發佈日期：2026-05-16

程久力

環境與生態學院

綠色能源科技學系

一、專業實務

        這次競賽讓我真正搞懂了 NotebookLM 的 Source-grounding 功能，簡單來說，就是 AI 只會從你丟進去的文件裡找答案，不會自己亂掰，這對做學術整理來說非常實用!我把聯合國報告、台灣永續指標和各國城市政策案例全部丟進去之後，開始試著用不同方式下指令，這個過程讓我發現一件事：你怎麼問，決定你得到什麼；例如問「SDG 11 是什麼」只會得到一堆廢話，改問「從減災韌性的角度，找出亞洲城市怎麼做海綿城市」，答案就完全不一樣，我想AI 不是幫你想事情的，它是幫你加速的，你自己得先想清楚要問什麼；另外做海報的時候也學到一個觀念，配色不只是好不好看的問題，當我設定赤陶色標警訊數據、鼠尾草綠代表環境指標，是因為想讓人一眼就知道這個數字代表什麼意思，不用特別看說明，設計本來就是一種溝通，這是我以前做報告時沒想過的事。

二、增能突破

        一開始面對 SDG 11 那堆資料，我完全不知道從哪裡下手，一直在找資料，卻始終沒有方向，後來轉換了一個想法：不要問自己還缺什麼，先想清楚最後希望看的人記住什麼，這樣一想，要用哪些資料、怎麼安排架構，就清楚多了，這個「從結果往回想」的方式，是這次對我幫助最大的思考習慣；而AI 處理台灣本地政策的時候很明顯力不從心，我問 TPASS 月票對 SDG 11 有什麼貢獻，它只說「補貼大眾運輸有助減碳」，完全沒提到台灣跨縣市整合的意義，這個部分還是得自己補，正因為這樣，我慢慢知道哪些事情可以交給 AI、哪些事情得自己來，不是全信，也不是完全不信，因此腳本改了超過十個版本，每次都覺得哪裡怪怪的，但說不出來問題在哪，後來才發現，不是 AI 的問題，是我自己還沒想清楚想說什麼，把核心想法理清楚之後，腳本反而很快就順了，遇到卡關不要急著一直改，先停下來想清楚，通常比較有用!

三、培力價值

        有了獎助金，我就不用一直在算「這件事到底值不值得花這麼多時間」，這讓我可以認真把三份東西都做完——海報、教學腳本、提示詞說明——而不是隨便交差了事，這三份東西做完之後彼此有在呼應，整體感覺比較完整，我自己也覺得學到比較多；而在內心上，這筆錢也讓我比較有底氣繼續做下去，做到一半難免會懷疑自己做的東西有沒有意義，但知道有人願意支持這件事，就會想把它做好，這次學到的東西，不管是怎麼問 AI、怎麼整理資料、怎麼在用工具的同時保持自己的判斷，之後都還會用到，這才是這次參賽最值得的地方。