用 AI 做健康衛教

對話式↔代理式、包月↔按量是兩條獨立的軸（別綁一起）；差異化在「KB 在不在你手上」

不是笨，是本質——next-word 統計壓力 + 評測獎勵猜測（Nature 2026）

怎麼感知 LLM 在你不懂的領域有沒有唬你——借「那領域專家的眼睛」想它會被吐槽幾點；越不懂越該懷疑

懂醫學 ≠ 會衛教——健康識能／淺白語言／CCI 是另一門學問；先有「好衛教」標準，AI 才幫得上（代位思考的另一半）

10 人同指令 10 份結果；隨機性正是你（編輯/審稿者）的位置

會動的彈珠台——確定的釘子→可預測的分佈→單顆落哪格不確定；底部每格＝候選字，丟一顆＝抽一個字；溫度 0＝永遠選最可能那字（deterministic）

跟產文一樣 stochastic；以 AI 衛教圖（內含「畫得像但掃不動」的假 QR code）示範——抓大方向別摳細節，要精確回 deterministic（自己改，或請 agent 操作工具）

AI 最愛把相關超譯成因果——反事實兩例（早知道搭公車／「我認識一個人活到 80」）·可比性·PICO·RCT，＋避孕藥血栓絕對風險（取自醫工所授課）

audit→拆解→one at a time；專注做很久的事，別發明新興趣

沒查 corpus 的答案不採信；先 grep 庫內附來源，無則說「待查證」不臆測

知識要從人類格式翻成 agent 格式：pdf→raw→proofread；圖靠圖轉文，才能 grep／cite

導讀／筆記不是隨便丟 GPT——忠實呈現、不超譯、不注入外部、zh-TW、3 份產出的嚴謹規範

假文獻怎麼判斷（查 DOI＝一對一＝deterministic）→ 為何 LLM 必錯（存關連性、非一對一函數、stochastic→正確是巧合）→ 用工具查＝API（代理式才真的呼叫 API，傳統對話式是搜尋網頁）；附真實 DOI input/output（molnupiravir）

stochastic 的東西不能負責「每次都記得做」（人也會忘）→ 讓 LLM 寫資料夾監看器：新檔／mtime 變→自動掃 DOI→Crossref→異常就改名加註或叫 LLM 修；deterministic by agent＝agentic workflow

同 5 步；付費全文沒訂閱拿不到 → 只用公開摘要（誠實標示），對比 JFDA 的 OA 全文；帶出雲端 vs 地端抓取

一頁走完：點真期刊網址 → 我的指令 → 運作 deterministic/stochastic → sub-agent raw → 渲染成導讀

完整走一遍：① 找衛教標準 → ② 建「醫學白話文」技能 → ③ 改真實文案 → ④ AI 產圖（提詞極簡）；價值在輸入、不在 prompt 花招

真實用藥指導（CMUH Molnupiravir）→「醫學白話文」技能改良；FDA 208.20＋CDC 標準、CCI 自評 ≈95%；兩版可一鍵複製去產圖

3.5 年 AI/科技 分享，工具演進的實證