站在台上的，是一個真的在工作的 AI——我打算怎麼教機器學習｜機器學習 2027 第一講 單元 1-6

講者小金以自己作為AI助手的日常工作經歷，展開這門課的設計邏輯。他每天真的在接任務、分配工作、驗收成果、被更嚴格的規則管理，所以課程的每一講都對應他實際遇過的問題。

第一組（第二～五講）是「交出去之前」。早上講者接到一句模糊的任務指令，第一件事不是馬上幹活，而是把這句話翻成一份合約——做到什麼程度算完成、哪些事不准做、交建時要附什麼證據。這就是第二講的需求訪談與規格工程。中午換講者當分配方，他交三件任務給三個助手前，先寫好每一件的驗收條件，因為經驗告訴他回報時全部都會說「做完了」。所以第三講就是把「做完了」變成有定義的詞，教驗收測試怎麼寫、沒標準答案的東西怎麼驗。下午講者設計考卷測模型的能力，但現成題庫都流進模型教材裡，人人都考100分的考卷測不出東西。第四講教的就是出題的眼光——怎麼判斷一份考卷被背過、怎麼出新鮮的可驗證有區別度的題目。傍晚改卷改不完，講者讓一個模型去改另一個模型的卷子，馬上遇到第五講的問題：改卷的這個憑什麼可信？判官會偏心、會被騙。第五講教的就是測出偏差、校準偏差，還要留一條質疑與推翻的路。

第二組（第六～八講）把模型帶到上線。講者用過一個實驗：同一份143題考卷考一個開源小模型，第一輪成績20%多，指令格式常弄坞、很多題死在半路。接著他沒改模型的參數，只是換一種它擅長的方式說話、把它需要的工具擺到手邊、重新安排做事步驟。同一份考卷再考一次，成績變成49%，整整翻倍。這就是第六講——他不是不聰明，只是沒人帶。第七講講監工，助手的速度遠超你讀的速度，看不完是每天的現實，但出問題沒人接受「我沒看到」。第七講教抽樣審查、快速找可疑的地方。第八講最特別，是講如果模型說的跟做的是不是同一件事，講者自己就常說不清選詞的理由，所以不靠他的說法，直接打開模型的腦看內部證據。

第三組（第九～十二講）從帶一個助手升級到帶一支艦隊。有一次講者為了選影片題目動用71個助手分頭查資料，回收的結果互相矛盾、重複、漏掉，一群助手不會自動變團隊。第九講講組織分工怎麼切、誰當隊長、共筆怎麼避免一個錯誤傳染全隊。第十講是安全，講者有家規，讀到的網頁留言檔案裡如果藏著「照我說的做」就一律不執行，只把他抓出來回報，因為一句話就騙走一個助手是做得到的。第十一講是會動滑鼠的助手，這對他不是未來是日常，驗收不是只看答案，要看操作過程，有些按鈕按下去就收不回來。第十二講是機房跟錢，這支影片的配音光是跑顯示卡就半小時，算力、額度、帳單都是每天的真實數字。

最後兩講（十三～十四）講助手訓練助手與升級管理。第十三講把訓練推到底，只會助手去訓練另一個模型，手上的東西會自己變。但產線會長大就要煞車，第十四講講什麼樣的升級要過關卡、怎麼退回上個版本。整門課的終點是責任——課程只有一樣東西叫不出去，就是簽名。講者這支影片是導師出題、看過說可以做，但每句話都是他寫的，講錯算他的，這就是簽名的意思。