摘要

2026 年，AI 的應用場景已經明顯分層。多數人還停留在第 1 層（問答）或第 2 層（提效），但真正能拉開差距的，是第 3 層（判斷）與第 4 層（工作流）的整合能力。本文整合 Threads 上的四層分析框架，加入 Gemini 提出的「第 0 層：意圖定義」與「第 5 層：智慧傳承」兩個延伸維度，以及 Grok 補充的 2026 年工具對應表，並以 i-29 Lab 的三個核心領域（Thinkin' / Beein' / Kreatin'）為座標，給出具體的應用建議。文末整理六大原廠免費學習資源（含最新事實查核），幫助你用最低成本、最高品質的方式系統升級 AI 能力—從 Anthropic Academy 的 13 門免費課程，到 Google AI Professional Certificate，都有清楚的入門指引。

從問答到工作流：AI 應用的四層進化地圖，以及你現在就能開始的免費學習路徑

前言：大家都在用 AI，但用的根本不是同一層

同樣是「在用 AI」，有人在問「幫我解釋這個名詞」，有人在讓 AI 自動完成每週的工作流、生成分析報告、安排下週優先順序。

這兩件事的效益差距，不只是效率上的倍數，而是思維方式的本質不同。

Threads 上一篇貼文把 AI 應用分成四層，把這件事說得非常清楚。我請 Gemini 和 Grok 進一步補充與驗證，加入了他們提出的兩個延伸層次，也針對文末推薦的學習資源進行了事實查核（部分資訊需要修正）。

這篇文章是我自己的學習地圖，也分享給和我一樣正在思考「怎麼用 AI 才算真正用到」的讀者。

一、AI 應用的六層架構

原帖提出的四層框架已經是 2026 年的主流共識，Gemini 和 Grok 分別在頂端和底端各補充了一層，形成一個更完整的六層全景。

第 0 層：意圖定義層（Gemini 補充）

核心問題：「我為什麼要用 AI？」

這一層發生在打開任何 AI 工具之前。它不是技術問題，而是使用者素養的問題。

AI 只能接住你提出的問題，但無法替你定義人生目標、判斷什麼才是值得做的事。如果沒有清楚的意圖，第 4 層的自動化工作流，只會更快速地產生大量沒有意義的輸出。

對 i-29 Lab 來說，這一層就是整個系統的哲學基座：

Thinkin' Library (知識吸收與理念生成)：「我能知道什麼？」
Beein' Farm (實踐驗證與行動場域)：「我能期望什麼？」
Kreatin' Studio (轉化成果與內容創作)：「我該做什麼？」

三個提問，就是第 0 層的意圖定義。先把這三個問題想清楚，再進入下面的任何一層。

第 1 層：問答層（Chat / Search）

代表工具：Claude 基本對話、ChatGPT、Gemini、Perplexity

這是目前使用人數最多的一層。查資料、解釋概念、取代部分搜尋—「這是什麼意思」「怎麼選」「幫我整理一下」。

大多數人用 AI 的場景，本質上還在這一層。這一層有價值，但它是起點，不是終點。

對 i-29 Lab 的應用：快速查詢農業技術術語、法規定義、課綱關鍵字的基礎說明。

第 2 層：提效層（Generation / Productivity）

代表工具：Claude Artifacts、Microsoft Copilot、NotebookLM、Gemini Workspace

這一層開始真正幫你省時間。寫電子郵件初稿、整理會議紀錄、生成 PPT 框架、修改文章表達——多數人第一次覺得「AI 真的有用」，就是從這一層開始的。

對 i-29 Lab 的應用：

Thinkin' Library ：把 PDF 丟進 NotebookLM，快速提取關鍵概念與行動清單
Kreatin' Studio：用 Claude 生成部落格文章初稿、Vocus 文章框架
Beein' Farm：用 Copilot 整理農場記錄表格、生成週報初版

第 3 層：判斷層（Reasoning / Decision）

代表工具：Claude Opus + Extended Thinking、Gemini 深度研究模式

這一層比「生成內容」更值錢，因為它開始幫你做判斷。比較三個方案的優劣、拆解複雜任務、判斷優先順序、整理讀書後的行動重點——AI 不只是在產出文字，而是在協助你思考清楚。

真正會用 AI 的人，不是讓它多寫一點，而是讓它幫自己多想清楚一點。

對 i-29 Lab 的應用：

Thinkin' Library：「這三個書稿角度，哪一個最能同時打動台灣校長與國際讀者？請排出優先順序與理由」
Beein' Farm：「這個農場實驗的設計有什麼方法論上的弱點？如何改進」
Kreatin' Studio：「這篇文章的論述結構，從讀者視角來看，哪個段落最容易流失注意力？」

建議在 Claude 建立「i-29 Lab 思考顧問」Project，寫入固定的思考框架：「你是我的永續教育顧問，永遠用三步思考：1. 教育原理 2. 農場實踐 3. 創作轉化」——這樣每次提問都不需要重新解釋背景，直接進入第 3 層的判斷模式。

第 4 層：工作流層（Agentic Workflow / Multi-step Automation）

代表工具：Claude Projects + Artifacts 鏈、Notion Agents、n8n + Claude、Google AgentSpace

這才是 2026 年最明顯的趨勢。不是問一句就結束，而是把一整段流程交給 AI—從素材收集、整理、初稿到修改到發布時間表；或是讀書摘要轉成白話解釋、再轉成行動清單、再轉成隔天復盤。

「復盤」是圍棋術語，指的是下完一盤棋之後，重新走一遍剛剛的棋局，交流哪裡下得好、哪裡下在別處更好，它是許多職業棋士進步的關鍵。用在工作上，復盤是檢討過去表現，從經驗中學習和成長。

AI 在這一層，已經不是「聊天工具」，而是你的工作台。

對 i-29 Lab 的三個具體工作流建議：

Thinkin' 每週知識復盤流

建立 Claude Project「每週知識復盤」，指令：「讀我本週上傳的所有筆記 → 摘要 → 轉行動清單 → 排出下週三本書寫作優先順序 → 產生一份 Artifact 讓我確認」

Beein' 農場日誌自動化

「上傳本週土壤數據、照片、收成紀錄 → 自動生成永續指標報告 + 給《當校長遇見農場》的新案例段落 + 建議下週種植調整」

Kreatin' 內容發布流

「收到 Vocus 草稿 → 判斷最適合的三個影音角度 → 生成 YouTube 標題 + 描述 + 分鏡建議 → 排好下週三篇發布時間表」

重要提醒：普通人別一上來就衝第 4 層。很多人一開始就想搞 Agent 自動化、複雜設定，最後卡住的原因不是 AI 不行，而是自己根本還沒想清楚：「我到底哪一段事情最值得交給 AI？」建議路徑：先把第 2 層用熟 → 在一個高頻動作上進入第 3 層 → 自然長出第 4 層的工作流。

第 5 層：智慧傳承層（Gemini / Grok 補充）

核心概念：AI 成為你的精神遺產載體

這一層超越了工作效率，進入「傳承」的境界。當 AI 熟悉了你的思考模式、判斷準則與文字風格，它就不只是幫你做事，而是成為你知識資產的承載系統。

對 i-29 Lab 來說，這一層的終極形態是：

三本書的知識體系，可以透過 AI 被完整傳遞給讀者
i-29 Lab 的永續實踐方法論，可以透過 AI 輔助他人複製
你在校園治理、農場建設中的判斷邏輯，可以透過 Claude Project 的設定，成為可查閱、可對話的智慧資產

這一層在 2026 年仍處於早期，但它是整個 i-29 Lab 系統最終最重要的出口。

二、六層架構的 i-29 Lab 對應總表

層級	名稱	代表工具	i-29 Lab 應用重點
第 0 層	意圖定義	無工具，純思考	康德三問作為系統基座
第 1 層	問答	Claude 基本對話、Perplexity	快速查詢、概念釐清
第 2 層	提效	NotebookLM、Copilot、Gemini	初稿生成、文件整理、筆記提取
第 3 層	判斷	Claude Opus + Extended Thinking	書稿角度判斷、論述結構分析
第 4 層	工作流	Claude Projects、n8n、Notion Agents	週覆盤流、農場日誌、發布排程
第 5 層	智慧傳承	Claude Project 長期積累	三本書知識體系的 AI 化傳承

三、最值得現在投資的學習資源（事實查核版）

以下六個原廠學習資源，是 Threads 貼文推薦加上 Grok 補充的完整清單。我已進行最新事實查核，部分資訊與原帖有出入，請以下方為準。

1. Anthropic Academy（最推薦優先開始）

連結： anthropic.skilljar.com

費用： 完全免費，只需 Email 註冊

Anthropic Academy 於 2026 年 3 月 2 日正式推出，提供 13 門免費自學課程，涵蓋三個學習軌道：AI Fluency（給所有人）、Product Training（給專業工作者）、Developer Deep-Dives（給開發者）。每門課程完成後核發官方結業證書，無需付費 Claude 訂閱即可使用。

課程內容包含：Claude 101（基礎）、AI Fluency for Educators（教育者專用）、Prompt Engineering 互動教學、API 完整開發課程（8 小時以上）、Model Context Protocol（MCP）入門到進階、Claude Code 實戰課程。

對 i-29 Lab 的建議學習路徑：

先完成 Claude 101，再根據需求選擇：

教育者 → AI Fluency for Educators
書稿寫作 → Prompt Engineering 互動教學
工作流自動化 → Claude Projects + Artifacts 相關課程

2. Google AI 學習資源

連結： grow.google/ai

費用： 部分免費，部分收費（請見下方說明）

事實查核（需修正原帖說法）：

Google AI Essentials 在 Coursera 上的訂閱費用約為每月 $49 美元，提供 7 天免費試用期，並非原帖所說的「完全免費」。如需免費取得，可申請 Coursera 財務援助。

2026 年 2 月，Google 另推出更進階的 Google AI Professional Certificate，並對美國小型企業提供免費存取。完成後可獲得 Google 官方數位徽章，適合掛在 LinkedIn。

對 i-29 Lab 的建議：

先從 Google AI Essentials 的 7 天試用開始評估是否值得付費
教育者可特別留意「Generative AI for Educators」學習路徑

3. NVIDIA 深度學習學院（DLI）

連結： developer.nvidia.com/training

費用： 部分課程免費，進階課程 30-90 美元

業界硬核標準，涵蓋 GPU 加速、深度學習、生成式 AI、RAG（檢索增強生成）等技術主題。完成可獲得 NVIDIA DLI 官方結業證書。

對 i-29 Lab 的建議： 若未來需要處理農場數據分析或建立私有知識庫，這裡的 RAG 與資料處理課程實用性高，但建議在第 2-3 層用熟後再考慮。

4. Microsoft Learn AI 訓練

連結： learn.microsoft.com/training

費用： 大部分免費，部分認證考試需費用

重點在 Microsoft 365 Copilot 的實務應用—如何在 Excel、PowerPoint、Teams、Outlook 中整合 AI 提升工作效率。有 Copilot Foundations 等學習路徑，完成後可取得 Microsoft 官方認證。

對 i-29 Lab 的建議： 若你的學校或辦公室環境以 Microsoft 365 為主，這是最直接提升行政效率的學習路徑。書稿寫作與 Vocus 內容發布也可受益。

5. Meta AI 資源庫

連結： ai.meta.com/resources

費用： 免費（技術文件為主）

重點在 Llama 系列開源模型的技術文件、手冊與案例。沒有太多結構化課程，更偏向開發者技術資料。

對 i-29 Lab 的建議： 若未來想在本地端建立農場私有知識庫（不上傳到雲端的 AI 系統），Llama 的本地部署技術是必要的參考資料。目前階段可先跳過。

6. Apple 官方學習資源

Grok 的補充中提及 Apple，這是原帖沒有涵蓋但對教育工作者高度相關的資源：

Apple Education Community / Apple Teacher 認證

連結：education.apple.com
費用：免費
內容：專為教育工作者設計，完成 Pages、Keynote、iMovie 等 App 相關測驗後，可獲得 Apple Teacher 官方徽章認證
進階目標：Apple Distinguished Educator（ADE），加入全球教育創新者社群

Final Cut Pro 官方訓練資源

連結：support.apple.com/final-cut-pro
費用：免費（官方文件）
適合 Kreatin' Studio 的影音製作品質提升

對 i-29 Lab 的建議： Apple Teacher 認證與你的教育背景最直接相關，是目前最值得優先取得的認證之一，完成所需時間不長，且能直接強化教學工具的應用能力。

四、你的個人化學習路徑建議

根據 i-29 Lab 的三個核心領域與我的退休時間表，以下是一份具體可行的學習建議：

短期（現在開始，1-3 個月）

完成 Anthropic Academy：Claude 101 + AI Fluency for Educators—直接強化你目前最常用工具的使用深度
完成 Apple Teacher 認證——與現職身分最直接相關，取得時間短，效益高
在 Claude 建立「i-29 Lab 思考顧問 Project」—把第 3 層的判斷輔助系統化

中期（3-6 個月）

完成 Anthropic Prompt Engineering 互動教學—提升書稿寫作的 Prompt 品質
評估 Google AI Essentials（試用期）是否符合需求
設計並測試一個 第 4 層工作流原型（從農場日誌或週復盤流其中一個開始）

長期（6-12 個月）

根據三本書進展需求，決定是否深入 NVIDIA DLI 的資料分析課程
開始積累 Claude Project 的長期設定—為第 5 層智慧傳承做準備
定期回顧各原廠課程更新，AI 工具演進很快，學習資源需要持續追蹤

結語：AI 真正的價值，在於能不能接住你反覆出現的問題

Threads 貼文最後那句話，是這篇文章最值得記住的一句：

AI 真正的價值，不是「它什麼都會」，而是「它能不能接住你反覆出現的問題」。

這句話與 i-29 Lab 的系統邏輯不謀而合。知識系統的價值，不在於囤積了多少資訊，而在於你能不能在需要的時候，快速找到正確的答案。

六層架構給你的，是一張地圖——讓你知道自己現在在哪一層，下一步往哪裡走，以及哪些工具和課程最適合你目前的位置。

不是要你跳過所有層次直接到第 4 層，而是清楚地走過每一層，讓每一個習慣都真正內化。

把生活看懂、把永續做出來、把知識教得清楚——在 AI 這件事上，也是一樣的道理。

本文收錄於 i-29 Lab: Blogger — Thinkin' Library > 智慧探究 > 知識工具 & AI > AI工具應用

附錄：資源快速索引卡（i-29 Knowledge Card #002）

┌─────────────────────────────────────────────────────────┐
│  i-29 Module #002：AI 學習資源快速索引                  │
│                                                         │
│  立即免費開始：                                          │
│  → Anthropic Academy（13門課 + 官方證書）               │
│    anthropic.skilljar.com                               │
│  → Apple Teacher 認證（教育者首選）                     │
│    education.apple.com                                  │
│  → Microsoft Learn（Copilot 實務）                      │
│    learn.microsoft.com/training                         │
│                                                         │
│  評估後決定：                                            │
│  → Google AI Essentials（$49/月，7天免費試用）           │
│  → NVIDIA DLI（部分免費，$30-90/進階課程）               │
│                                                         │
│  優先學習路徑：Claude 101 → Prompt Engineering          │
│  → Apple Teacher → 建立 Claude Project → 第3層判斷      │
│                                                         │
│  記住：先把第 2 層用熟，再進第 3 層，再長出第 4 層。      │
└─────────────────────────────────────────────────────────┘