AI-coding on 林協霆醫師

r-with-ai-eng：英語版 R 統計工具入門：以 AI 學臨床研究統計

Sun, 12 Apr 2026 00:00:00 +0000

# Introduction（引言）

臨床研究者學習 R 統計工具時，常被語法細節卡住而失去探索熱情。傳統教材多以「先學語法、再學統計」順序展開，與學習者的實際需求方向相反。本教材主張「先讓 AI 帶你跑出第一張圖，再回頭理解每行做了什麼」的逆向學習法。在 LLM 已能即時生成可執行 R 程式碼的時代，臨床新手最需要的不是更多範例，而是被引導以結構化方式提問。

# Methods（方法）

教材以英語撰寫並以 R Markdown／Quarto 為載體，章節以「臨床問題」為主軸：例如「我的試驗主要終點是事件發生時間，怎麼跑生存曲線？」每章節提供：問題敘述、與 AI 對話的標準提問模板、AI 產生的範例程式碼、逐行解釋、以及挑戰題。學習者在跑出結果後，被引導對 AI 進行三輪追問：要求解釋、要求修改、要求泛化。

整體設計強調「AI 是教練不是寫手」：每章節的最後皆要求學習者自行不依靠 AI 重寫一次相似題目，藉此鞏固理解。教材以 R 為主，但所提倡之提問結構可遷移至 Python 等語言。

# Results（結果）

教材使初學者得以在數小時內跑出第一張臨床研究專用圖表（如 Kaplan-Meier、Forest plot），同時建立可遷移的 AI 提問習慣。對於非英語母語但需用英文撰寫研究報告的學員，本教材亦提供雙重學習：統計與英文同步進步。

# Discussion（討論）

本專案實踐了「教學重點轉向提問能力」的觀念：當 AI 能即時生產程式碼，課程價值便不在於教語法，而在於教結構化提問。限制方面，AI 答案會隨模型版本飄移，教材需要週期更新；對於完全沒有程式背景的學習者，仍需要基本語法掃盲章節。未來可結合互動執行環境（如 Quarto Live、WebR），讓讀者在瀏覽器中即時嘗試。

# 連結

GitHub：htlin222/r-with-ai-eng
主要語言：R
最後更新：2026-04-12

play-with-codex：與 OpenAI Codex CLI 互動的個人實驗倉庫

Mon, 06 Apr 2026 00:00:00 +0000

# Introduction（引言）

OpenAI Codex CLI 為近期推出的程式設計助手，主打與 GitHub 與本地環境深度整合，與 Anthropic 的 Claude Code、Cursor、Windsurf 等工具形成競爭格局。對於長期使用 AI Coding 工具的工程師而言，「比較不同工具的差異」並非市場分析，而是工作流調整的必要功課。本專案是作者個人用來實際操練 Codex CLI 的倉庫，記錄它在不同任務上的行為、優勢與痛點。

# Methods（方法）

倉庫採取實驗筆記形式：每個分支或子目錄對應一個「動手練習」主題，例如「以 Codex 重構某段 R 程式」、「以 Codex 解析 NGS 報告 PDF」、「以 Codex 撰寫單元測試」。每個練習結束後留下簡短結論：哪些指令模式有效、哪些常出錯、與 Claude Code 的差異點。倉庫內未必有大量產品級程式碼，主要是「練習素材 + 心得筆記」。

設計上刻意維持低結構：探索性實驗不應被過度規範，否則會錯失偶然發現。每次練習以時間戳命名，便於日後依時間順序回顧自身對工具理解的演化。

# Results（結果）

倉庫累積了一份私人化的 Codex CLI 使用手冊：包含可重用的 prompt 模式、常見坑與規避方法、以及與其他工具搭配的最佳實踐。對作者個人而言，這顯著縮短了新工具的學習曲線；對社群讀者而言，類似專案能提供第一手、未經包裝的真實使用觀察。

# Discussion（討論）

本專案具體實踐了「玩具型倉庫」（toy repo）對於工具評估的價值：在不承擔生產壓力的環境下，工程師才能客觀觀察工具的實際能力與邊界。限制方面，個人化筆記的可遷移性有限，他人可能不適用；工具版本快速演進，部分結論可能很快過時。未來可整理為公開比較文章，並納入更多工具（Cursor、Aider、Avante）的橫向實驗。

# 連結

GitHub：htlin222/play-with-codex
主要語言：Mixed
最後更新：2026-04-06

learn-r-with-ai：以 AI 為伴的互動式 R 語言入門教科書

Sat, 04 Apr 2026 00:00:00 +0000

# Introduction（引言）

R 是臨床研究與生物統計的事實標準語言之一，但對非工程背景的醫師而言，學習曲線陡峭。傳統教材以語法為主軸，往往讓學習者在抵達真正分析任務前便放棄。本書主張一種新的入門路徑：「先利用 AI 跑出第一張統計圖，再回頭學語法」。這個順序顛倒並非偷懶，而是對學習者動機與認知負荷的合理回應。

# Methods（方法）

書籍以 R 與 Quarto 為基礎撰寫，每章從一個臨床問題出發，提供「給 AI 的標準提示詞」、「AI 產出的程式碼」、「逐行解釋」、「常見錯誤」與「自行挑戰」。內容由淺入深：從基本語法、tidyverse 資料整理、視覺化（ggplot2）、統計檢定到生存分析。所有章節皆可在瀏覽器互動執行（搭配 WebR 或類似環境），降低初學者環境設定的痛苦。

教學重點為「結構化提問」：書籍鼓勵讀者每跑出一段程式後，以三輪追問（「請解釋」、「請改寫」、「請泛化」）深化理解。如此學習者不只是會用，而是能主動駕馭 AI 工具。

# Results（結果）

完成此書的讀者預期能在臨床研究情境中獨立完成基本資料分析任務，並具備繼續以 AI 為伴自我擴展技能的能力。對教學者而言，本書亦提供可被改編為短期工作坊的素材，特別適合住院醫師、研究助理與生統入門課程。

# Discussion（討論）

本專案實踐了當代教育學與 AI 工具結合的可能性：將「學習」重新定義為「結構化提問與反思」，而非「背誦語法」。限制方面，R 語言生態快速演化，部分套件 API 變動可能使範例失效；對於完全沒有程式概念的讀者，仍需要前置的「為何要學程式」章節。未來方向包括：繁體中文版本、面向特定臨床研究情境（生存分析、Meta 分析）的延伸章節，以及與作者其他工具（meta-pipe、r-with-ai-eng）的串接。

# 連結

GitHub：htlin222/learn-r-with-ai
主要語言：R
最後更新：2026-04-04

general-codex-tg-bot：包裝 Codex 為通用 Telegram Bot 的個人實驗

Tue, 03 Mar 2026 00:00:00 +0000

# Introduction（引言）

桌面端 AI Coding 工具（Claude Code、Codex CLI、Cursor）已相當成熟，但行動端體驗仍不理想。對於工程師而言，許多想法是在通勤、走路或睡前突然浮現的，若能即時以行動裝置開始實驗，可顯著提升創意密度。本專案以 Codex 為後端、Telegram Bot 為前端，提供「以對話寫程式」的行動端入口。

# Methods（方法）

Bot 以 TypeScript 撰寫，後端透過 Codex API 呼叫模型；前端利用 Telegram 對話介面提供文字、語音輸入與檔案附件。對於程式碼回應，Bot 會將輸出格式化為 Telegram 程式碼區塊，並附帶複製友善的指令。長對話自動切分以符合 Telegram 訊息長度限制；多輪上下文以 Bot 端維護，確保使用者可在多訊息間自然延續討論。

設計上強調「行動端友善」：避免要求過多前置設定、提供「複製即可貼到桌面」的格式、整合常用 prompt 模板（解釋程式、撰寫測試、debug）。整體授權限定於作者個人帳號，避免被當作公共服務濫用。

# Results（結果）

Bot 已能在手機上提供基本 AI Coding 體驗：使用者可用語音口述需求、收到程式碼草稿、複製至桌面繼續開發。對於高頻有靈感但分散於非工作時段的使用者，這提供了「先記下並讓 AI 思考，回到桌面再驗收」的工作流。

# Discussion（討論）

本專案展現了「將桌面工具搬上行動端」的設計挑戰：不只是技術橋接，更要重新思考介面邏輯以適應小螢幕與斷續注意力。限制方面，行動端輸入仍是瓶頸；長程式碼在 Telegram 中閱讀體驗有限。未來可加入語音回應、與 GitHub gist 的自動同步、以及與作者其他 LINE Bot 的統一通知中心。

# 連結

GitHub：htlin222/general-codex-tg-bot
主要語言：TypeScript
最後更新：2026-03-03