# TAICA 課程筆記 SOP（唯一真實來源）

> 這份是「每週怎麼把一堂課變成筆記」的完整手冊。給 AI 讀，也給主理人查。
> **任何做筆記的 session／agent，動手前先讀完這份。** 對話被壓縮也不怕，流程全在這裡。
> 每次改流程，就改這份，並在最下面「版本紀錄」加一行。
>
> 目前版本：**v2.4（2026-10-01）**

---

## 0. 主理人是誰、要什麼（所有決定的根據）

- 碩士生，朝陽科大，修兩門 TAICA 課：**自然語言處理（NLP，清大高宏宇）**、**人工智慧導論（AI，成大朱威達）**。
- 兩門課**期末都是英文考試**。所以筆記要同時有：中文理解 ＋ 考卷上會出現的英文原句。
- 要**只看筆記就能學會**，內容高度 ≥ 影片，而且要講得比老師更好懂（五歲版、例子、前置知識）。
- 要**樹狀**：學習主頁 → 課程 → 週 → 章節。隨時知道自己在哪、影片幾分，可以只讀一小段。
- **畫面要簡潔**（2026-09-26 主理人明講）：不要 emoji、不要多餘 icon、不要一堆不同元素疊在一起。
  單純、直接、好讀。詳見第 4 節「風格鐵律」。
- 每週做，不要累積負債。先做完，再一輪一輪改。

### A4 拼貼構想（未來才做，現在只要資料庫撐得住）

- 期末**也許**能帶一張 A4（**尚未確認**，老師沒講過）。
- 主理人的做法不是「印一張正式文件」，而是：**用極小字印好幾張，剪下來拼貼到一張 A4 上**。
  印表機四邊印不到，但拼貼後整張紙每一吋都能用。
- 所以 A4 的素材是「**一小塊一小塊可以剪下來的方塊**」，不用好看、不用正式，要**塞得多、自己看得懂**。
- 現在不做 A4。現在只做**概念資料庫**，等考試範圍和形式確定，再從資料庫挑重點、排成可拼貼的小方塊。
- 資料庫的「A4 行」欄位就是一個方塊的內容：英文為主，可夾極短中文關鍵字幫自己看懂。

---

## 1. 位置總表

### 本機

| 東西 | 路徑 |
|---|---|
| 課程根目錄 | `C:\D槽\TAICA課程\` |
| **AI 課程網站（投影片正本）** | https://mmcv.csie.ncku.edu.tw/~wtchu/courses/2025f_AI/index.html → `lectures.html`，PDF 在 `Lectures/<檔名>.pdf`。**還沒講的章節連結藏在 HTML 註解裡，但檔案已經能下載**（2026-10-01 這樣拿到 Ch12、Ch13；Ch14、Ch19 也在） |
| **NLP 課程 GitHub（投影片、影片網址）** | https://github.com/IKMLab/NTHU_Natural_Language_Processing（README 週次表；本機 clone 在 `自然語言處理\NTHU_Natural_Language_Processing\`） |
| AI 各週 | `人工智慧導論\第N周YYYMMDD\`（逐字稿 `W{n}_人工智慧導論_朱威達.逐字稿.txt`） |
| AI 投影片 PDF | `人工智慧導論\投影片\*.pdf`；文字版 `人工智慧導論\投影片\_text\*.txt`（每頁用 `=== pN ===` 分隔） |
| AI 投影片圖 | `人工智慧導論\投影片圖\` |
| NLP 各週 | `自然語言處理\第N周YYYMMDD\`（逐字稿 `W{n}_自然語言處理_高宏宇.逐字稿.txt`） |
| NLP 投影片 | `自然語言處理\NTHU_Natural_Language_Processing\2026\Slides\*.pdf`；文字版在同層 `_text\` |
| 工作區（草稿、合併逐字稿、停車場） | `C:\D槽\TAICA課程\_work\notes-v2\` |
| 每堂課的草稿 | `_work\notes-v2\<課-週>\`（例 `ai-w2`），內有 `transcript_merged.txt`、`chNN.md` |
| 停車場（不能自己決定的事） | `_work\notes-v2\00-parking.md` |
| 各課接手卡 | `人工智慧導論\_接手卡.md`、`自然語言處理\_接手卡.md` |

### 腳本（全部用這個 Python 跑）

```
C:\Users\user\.cache\meeting-record\venv\Scripts\python.exe
```

其他 Python 沒有 opencc／faster-whisper／pymupdf，會報 ModuleNotFoundError。

| 腳本（`C:\Users\user\.claude\scripts\`） | 用途 |
|---|---|
| `transcribe_class.py <音檔>` | 音檔 → 逐字稿（faster-whisper large-v3，約 12 倍速） |
| `fix_transcript.py <逐字稿>` | 簡轉繁 ＋ 已知錯字修正（原檔留 `.orig.txt`） |
| `merge_transcript.py <逐字稿> <輸出> --secs=90` | 合併成約 90 秒一段，好讀 |
| `slides_to_text.py <pdf>` | 投影片文字 → `_text\<檔名>.txt` |
| `slides_to_png.py <pdf> <輸出資料夾> <頁> --dpi=110` | 投影片某頁 → PNG（**要寫 `--dpi=110`，有等號**；寫成 `--dpi 110` 會被忽略、改用預設 150） |
| `quote_check.py <逐字稿> --file quotes.txt` | **查老師原話是不是真的在逐字稿裡**（見第 6 節） |

### Notion

| 頁面 | ID |
|---|---|
| 學習主頁 | `3e6fc631-b030-8180-a7bf-e50a5b7c8191` |
| AI 課程頁 | `3e6fc631-b030-8131-b213-f0a3d93fe91d` |
| NLP 課程頁 | `3e6fc631-b030-81b4-a9e8-f91f3411f61f` |
| 概念資料庫 | database `54e53dc6c92144bda205cac0e48d7825`；data source `collection://6fc4ce25-cd77-4295-b3e9-8756987a0340` |
| 前置知識補給站 | `3e6fc631-b030-8114-834b-dbcba71beab6` |
| 封存（舊筆記，只當漏看檢查表） | `3e6fc631-b030-81ef-8963-e93938b69f54` |
| 舊 NLP W2 筆記 | `3defc631-b030-81fa-b207-fa9994c44a6f` |
| 舊 NLP W3 筆記 | `3e5fc631-b030-81ba-80e2-efdcb7750bdb` |
| AI W1 週頁（v2 舊樣式，待改簡潔版） | `3e6fc631-b030-81b4-bd33-ca8e0a0c22b5` |

### 各週影片

| 課-週 | 日期 | YouTube | 長度 |
|---|---|---|---|
| AI-W1 | 9/10 | `KWGgi100YLY` | 2:59:58 |
| AI-W2 | 9/17 | `hNZQIO0q74o` | 2:35:52（**開頭缺幾分鐘**：HW1 說明前段） |
| AI-W3 | 9/24 | `S1km7opW6rw` | 2:57:10（0:00:42–0:09:57 沒聲音） |
| AI-W4 | 10/1 | 非同步，三支 2021 錄影：Ch12 Part 2 `iuAeHIfOscA`、Ch12 Part 3 `bJM9vgr6iy4`、Ch13 Part 1 `MxNi_mjW4qs` | 41:39 ＋ 31:39 ＋ 48:19（網址是助教在群組公告的） |
| NLP-W2 | 9/17 | `MnA5KUETSg4` | 3:00:07 |
| NLP-W3 | 9/24 | `g0QE6O17BWE` | 2:51:05 |
| NLP-W4 | 10/1 | 正課 `7kgOuhuIjvY` ＋ 助教 PyTorch 教學 `sg22677pUEs` | 1:19:35 ＋ 1:26:11（**兩支影片**：老師上半場，下半場請大家看 2024 年錄的助教課；網址都在課程 GitHub README 的 W4 列） |

### 投影片對應（檔名的 W 不等於上課週）

| 課-週 | 用的投影片 |
|---|---|
| AI-W2 | Ch2 後半（p.13 起）、Ch3 全部、Ch4 開頭 |
| AI-W3 | Ch4、Ch12 p.2–17（2026-10-01 從課程網站拿到，第 07 章已重審），Ch12 從 2:29:37 開始。課本 Ch5–10 整段跳過。Ch4 PDF 的 p.27 起，投影片上印的頁碼是 52–63（本手冊一律用 PDF 頁序 p.N） |
| AI-W4 | Ch12 中後段（機率分布、聯合分布推論、獨立、貝氏定理、條件獨立、單純貝氏）、Ch13 開頭（貝氏網路的表示與建構）。投影片：01 Ch12 p.11、p.18–26／02 p.27–39／03 p.40–47／04 p.48–55／05 Ch13 p.2–8／06 p.9–10／07 p.11–17 |
| NLP-W2 | `W1_NLP_brief_v2.pdf` p.3–64（p.2 目錄跳過；講到貓／狗／卡車那張圖） |
| NLP-W3 | `W1_NLP_brief_v2.pdf` p.64–95，**2:12:42 起**換 `W2_Word embeddings and Language Modeling (RNN)_v2.pdf` **p.1–17**（停在困惑度）。作業一說明用 `2026\Assignments\Assignment1\NLP_HW1_word_emb.pdf`。老師說不講 GloVe（brief p.91）但實際有簡短帶過 |
| NLP-W4 | 正課：`W1_NLP_brief.pdf` p.53（回頭補 BM25）→ `W2_Word embeddings and Language Modeling (RNN).pdf` p.17–47（停在 activation function 表）。助教課：`pytorch_tutorial_NTHU_NLP.pdf` p.1–62。**10/1 老師把 `_v2` 兩個檔改回沒有 `_v2` 的檔名**（頁數、頁碼不變）；W2、W3 設定還指著 `_v2`，舊檔已從 git 歷史救回原位（未被 git 追蹤的本機檔） |

### 下一堂從哪裡接

| 課 | 下一堂接續點 |
|---|---|
| AI | Ch13 Part 2（貝氏網路的推論）；W4 的 Ch13 Part 1 停在「節點順序與網路精簡性」 |
| NLP | `W2_Word embeddings and Language Modeling (RNN).pdf` p.48（In text viewpoint、FFN、RNN） |

---

## 2. 每週管線（節點）

每個節點：做什麼 → 產出 → 注意。之後要改流程，就改對應節點。

| 節點 | 做什麼 | 產出 | 注意 |
|---|---|---|---|
| N1 取得 | 拿 YouTube 網址 → `yt-dlp -f bestaudio` → `ffmpeg -vn -ac 1 -ar 16000 -c:a aac -b:a 48k` | 週資料夾裡的 `.m4a` | 標題常寫錯年份，以網址為準 |
| N2 逐字稿 | `transcribe_class.py`（依路徑自動選課程詞彙） | `.逐字稿.txt`，每行 `[HH:MM:SS] 文字` | 約 15 分鐘 |
| N3 錯字 | `fix_transcript.py` | 原地更新，原檔 `.orig.txt` | 新錯字加進腳本的 ASR 表 |
| N4 合併 | `merge_transcript.py --secs=90` | `_work\notes-v2\<課-週>\transcript_merged.txt` | 引用時間要回原檔 grep 精確行 |
| N5 投影片 | `slides_to_text.py`；需要圖時 `slides_to_png.py` | `_text\*.txt`、PNG | `[IMAGE-ONLY]` 頁要看圖 |
| N6 切章節 | 讀合併逐字稿＋投影片文字，照老師主題切 | 章節計畫（章號、標題、起訖時間、投影片頁、段落時間點） | 每章 15–40 分鐘；休息是天然分界；**已知的考試規則不重講** |
| N7 建殼 | 在課程頁下建週頁，再**依序**建各章空頁 | 週頁 ID、各章 ID／URL | 一定要依序建，側邊欄順序＝建立順序 |
| N8 寫章節 | 照第 3 節模板寫 | `chNN.md`（Notion 寫法）＋概念清單 | 圖用佔位符 `[[IMG: 路徑 | 圖說]]` |
| N9 查核：正確 | 原話、時間、英文句子逐一核對 | 在 `chNN.md` 原地修正 | 見第 6 節 |
| N10 查核：完整＋風格 | 對照逐字稿該時段：重點有沒有漏、夠不夠懂；風格鐵律 | 原地修正 | 見第 4、6 節 |
| N11 發佈 | 上傳圖片 → 替換佔位符 → `replace_content` 寫進章節頁 → fetch 回來確認 | Notion 章節頁 | 見第 7 節 |
| N12 週頁 | 填週頁（章節表、這週要記得） | Notion 週頁 | 見第 3.2 |
| N13 概念入庫 | 所有概念集中去重 → 新增或更新資料庫列 | 資料庫列 | 見第 5 節 |
| N14 本週概念表 | 在週頁最後建 linked view（篩 週＝該週） | view | `create-view` 一定加在頁面最尾 |
| N15 漏看檢查 | 拿舊筆記（封存）比對新筆記，漏的補上 | 修正後的章節頁 | 只有 NLP W1–W3、AI W1 有舊筆記 |
| N16 收尾 | 更新課程頁週次表、兩張接手卡、本手冊版本紀錄、停車場 | — | |

### 自動化 v2.2：省額度版（2026-09-26 起的預設做法）

全部在 `C:\D槽\TAICA課程\_work\notes-v2\workflows\`。Python 一律用 `C:\Users\user\.cache\meeting-record\venv\Scripts\python.exe`。

| 檔案 | 是什麼 |
|---|---|
| `lectures.json` | 每堂課的設定（影片 ID、逐字稿、投影片、Notion 課程頁、舊筆記、沒投影片的章） |
| `1_segment.js` | N6 切章節（Workflow，每堂一個 Opus） |
| `0_shell.js` | N7 建週頁、概念表、空章節頁（Workflow，Sonnet）；寫 `<課-週>\shell.json` |
| `make_brief.py <課-週>` | 產生每章的**章節包** `chNN.brief.md`（第一行、各段標題與連結、老師強調處、該章逐字稿、該章投影片文字、公式圖、寫作規則） |
| `writer_rules.md` | 塞進章節包的精簡寫作規則（本手冊 3.1／4／5／6 節的濃縮版） |
| `make_args.py <課-週>` | 看完成標記，產生 Workflow 的 args（只做沒做完的步驟） |
| `4_lean.js` | N8 寫（Opus，讀章節包）→ 一道合併審稿（Opus，先跑 `check_note.py`）→ 發佈（Sonnet）→ 有舊筆記才做漏看檢查 → 概念去重（Sonnet）與寫入（Haiku） |
| `token_report.py <workflow 紀錄資料夾>` | 量每個步驟花了多少 |
| `C:\Users\user\.claude\scripts\check_note.py` | 不用 AI 的機械檢查：符號、callout、時間連結、老師原話、Exam-ready 英文 |

**開新對話跑一堂課（已切好章節、已有殼頁的，例如 ai-w3）**：
1. `python make_brief.py ai-w3`
2. `python make_args.py ai-w3 > args_ai-w3.json`
3. 用 Workflow 工具跑 `4_lean.js`（`scriptPath`），`args`＝`args_ai-w3.json` 的內容。
4. 回報的 `missing` 不是空的 → 再做一次 2、3（只補沒做完的）。
5. 收尾：課程頁該週「狀態」改「完成」並連到週頁；`token_report.py` 量花費，記進 7.5 節實驗紀錄。

**全新的一週（例如 W4）**：N1–N5（下載、逐字稿、錯字、合併、投影片文字）→ `lectures.json` 加一筆 → 跑 `1_segment.js`（**args＝這週的設定陣列**，格式同腳本裡的 LECTURES，範例 `args_segment_nlp-w4.json`；不用再改程式碼），主 session 看一遍切法，存成 `_work\notes-v2\<課-週>\segment.json` → `0_shell.js`（args＝lectures.json 那筆加 key）→ 上面 1–5。

**一週有兩支影片時**（2026-10-01 NLP-W4 起；課表上 NLP W6、W7 的 Python 教學週大概也會這樣）：
- `lectures.json` 那筆的 `vid`／`transcript` 放正課，另加 `"parts": {"torch": {"label", "vid", "dur", "transcript"}}` 放第二支。
- `1_segment.js` 的 args 放兩筆（第二筆加 `"part": "torch"`），一支影片一個小幫手。
- 主 session 合併成一份 `segment.json`：第二支的章接在後面重新編號、加 `"part": "torch"`、章名前加「PyTorch：」之類的前綴。時間保留那支影片自己的時間。
- 之後 `make_brief.py`、`make_args.py`、`4_lean.js`、`0_shell.js` 都會看 `part`，自動用那一章的影片 ID 和逐字稿（麵包屑、YouTube 連結、check_note 都對）。
- 舊影片重播（例如 2024 年錄的助教課）裡提到的作業、日期，不要寫成今年的資訊。

**完成標記**（在 `_work\notes-v2\<課-週>\`）：`chNN.md`＋`chNN.concepts.json`（寫完）、`chNN.review.done`、`chNN.pub.done`、`critic.done`、`concepts.done`。舊版的 `chNN.acc.done`＋`chNN.cov.done` 兩個都在也算審完。

### 自動化：兩支 Workflow 腳本（v2.1，已被 v2.2 取代，留作參考）

N6–N15 已經寫成兩支可以重跑的 Workflow 腳本，放在 `_work\notes-v2\workflows\`：

| 腳本 | 做哪些節點 | 輸入 | 輸出 |
|---|---|---|---|
| `1_segment.js` | N6 切章節（每堂一個 agent） | 腳本裡的 `LECTURES` 設定（課、週、日期、影片 ID、逐字稿、投影片、已知事實） | 章節計畫；主 session 另存成 `_work\notes-v2\segments.json` |
| `2_build.js` | N7 建殼 → N8 寫 → N9 查核正確 → N10 查核完整＋風格 → N11 發佈 → N15 整堂把關 → N13 概念去重與入庫（含前置知識關聯） | `args`＝每堂的章節骨架 `[{key, chapters:[{num,title,start,end}]}]`；腳本裡的 `CFG` 設定每堂的路徑與 Notion 課程頁 | Notion 週頁、章節頁、概念列 |

**下週怎麼用**（主 session 做）：
1. N1–N5 照上表手動跑（下載、逐字稿、錯字、合併、投影片文字）。
2. 改 `1_segment.js` 的 `LECTURES`（新的一週），用 Workflow 工具跑；把結果存成 `segments.json`，**主 session 先看一遍章節切法**。
3. 從 `segments.json` 產生骨架，改 `2_build.js` 的 `CFG`（新的一週），用 Workflow 工具跑，`args`＝骨架。
4. 跑完做 N16 收尾。

每章草稿留在 `_work\notes-v2\<課-週>\chNN.md`，之後要改某章，改草稿再重發佈最方便。

---

## 3. 模板

### 3.1 章節頁

標題：`NN 章名（h:mm–h:mm）`，例：`03 BFS 與 DFS（0:44–1:10）`。**不設 page icon。**

內容依序（**不要多加區塊**）：

```
人工智慧導論 › W2 › 03｜影片 [0:44:08–1:10:20](https://www.youtube.com/watch?v=ID&t=2648s)｜投影片 Ch3 p.12–20｜上一章 [02 章名](url)｜下一章 [04 章名](url)

## 重點
- 三點。每點一到兩句中文，讀完就知道這章在講什麼。

## Exam-ready
- **Term**: "slide sentence copied verbatim."（Ch3 p.14）
- **Term**: "..."（Ch3 p.15）【老師強調】(1:02:10)

## [0:44:08](https://www.youtube.com/watch?v=ID&t=2648s) 段落標題
白話摘要，二到四句，預設展開。
（需要時，三選一：一張投影片圖／一個表格／一個 mermaid 流程圖）
<details>
<summary>用生活例子講，BFS 在做什麼？</summary>
內容。
</details>
<details>
<summary>老師原話是什麼？</summary>
「老師的話」(0:45:12)
</details>

## [下一段時間](連結) 下一段標題
...

## Self-check
<details>
<summary>Q1. Compare BFS and DFS in terms of completeness and space complexity.（中文：比較 BFS 和 DFS 的完整性與空間複雜度）</summary>
**Answer**: English answer, exam style.
中文：把答案完整講一遍，看不懂英文的人也知道怎麼答。
</details>

讀完了嗎？下一章：[04 章名](url)｜回到週頁：[W2（9/17）](url)
```

- **Exam-ready 每一行英文下面，一定要有一行縮排的「中文：」解釋**（2026-09-26 主理人：英文很棒但看不懂就沒用）。寫法：
  ```
  - **Term**: "slide sentence."（Ch3 p.14）
  	- 中文：先講句子意思，再補一句白話；難字括號附中文。
  ```
- **全頁最後一行是「下一章」連結**（週的最後一章連到下一週第一章，沒有就只寫回到週頁）。章節包第 1b 節已經算好。

- 第一行（麵包屑）是一般段落，不要包 callout。
- 「重點」「Exam-ready」「每段白話摘要」預設看得到；其他全部收進摺疊。
- 摺疊的標題**寫成問句**，不加任何前綴符號。可用的問句類型（依需要，不必每段都有）：
  - 用生活例子／五歲小孩聽得懂的話講？（ELI5）
  - 它到底怎麼運作？（詳細、手算例子、流程）
  - 老師原話是什麼？（逐字稿原句＋時間）
  - 要先懂什麼？（前置知識：線性代數、機率、演算法…；短版在這，長版進補給站）
  - 別人怎麼教這個？（驗證過的外部連結，見第 6 節）
- Self-check 2–4 題，英文考卷口吻，答案收摺疊，答案後補一句中文重點。
- 長度：全文不超過 16,000 字元（寫作規則、審稿、check_note.py 都用這個數字，2026-09-26 統一）。不要為了壓字數反覆刪改；寧可多切一章，不要一章塞爆。

### 3.2 週頁

標題：`W2（9/17）這週主題一句話`，例：`W2（9/17）Agent 類型、搜尋演算法`。**不設 page icon。**

```
人工智慧導論 › W2（9/17）｜影片 [YouTube](https://www.youtube.com/watch?v=ID)（2:35:52）

這週一句話：……

## 章節（照順序讀）
各章子頁（01、02…，一打開就看到，點了就進去；2026-09-26 主理人：章節不能埋在最底下）。不另做章節表格。

## 這週要記得
1. 三到六條。作業、老師明講的考試訊號、下週要先準備什麼。
（已知的考試規則不重複；有新資訊才寫）

## 本週概念
（N14 會在這裡加 linked view）
```

特殊狀況用一句「注意：……」寫在「這週一句話」下面（例：AI W2 影片開頭缺幾分鐘）。

### 3.3 課程頁與主頁

- 課程頁：麵包屑一行 → `## 週次導覽` 表（週｜日期｜在講什麼｜狀態）→ `## 考試與作業` 精簡版。
- 主頁：一段說明 → 兩門課 → 概念資料庫 → 補給站 → 封存。
- 都不設 icon、不用 callout。

---

## 3.4 最高原則：Notion 是主教材，不是輔助（2026-10-04 主理人明講）

主理人看不懂老師的英文簡報、數學與底層內容，所以才要 Notion 筆記。**標準是：不看影片、不看投影片，只讀 Notion 也學得會。**
每章寫完用三題自我檢查（寫作規則 `writer_rules.md` 開頭有完整版）：
1. 收起來的數學段，外面有沒有一句白話說「這段在解決什麼、算出來代表什麼」。
2. 每張英文投影片圖，下面有沒有中文重點翻譯與說明。
3. 老師沒解釋的底層知識（數學名詞、程式名詞、前幾週概念）有沒有用白話補上。
「數學段跳過提示」是給看影片時用的；筆記本身不能因為跳過而讓概念斷掉。

## 3.45 作業優先（2026-10-04 主理人明講）

策略：兩門課都把重心放在作業、衝高分；期末考是弱項，靠作業分數讓考試輕鬆。（AI：作業 40%＋專題 30%＋考試 30%；NLP：作業 75%＋考試 25%，而且考題考作業過程與 insight。）
- 每章在「## 重點」下面加一行「**跟作業的關係：**」——這章哪個概念或工具會用在哪份作業（已公布的作業寫作業名；還沒公布就寫「目前看不出直接關係」，不要硬掰）。
- 作業說明、程式教學（例如 NLP W4 的 PyTorch）**不可當成「可跳過」**：程式碼仍收摺疊，但摺疊外要寫清楚「寫作業時這段用來做什麼」。
- 週頁「這週要記得」第一條固定是最近的作業期限。

## 3.5 概念優先（2026-09-26 主理人明講）

主理人只想懂概念（例：模擬退火＝投資理財的比喻），不想補線性代數、微積分，也不想看程式碼、座標軸圖。
依據：AI 考試幾乎都是問答題、不考手寫程式（W1 1:16:52）；NLP 不考算式、考作業過程與 insight（W3 1:47:41、2:48:36）。
- 預設看得到：白話摘要＋一句生活比喻＋考試可能怎麼問＋用文字說出演算法步驟。
- 數學、公式、手算、程式碼、座標圖：收進「（進階，可跳過）」摺疊，每段最多一個，不寫長篇計算。
- 不確定：AI 會不會考「一步一步跑演算法」（例如 A* 展開順序）老師沒講；每個演算法保留一個短的手算例子在進階摺疊當保險。
- AI 作業二、四要寫程式（個人），等作業公布再針對補，不在筆記裡預先教。
- 已完成的 AI W2、W3 不回頭改標題（成本高），讀的時候跳過「它到底怎麼運作？」「要先懂什麼？」摺疊即可。
- **數學段跳過提示**（2026-09-26 主理人：看影片時老師突然講一段公式就聽不懂，想知道從哪跳到哪）：
  每章第一行下面放「跳過提示：(起–訖) 老師在做什麼，聽不懂可以直接跳到 [時間](連結)，接著講「…」」；週頁「## 章節」後面放「## 數學段地圖（聽不懂可以跳過）」表格。
  找法：`find_math_segments.py`（程式，依數學字密度抓候選）→ AI 對照逐字稿確認與補漏。已發佈的四堂用 `7_math_skips.js` 補上；新的週次由章節包第 3b 節＋寫作規則直接寫。

## 4. 風格鐵律（2026-09-26 主理人明講「畫面要簡潔」）

1. **不用 emoji**。標題、摺疊標題、內文、頁面 icon、表格都不用。
2. **不用 callout**。要提醒就寫一段以「注意：」開頭的粗體文字。
3. **每一段最多一種視覺元素**：一張圖、或一個表格、或一個 mermaid，三選一，不要疊。
4. 時間戳寫成純文字 `(0:45:12)` 或 YouTube 連結，**不要用 code 樣式**（灰底小框）。
5. 考試訊號只在有老師證據時標，用純文字 `【老師說會考】【老師強調】【老師說不考】` ＋時間。
   「我判斷是重點」不在內文標（太多會變噪音），只記在資料庫。
6. 不要裝飾性分隔線、不要彩色文字、不要多層巢狀摺疊（摺疊裡最多再放一個表格或清單）。
7. 中文用台灣用語。專有名詞第一次出現，括號補一句白話。

---

## 5. 概念資料庫

欄位與填法：

| 欄位 | 填法 |
|---|---|
| Name | 英文術語，考卷上的寫法 |
| 中文 | 中文名 |
| 類型 | 概念／演算法／公式／人物事件／前置知識／行政 |
| 考試訊號 | `老師說會考`／`老師強調`／`核心（我判斷）`／`老師說不考`／空白（不太會考） |
| 證據 | 前兩個與「老師說不考」**必填**：老師原句＋時間（必須過 quote_check） |
| Definition (EN) | **投影片原文逐字抄**；投影片沒有才用課本／老師英文，並註明來源 |
| 白話 | 一句中文 |
| A4 行 | ≤150 字元，英文為主，可夾極短中文關鍵字。**一列＝一個可剪下來拼貼的小方塊** |
| 出處 | 章節頁 URL |
| 影片時間 | `h:mm:ss` |
| 投影片 | `Ch3 p.14` 或 `W1_NLP_brief p.40` |
| 週 | `AI-W2`、`NLP-W3` 這種「課程-週」寫法（兩門課的 W2 不會混） |
| 課程 | AI／NLP |
| 我懂了嗎 | **主理人自己填**：不懂／半懂／懂。A4 優先放不懂、半懂 |
| 前置知識 | 關聯到其他列（例：Back-propagation → Artificial Neuron） |

去重規則：
- 一個概念只有一列。新週次遇到已存在的概念 → **更新那一列**：在「週」「課程」加上新值；定義有更好的投影片原文就補在後面。
- 比對用英文名稱（忽略大小寫、單複數、括號內縮寫）。拿不準就當同一個，寫進停車場讓人確認。

---

## 6. 查核規則（N9、N10）

### 正確（N9）

- **老師原話**：每一句「」引號裡的老師的話，都要跑 `quote_check.py`。MISS 的：
  - 先 grep 2–4 個字的片段看是不是逐字稿錯字；是錯字 → 保留原話但改用正確字。
  - 找不到 → 改寫成轉述（不加引號），或刪掉。**不准保留找不到的引號。**
- **時間戳**：標的時間要落在老師真的講那件事的 ±30 秒內（回原逐字稿看）。
- **Exam-ready 英文**：每一句都要能在投影片 `_text` 裡找到（允許刪節號）。找不到的：
  改用投影片原句，或標 `（課本用語）`／`（老師口頭）`。
- **考試訊號**：`【老師強調】` 等必須有原句＋時間，而且原句要真的在表達「重要／會考／不考」。
  老師只是順口說「很重要」不算強調；要有明確的強調語氣或重複。拿不準就不標。
- **老師講錯或跟課本不同**：照課本寫，加一句「注意：老師口頭說的是……，考試寫課本版」。

### 完整＋風格（N10）

- 對照該章時段的逐字稿：老師花超過 2 分鐘講的每件事，筆記都要有（至少一句白話＋需要時一個摺疊）。
- 老師說「這之後會講」「你可能要自己 catch」「這個要懂」的地方 → 一定要補前置知識摺疊。
- 投影片該範圍內有、老師跳過的頁：至少在 Exam-ready 放原句（考試可能考）。
- 風格：逐條檢查第 4 節鐵律。
- 外部連結：只能放**實際打開過**的。YouTube 用 `https://www.youtube.com/oembed?url=<影片網址>&format=json` 驗證（回 200 才算）；
  其他網頁用 WebFetch 打開。已驗證可用的：
  3Blue1Brown 神經網路 `https://www.youtube.com/watch?v=aircAruvnKk`、backprop `https://www.youtube.com/watch?v=Ilg3gGewQ5U`、
  李宏毅 CNN `https://www.youtube.com/watch?v=OP5HcXJg2Aw`、李宏毅 AI Agent `https://www.youtube.com/watch?v=M2Yg1kwPpts`、
  AIMA 課本官網 `https://aima.cs.berkeley.edu/`。

---

## 7. Notion 寫法與踩過的坑

- **摺疊**：`<details>` 換行 `<summary>問句</summary>` 換行 內容 換行 `</details>`。子內容**不用自己縮排**，Notion 會自動縮。
- **表格**：`<table fit-page-width="true" header-row="true">`，每列 `<tr><td>…</td></tr>`，格子裡可以用 `**粗體**` 和連結。
- **mermaid**：用 ```` ```mermaid ```` 區塊；節點文字用雙引號包起來；換行用 `<br>`；避免 `()` `:` 以外的特殊符號。
- **連結**：`[文字](網址)`；頁面連結用 `https://app.notion.com/p/<32 碼無橫線 ID>`。
- **不要寫** 裸的 `$`（會被當數學式）、`~~`、`{}`；金額寫「美元」，集合寫文字。
- **YouTube 時間連結**：`https://www.youtube.com/watch?v=<ID>&t=<秒數>s`，秒數＝時×3600＋分×60＋秒。
- **圖片上傳**（一張圖一次，upload 只能用一次）：
  1. `notion-create-file-upload`，參數 `filename`（例 `ai_ch3_p014.png`）。回傳 `upload_url`、`upload_headers`。
  2. `curl -s -X POST "<upload_url>" -H "<每個 upload_headers>" -F "file=@<本機 PNG 路徑>"`。
  3. 回應裡的 `markdown_source`（或 `suggested_markdown`）直接貼進頁面內容。
  4. **同一張圖要放第二次，要重新上傳。**
- **update_content 的 old_str 要一字不差**（包含摺疊子行開頭的 tab）。一條不符整批失敗、全部不寫入。
  不要拿表格中間的 `<td>` 當錨點。
- **大改用 `replace_content`**（整頁換掉），小改才用 `update_content`。
- **create-view 一定加在頁面最尾**。所以週頁的「本週概念」標題要放最後。
- **資料庫多選欄**的值寫成 JSON 字串：`"[\"AI-W2\"]"`。
- 從資料庫讀回來的文字有 Markdown 跳脫（`\{` `\$` `\~` `\[`），要還原再用。
- **view 模式查詢沒有額度限制**，SQL 模式有（非 Business 方案）。大量讀資料庫用 view 模式。

### 跑 Workflow 踩過的坑（2026-09-26）

- **用量上限**：四堂課一次跑（約 120 個 agent）會撞到帳號的 session 用量上限（第一次跑到第 24 個就停，錯誤訊息 `You've hit your session limit · resets 4:20am`）。
  處理：等重置時間過後，用同一個 scriptPath 加 `resumeFromRunId` 重跑，已完成的 agent 會直接用快取，不會重做。
  預防：一次只跑兩堂課，或晚上睡前開跑。
- **內容過濾**：沒有投影片的章節（AI W3 Ch12），agent 憑記憶重現課本段落，被 API 以 `Output blocked by content filtering policy` 擋下。
  處理：沒投影片時，英文定義一律用自己的話寫、標 `(my wording)`，不背誦課本原文。`2_build.js` 的 `noSlidesNote()` 就是做這件事。
- **agent 寫的「(textbook)」內容是憑記憶**，不是打開課本核對的。之後拿到課本或投影片要再核一次。
- **resume 的快取不可靠（平行管線時）**：`resumeFromRunId` 是照「呼叫順序」比對快取。平行管線每次完成順序不同，
  一旦順序錯開，後面全部重跑（2026-09-26 實測：已寫好的 20 章又被重寫，只好中途停掉）。
  改用：**每個節點做完寫一個標記檔**（`chNN.acc.done` 之類），重跑前主 session 看標記檔，只把還沒做的節點交給 Workflow。
  另外**一次只跑一堂課**，出事只影響一堂。
- **Notion 內部連結會被自動轉成頁面 mention**（顯示成完整標題）。寫 `[文字](Notion 頁網址)` 時，
  `notion-update-page` 要帶 `preserve_internal_links: true`，才會保留成純文字連結。

---

## 7.5 額度：錢花在哪、怎麼省（2026-09-26 實測）

量法：`_work\notes-v2\workflows\token_report.py <workflow 紀錄資料夾>`。數字是「加權 token」＝新輸入＋1.25×快取寫入＋0.1×快取讀取＋5×輸出，只用來互相比較。

| 花在哪 | 實測 |
|---|---|
| 主對話（主理人講需求、AI 理解確認實作），9/17 起同一個 session | 約 3,900 萬；9/25–26 約 1,600 萬 |
| 主對話**每回一次話**重讀整段對話 | 約 63 萬 token（＝約 6.5 萬加權）；回 13 次 ≈ 寫一章 |
| 舊流程寫一章草稿（v2.1 writer） | 約 86 萬／章；平均 33 回合、41 次工具呼叫；快取讀取占 45% |
| 切章節（一堂） | 約 107 萬 |
| 正確性查核（一章） | 約 39 萬 |
| 建週頁與殼頁（一堂） | 約 28 萬 |
| 用 AI 改 37 列資料庫 | 約 21 萬（用程式幾乎是 0） |

**結論：最貴的不是「寫內容」，是「來回找資料」和「對話太長」。**

省額度守則（依省的程度排）：
1. **每週開新對話，照本手冊做**。不要把一個 session 用好幾天：對話越長，每回一句話越貴。
2. **平常不開 ultracode 模式**，每週固定流程用固定腳本跑。
3. **章節包（`make_brief.py`）＋一次寫完**：資料先打包成一個檔，寫手讀一次、寫一次，不自己去翻逐字稿和投影片。（實驗中，見下方）
4. **機械檢查交給程式**（`check_note.py`），AI 只處理程式標出來的問題。
5. **小幫手用便宜的模型**做機械工作（發佈、寫資料庫）。寫作用哪個模型看實驗結果。

實驗紀錄：
| 日期 | 實驗 | 結果 |
|---|---|---|
| 2026-09-26 | AI W3 第 04 章寫作：舊流程（Opus） vs 章節包＋Opus vs 章節包＋Sonnet，盲評 | 花費 86 萬／43 萬／46 萬（Sonnet 單價較低，實際額度應更少，不確定多少）。盲評總分 27／**28**／19：章節包＋Opus 最好（一樣正確、更簡潔）；Sonnet 漏公式、手算太淺，**寫作不用 Sonnet**。採用章節包＋Opus，正式草稿換成它（舊版留 `ch04.v21-backup.md`） |
| 2026-09-26 | AI W2 完整舊流程（查核兩道＋發佈＋漏看＋概念） | 每章：正確性查核 45 萬、完整性查核 63 萬、發佈 22 萬；整堂漏看 52 萬（只補 1 條）；概念入庫約 190 萬。查核抓到的：老師原話 126 句 0 錯、時間 0 錯（→程式就夠）；真的有用的是數學／說法錯 4 處、考試訊號降級數處、憑記憶的課本句改寫、補投影片原句 5–11 條／章 → v2.2 合併成一道審稿，原話與時間交給程式 |
| 2026-09-26 | **v2.2 省額度版實跑 AI W3**（6 章已有草稿、1 章新寫） | 每章：審稿 34 萬（舊流程兩道查核 108 萬，**省 69%**）、發佈（Sonnet）29 萬（舊 Opus 22 萬，token 反而較多，Sonnet 單價較低所以實際額度應差不多，不確定）、新寫一章 34 萬。**每章總計約 97 萬（舊約 216 萬，省 55%）**。概念階段整堂約 245 萬，比舊的還貴，而且 Haiku 做「前置知識關聯」只做一步就寫完成標記（沒做完）→ 概念階段要改成程式處理（見停車場 P7、P8） |
| 2026-09-26 | **NLP W2 改版實測**（v2.3：8 章舊草稿一道「審稿＋改版＋補中文」→ 發佈 → 漏看 → 概念；同一個 run 也照做 NLP W3 7 章） | 每章：審稿＋改版 96 萬（W3 84 萬；Opus 平均 27 輪，輸出是 AI W3 單純審稿的 3.6 倍，因為等於重寫）、發佈 34 萬（W3 38 萬）、補概念檔 16 萬（6 章）。整堂：漏看 124 萬（補 3 條；W3 101 萬補 5 條）、概念 303 萬（去重 158＋寫入 103＋關聯 43；W3 453 萬，關聯為了找 9 個對不到的名稱花 161 萬）、週頁 12 萬。**每章總計約 197 萬（W3 約 202 萬）**，比 AI W3「v2.2＋事後補中文」約 156 萬貴，多在改版、漏看、概念。整個 run 最貴：審稿 42%、概念 24%、發佈 17%。浪費點：為了壓字數反覆刪字（四處字數上限不一致）、驗算主理人不看的數學、每章讀 1–10 張投影片圖。改進做法見 `_work\notes-v2\reports\2026-09-26_最佳化報告.md` |
| 2026-09-26 | **NLP W2 第 06 章：改版 vs 重寫**（舊草稿經審稿改版 vs 只讀章節包重寫），盲評，照主理人優先順序加權 | 花費：改版 69 萬＋補概念檔 15 萬＝83 萬；重寫 93 萬（Opus 27 輪，其中 12 輪在壓字數）＋之後審稿約 34 萬＝約 127 萬。分數（滿分 30）改版 26、重寫 27：改版贏在概念比較（稀疏 vs 稠密比較表、IDF 課本例子）與「公式不用背」提醒；重寫贏在中文解釋與考試準備（Exam-ready 一行一句附難字、Self-check 全是問答題）、較簡潔。差 1 分，選便宜的改版，NLP W3 照改版做。評審給的 4 條寫作規則（Exam-ready 一行一句、附難字、Self-check 不出計算題、正文不放 O(...) 與代號）**還沒寫進 writer_rules.md** |
| 2026-10-01 | **NLP W4（9 章，兩支影片）與 AI W4（7 章，三支影片、無投影片）**，v2.4 一週多影片，同一天跑完 | NLP W4：每章寫 26 萬＋審 22 萬＋發佈 21 萬＝**約 70 萬／章**（AI W3 約 97 萬，省約 28%）；切章 91 萬（2 支）、建殼 22 萬、概念 182 萬、數學段地圖 13 萬，整堂約 936 萬（另補資料庫約 17 萬原始 token）。AI W4：每章寫 22 萬＋審 18 萬＋發佈 18 萬＝**約 58 萬／章**（沒投影片，章節包較小）；切章 72 萬（3 支）、建殼 21 萬、概念 167 萬、數學段地圖 12 萬，整堂約 678 萬。出事的地方：NLP 概念寫入用 Haiku，回報建了 23 列其實沒建（網址是編的）→ 主 session 補建 24 列，`4_lean.js` 改 Sonnet＋寫完查回來；下午 Notion SQL 查詢額度用完 → 去重與驗證改 view 模式。AI W4 照新版跑，53 個網址全部是真的 |

---

## 8. 版本紀錄

| 版本 | 日期 | 改了什麼 | 為什麼 |
|---|---|---|---|
| v1 | 2026-09-25 | 一堂一頁 ＋ 術語摺疊卡 ＋ 頂部術語總表 | 主理人要解釋老師沒講的詞 |
| v2 | 2026-09-25 | 改樹狀（主頁→課程→週→章節）＋ 共用概念資料庫 ＋ 英文 Exam-ready ＋ 摺疊問句；舊筆記封存 | 英文考試、只看筆記就要能學會、要能產 A4 |
| v2.1 | 2026-09-26 | **簡潔風格**：去 emoji／icon／callout，每段一種視覺元素，時間可點 YouTube；資料庫選項去 emoji；A4 改為「拼貼小方塊」構想；本次先做兩門課 W2、W3，W1 暫不動 | 主理人：畫面太亂；A4 是拼貼不是正式文件；W1 與考試規則先不重做 |
| v2.3 | 2026-09-26 | **讀起來順**：週頁章節置頂（不再埋在最底下、不另做章節表）；章節頁最後一行「下一章」連結（週末章連到下一週第一章）；Exam-ready 每行英文下加「中文：」解釋、Self-check 題目與答案加中文；**概念優先**（第 3.5 節：預設只看白話＋比喻＋考法，數學與程式收進「進階，可跳過」）。AI W2、W3 已用 `5_patch_cn_nav.js` 補上前三項 | 主理人：章節要一打開就看到、讀完要能直接點下一章、英文看不懂等於沒用、不想補數學與程式 |
| v2.4 | 2026-10-01 | **一週多支影片**：`lectures.json` 加 `parts`（第二、三支影片）與 `label`；`segment.json` 每章可帶 `part`，`make_brief.py`／`make_args.py`／`4_lean.js`／`0_shell.js` 自動用該章的影片 ID 與逐字稿；`1_segment.js` 改吃 args（新週次不用改程式）；概念寫入改 Sonnet＋寫完查回來；去重與驗證只用 view 模式 | NLP W4 有正課＋助教 PyTorch 兩支、AI W4 非同步三支舊錄影；Haiku 假裝建了資料庫列；Notion SQL 額度會用完 |
| v2.2 | 2026-09-26 | **省額度版**：章節包＋一次寫完（Opus）、程式檢查（check_note.py）＋一道合併審稿、發佈與資料庫改用 Sonnet／Haiku、漏看檢查只在有舊筆記時做、完成標記讓重跑只補缺的；每週開新對話 | 主理人之後可能降方案；實測寫作花費減半且品質不降（見 7.5 節） |

### 目前進度（2026-10-01）

| 課-週 | 狀態 |
|---|---|
| AI-W1 | 完成（v2.3，2026-09-26 重做） |
| AI-W2 | **完成**（v2.1 完整流程：7 章已發佈、78 個新概念） |
| AI-W3 | **完成**（v2.2 省額度版：7 章已發佈、58 個新概念）。第 07 章沒投影片，等 Ch12 投影片再核對；前置知識關聯 2026-09-26 週末 run 補好 51 列 |
| NLP-W2 | **完成（v2.3）**：8 章舊草稿一道審稿改版（概念優先、加圖、補中文、下一章連結）後發佈，週頁章節置頂、課程頁已連結；漏看補 3 條；75 個新概念入庫、前置知識 41 列 |
| NLP-W3 | **完成（v2.3）**：7 章改版後發佈，週頁章節置頂、課程頁已連結；漏看補 5 條；69 個新概念＋更新既有 11 列、前置知識 62 列（9 個名稱資料庫裡沒有，例如 word2vec、TF-IDF，沒掛上） |
| NLP-W1 | 完成（v2.3，2026-09-26 重做） |
| NLP-W4 | **完成（v2.4）**：正課 5 章＋助教 PyTorch 4 章（2024 錄影），9 章已發佈、週頁與數學段地圖、課程頁已連結；78＋24 個新概念、更新 15 列 |
| AI-W4 | **完成（v2.4）**：非同步三支 2021 錄影，7 章已發佈；49 個新概念、更新 4 列、前置知識 46 列。初版沒投影片，同日從課程網站拿到 Ch12、Ch13 後重審重發佈（只有 7 句投影片真的沒有的仍標 my wording） |