這份對話紀錄主要圍繞在講者分享 Google Gemini 及其相關生態系工具（如 NotebookLM、AI Studio）的使用經驗與實測案例，並簡短討論了 AI Coding 工具（如 Cursor、Claude Code）。
以下是根據對話內容整理的結構化摘要：
- 會議目的：講者分享個人對 AI 工具的使用心得，並記錄重點供日後參考。
- 工具比較：講者近期主要訂閱使用 Gemini（認為 CP 值高），但也曾使用 ChatGPT。講者認為兩者在日常功能上差異不大，但目前傾向使用 Gemini。
- AI 會議記錄：提到目前 AI 生成會議紀錄技術已相當成熟，能有效節省時間。
講者詳細介紹了 Gemini 的幾個核心功能及其應用場景：
-
Deep Search（深度搜尋）
- 功能：針對複雜問題進行多層次、多次的 Google 搜尋（可能多達 50-100 個連結），最後整理出詳細的研究報告。
- 案例：講者曾用此功能整理史丹佛大學某個十週課程的 syllabus，生成一份完整的內容摘要。
- 特性：過程可能需要花費 20 至 40 分鐘，適合需要深入研究的題目（如醫學、財經報告），產出內容通順且附有參考文獻。
-
Canvas（畫布功能）
- 功能：生成文件（Markdown）、網頁或互動介面，而不僅僅是純文字對話。特別澄清此功能與設計軟體 Canva 不同。
- 案例：「菜單翻譯與點餐系統」。講者展示將日文菜單拍照後，讓 AI 翻譯並直接生成一個可點擊的電子點餐網頁介面，方便旅遊時與店員溝通。
-
Guided Learning（引導式學習）
- 功能：AI 扮演家教角色，一步步引導解題而非直接給答案。
- 案例：測試高中三角函數題目，AI 能像家教一樣逐步教學，適合學生自學。
- 核心概念：使用者上傳文件（PDF、網站、文字稿）建立專屬知識庫，AI 根據知識庫內容回答問題或生成內容。
- 生成簡報：
- 案例：講者協助朋友製作關於「雲林農夫與落花生」的演講簡報。將關鍵字與故事大綱輸入後，NotebookLM 生成了包含圖文的完整簡報。
- 優點：能生成精細度極高的圖表（如落花生生長階段圖），大幅提升完成度。
- 限制：生成的格式為 PDF，無法直接微調（需截圖加工），且可能有圖片版權的不確定性。
- 定位：面向開發者，提供更進階的 Token 計算、多模態（Multimodal）測試與 Web App 建置。
- Live 功能與多模態：
- 可與 AI 進行語音對話（練英文口說）。
- 能辨識音訊中的口音（如分辨澳洲口音）或聲音類型（如樂器聲）。
- Build Web App：
- 功能：透過自然語言描述需求，AI 直接生成完整的 Web App 程式碼，並可一鍵部署到 Google Cloud。
- 限制：通常鎖定在特定的技術框架下（如特定的 Frontend UI framework），若要開發更複雜產品仍需人工介入。
- 趨勢：討論從 "Vibe coding"（憑感覺寫扣）到真正工程化應用的轉變。
- 工具比較：
- Cursor：基於 VS Code 的 AI 編輯器，優勢在於整合開發環境，方便導覽程式碼。
- Claude Code (CLI)：Anthropic 的命令行工具，擁有強大的 System Prompt，能處理 Context 壓縮。
- AI 協作流程：
- 講者展示與 AI 協作開發「分帳 App」的過程。AI 負責撰寫 Spec 文件、生成程式碼、設定 GitHub Workflow、執行測試（Test）甚至除錯（Debug）。
- 強調未來開發流程將是人與 AI 協作，由 AI 執行測試與修復簡單 Bug，人負責架構與審核。
講者認為 AI 工具（尤其是 Google 生態系）已能高度整合「從發想到部署」的流程。雖然仍有限制（如 NotebookLM 的 PDF 格式、AI Studio 的框架限制），但善用這些工具能極大化生產力，特別是在學習、研究整理及快速原型開發上。