Lv2 - AI x HP 設計篇

#學習目標

• 能把一個健康促進場景拆成使用者、資料、對話流程、風險邊界與評量指標
• 能用 prompt engineering 做出可重複調整的 AI 衛教、SDM 或 nudge 流程
• 能說明 RAG 的用途，並做出「用指定資料回答，不知道就說不知道」的低風險 prototype
• 能用 OpenData 做簡單查詢整合，例如醫療院所、藥局、公共衛生資源
• 能完成 prototype demo，包含使用者流程、AI 回答、人工把關與倫理 sandbox 設計

#學員 prerequisites

• 完成 Lv1，或能清楚說明自己的 AI×HP 場景與風險
• 能操作 ChatGPT / Claude / Gemini 其中一個工具
• 可使用 Google Sheet / Docs / Notion 類工具
• 不需要寫 production code，但要能複製 prompt、整理資料表、做簡單流程圖

#各時段主題分配

#對應 paper 章節 + 倫理 6 原則

#對應七大主題覆蓋

#第 1 hour 對談：跨域專家對談

主題：prototype 設計時最容易踩的倫理坑

prompt questions

1. prototype 看起來只是測試，為什麼仍然需要倫理邊界
2. 飲食 chatbot 如果估錯熱量，是產品問題還是醫療風險
3. 戒菸 SDM 如果把個案判成低動機，會不會讓衛教師降低投入
4. 體能 nudge 個人化到什麼程度會變成操控
5. OpenData 看起來公開，為什麼還是要檢查更新頻率與授權
6. demo 要做得漂亮，和不能過度承諾，中間怎麼拿捏

角色分工

• 健促專家：指出衛教現場、醫院流程、長照個案中最容易被 prototype 忽略的人
• AI 專家：拆解 prompt、RAG、資料來源、模型幻覺與 demo 邊界
• 主持人：把每個風險改寫成 prototype 規格，例如「輸出需標示非診斷」「高風險回答轉人工」

sample dialogue

健促專家：prototype 階段，學生常會說反正還沒上線，先做出來再說 AI 專家：健康場域不能這樣切，因為 demo 本身就會影響主管想像，demo 如果講得像能診斷，後面就會被期待做診斷 健促專家：那飲食 chatbot 最低風險怎麼設計 AI 專家：把它定位成「下一餐提醒」而不是「疾病飲食處方」，遇到糖尿病、腎臟病、孕婦就提示找專業人員 主持人：所以今天每組的 prototype 都要有一個拒答規則，不是 AI 越會回答越好

#第 2 hour 技能：講者主題大綱

投影片骨架

1. Prototype 的標準：能跑完流程，不代表能上線
2. Prompt engineering cheatsheet：角色、任務、資料、格式、限制、範例、反例
3. RAG 基礎：把答案限制在指定文件與資料表中
4. OpenData 基礎：醫療院所、藥局、服務據點資料怎麼變成 AI 可用資料
5. 三種 prototype 架構：飲食 chatbot、戒菸 SDM、體能 nudge
6. 倫理 sandbox：使用者範圍、資料範圍、輸出範圍、人工審核、退場條件
7. Demo 評分規則：清楚、可用、可控、可改

重要 demo 點

• 同一段衛教 prompt，先故意讓 AI 過度自信，再加上限制條件修正
• 用 5 筆假資料做 RAG，要求 AI 只能根據資料回答
• 用 OpenData 範例欄位示範「資料表不是知識，欄位解釋才是知識」
• 展示拒答與轉人工的 prompt guardrail

#第 3 hour 學員對話：round-robin 與練習

學員提問範例

• 我的 prototype 要不要讓使用者輸入年齡、疾病、用藥
• RAG 一定要向量資料庫嗎，還是 Google Sheet 也可以先做
• 戒菸 SDM 可以直接生成醫師建議嗎
• 體能 nudge 怎麼避免訊息疲乏
• 飲食 chatbot 如果遇到夜市、便當、辦桌，資料庫不準怎麼辦

講者回應策略

• 先把每個問題轉成規格，而不是直接推薦工具
• 區分「prototype 可接受」與「上線不可接受」
• 每組至少加 1 個拒答條件與 1 個人工轉介條件
• 鼓勵小而完整，不鼓勵大而模糊

學員上臺練習 setup

• 25 人分 5 組，每組 5 人
• 每組選一個 workshop 當主作品，另外兩個完成縮小版
• demo 格式固定：使用者任務、AI 怎麼幫、資料從哪來、風險怎麼控、下一步怎麼驗證

#突發狀況處理

• 學員 Q 偏離主題：要求改寫成 prototype 規格，例如輸入、輸出、限制、審核者
• 技術 demo fail：改用預先準備的 prompt 結果與截圖，現場只討論設計邏輯
• 時間爆掉：保留三個 mini demo，壓縮技術講解，助教用範本補課後文件
• 組內能力差距太大：指定一人做流程、一人寫 prompt、一人測試、一人記風險、一人準備 demo

#場地 / 設備需求

• 5 張小組桌，每桌 5 人
• 投影、無線麥、計時器、白板
• WiFi 可支援 25 台筆電同時使用 AI 工具
• 講師帳號需準備 ChatGPT / Claude / Gemini 三種備援
• 假資料包：便當照片、戒菸個案、體能人物誌、OpenData CSV 範例

#學員手冊章節 outline

1. Prototype 不等於上線
2. Prompt engineering cheatsheet
3. RAG 基礎：資料、檢索、回答、引用
4. OpenData 整合：欄位清理與限制
5. 飲食 chatbot 設計板
6. 戒菸 SDM 設計板
7. 體能 nudge 設計板
8. 倫理 sandbox 檢查表
9. Demo board 範本

#課前閱讀

• HTML Q1：健保資料可取用限制
• HTML Q6-Q8：智慧裝置、邊緣運算、平台分層
• HTML Q10：飲食 paper 方法學問題
• HTML Q11：飲食視覺辨識、戒菸 RAG、nudge A/B、失敗案例
• HTML Q12：健康照護者與工程師素養
• paper：飲食章、菸害章、體能章、倫理探討段

#課中 worksheet

Prototype 名稱：
使用者：
使用情境：
AI 要完成的任務：
輸入資料：
允許輸出：
禁止輸出：
需要人工審核的條件：
使用的資料來源：
OpenData 欄位：
RAG 文件：
WHO 6 原則最大風險：
demo 成功畫面：
下一步驗證方式：

#課後 takeaway

• 一頁總結：好 prototype 要讓人看懂流程，也要讓人看懂不能做什麼
• 進階閱讀：RAG 入門、OpenData 授權說明、WHO LMM guidance、食藥署 SaMD 入口、健康存摺 SDK 介紹

#Workshop 1：飲食 chatbot

任務：用 AI 做一個「便當照片 + 文字補充」的衛教草稿工具

step-by-step

1. 選定使用者：一般成人、長者、糖尿病高風險族群擇一
2. 上傳或描述範例便當，不使用個人照片中的人臉與可識別資訊
3. prompt 要求 AI 列出菜色、可能份量、粗估熱量、下一餐建議
4. 加上限制：不得給疾病飲食處方，不得宣稱精準，誤差需明示
5. 測 3 個情境：一般便當、夜市小吃、看不清楚的照片
6. 完成 demo board

#Workshop 2：戒菸 SDM

任務：用假個案資料 + 指定衛教資料，生成動機式晤談草稿與 SDM 選項表

step-by-step

1. 讀假個案：年齡、菸齡、戒菸經驗、動機、擔心的事
2. 放入指定戒菸資料片段，要求 AI 只能根據片段回答
3. 產生 3 種講法：鼓勵、釐清阻力、共同決策
4. 加上轉人工條件：憂鬱、自傷、懷孕、嚴重戒斷、用藥疑慮
5. 產出 SDM 選項表：行為策略、藥物諮詢、回診追蹤、家人支持
6. 同組測試 AI 是否亂編資料

#Workshop 3：體能 nudge

任務：產生 10 則體能活動 nudge，並設計 A/B 測試與停止規則

step-by-step

1. 選族群：久坐上班族、衰弱前期長者、產後女性、社區志工擇一
2. 定義單一行為：每天 10 分鐘步行、每小時起身、阻力訓練
3. 產生 10 則訊息，分成資訊型、鼓勵型、承諾型、社群型
4. 標出可能造成壓力、羞辱、操控的句子
5. 產生 A/B 測試設計：目標、分組、指標、停止條件
6. 完成 demo board

#工具清單

• ChatGPT / Claude / Gemini
• Google Sheet / Docs / Slides
• data.gov.tw 全國醫療院所資料
• data.nhi.gov.tw 藥局或健保相關 OpenData
• 假個案資料包與假 guideline 摘要

#分組 protocol

• 5 人一組
• 角色：PM、prompt owner、資料 owner、風險 owner、demo owner
• 每 45 分鐘換一次測試者，避免自己測自己的 prompt
• final demo 只展示主作品，但要附上另外兩個 workshop 的縮小版截圖或筆記

#評量標準

• prototype 能跑完 1 條完整使用者流程
• 回答有引用或明確資料來源
• 有拒答規則與人工轉介條件
• demo 不過度承諾，不宣稱診斷、治療、精準預測
• 能說出下一步要收集什麼證據才能進 Lv3

#講師回饋模板

組別：
prototype：
最像真實產品的地方：
最危險的地方：
prompt 可維護性：高 / 中 / 低
資料來源可信度：高 / 中 / 低
倫理 sandbox 完整度：高 / 中 / 低
建議保留：
建議刪掉：
進 Lv3 前必補：