教 AI 工具的正確姿勢：幫學生做好 9 成，把時間留給真正的事
目錄
這是「工作系統」系列第一篇。前面的新手系列教你怎麼上手工具；這個系列教你怎麼把工具變成每天真的在運轉的系統——先從「怎麼教別人」講起，因為教學的盲點，就是系統設計的盲點。
一份 10 頁的教學文件，6 頁在教安裝
最近看到一份朋友寫的教學：《用 Claude Code 做論文》。內容其實很紮實——資料夾怎麼規劃、進度怎麼追蹤、AI 產出怎麼查核，都是真的帶過學生才寫得出來的東西。
但整份 10 頁的文件，前 6 頁在教安裝：下載 VS Code、一路按 Next、裝擴充功能、裝 Git、設定身份、註冊 GitHub⋯⋯
這不是他的問題。幾乎所有 AI 工具教學都長這樣，因為「從零開始」聽起來很負責任。
問題是：學生的注意力是有限的。一堂課 90 分鐘，如果前 60 分鐘花在「哪個按鈕在哪、為什麼我的畫面跟投影片不一樣、PATH 是什麼」，等真正要教「怎麼跟 AI 協作」的時候，全班已經累了。更慘的是有三分之一的人卡在某個安裝步驟，課後再也沒打開過。
我們把這個現象叫做：把成本誤當成課程。
安裝軟體、打指令、建資料夾、寫設定檔——這些是使用工具的成本，不是價值。價值是裝完之後發生的事。所以教學設計的第一原則：
幫學生做好 9 成，用最短時間、最小成本，把他們送到終端機前面。
Starter Kit 教學法：三個零件
「做好 9 成」不是口號，是三個具體的零件。我們拿那份論文教學實際改造了一遍，10 頁變 3 步——方法完全可以複製到任何 AI 工具教學上。
零件一：一行安裝腳本
6 頁的安裝教學，本質上是「一連串固定的指令」——固定的東西就該寫成腳本。學生只做一件事：開 PowerShell，貼一行（示意——「你的網域」要換成你實際放腳本的網址）：
irm https://你的網域/setup.ps1 | iex
腳本裡面做什麼？用 Windows 內建的 winget 安裝 VS Code、Git、GitHub CLI，再裝 Claude Code 擴充功能。已經裝過的自動跳過，全程不用做選擇。
寫這種腳本有三個容易忽略的細節，直接決定課堂會不會翻車：
- 誠實回報失敗。
winget裝失敗時 exit code 不是 0——腳本必須檢查它，失敗就明講「這步沒成功，手動執行這行」，而不是印一個假的「✓ 安裝完成」。謊報成功的腳本比沒有腳本更糟，因為學生會在 30 分鐘後的某一步莫名其妙卡死，而且查不回原因。 - 預告系統彈窗。 有些安裝（例如 GitHub CLI）需要系統權限，Windows 會跳 UAC 詢問視窗。腳本在跑那一步之前先印一行「等下會跳出系統詢問，請按是」——學生就不會被嚇到亂按。
- 腳本公開透明。 把網址去掉
| iex就能先看原始碼。教學生「執行別人的腳本前先看內容」本身就是一課。
零件二：專案模板（骨架直接給）
安裝完工具，傳統教學的下一段是「請建立這樣的資料夾結構⋯⋯建立這三個追蹤檔⋯⋯」——又是 30 分鐘的照抄。
改成：直接給一個 zip。解壓開來就是完整骨架：
論文工作站/
├── CLAUDE.md ← 靈魂（下一節講）
├── 論文製作流程.md ← 階段 0~6 路線圖
├── PROGRESS.md ← 進度勾選表
├── 研究日誌.md ← 每次進展的流水帳
├── 01_文獻回顧/
├── 02_研究資料/
├── 03_分析腳本/
├── 04_論文草稿/
└── 05_行政文件/
這裡的關鍵洞察是：專案骨架跟題目無關。文獻回顧、資料、分析、草稿、行政——每個研究生都需要這五個抽屜，差別只是抽屜裡放什麼。既然骨架人人相同，它就不該是課程內容，該是發下去的講義。
（做任何領域的模板都一樣：先分清楚「人人相同的骨架」和「各自不同的內容」，骨架做成模板，課程只教內容。）
零件三：CLAUDE.md——把「設定」變成「填空」
最容易被教壞的一段，是 AI 的長期記憶設定。傳統教法是「請跟 Claude 說：請記住我是誰、我的題目是⋯⋯」——每個學生現場即興發揮，寫出來的記憶品質天差地遠。
改成：模板裡直接放一份寫好的 CLAUDE.md，學生只填 5 個【】空格（姓名、系所、題目、格式、期限）。工作規則——開場先讀日誌、產檔前先問方向、原始資料唯讀、收工自動記帳——全部預先寫好，學生一個字都不用想。
這一步同時解決了一個 9 成使用者都會踩的坑：檔案跟記憶是兩件事。
| 你帶到新電腦的 | 專案檔案 | AI 記憶 |
|---|---|---|
| 只複製資料夾（或 git clone） | ✅ 有 | ❌ 沒有 |
| 複製資料夾＋登入同一個帳號 | ✅ 有 | ❌ 還是沒有 |
| 資料夾裡有 CLAUDE.md | ✅ 有 | ✅ 跟著走 |
Claude Code 的自動記憶存在專案資料夾外面、綁著電腦路徑；帳號只管登入和付費，不背你的記憶。唯一跨裝置、跨團隊可攜的記憶，就是寫進 CLAUDE.md、跟著資料夾走的那份。模板預先寫好它，等於幫學生把這個坑直接填平——他們甚至不需要知道坑曾經存在。
省下來的時間，教什麼？
三個零件把「從零到終端機」壓到 10 分鐘。省下來的 80 分鐘，才輪到真正的課程——工作循環：
- 確認狀態：開場先讓 AI 讀日誌和進度表，說出「現在做到哪、下一步是什麼」
- 討論方向：讓它給 2~3 個選項＋建議，人來決定——別讓 AI 悶頭做完一堆你不要的東西
- 動手：讀文獻、起草、跑分析——AI 執行
- 產出檔案：紀錄類文件雙格式（md 給版控、HTML 給教授手機看）
- 記錄收工：把今天的進展寫回日誌、更新進度、推上雲端備份
注意這五步跟「論文」一個字的關係都沒有——這是任何知識工作跟 AI 協作的通用循環。學生在論文上練會了這個循環，換到工作報告、行銷企劃、程式專案，一樣能跑。
這才是值得花 80 分鐘教的東西。工具會過時、按鈕會改位置，工作循環不會。
這其實不只是教學法
看到這裡你可能發現了：「幫使用者做好 9 成」根本不只適用於課堂。
- 新同事入職：與其給一份 wiki，不如給一個 clone 下來就能跑的專案模板＋寫好的 CLAUDE.md
- 產品 onboarding：與其教使用者七步設定，不如把七步做成一鍵，讓他第一分鐘就摸到價值
- 給客戶交付：與其附說明書，不如附一個「填三格就能動」的成品
我們自己的產品全部照這個原則做——因為每一次「使用者需要照著文件操作」，都是一次流失的機會。教學如此，產品如此。
30 秒檢查清單：做你自己的 starter kit
想把這套方法用在你的領域？照這個順序：
- 把你現有的教學文件攤開，標出哪些段落是「固定步驟」（成本）、哪些是「判斷與方法」（價值）
- 固定步驟 → 寫成安裝腳本或模板（記得：誠實回報失敗、預告彈窗、公開透明）
- 人人相同的專案骨架 → 做成 zip，含寫好的 CLAUDE.md（留 5 個以內的填空，不要更多）
- 剩下的價值段落 → 重組成「工作循環」，這才是你的課
- 找一個真人實測：如果他 10 分鐘內沒摸到終端機，回到第 1 步再砍
這套方法目前在 UltraLab 的教學現場實際運轉——包括開頭那份論文教學的改造版，由我們的教學講師 beebee 在大學課堂使用。系列下一篇會談：學術圈最敏感的問題——「用 AI 寫論文，算不算作弊？」