agnet ai 學習紀錄
2026-03-16，我開始正式踏出建立自己 AI 系統的第一步。今天的目標很單純，就是在本機成功呼叫 OpenAI API，讓 AI 能在 PowerShell 環境中被執行。整體流程是先在 Windows 的 PowerShell 環境中準備 Python（約 3.11 版本），接著安裝 OpenAI 的 Python 套件（pip install openai），並在系統環境變數中設定 OPENAI_API_KEY。完成環境準備後，我建立了一個簡單的 Python 腳本，透過 OpenAI 的 client 呼叫模型並傳入一段文字輸入，成功取得 AI 回覆並在終端機中輸出。這一步的技術本質其實很清楚：PowerShell 負責執行 Python 腳本，Python 透過 API 與 OpenAI 的模型溝通，然後將回應回傳到本機顯示。雖然結構非常簡單，但這代表我已經建立了最基本的 AI CLI（Command Line Interface）工具雛形，也就是「本機程式 → API → AI回應」的完整運作流程。這一步的意義在於理解 AI 並不是一個神秘系統，而是一個可以透過 API 呼叫的服務，只要有程式就能整合進自己的工具或系統。完成這個基礎之後，下一步的學習計畫是讓 AI 能自動抓取新聞資料，透過 Python 從網路取得資訊，再交給 AI 進行整理與分析，逐步建立一個可以自動生成 AI 產業快報的系統。這將會是我打造個人 AI Agent 的第二步。 2026-03-17，我把自己的 AI 學習進度推進到第二步：讓電腦先到 Google 抓取十則新聞，再把這些新聞內容交給 OpenAI API 整理成一份研究報告。這一步的意義，已經不只是單純呼叫模型，而是開始建立一條基本的資訊處理流程，也就是「外部資料取得 → 資料整理 → AI分析輸出」的雛形。技術結構上，電腦先透過程式從網路搜尋並取得新聞資料，接著把多則新聞的標題、摘要或內文整理成可讀取的文字內容，再送進 OpenAI API，最後由模型進行重點整理、歸納主題，並輸出成一份研究報告。這代表我已經從第一步的「AI對話呼叫」進入第二步的「AI結合外部資訊處理」，也就是讓 AI 不再只是回答我輸入的內容，而是開始能處理它自己抓回來的資料。這一步很重要，因為未來無論是做 AI 快報、投資分析、產業研...