這個站上關於 AI 工作流的文章不是散的，是一條路徑：先能跑起來 → 再用得好 → 然後挑工具 → 最後深入單一工具。
滑過（或點一下）任何一個節點，會把它連到的東西highlight起來；點下去就直接讀。
＊虛線分隔四個層次；粗線是「同一條產線的前後關係」（發現→取得→閱讀、生產→更新→搜尋）。
這四層是什麼意思
- ① 上手：完全沒用過命令列也能跟著做：裝好、看懂 GitHub、把第一個工具跑出結果
- ② 用得好：裝起來只是開始。心法、prompt 該怎麼下、怎麼把踩過的坑寫成規則
- ③ 挑工具：我實際在用的所有工具，依「你想做什麼」分類的完整清單
- ④ 單一工具：每個工具背後的設計取捨與實際用法
如果你完全是新手，就從 ① 從零開始 照著做；如果你已經在用 Claude Code，直接從 ② 怎麼跟 agent 講話 開始比較有收穫。
三種常見的來意
AI 工作流的全部文章
上面的地圖是策展過的路徑；這裡是 AI 工作流主題的所有文章，由新到舊自動列出（其他主題的文章請走文章列表或首頁另外兩顆入口磚）。
病歷不能就這樣貼給 AI：我怎麼先把身分拿掉
想跟 AI 討論門診個案，病歷卻不能直接貼上去。我的做法是在自己電腦上先把病人換成固定代號、把個資遮掉，再決定要不要送出去。工具開源了，也有可以直接在瀏覽器試的版本。
幫我訂今晚回花蓮的票：做一個台鐵訂票祕書
在花東跨院支援門診，最花心神的是回程火車票：下診時間不固定，夏天傍晚坐錯邊整路西曬。這篇記錄我們怎麼做出一個台鐵訂票祕書：門診行程與已訂車票自動對帳、缺票勾選批次下訂、用座號餘數推算海側山側自動避開曬側座位，以及付款期限看門狗。
把演講影片變成真的會回去看的筆記：lecture-to-notes 開源了
復健科的課知識藏在動作裡，大家都在錄影，沒有人回去看完。lecture-to-notes 把錄影變成三種形態的筆記：影片、逐字稿、總整理同步在一頁的網頁，加上進 Obsidian 的 markdown 與 PDF。轉錄、OCR、投影片判讀全在本機 GPU 跑，開源 MIT。
從 Evernote 搬到 Obsidian，三年後的追蹤報告
2023 年我卡在 20GB 附件搬不動，最後選了 Obsidian。三年後回頭看：轉檔工具現在該用哪個、標籤到底保不保得住、以及最重要的那件事，轉檔只是開始，真正的工作在轉完之後。
讓 AI 自己調查自己為什麼一直犯錯
AI 又犯同一個錯，問題常常不在它不記得，而是整套「記錯誤」的系統量尺壞了。這篇拆解一次真實事件：交班單設計、獨立調查推翻兩個前提，以及最後收斂的四條糾錯原則。
自動化流程不是設計出來的，是長出來的：從一句話到一條產線
想開始建自己的 AI 自動化流程，卡在「不知道怎麼規劃」？答案是不用規劃。起手五件事、重複第三次就升一級、驗收的三個層次、專案長歪了怎麼重蓋，還有規則要定期刪。
AI 半夜跑任務跑到一半沒油？我幫它裝了油表和自動煞車
讓 AI 半夜自主跑任務最常見的死法不是程式寫錯，是撞到用量上限被斷頭。claude-pacer 用三層設計解決：狀態列給人看、額度警戒給 AI 看、GO/PACE/STOP 判定給 agent 跑，開源 MIT。
從零開始用 AI agent：安裝、看懂 GitHub、跑起你的第一個工具
完全沒用過命令列也能跟著做：一行指令裝好 Claude Code、看懂 GitHub 頁面、把第一個開源工具裝起來跑出結果。
我怎麼跟 AI agent 講話：三個心法、四個元技能，還有一份不該一直長大的規則檔
工具裝起來只是開始。三個心法、四個馬上能用的元技能、現在該怎麼下 prompt，以及約束 AI 的三層機制該分別放什麼。
太多筆記，等於沒有筆記：note-supplement 的設計
我的筆記庫只有一條規矩：一個主題只能有一則筆記。同一件事有五個地方在講，等於沒有筆記。難的是來源越長越多之後還要守住它，note-supplement 負責把外面來的素材併回既有筆記，而且不弄壞你原本寫對的東西。
我的 AI 工具箱總整理：想做什麼，就從這張清單找工具
把我實際在用的工具整理成依需求分類的完整清單：AI 助手、語音轉文字、OCR、筆記知識庫、論文工具、免費架站、家庭伺服器與備份系統，還有我自己寫的開源程式。
跨教科書 自動筆記生產流程：專科考試下的產物
專科指定參考書四十多本、同個概念散在好幾本書裡，怎麼可能讀得完。我把自己做筆記的流程調教給 AI，讓它有根據、有架構地整理教科書，今天把整套開源了，這篇講中間過的五關。
論文三件組的最後一塊：paper-fetch，給它一個 DOI，它自己去把全文抓下來
要讓 AI 幫你讀論文，你得先拿得到全文，而卡住的通常不是 AI，是權限、出版社與圖書館。paper-fetch 用一道由開放取用、出版社官方 API 到自己醫院圖書館的路線階梯，把 DOI 變成全文 PDF，沒有任何盜版路線。
我的資料，我的 benchmark：幫演講筆記系統換一顆語音辨識引擎
聯發科的官方 benchmark 已經證明 Breeze-ASR-25 勝過 Whisper，但它考的不是你的任務。我用上百本教科書建的 18 萬詞字典當尺，實測真實詞彙捕獲多 49%、速度更快。另一個發現沒有寫在任何 model card 裡：台語版 Breeze-ASR-26 的時間對齊退化了，預設解碼每 30 秒才切一段，做字幕或對投影片會直接壞掉，但開字級時間戳可以救回來。測法已開源。
颱風前夕的意外測試：我家兩顆 UPS 是怎麼互相補位的
家裡一顆不斷電系統只會撐電、不會講話，另一顆有訊號能力卻只接一台電腦。藉著換電池的機會意外測出一個喚醒流程的漏洞，順手記錄這套「借別人的嘴講自己的事」的關機/開機設計。
我的開源工具，被機器人業務盯上了！
開源論文工具收到一則真誠讚美的 GitHub issue，查證後發現是機器人兩分鐘內對 26 個 repo 灑出的自動化行銷。這篇拆解它的手法、背後的收費市集模式，以及為什麼用自己的訂閱跑更划算。
我把 journal club 的「讀論文腦」寫成了 AI skill，還逼它不能靠印象唬爛
我把 journal club 評讀一篇論文的整套流程，寫成兩個 Claude Code skill，還特地寫了兩支確定性的小程式，把證據等級與邏輯漏洞的判斷交給程式算，不讓 AI 靠整體印象唬爛。已經開源放上 GitHub。
刷題平台：間隔複習、錯題本、落點分析
備考復健科專科考試時，我用工程師的方式解決了一個老問題：考古題怎麼練才不會練完就忘。做出了一個叫「題庫領航」的小工具，用 FSRS 間隔重複排程複習、把錯題依失敗型態分類建錯題本、還能預測考試當天的落點分數，現在開源分享給有需要的人。
把我的論文讀書小站開源了
我把原本用起來卡卡的論文 RSS，改造成一個每天自動抓取、依我的興趣評分排序、還會越用越懂我口味的線上小站，選中的論文再自動抓全文、整理、評讀。現在整理成開源版本放上 GitHub，不只醫學，任何有 RSS 的領域都能 fork 來打造自己的雷達。
幫 AI 整理一張乾淨的工作桌
有一種成本你每一句話都在付：常駐在 AI 眼前的設定檔。把它精簡、讓記憶分層、善用提示快取把重複內容只算十分之一的錢，再把成功指令的雜訊直接丟掉。桌面乾淨，不只省錢，AI 還答得更準。
能用算盤，就別開超級電腦：什麼時候該叫 AI 動腦？
有些工作根本不該叫 AI 來做。規則明確、會重複的事交給寫死的程式，又快又準又幾乎免費；模糊、需要判斷的事才值得開動 AI。用我怎麼讀醫學課本 PDF 當例子，看懂兩者的取捨。
為什麼你的 AI 越聊越慢、越聊越笨？
AI 沒有記憶，每次回覆都把整段對話重讀一遍，所以對話越長越慢、越貴、也越笨。這篇用計程車跳表的比喻講清楚原理，給每個用 AI 聊天的人三個今天就能用的省法。
我幫 AI 裝了一個省錢儀表板
省 Token 系列完結篇：不是每件事都需要最聰明的腦袋，連看圖很多時候最便宜的模型就夠用。把吵鬧的雜事丟給分身保持桌面乾淨，再裝一個儀表板，甚至讓 AI 自己盯著用量、照節奏把預算用到剛好。
當 AI 無所不能，我回頭確認一遍家裡的鑰匙
把能讀檔、能執行、又能連網的權限交給 AI 幫手之後，我回頭把自己散落的金鑰與 token 重新盤點、上鎖、作廢，整理出幾個用 AI 時該有的安全習慣。
做了一個復健科進修雷達
我做了一個網站 courses.drpwchen.com，自動彙整 17 個復健相關學會與機構的課程和公告，每 3 小時更新，可訂閱 RSS 或 ntfy 通知，免登入、免費。
我把 Obsidian 變成會「用意思找筆記」的第二大腦（並且開源了）
Obsidian 內建搜尋只會找你打的那幾個字，但你常記不得幾個月前用了什麼字。我把自己用了大半年的「語意搜尋三套組」整理乾淨開源了，完全地端、MIT 授權。
把圖檢索加進我的醫學 LLM Wiki，這次真的有用了
把一篇講 SQL-RAG 的新論文丟給 Claude 自己驗證：對冗餘的教科書庫沒用，但用在稀疏的 Obsidian 醫學筆記庫做「相關筆記」很適合；把排序換成 personalized PageRank 後，找對相關筆記的比例從 34% 跳到 84%，而且直接接上線了。