在大陸上課，我有一個習慣：
當天上完課，當天把筆記做成一個網站，送給講師。
義烏電商課的 5 位講師、橫店 AI 影視課的老師，都收過。每位講師都嚇一跳，因為沒看過學生這樣做筆記。
這一頁，也是同一個習慣的延續。
義烏電商課筆記站・上完課當天送出
這一頁，寫給國立中山大學的老師
AI 時代的釀蜜力：把活過、想過、做過的一切，釀成自己的筆記、報告、履歷與作品。
一句話：AI 會採花，但蜜只有你釀得出來。
AI 讓「產出」變便宜了：摘要、報告、履歷，幾秒就有。真正拉開差距的，是原料到了手上，有沒有能力把它變成真正屬於自己的東西。這是 AI 時代的核心能力，也是所有其他能力底下的底層能力。
決定蜜的味道的那一步。AI 做不了，也不該替你做。
把採回來的花蜜存進蜂巢，之後找得到、能一直累積。
負責採花、搬運、分類，跑重複的活。它很勤勞，但牠不是釀蜜的人。
報告、筆記、履歷 AI 都能秒產，那人還剩什麼？學生盤點自己現在的三個腦：哪個在用、哪個空著、哪個被 AI 取代了。
先認識 AI agent：AI 不只回答問題，還能替你動手做事。再讓 AI 認識你，然後練習不照單全收：抓出它的錯誤與幻覺。
用學生正在修的一門課當材料，先改寫成自己講得出的版本，再放進一個之後找得到的個人知識庫。不綁定軟體，用自己習慣的工具。
回到你自己的腦。從報告、簡報、履歷、自傳、讀書計畫擇一，走完草稿到成品；同時處理引用規範、AI 使用揭露、怎麼把 AI 味改成自己的味道。
模組二整站在練「不照單全收」：辨識錯誤與幻覺、查證來源。
引用規範、AI 使用揭露、避免不當代寫，寫進課程內容而不是附註。
課程從第三腦走回第一腦，學生走完會記得：AI 是工蜂，蜜是自己釀的。
這三件事，正好對應教務處《生成式 AI 工具使用參照指引》教師版裡鼓勵老師做的：教學生做事實檢驗與批判思考、強調學術倫理、避免過度依賴 AI。
Word 檔，欄位跟中山微學分申請書一模一樣：灰底三格留給申請老師填，其餘（課名、目標、內容，中英雙語）我都寫好了，直接貼進系統就好。
先說清楚：我不是工程師，一行程式都不會寫。
下面每一樣東西，都是我用「講話」指揮 AI 做出來的。點進去都能看。
不是我會寫程式。
是 AI 時代，會講清楚話，就能做出東西。
我專教一種人：完全不會程式、但想把 AI 真正用起來的人。因為我自己就是這種人，我知道他們卡在哪。
不用範例題。學生帶自己正在修的課、自己的報告、自己的履歷來，做完就是他的。
能力用成果證明。四個模組各有一件帶得走的東西，不是聽完就忘的工具介紹。
不教程式語法，教怎麼把需求講清楚、讓 AI 動起來。這是每個科系都學得會的。
在大陸上課，我有一個習慣：
當天上完課，當天把筆記做成一個網站，送給講師。
義烏電商課的 5 位講師、橫店 AI 影視課的老師，都收過。每位講師都嚇一跳，因為沒看過學生這樣做筆記。
這一頁，也是同一個習慣的延續。
30 歲以前，我沒有讀完過任何一本課外書。真的，一本都沒有。
後來我靠知識管理翻身：把讀過的、聽過的、做過的全部整理成自己的系統。開課三年，教了兩千多個學生怎麼做同一件事。
去年我去杭州，本來是去談戀愛的。結果被分手了。
我沒有回台灣。我留下來，一場一場去參加那邊的 AI 活動。有一場結束後聊天，我打開電腦，給一位台商看我的 AI 公司：一個 AI 員工管一件事。他看完，請我去幫他們團隊上 AI 課，還讓我免費住進一間兩房一廳。
這一年我講了十幾場：上海臨港、蘇州、宜興、杭州臨平、台中、土城。一半是我自己去敲門，另一半是對方看到我的 AI 怎麼幫我做事，主動來找我。
有一位台灣的合夥人，看我用一台 8G 的舊 Mac 跑 AI 跑到卡住，說了一句：「我相信妳腦袋很強，這台電腦我直接投資妳。」那台電腦，官網現在要二十三萬六。
這中間我沒有變聰明。
變的只有一件事：我學會把活過、想過、做過的，釀成自己的東西。
這就是我想教中山學生的。不是某個 AI 工具，是這件事本身。