時技術層面可行（確認工具支援度、API 限制、頻率與權限）
3. 了解 API 運作與串接方式，掌握：
   • 觸發條件（如：表單送出、時間排程、Webhook）
   • 資料傳遞格式（如 JSON）
   • 錯誤處理與流程中斷補救邏輯
   • 權限管理與 API 額度控管

什麼是 API？

• 透過 API，一個應用程式可以要求另一個系統提供資料或執行操作。
• 每次 API 呼叫都會包含請求方式（如 GET、POST）、傳遞資料格式（如 JSON）、授權資訊（如 API Key）等元素。
• API 是實現自動化流程中不同工具「合作」的橋樑核心。
• 管理 API Key：注意免費/付費額度、用量限制

什麼情況下應使用 AI 自動出 Post？

• 內容需要規律、高頻率產出（如每日資訊貼文）[必需標記 AI 生成內容]
• 行銷活動或品牌需要長期穩定發佈內容
• 營運多平台（IG、LinkedIn、官網）時，需統一管理內容
• 想節省人力成本，提高營運效率
• 想測試不同內容策略，進行 A/B 測試與優化
• 專注在內容策略與創意，而非技術執行層面
• 或者以半自動方式先利用 AI 生成內地，進行審核再發佈。

📣 注意重點

• 自動化在很早以前已經出現，加上 AI 展變成 AI Workflow 或 AI Agent。
• 概念：自動化不一定包含 AI。
• 要設計 AI 自動化，必須先理理 AI，自動化各能做什麼，不能做什麼。
• 在塔建 AI 自動化，需了解 API 及 JSON 運作。
• 比喻：API 是實現系統互通的標準橋樑，API Key 是授權的身份識別工具。
• 要在自動加上加上 AI，需要 AI 的 API，可以選用 AI 平台或如「AI 百老匯」的平台如 OpenRouter，LLMlite，HuggingFace 等。
• 過程必須有試錯皆段：由測試 → 設定 → 排程，打造完整自動化工作流。
• 課程必須要有實踐過程。要讓新手有信心經歷搭建的過程，讓他們有所得著。