課程時間軸
每個階段要開始做時，點進那一階段，把網址貼給你的 AI Agent，說「照這個網址把◯◯做好」。卡住了叫 AI 讀那一頁幫你查；右下角「我有問題」可以直接問講師。
給 AI 讀的版本：/timeline.md
-
1上課前一天做完講師現在講到這裡
課前準備：檢查電腦、下載模型
讓你的 Agent 先檢查電腦，再下載語音轉文字和生圖的模型，各跑一次小測試。
做完會怎樣你的電腦裡有一個能把錄音轉成文字的模型、一個能生圖的模型，而且都各跑過一次。上課直接用，不用在教室裡排隊下載。
資源- 語音轉文字：Breeze ASR 25（聯發科創新基地的台灣中文語音模型，Apache-2.0），用 whisper.cpp 跑，檔案 1.08 GB。
- 生圖：Z-Image Turbo（Apache-2.0，不用註冊帳號）。Mac 用 mflux 跑，模型 5.9 GB；記憶體 16GB 的 Mac 和 Windows 改用 sd.cpp。
- 文字模型（Gemma 4 12B，用 Ollama 跑，7.7 GB）要不要課前就下載，待講師決定。
- 課程資料夾是桌面上的
AI課程，之後都在這裡開 Agent，測試結果放AI課程/out/。 - 模型放在各工具自己的位置（Hugging Face 的快取
~/.cache/huggingface、Ollama 的~/.ollama），不放桌面：很多電腦的桌面會同步到 iCloud 或 OneDrive，好幾 GB 的模型放上去會整包上傳。 - 要下載的檔：課前檢查程式 https://class.madebypan.com/files/check_machine.py 、測試音檔 https://class.madebypan.com/files/test-zh.wav （4 秒，內容是「今天天氣很好，我們下午三點在會議室開會」）。
補充資源（不用下載）
- 影片模型（Wan 2.2 等）：一般筆電跑不動，課堂上用雲端服務示範，價格比較在「影片」那一段的講義。想自己試開源影片模型，可以看 Google 的 Colab CLI（
uv tool install google-colab-cli），它官方寫明目前不支援 Windows。課前不要下載影片模型。
-
2課堂上講師現在講到這裡
下載文字模型，跑出第一句回答
用 Ollama 下載一個文字模型，問它一句話，看到繁體中文回答就過關。
做完會怎樣你的電腦上有一個不用連網也能回答問題的文字模型，你問它一句，它用繁體中文回你，用完再把它從記憶體關掉。
資源- 執行工具：Ollama。Mac 和 Windows 用同一套指令（Mac 上它走 Apple 的 MLX，Windows 上走 llama.cpp）。
- 預設模型：Gemma 4 12B（
gemma4:12b，7.7 GB）。講師實測時它判斷人名和負責人比較穩，也不會自己編星期幾。 - 備案：Qwen3.5 9B（
qwen3.5:9b，7.6 GB），快 30% 到 50%，但實測時會自己編星期、會把人判錯。 - 記憶體不到 16GB：改用小模型
qwen3.5:4b（沒實測）。
-
3課堂上講師現在講到這裡
影片生成：把分鏡做成影片
讓 Agent 把一格分鏡圖做成一段短片，順便知道各家影片模型多少錢、能不能拿來交件。
做完會怎樣你手上的一格分鏡圖變成一段幾秒的短片，而且你知道換成別家要多少錢、能不能拿去交給客戶。
資源- 講義〈雲端影片生成模型價格比較〉：各家多少錢、能不能商用、能不能讓 Agent 操作、台灣能不能付款（在這頁下面的「講義」）。
- 課堂示範用的管道和帳號：待補。
- 分鏡圖放在
~/Desktop/AI課程/storyboard/，做好的片放~/Desktop/AI課程/out/video/（待確認）。
講義- 雲端影片生成模型價格比較（查詢日期 2026-10-18）