用 Gen AI 提升資料分析力：Google Prompting Essentials 課後筆記 Part 3

 資料分析是不是讓你感到壓力山大？別擔心，Generative AI（生成式 AI）正在改變我們處理資料的方式。這篇文章是我在 Google《Prompting Essentials》第三堂課的重點筆記，整理出最實用的技巧與觀念，讓你無論是數據新手還是略懂皮毛，都能快速上手，解鎖 Gen AI 的資料分析潛力。

---

🔍 Gen AI 在資料分析的六大應用

1. 文字分析

   • 自動萃取主題、分析語氣、分類意見。例如分析顧客留言、問卷回饋。

2. 資料增補

   • 在資料量不足時，生成擬真的數據來訓練模型（像詐欺偵測），但別忘了標註來源，因為這些資料只是趨勢參考，不是事實。

3. 問答系統

   • 你可以用自然語言提問：「上季銷售最好的產品是什麼？」AI 幫你找出答案。

4. 情境模擬

   • 根據歷史資料預測未來可能走向，像是預估人潮、辦公室訪客數等。

5. 圖像與視覺分析

   • AI 可解讀圖表趨勢，幫助你從銷售圖表中快速找出關鍵訊息。

6. 市場與顧客研究

   • 利用 AI 探索社群平台、問卷與產業報告中的潛在商機與趨勢變化。

---

🛠 Gen AI 的極限與調整策略

不是所有分析都適合交給 Gen AI。

• ❌ 不擅長：複雜統計、精準運算、強結構資料分析。

• ✅ 建議方式：請 AI 提供方法建議或操作步驟（prompt:「請說明我可以用哪些方法進行變異數分析？」）

這種「間接使用」策略讓你把 AI 當顧問，而不是資料科學家。

---

📊 AI 輔助資料清理與準備

1. 錯誤偵測與修正

   • prompt 示範：「這是我的原始資料，請指出潛在錯誤並建議修正方式。」

2. 資料標準化

   • 格式統一、欄位一致性、日期格式轉換等。

3. 多工具搭配

   • 使用不同的 Gen AI 工具負責不同工作（格式轉換、查詢、欄位補齊），才能建立乾淨又有用的資料基礎。

---

🧠 如何讓 AI 更懂你的需求？學會調整 Sampling 參數

生成式 AI 的回應來自機率抽樣，而你可以透過三個參數來「調教」它的創意與準確性。

1. Temperature（溫度）

控制 AI 回應的創意程度：

• `0.1`：保守，選擇最可能的答案，適合數據分析、資訊查詢。

• `1.0+`：開放性高，適合創意寫作、腦力激盪。

2. Top-k

只從前 k 個最可能的選項中選擇：

• `k=1`：保證每次都選最常見的答案（又稱 greedy decoding）

• `k=100`：增加多樣性，適合創意性任務。

3. Top-p

只從總機率累積達 p 的 token 中抽選：

• `p=0.1`：偏向高信賴回應。

• `p=0.8`：更多元、有驚喜，但需注意幻覺風險。

📌 小技巧：想減少胡說八道（hallucination）？降低 temperature 和 top-p。

---

🎯 想用 Gen AI 幫助自己快速理解新事物？這些 prompt 請收好！

• 解釋術語：「請用簡單中文解釋什麼是 compound interest？」

• 翻譯與語境說明：「'saru mo ki kara ochiru' 是什麼意思？」

• 解讀圖表：「請簡單解釋這張圖的主要趨勢」

• 拆解 spreadsheet：「B12 的公式是什麼意思？」

• 錯誤訊息排查：「'kernel panic' 是什麼錯？」

---

🗣 延伸應用：幫你準備簡報講稿

透過 long context window 的工具（如 Google AI Studio），你可以：

• 根據簡報內容自動產出講稿

• 根據觀眾身分（如主管）調整語氣

• 錄音後請 AI 回饋語速、語氣等演說技巧

---

✅ 小結：Gen AI 是助力不是萬能

Gen AI 在資料分析與理解陌生資訊方面提供了超強輔助，但別忘了：

• 要驗證它的輸出（尤其是數據）

• 要揭露你是否用了 AI 工具

• 要選對場合，正確使用 prompt 與 sampling 參數

---

📬 喜歡這類內容？記得訂閱部落格，未來還會分享更多 Gen AI 實戰技巧！

Google Prompting Essentials 第二堂課心得分享(Part 2)

第一次玩 ChatGPT 或 Gemini 的時候，可能覺得這些工具就像全能小幫手，只要輸入一段指令，它就會「變出答案」。但當你開始希望它生成完整商業計畫、分析 50 頁報告、或根據對話脈絡給出更有深度的建議，你可能會發現——事情沒那麼簡單。

原來，不是你不會用 AI，而是你還沒學會「如何讓 AI 懂你」。

這正是我在修完 Google 推出的《Prompting Essentials》第 2 堂課 後最大的體悟：

在長文本（Long Context）中，如何用正確的方式說話，讓 AI 懂你的複雜任務與精細邏輯，才是生成式 AI 的關鍵技術。

以下是課程中幾個最值得學起來的觀念與技巧：

---

🧱 一、Token 是 AI 世界的基本單位，你必須懂它

當你輸入一段文字時，AI 模型會先將文字切割成「Token」。

• 一個 token 可能是「一個字母」、「一段詞語」甚至是一整個片語。

• Prompt 越長，消耗的 token 越多；生成的內容也會占用 token 數量。

• 每個模型有自己能處理的 token 限制。例如：

  • GPT-3.5：約 4,096 tokens

  • GPT-4 Turbo、Gemini 1.5：可達百萬級 tokens（可以看整本書）

👉 知道 token 限制，不只是技術人員的事，也是每位 prompt 設計者的基本素養。

---

📚 二、Long Context 是 LLM 的「工作記憶」，不是無限容量的硬碟

有了「Long Context」，你可以一次提供 AI 更多背景資訊，例如：

• 整本報告或長篇對話記錄

• 使用者歷史資料、風格偏好

• 多階段任務的來龍去脈

但 Google 課程提醒我們：不是資訊丟得越多越好，而是要「給得剛剛好」。

這時你就要用到下面這個超實用的技巧：

---

🧠 三、Chain of Density（密度鏈）技巧：幫 AI 找到資訊核心

這個技巧是幫助 AI 「濃縮重要內容 → 再強化關鍵重點」 的方式。

舉例來說，如果你輸入一大段產品規格書，Chain of Density 的做法是：

1. 先請 AI 摘要為「精簡版概要」

2. 再要求它進一步「加密度」——將摘要裡的關鍵詞延伸描述，補上背景、條件與限制

這樣能讓模型更聚焦在重要元素上，也大大提升輸出品質。這比你一次就丟進一堆內容，然後希望 AI 自行理解重點，效果好太多。

---

🧭 四、Prompting Framework：Task, Context, Reference, Evaluate, Iterate

Google 課程提出了一個非常實用的 Prompt 設計框架，幫你不再亂槍打鳥地寫指令：

元素	說明	範例
Task	明確說明任務是什麼	「幫我根據這份行銷簡報，寫出一個30秒電視廣告腳本」
Context	提供背景脈絡	「我們是一家環保牙刷品牌，主打永續、天然材質」
Reference	提供參考資料或風格	「我們喜歡 Apple 或 Airbnb 的簡潔敘事風格」
Evaluate	設定評估標準	「請列出內容的 CTA（行動呼籲）與 USP（獨特賣點）」
Iterate	保留回饋空間進行優化	「根據下方建議再調整一次腳本」

➡️ 有了這個架構，你就不只是「丟一句話」，而是進行一場「專業對話」。

---

💬 五、AI 不是神，但會記得你說過的話（前提是你不關視窗）

Long context 的另一個好處是：在同一對話中，AI 能記得你曾說過什麼。
這就像跟一個已經了解你背景的人對話，不必每次都從頭交代。

但別忘了：

如果你重開聊天視窗，那些記憶就會「清空」。
想保留記憶，就需要運用 Prompt Chaining、資料儲存機制或 API 串接。

---

✅ 結語：學會「說得剛剛好」，AI 就能做得剛剛好

很多人誤會 Prompt 設計只是工程師的事，其實這是一種**「對 AI 說人話」的溝通能力**。
透過理解 token 限制、善用 long context、套用 Chain of Density 與 Google 推的 Prompting Framework，你就能讓 AI 不只是回應，而是成為真正的共創夥伴。

😱 菜鳥日誌：WSL 裡的 npm install 怎麼搞定？（說好的 Vibe Coding 呢？我為了追 AI 夥伴 Claude Code 拼了！）

哈囉！各位跟我一樣，正在程式碼世界裡努力探索的未來大神們！

今天想跟大家分享我最近經歷的一場「驚心動魄」的除錯之旅。說真的，這段經歷讓我對「當工程師」這件事有了更深一層的體會：程式碼寫得好不好是一回事，但要先把開發環境搞定，才是關鍵啊！

最近，我迷上了 Vibe Coding 這個概念。簡單來說，就是當你對語法、常用程式碼都很熟悉後，只要腦袋裡想好需求，手就可以流暢地把程式碼寫出來，那種沉浸在編碼節奏裡的感覺，超棒的！我一直想朝著那個境界邁進，希望能達到那種「想到什麼就能寫什麼」的境界。

而為了加速我達到 Vibe Coding 的理想狀態，我最近對 Anthropic 的 Claude Code 超級感興趣！聽說它能幫我們寫程式寫得更快、更聰明，讓開發更像是順著直覺走，簡直是實現 Vibe Coding 的「神器」啊！

於是，我信心滿滿地打開我的 WSL Ubuntu 終端機（就是那個在 Windows 裡跑 Linux 的酷東西），準備把我期待已久的 Claude Code 安裝起來，想著只要裝好，我的 Vibe Coding 之路就此開啟！

🚀 興奮的第一步：說好的流暢開發體驗呢？

我多麼期待著，只要簡單地輸入 npm install 指令，Claude Code 就會自動出現，然後我就能立刻體驗 AI 寫程式的快感，進入 Vibe Coding 的境界了！

我敲下了：

Bash

# 感覺安裝 AI 工具就是這樣吧？
npm install -g claude-code
# 或者，如果是在專案裡面用的話，可能是這樣
npm install claude-code

結果... 螢幕上跳出來的不是「安裝成功」的綠色字樣，而是一堆我看不懂的紅色錯誤訊息... 😨 我說好的 Vibe Coding 呢？怎麼第一個關卡就卡在環境設定上了？

🚨 第一次被打擊：什麼是 EPERM？環境先給你一記下馬威！

我的終端機吐出了一大段錯誤，最顯眼的就是 EPERM: operation not permitted。天啊，這是什麼巫術？

npm warn cleanup Failed to remove some directories [
npm warn cleanup    [
npm warn cleanup      '\\\\?\\UNC\\wsl.localhost\\Ubuntu\\home\\linux-like\\codeDemo\\node_modules',
npm warn cleanup      [Error: EPERM: operation not permitted, rmdir '\\wsl.localhost\Ubuntu\home\linux-like\codeDemo\node_modules\node'] {
npm warn cleanup        errno: -4048,
npm warn cleanup        code: 'EPERM',
npm warn cleanup        syscall: 'rmdir',
npm warn cleanup        path: '\\\\wsl.localhost\\Ubuntu\home\linux-like\codeDemo\\node_modules\\node'
npm warn cleanup      }
npm warn cleanup    ]
npm warn cleanup ]
npm error code 1
npm error path \\wsl.localhost\Ubuntu\home\linux-like\codeDemo\node_modules\node
npm error command failed

我有點慌了。EPERM 聽起來像是「權限不夠」？但我在 WSL 自己的終端機裡操作啊，怎麼會沒權限？而且，那個 \\wsl.localhost 的路徑，怎麼看起來這麼像 Windows 的路徑？

我的初步猜想： 老師們說過，WSL 裡面跑 Linux，外面是 Windows，它們之間可能在檔案權限上會打架！難道這就是傳說中的「跨系統權限衝突」？

我趕緊確認了一下，我的程式碼專案是不是真的放在 WSL 的 Linux 檔案系統裡面（比如 /home/我的名字/我的專案），而不是放在 Windows 的 C 槽，然後從 WSL 去「看」它。確認路徑沒問題後，我試著再跑一次：

Bash

# 我確定我在 WSL 的 /home/linux-like/codeDemo 這個路徑下
cd ~/codeDemo
npm install claude-code # 再次挑戰！這次應該會成功了吧？

🤯 第二次被打擊：什麼！你怎麼跑去 Windows 了？！我的 Vibe Coding 夢搖搖欲墜...

這一次，錯誤訊息雖然變了，但並沒有讓我鬆一口氣，反而更困惑了！它竟然說 npm 試圖去執行 C:\Windows\system32\cmd.exe，還要找一個叫做 C:\Windows\installArchSpecificPackage 的東西！

npm error command C:\Windows\system32\cmd.exe /d /s /c node installArchSpecificPackage
npm error '\\wsl.localhost\Ubuntu\home\linux-like\codeDemo\node_modules\node'
npm error 檔案名稱、目錄名稱或磁碟區標籤語法錯誤。
npm error node:internal/modules/cjs/loader:1408
npm error   throw err;
npm error   ^
npm error
npm error Error: Cannot find module 'C:\Windows\installArchSpecificPackage'

等等！我是在 Linux 終端機裡啊，怎麼會跑去 Windows 執行指令？這就像我點了一份滷肉飯，結果送來一盤義大利麵，還是生義大利麵那種感覺！😱 我想著流暢的 Vibe Coding，結果連個工具都裝不好，這打擊真的有點大！

我的進一步猜想： 難道，我的 WSL 裡面的 node 和 npm 指令，其實是 Windows 的版本？而不是 Linux 裡面的版本？這就好像，我在 Linux 裡喊「node」，結果 Windows 的 node 跑出來回應一樣！

為了驗證這個恐怖的想法，我輸入了這幾個指令：

Bash

which node # 檢查 node 指令從哪裡來
which npm  # 檢查 npm 指令從哪裡來
node -v    # 檢查 node 的版本
npm -v     # 檢查 npm 的版本

果然！which node 和 which npm 竟然沒有顯示 /usr/bin/node 這種 Linux 路徑，感覺就是沒找到，或者是找到一個怪怪的路徑！這下我明白了，問題的根源就是出在這裡！原來，我以為的 Vibe Coding，其實需要一個穩固的基底環境才能實現啊！

✨ 絕地反擊：大神推薦的 nvm 登場！我的 Vibe Coding 救星！

為了徹底解決這個混亂，我回想起前輩們提過的一個神器：nvm (Node Version Manager)！它就像一個 Node.js 版本的管家，可以幫我們好好地管理 Node.js 的版本，而且最重要的是，它會把 node 和 npm 指令設定正確，讓我們在 WSL 裡使用的就是 WSL 裡安裝的 Node.js。

既然 nvm 指令我原本也沒裝好，那就從頭開始，一步一步來！

1. 安裝 nvm：

   Bash

   curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.1/install.sh | bash
   

   安裝完畢後，這裡有個超重要的步驟！ 它會提示你要關閉終端機再打開，或者輸入 source ~/.bashrc (如果你是用 Bash 介面，通常是這個) 或 source ~/.zshrc (如果你用的是 Zsh 介面)。這一步超級重要，不然 nvm 指令還是會找不到！

   Bash

   # 根據你用的終端機類型，選一個輸入
   source ~/.bashrc
   # 或者
   source ~/.zshrc
   

2. 確認 nvm 安裝成功：

   Bash

   nvm --version
   

   如果顯示了一串版本號，那恭喜你！nvm 已經準備好了！

3. 用 nvm 安裝 Node.js：

   Bash

   nvm install node   # 安裝最新穩定版的 Node.js
   nvm use node       # 讓當前的終端機使用這個版本的 Node.js
   nvm alias default node # 設定成預設值，這樣以後每次開終端機都會自動用它
   

4. 最後檢查：

   Bash

   which node
   which npm
   node -v
   npm -v
   

   這次，which node 和 which npm 終於顯示了類似 /home/我的名字/.nvm/versions/node/vX.Y.Z/bin/node 這樣 nvm 管理的路徑！太棒了！這才是我要的！

✅ 終於！我的 Claude Code 成功了！Vibe Coding 等我！

搞定了這些，我感覺自己像個解開了謎題的偵探！現在，是時候讓我的 AI 夥伴登場了！

我回到我的專案目錄：

Bash

cd ~/codeDemo
rm -rf node_modules     # 把之前所有可能被弄亂的檔案通通刪掉
rm package-lock.json    # 這個檔案也要一起刪掉，確保乾淨
npm install claude-code # 再次嘗試，這次我感覺穩了！

螢幕上跑出了正常的安裝進度，然後是：

added 12 packages in 6s

11 packages are looking for funding
  run `npm fund` for details

成功了！ 雖然最後兩行訊息說有 11 個套件需要資金支持（這是一種鼓勵大家支持開源專案的新提示，跟我之前遇到的錯誤無關，算是個好消息！），但最重要的是，沒有錯誤訊息！ 我的 Claude Code 終於成功安裝了！感動！現在，我離 Vibe Coding 的境界又近了一步！

📚 小菜鳥的成長筆記（給跟我一樣的新手們！）

這次為了裝個 AI 工具，竟然經歷了這麼多波折，但我也學到了超多東西！

1. Vibe Coding 雖然酷，但基礎不能少： 我本以為有了 AI 工具，就能直接進入高效開發。沒想到，第一個關卡卻是基礎的環境配置。這讓我明白，無論多麼炫酷的上層應用，都需要穩固的底層基礎作為支撐。打好基礎，Vibe Coding 才可能真正實現。
2. WSL 其實有點小脾氣： 它雖然好用，但當它和 Windows 檔案系統「互動」時，有時候會出點小問題。所以，在 WSL 裡面工作時，盡量讓你的專案和相關操作都保持在 WSL 自己的 Linux 檔案系統裡。
3. nvm 是 Node.js 開發者的必備神器： 如果你發現 node 或 npm 怎麼用都不對勁，或者發現自己有不同版本的 Node.js，一定要學會用 nvm。它能把你的 Node.js 環境管理得井井有條，少走很多彎路！
4. 看懂錯誤訊息很重要： 一開始看到一大堆英文錯誤訊息會很慌，但仔細看，每個錯誤都在告訴你一些線索。像這次的 EPERM、cmd.exe、Cannot find module，它們都指向了不同的問題，幫助我一步步找到真正的根源。
5. 耐心和不放棄： 寫程式和除錯的過程就像解謎。有時候會很卡，會想放棄，但只要耐心一點，一步步分析，總能找到答案的！這次的經驗讓我更有信心面對未來的 Bug 了！
6. 感謝開源貢獻者： 我們能用這麼多酷炫的工具，都是因為有許多人無私地分享他們的程式碼。npm 最後的「募資」提示，讓我意識到這些工具背後是有人在努力的，如果未來有能力，我也想支持他們！

總之，這次為了安裝 Claude Code 而經歷的「磨難」，讓我這個菜鳥又成長了一點點！希望我的這段經歷，也能幫到同樣在學習路上奮鬥的各位！