✨ Flash Lesson 本次亮點

想讓 AI 幫你上網找資料、比價、追蹤輿情，真正麻煩的往往不是「沒有工具」，而是到底該讓哪個模型做哪件事？

只靠 LLM，逐頁理解與判斷會增加時間與成本；只靠瀏覽器自動化，又很難處理「要不要選這個」「這個是不是符合條件」這類判斷。

這堂課從 Jev 的核心能力開始，帶你理解它為什麼和一般 LLM 不一樣，以及兩者放在一起後，可以怎麼分工。

整堂課會沿著這套架構進行：

LLM｜規劃
負責讀懂任務、拆解步驟，先決定這次搜尋需要做什麼。

Jev｜執行
負責網頁互動與選擇，搭配程式進行頁面導航，處理瀏覽器上的實際操作。

LLM｜判斷
負責篩選結果、抽取欄位與整理資訊，最後產出可以閱讀的比較報告。

課堂會直接拿「跨網站比價」做示範，對照只使用 Jev 時會遇到的問題，再展示 Jev × LLM 的完整做法：從搜尋商品、依條件篩選，到收錄頁面並產出報告。

老師也會帶你理解 Jev 的適用範圍，包括分類、偵測、評分、路由、排序、驗證等不同「決策形狀」，而不是把 Jev 只當成瀏覽器工具。

☝️ 你會學到

Jev 是什麼？
理解 Jev 作為 System One 決策模型的基本原理、取得方式、實測速度與費用，以及它本身不能做什麼。

Jev × LLM 到底差在哪？
理解「選」與「生成」的差異，以及機率、信心值、平行回覆與不推理等 Jev 的特性與限制。

Jev 適合處理哪些決策？
從分類、偵測、評分、路由、排序、驗證等十種決策形狀，理解 Jev 不只是拿來操作瀏覽器，也可以放進不同類型的判斷工作。

「規劃 → 執行 → 判斷」三層架構
理解不同模型各自適合處理什麼工作，建立 LLM、Jev 與程式之間的分工方式。

網頁搜尋助理實戰
透過實際案例，示範如何跨網站搜尋、依條件篩選、收錄頁面，最後自動產出 Markdown 比較報告。

從錯誤案例看模型怎麼選
對照只用 Jev 時可能出現的問題，例如找錯品牌、不理解「收錄」、卡在篩選視窗等，再看加入 LLM 後如何調整架構。

學完後，你不只是知道「Jev 是什麼」，而是能理解什麼工作適合交給 LLM、什麼工作適合交給 Jev，以及兩者放在一起時該怎麼分工。

👥 適合對象

1. 想把 AI 接進工作流程的人
   希望讓 AI 不只是回答問題，而是能實際協助搜尋、篩選與整理資料的人。
2. 產品、行銷與營運工作者
   平常需要做資料蒐集、商品比價、資訊篩選或新聞輿情整理，希望了解如何建立更完整的搜尋流程。
3. 對 AI Agent／瀏覽器自動化有興趣的人
   已經知道 AI 可以操作瀏覽器，但想進一步理解「執行」與「判斷」應該如何拆開的人。
4. 工程與 AI 開發相關工作者
   想了解 Jev 的決策模型特性，以及如何與 LLM、程式組合成一個實際可運作的網頁搜尋助理。

⏱️ 課程內容

認識 Jev：它到底和 LLM 有什麼不同？

從 Jev 的基本原理開始，理解它作為 System One 決策模型的定位、速度、費用，以及「它不能做什麼」。也會說明 Jev 為什麼不是另一個拿來生成文字的 LLM。

實戰一｜Jev 適合處理什麼樣的工作？

從分類、偵測、評分、路由、排序、驗證等決策形狀出發，搭配實際工作情境，理解哪些問題適合交給 Jev。

實戰二｜規劃 → 執行 → 判斷：Jev × LLM 怎麼分工？

建立三層架構：由 LLM 負責理解任務與拆步驟，Jev 負責互動與執行，另一個 LLM 負責篩選、抽取資訊與產出報告。

實戰三｜打造跨網站網頁搜尋助理

以實際比價案例示範，讓搜尋助理跨 momo 與 PChome 找商品，依條件進行篩選、收錄頁面，最後自動產出 Markdown 比較報告。

實戰四｜只用 Jev 為什麼會卡住？

直接看實際失敗案例，包括找錯品牌、不懂「收錄」以及卡在篩選視窗導致預算用完，再對照加入 LLM 後的做法。

一張選型檢查清單：什麼時候用 Jev？什麼時候用 LLM？

最後整理成一套可以帶走的判斷方式，搭配商品比價、新聞輿情兩份任務指令範本，讓你之後遇到類似問題時，可以先判斷工作該交給哪個模型。

一個可以直接研究的網頁搜尋助理範例

課程提供「Jev 網頁搜尋助理」示範專案原始碼，包含繁中介面、用量面板與報告自動存檔，學員可以課後下載研究與自行搭建。