基礎路徑
運用 Markdown、結構化表格、人工檢索、公開資料、Wiki 或資料夾索引，即可達成共同的基本成果要求。核心在於落實可追溯性、可說明性與可維護性。
建議學習順序
研讀課程地圖
先確認上課日期、放假日與每週核心產出，再開啟當週的進度頁面。
下載作業範本
請至範本下載頁選取所需範本，建議先運用課堂共同合成材料演練，再帶入個人的實際研究題目。
銜接次週進度
每次完成實作後，請完整保留資料來源、版本編號、人工決策歷程與研究限制；進入下一週時，切勿僅攜帶最終產出的文本片段。
基礎與進階學習路徑
進階路徑
可進一步整合 Python、排程自動化、MCP、embedding、向量索引或回歸測試，但仍須具備人工替代流程，並翔實記錄各項工具的限制。
每次實作必備的四個自我檢核提問
- 這項產出究竟依據哪個來源？能否精準定位至具體頁碼、段落或資料 ID？
- 哪些判斷是由 AI 所提議？研究者決定接受、拒絕或改寫的具體理由為何？
- 若工具發生失效，能否改採人工操作或 Markdown 順利完成基本成果？
- 當資料更新、刪除或來源失效時，有哪些既有的推論與結論需要重新審視？
資料安全與隱私邊界：嚴禁輸入帳號密碼、Cookie、API 金鑰、學生個人資料、企業商業機密、未公開研究手稿或未經授權之全文資料。若涉及敏感資料，請改用合成數據或完成去識別化之材料。