面對琳瑯滿目、更新飛快的 AI 工具，老師們該從哪裡開始？又要如何確保 AI 交出的成果真正可靠？2026 年 10 月 28 日，真理大學觀光事業學系邀請正修科技大學土木與空間資訊系吳漢倫助理教授，以「AI 工具應用與實務分享」為題，從教學、研究與日常工作的實際案例出發，與系上教師分享 AI 協作的方法。吳博士取得成功大學水利及海洋工程博士學位，曾任成大博士後研究員，專長為海洋與海岸工程及 AI 智慧應用。他坦言自己不算 AI 領域最頂尖的人，但這幾年確實把 AI 實實在在地用進了每一項工作。

演講首先釐清幾個常被混淆的概念。吳博士指出，人工智慧是總稱，機器學習是從資料中學習規律，深度學習則以多層神經網路處理特徵，三者是層層包含的關係；生成式 AI 並不是第四個獨立分支，而是從「產生內容」的任務角度來看，現今的生成式模型多以深度學習為基礎。他也提醒，GPT、Claude、Gemini 是模型家族，ChatGPT 等則是使用產品，Codex、Claude Code 這類工具更能讀取檔案、呼叫工具並檢查結果。選擇工具不是比較能力高低，而是先看資料在哪裡、要交付什麼、能用哪些工具。

在協作方法上，吳博士將 AI 的用法分成三種角色：Chat 用於討論與釐清需求，Agent 負責接續執行與檢查，Skill 則把可重複的工作方法保存下來。差別在於，Chat 由人提供資料、取得回答後再自己動手；Agent 則能讀取資料、執行工具、回頭檢查並修正，形成循環。他強調，要讓 AI 做好事情，必須把工作說成「可驗收的任務」：交代清楚資料來源、處理規則、預期成果與驗收標準。他也示範如何建立簡報審查的 Skill，讓 AI 每次都依同一套標準，列出頁碼、原句、問題與修正建議，而且不擅自修改原檔。

接著，吳博士展示了大量親身案例。教學上，他讓 AI 依學生名單為每位學生產生題目條件不同的個人化作業，並自動擬好附上對應附件的郵件草稿，再由程式逐筆核對收件者、附件與內容，確認無誤後才由他本人驗收；他也用 Python 把學校名冊轉成各科簽到表，用 Blender 製作物理現象的動畫，讓抽象的運動概念變得看得見。由於任教班級中有境外專班學生，他還製作中文、英文與印尼文並陳的多語教材，希望學生至少能理解核心概念。研究上，他讓 Claude Code 執行分析，再交由 Codex 與 Gemini 審查邏輯與假設，依據審查意見修正後重跑同一套驗證，未達標準就持續迭代，並以 Blender 動畫呈現水下酒藏的佈放、回收與分析流程。

與觀光系最直接相關的，是他以淡水為例示範的 QGIS 協作。吳博士以淡水捷運站為共同起點，用同一組資料與相同規則，比較金色水岸、海關碼頭與真理大學周邊三處候選場址的步行距離、所需時間與周邊五百公尺內的文化點數量。他指出，AI 協作的好處是資料更新後能用同樣規則快速重算；但入口位置、坡度、開放時間與場地許可，仍需要教師親自判斷。

貫穿整場演講的核心提醒是：「流暢，不等於正確。」吳博士強調，無論 AI 給出多完整的答案，都要打開原始來源、確認日期與適用範圍、重新計算重要數值。AI 的同意不能取代資料、測試與專業判斷，最後的驗收責任永遠在人身上。

會後交流相當熱烈。徐欣億老師分享，曾讓 ChatGPT、Gemini 與 Claude 輪流修改學生問卷，結果越改越偏離原意。吳博士回應，他在程式工作中也遇過數據越修越錯的情況，一旦發現偏離，就必須由人介入、回到原本的設定重新來過。林孟龍主任則請教，如何運用 AI 協助境外學生學習。吳博士表示，他規劃在下學期的核心課程中加入模擬操作，讓學生透過與 AI 的協作完成作業，並善用學校提供的教育版 AI 工具與教學補助資源。

演講最後，吳博士以「任何時候開始，都可以」作結。他提醒，工具更新很快，每個人都在持續學習，不必等到工具穩定才開始接觸 AI，而是從現在用得到的一件事開始：完成一次、檢查一次，留下真正有效的方法。