開發者的 AI 教科書自動化工作流：Claude Code + Pandoc

你用 ChatGPT 生成了一份完整的課程大綱，興奮地把內容貼進 Google Docs，花了 45 分鐘調整標題格式、修正目錄、統一字型大小——然後發現第三章有一個重大的錯誤，需要大幅修改。你重新生成，再次複製貼上，再次調整格式。這個迴圈，每次產出一本新教科書都要重來一次。

這就是 no-code 工具的隱藏代價：格式調整的時間，往往比內容生成還長。更麻煩的是，沒有版本控制，你不知道上次改動了什麼；沒有批量自動化，十本教科書就要手動操作十次。

如果你有基礎的 Python 和命令列知識，這篇文章會告訴你如何建立一套一次設定、永久使用的自動化流水線：Claude Code 生成 → Markdown 管理 → Pandoc 轉換 → EPUB/PDF 輸出。

🚀 如果你不想寫程式：如果只是想快速試試 AI 教科書，不需要版本控制或批量自動化，可以先查看零程式碼 AI 教科書生成指南。那條路徑只需要 1-2 小時、零程式碼，可以隨時回來這裡升級到開發者工作流。

TL;DR

📌 核心重點

問題：No-code 工具缺乏版本控制、無法自動化、不支援批量生成

解決方案：Claude Code + Markdown + Pandoc + Python 自動化流水線

核心優勢：完全控制格式、Git 版本管理、可重複使用的腳本

時間投入：初次設定約 2-4 小時，之後每本新教科書只需 1-2 小時

成本：Claude Pro（$20/月，選用）；Pandoc、Python、Git 完全免費

適合誰：熟悉命令列的開發者、技術寫作者、需要批量生成或客製化的進階用戶

真實案例：nihongo-claude — 從需求出發，讓 Claude Code 規劃並生成 N3 日語學習教材

何時應該選擇開發者工作流？

在開始之前，先確認這條路徑適合你。

選擇開發者工作流，如果你：

✅ 需要版本控制——想追蹤每次修改，或回溯到之前的版本
✅ 計劃生成多本教科書——希望腳本可以重複使用
✅ 想要完全控制格式——自訂 CSS、EPUB metadata、封面圖片
✅ 偏好命令列工具，熟悉基礎 Python 或 Shell Script
✅ 需要自動化部署——例如每次 Git commit 自動重新生成 EPUB

不適合這條路徑，如果：

❌ 只是想快速生成一本教科書（一次性專案）
❌ 不想接觸終端機或寫任何腳本
❌ 時間有限，希望今天內就有成品

⚠️ 成本提醒：開發者路徑的前期投入較高。如果只是偶爾需要教科書，零程式碼方案的投資報酬率通常更高。本文假設你熟悉 Git、Markdown 和命令列操作。

系統架構：從需求到電子書

整個流水線只有三個核心步驟：

學習需求
    ↓
Claude Code（規劃課程架構 + 生成 Markdown 內容）
    ↓
Markdown 檔案（Git 版本控制）
    ↓
Pandoc（轉換）
    ├──→ EPUB（主要格式，所有現代電子書閱讀器）
    ├──→ PDF（列印 / 平板閱讀）
    └──→ MOBI（選用，僅舊版 Kindle 2021 前需要）

關於工具選擇的重要說明：

Pandoc 是主力工具，可直接生成高品質 EPUB，大部分情況下足夠
Calibre 是選用工具，只有在需要 MOBI 格式（舊版 Kindle）時才需要；新版 Kindle（2022+）已可接收 EPUB（Amazon 會自動轉換為其專屬格式），可以跳過 Calibre
AI 工具選擇彈性：本文以 Claude Code 為例，但同樣的工作流也適用於 ChatGPT API、Gemini API 或其他 LLM——選你熟悉的即可

技術需求

工具	必要性	安裝方式
Git	✅ 必須	系統內建或 brew install git
Python 3.8+	✅ 必須	python.org 或 brew install python
Pandoc	✅ 必須	brew install pandoc / apt install pandoc
Claude Code CLI	✅ 推薦	`curl -fsSL https://claude.ai/install.sh \| bash`（macOS/Linux）或 `brew install --cask claude-code`
Calibre	❌ 選用	brew install calibre（僅需要 MOBI 時）

步驟 1：用 Claude Code 生成結構化內容

為什麼用 Claude Code 而非網頁版？

Claude.ai 網頁版適合互動式對話，但在教科書生成場景有幾個限制：

格式輸出不便：需要手動複製貼上到文字編輯器
無法直接寫檔案：網頁版不能控制本地檔案系統
對話 context 有限：跨章節保持一致性較困難

Claude Code（本地 CLI）解決了這些問題：

直接在你的專案目錄中運行，生成的 Markdown 檔案自動存入本地
可以讀取你的 outline.md、參考資料，保持全書風格一致
和 Git 工作流程自然整合

設定專案目錄

# 建立專案
mkdir my-textbook && cd my-textbook
git init

# 建立基本目錄結構
mkdir -p chapters assets output scripts

# 初始化 Python 環境（推薦）
python3 -m venv venv
source venv/bin/activate
pip install ebooklib markdown2 weasyprint

建立課程大綱（讓 AI 規劃架構）

這是開發者路徑的核心差異：你不需要預先準備教材。只需要描述你的學習需求，讓 Claude Code 幫你規劃整個課程結構。

建立 REQUIREMENTS.md：

# 學習需求

## 我想學什麼
資料分析入門（產品經理視角）

## 我的背景
- 現職：軟體工程師，轉職產品經理 6 個月
- 已知：Python 基礎、SQL 基礎查詢
- 弱項：統計學概念、A/B 測試設計、數據視覺化

## 學習目標
完成後能夠：
1. 獨立設計 A/B 測試並解讀結果
2. 用 GA4 分析用戶行為漏斗
3. 製作清晰的數據視覺化給非技術受眾

## 課程規格
- 章節數：8-10 章
- 每章長度：約 1,500-2,000 字
- 語言：中文
- 範例情境：SaaS 產品、電商平台

讓 Claude Code 規劃課程架構

在專案目錄中啟動 Claude Code：

claude

Claude Code 啟動後會進入互動介面，在提示符中輸入以下指令：

請閱讀 REQUIREMENTS.md，然後：
1. 設計一個 8-10 章的課程架構，存入 outline.md
2. 每章包含：學習目標、核心概念（3-5 個）、實際案例主題、自我測驗（3 題）
3. 確保難度循序漸進，適合有 Python/SQL 基礎但統計薄弱的學習者

Claude Code 會自動讀取需求、規劃架構，並將 outline.md 寫入你的目錄。

逐章生成內容

架構確認後，讓 Claude Code 逐章生成：

請根據 outline.md 的第 1 章架構，生成完整的章節內容。
格式要求：
- 使用 Markdown 格式
- H2 作為章節主標題，H3 作為小節
- 每個核心概念附上 SaaS 產品的實際案例
- 結尾附上 3 題自我測驗（含答案）
將結果存入 chapters/chapter-01.md

重複這個步驟完成所有章節。每完成一章就做一次 Git commit：

git add chapters/chapter-01.md
git commit -m "feat: add chapter 1 - data-driven decision framework"

💡 品質控制技巧：每章生成後，讓 Claude Code 做「反向審查」——請它指出這一章中可能有錯誤、不清楚或過於簡化的地方。這比人工逐字審閱更有效率。如果你對 Claude Code 在軟體開發流程中的更多應用感興趣，可以參考 Claude Code PRD 工作流。

步驟 2：Pandoc 轉換 — 從 Markdown 到 EPUB

Pandoc 是這套流水線的核心轉換工具。它開源免費、支援數十種格式、命令列友善，非常適合自動化。

最簡單的轉換指令

先確認 Pandoc 安裝正常：

pandoc --version

最基本的轉換：

pandoc chapters/chapter-01.md -o output/textbook.epub \
  --toc \
  --metadata title="資料分析入門：產品經理指南"

幾秒鐘後你就有了一個可以在任何電子書閱讀器上開啟的 EPUB 檔案。

完整的生產級轉換指令

實際專案中，你需要更多參數：

pandoc \
  chapters/chapter-*.md \
  -o output/my-textbook.epub \
  --toc \
  --toc-depth=2 \
  --epub-cover-image=assets/cover.jpg \
  --css=assets/styles.css \
  --metadata title="資料分析入門：產品經理指南" \
  --metadata author="你的名字" \
  --metadata lang=zh-TW \
  --metadata date="2026-02-17"

參數說明：

參數	用途
`--toc`	自動生成目錄（Table of Contents）
`--toc-depth=2`	目錄深度（H1 和 H2）
`--epub-cover-image`	封面圖片（1600×2560 px 最佳）
`--css`	自訂排版樣式
`--metadata lang=zh-TW`	設定語言（影響字體渲染）

自訂 CSS 排版

建立 assets/styles.css，讓你的教科書有專業的視覺風格：

/* 基礎排版 */
body {
  font-family: "Noto Sans TC", "Source Han Sans", sans-serif;
  line-height: 1.8;
  color: #333;
  max-width: 680px;
  margin: 0 auto;
}

/* 章節標題 */
h1 {
  color: #2c3e50;
  border-bottom: 3px solid #3498db;
  padding-bottom: 10px;
  margin-top: 2em;
}

h2 {
  color: #34495e;
  margin-top: 1.8em;
}

/* 程式碼區塊 */
pre {
  background: #f8f9fa;
  padding: 16px;
  border-radius: 6px;
  overflow-x: auto;
  font-size: 0.9em;
}

code {
  background: #f0f0f0;
  padding: 2px 6px;
  border-radius: 3px;
  font-size: 0.9em;
}

/* 重點框 */
blockquote {
  border-left: 4px solid #3498db;
  margin-left: 0;
  padding: 10px 20px;
  background: #ecf9ff;
  border-radius: 0 6px 6px 0;
}

/* 表格 */
table {
  width: 100%;
  border-collapse: collapse;
  margin: 1.5em 0;
}

th, td {
  border: 1px solid #ddd;
  padding: 10px 14px;
  text-align: left;
}

th {
  background: #f2f4f7;
  font-weight: 600;
}

批量自動化腳本

建立 scripts/convert.sh，一鍵生成所有格式：

#!/bin/bash

# 設定變數
TITLE="資料分析入門：產品經理指南"
AUTHOR="你的名字"
OUTPUT_DIR="output"
COVER="assets/cover.jpg"
CSS="assets/styles.css"

# 確保輸出目錄存在
mkdir -p "$OUTPUT_DIR"

echo "🔄 開始轉換..."

# 轉換為 EPUB（主要格式）
pandoc chapters/chapter-*.md \
  -o "${OUTPUT_DIR}/textbook.epub" \
  --toc --toc-depth=2 \
  --epub-cover-image="$COVER" \
  --css="$CSS" \
  --metadata title="$TITLE" \
  --metadata author="$AUTHOR" \
  --metadata lang=zh-TW

echo "✅ EPUB 生成完成：${OUTPUT_DIR}/textbook.epub"

# 轉換為 PDF（透過 HTML 中間格式）
pandoc chapters/chapter-*.md \
  -o "${OUTPUT_DIR}/textbook.html" \
  --standalone \
  --css="$CSS" \
  --metadata title="$TITLE"

python3 -m weasyprint "${OUTPUT_DIR}/textbook.html" "${OUTPUT_DIR}/textbook.pdf"
rm "${OUTPUT_DIR}/textbook.html"

echo "✅ PDF 生成完成：${OUTPUT_DIR}/textbook.pdf"
echo ""
echo "📂 輸出目錄："
ls -lh "${OUTPUT_DIR}/"

執行：

chmod +x scripts/convert.sh
./scripts/convert.sh

輸出結構：

output/
├── textbook.epub   ← 電子書閱讀器（主要使用）
└── textbook.pdf    ← 列印 / 平板閱讀

步驟 3（選用）：Calibre — 僅當需要 Kindle MOBI 格式

⚠️ 注意：大部分用戶不需要這個步驟。

什麼情況需要 Calibre？

裝置	支援格式	需要 Calibre？
Kindle Paperwhite（2022 後）	✅ 可接收 EPUB（自動轉換）	❌ 不需要
Kobo、Apple Books、Google Play	✅ 支援 EPUB	❌ 不需要
瀏覽器閱讀（平板）	✅ 支援 EPUB/PDF	❌ 不需要
舊版 Kindle（2021 前）	❌ 只支援 MOBI	✅ 需要

如果你的讀者使用舊版 Kindle，才需要安裝 Calibre 並執行以下步驟：

# 安裝 Calibre
brew install calibre         # macOS
sudo apt install calibre     # Linux

# EPUB → MOBI 轉換
ebook-convert output/textbook.epub output/textbook.mobi \
  --output-profile kindle

結論：除非你有明確需求，否則直接用 Pandoc 生成 EPUB 就夠了。不需要引入額外的工具依賴。

案例研究：nihongo-claude — 需求驅動的教材生成

nihongo-claude 是一個開源專案，是本文工作流的真實實作案例。這個專案最能說明「開發者路徑」的核心優勢。

關鍵特點：從零開始，需求驅動

與一般 AI 教科書工具的最大不同：這個專案在開始時沒有任何預先準備的教材——沒有 PDF、沒有筆記、沒有課程大綱。

整個過程是這樣的：

提出需求：「我想學日語 N3，目前是 N4 水準，希望在 3 個月內達到 N3」
Claude Code 規劃架構：AI 自動設計了 4 個學習階段、30 堂課的完整課程結構
逐章生成內容：每堂課包含詞彙表、文法解釋、實際對話情境、練習題
自動化輸出：Python 腳本 + Pandoc 一鍵生成 EPUB/PDF

這個流程驗證了一個關鍵假設：你不需要是日語教師，也能讓 AI 生成結構合理的日語教材——只要你能清楚定義學習需求和品質標準。

專案結構

nihongo-claude/
├── REQUIREMENTS.md           # 學習需求定義
├── lessons/
│   ├── phase-1/              # 第一階段：基礎文法（L1-8）
│   │   ├── lesson-01.md
│   │   ├── lesson-02.md
│   │   └── ...
│   ├── phase-2/              # 第二階段：進階文法（L9-16）
│   ├── phase-3/              # 第三階段：語境應用（L17-24）
│   └── phase-4/              # 第四階段：模擬考試（L25-30）
├── scripts/
│   ├── convert_to_epub.py    # Python EPUB 生成腳本
│   ├── generate_pdf.py       # PDF 生成腳本
│   └── quick-convert.sh      # 一鍵轉換腳本
├── assets/
│   ├── styles.css            # 自訂排版 CSS
│   └── cover.jpg             # 封面圖片
└── output/
    ├── nihongo-n3.epub
    └── nihongo-n3.pdf

核心腳本解析

1. convert_to_epub.py — Python EPUB 生成

import glob
from ebooklib import epub
import markdown2

def build_epub():
    book = epub.EpubBook()
    book.set_identifier('nihongo-n3-v1')
    book.set_title('日本語 N3 完全指南')
    book.set_language('ja')
    book.add_author('你的名字')

    chapters = []
    lesson_files = sorted(glob.glob('lessons/**/*.md', recursive=True))

    for i, lesson_path in enumerate(lesson_files, start=1):
        with open(lesson_path, 'r', encoding='utf-8') as f:
            md_content = f.read()

        # Markdown → HTML
        html_content = markdown2.markdown(md_content, extras=['tables', 'fenced-code-blocks'])

        # 建立 EPUB 章節
        chapter = epub.EpubHtml(
            title=f'Lesson {i:02d}',
            file_name=f'lesson_{i:02d}.xhtml',
            lang='ja'
        )
        chapter.content = f'<html><body>{html_content}</body></html>'
        book.add_item(chapter)
        chapters.append(chapter)

    # 設定目錄和導航
    book.toc = chapters
    book.spine = ['nav'] + chapters
    book.add_item(epub.EpubNcx())
    book.add_item(epub.EpubNav())

    epub.write_epub('output/nihongo-n3.epub', book)
    print('✅ EPUB 生成完成：output/nihongo-n3.epub')

if __name__ == '__main__':
    build_epub()

2. quick-convert.sh — 互動式一鍵轉換

#!/bin/bash

echo "選擇輸出格式："
echo "1) EPUB（推薦）"
echo "2) PDF"
echo "3) 全部"
read -p "輸入選項 (1-3): " choice

case $choice in
  1)
    python3 scripts/convert_to_epub.py
    ;;
  2)
    python3 scripts/generate_pdf.py
    ;;
  3)
    python3 scripts/convert_to_epub.py
    python3 scripts/generate_pdf.py
    echo "✅ 所有格式生成完成"
    ;;
  *)
    echo "❌ 無效選項"
    exit 1
    ;;
esac

從 nihongo-claude 學到的三件事

1. 需求定義決定內容品質

最重要的不是 AI 工具，而是你如何描述需求。「我想學日語」和「我是 N4 水準，目標是 3 個月內通過 N3，每天有 1 小時學習時間，需要重點強調聽解和閱讀」——這兩種需求會生成截然不同品質的教材。

2. 模組化設計讓維護變容易

每堂課獨立存成一個 Markdown 檔案，意味著：

發現錯誤只需修改單一檔案，不影響其他章節
可以 A/B 測試不同的教學方式（用 Git branch）
未來新增課程只需新增 Markdown 檔案，腳本自動包含

3. 這套流程可以套用到任何主題

你可以 Fork 這個 repo，修改 REQUIREMENTS.md 中的學習需求，然後讓 Claude Code 規劃新的課程架構——無論是機器學習、財務分析、產品管理，流水線完全相同。

進階：用 GitHub Actions 自動化整個流程

如果你的教科書需要持續更新（例如追蹤技術變化），可以設定 CI/CD 流水線：每次更新 Markdown 內容並 commit，GitHub 自動重新生成 EPUB/PDF。

建立 .github/workflows/build-ebook.yml：

name: Build eBook

on:
  push:
    branches: [main]
    paths:
      - 'chapters/**'
      - 'assets/**'

jobs:
  build:
    runs-on: ubuntu-latest

    steps:
      - name: Checkout
        uses: actions/checkout@v4

      - name: Setup Python
        uses: actions/setup-python@v4
        with:
          python-version: '3.11'

      - name: Install Pandoc
        run: |
          sudo apt-get update
          sudo apt-get install -y pandoc

      - name: Install Python dependencies
        run: pip install ebooklib markdown2 weasyprint

      - name: Generate EPUB
        run: python scripts/convert_to_epub.py

      - name: Generate PDF
        run: |
          pandoc chapters/chapter-*.md \
            -o output/textbook.html \
            --standalone --css=assets/styles.css \
            --metadata title="我的教科書"
          python3 -m weasyprint output/textbook.html output/textbook.pdf
          rm output/textbook.html

      - name: Upload artifacts
        uses: actions/upload-artifact@v4
        with:
          name: ebooks
          path: output/

      - name: Create Release (on tag)
        if: startsWith(github.ref, 'refs/tags/')
        uses: softprops/action-gh-release@v2
        with:
          files: output/*

使用方式：

修改 chapters/ 中的 Markdown 內容
git commit && git push
GitHub Actions 自動執行，生成新版本的 EPUB/PDF
發佈正式版本時，打 tag：git tag v1.1.0 && git push --tags
GitHub 自動建立 Release 並附上下載連結

💡 進階技巧：在 GitHub Actions 中加入 Markdown linter（如 markdownlint），確保每次 commit 的格式都符合規範，避免轉換錯誤。

風險與限制

技術複雜度

學習曲線：需要熟悉命令列、Git、基礎 Python。如果你是從零開始，前期設定可能需要半天到一天
除錯耗時：EPUB 格式問題（CSS 不相容、圖片路徑錯誤）有時難以追蹤
Pandoc 版本差異：不同版本的 Pandoc 參數可能有微小差異，升級後需要測試

工具相依性

Python 套件衝突：ebooklib、weasyprint 與其他套件可能有版本衝突，建議使用 venv 隔離環境
EPUB 標準相容性：不同閱讀器對 CSS 的支援程度不同，建議在多個裝置測試
weasyprint 的字體問題：中文 PDF 需要安裝對應的字體（如 Noto Sans CJK），否則可能顯示方塊

成本考量

Claude Pro 訂閱：如果要大量生成高品質內容，Claude Pro（$20/月）比免費版有更高的用量上限；ChatGPT Plus 或 Gemini Advanced 也是替代選項
開發時間：初次設定比 no-code 工具多 2-4 小時，但這是一次性投入
GitHub Actions 免費額度：每月 2,000 分鐘，超過需要付費（生成一本書通常不超過 10 分鐘）

什麼時候不應該用這條路徑

⚠️ 老實說：如果你只是想生成一本教科書，這套系統的前期投入很可能不值得。零程式碼方案可以在今天內完成第一本，不需要任何設定。等你確認需要批量生成或版本控制，再回來這裡也不遲。

常見問題（FAQ）

Q1：我需要多少 Python 知識才能開始？

A：基礎即可——能看懂變數、迴圈、函數的程度就夠。你可以直接複製 nihongo-claude 的腳本，只需修改檔案路徑、書名、作者等 metadata。進階客製化（修改 EPUB 結構、加入互動元素）才需要理解 ebooklib API。

Q2：Pandoc 和 Python ebooklib 哪個更適合我？

A：取決於你的需求：

Pandoc：更簡單，一個指令搞定，CSS 客製化有限但通常已足夠。推薦新手從這裡開始。
ebooklib（Python）：完全控制 EPUB 結構（章節順序、metadata、導航），適合需要進階客製化的場景

建議：先用 Pandoc 生成原型，確認需要進階控制時再改用 Python。

Q3：生成的 EPUB 在不同閱讀器上顯示一致嗎？

A：EPUB 本身是標準格式，但 CSS 支援程度因裝置而異：

Kindle：CSS 支援有限，避免使用 flexbox/grid，複雜動畫效果無效
Apple Books、Kobo：CSS 支援較完整
建議：使用保守的 CSS（字體、顏色、基本間距），測試時在多個裝置確認

Q4：如何處理教科書中的圖片和表格？

A：

圖片：放入 assets/images/ 目錄，Markdown 中使用相對路徑 ![圖說](../assets/images/diagram.png)，Pandoc 會自動嵌入 EPUB
表格：使用標準 Markdown 表格語法，Pandoc 自動處理
複雜圖表：考慮匯出為圖片再嵌入，避免複雜 HTML/CSS 表格的排版問題

Q5：可以用其他 AI 工具（ChatGPT、Gemini）替代 Claude Code 嗎？

A：完全可以。本文以 Claude Code 為例，是因為 nihongo-claude 專案用的是 Claude Code。但整個流水線的核心是 Markdown 檔案 + Pandoc 轉換，AI 生成工具是可以替換的：

ChatGPT（OpenAI）：功能類似，可以用 GPT-4 API 或網頁版生成 Markdown 內容
Gemini（Google）：免費版功能已足夠，gemini-2.0-flash 速度快
任何 LLM API：只要能輸出 Markdown 格式，都能接入這個流水線

如果你對多種 AI 工具協作的進階用法感興趣，可以參考多 AI 協作工作流。

Q6：如何批量生成多個主題的教科書？

A：建立模板化腳本，每個主題有獨立的目錄和 REQUIREMENTS.md：

# generate-textbook.sh
TOPIC="$1"
mkdir -p "projects/${TOPIC}/chapters"
cp REQUIREMENTS_TEMPLATE.md "projects/${TOPIC}/REQUIREMENTS.md"
echo "請編輯 projects/${TOPIC}/REQUIREMENTS.md 後，在該目錄執行 claude"

每個主題是獨立的 Git 專案，互不干擾。

Q7：這套流程適合生成技術文件嗎？

A：非常適合。同樣的工作流可以用來：

API 文件合集：從多個 Markdown 文件生成 PDF 格式的 API 文件
內部知識庫：從 Notion/Confluence 匯出的 Markdown 整合成電子書
技術博客合集：把多篇相關文章合併為一本主題電子書

結論：打造你的專屬教科書工廠

如果你走到這裡，你現在擁有：

Claude Code 生成工作流：從需求定義 → 課程規劃 → 逐章生成，全程 AI 輔助
Pandoc 轉換流水線：Markdown → EPUB/PDF，一個指令完成
版本控制整合：Git 追蹤每次修改，可回溯、可協作
可選的 CI/CD 自動化：每次 commit 自動生成新版本

這套系統的真正價值，不在於「生成一本書」，而在於可重複使用：你建立的腳本和工作流，下一本書可以直接套用，只需修改學習需求和 metadata。

建議的起點：

Fork nihongo-claude → 研究專案結構
修改 REQUIREMENTS.md 為你自己的學習需求
啟動 Claude Code，讓它規劃課程架構
執行 ./scripts/quick-convert.sh 生成第一個 EPUB
在閱讀器上開啟，感受「自己生成」的成就感

💡 最後提醒：工具只是手段，內容品質才是目的。無論用哪種 AI 工具生成，都需要人工審閱、事實查核和個人化調整。AI 是強力助手，但判斷什麼知識真正有價值，還是要靠你自己。

如果你還沒試過 AI 教科書生成，建議先從零程式碼版本起步——今天就能完成第一本，熟悉流程後再回來建立這套自動化系統。兩條路徑互補，而不是競爭關係。