education on 林協霆醫師

zh-ebn-report-skill：以 Claude Skill 教練臺灣護理實證報告 N1–N4 升等寫作

Thu, 23 Apr 2026 00:00:00 +0000

# Introduction（引言）

臺灣護理人員的進階制度將實證護理（Evidence-Based Nursing, EBN）報告作為 N1 至 N4 升等的核心要件。然而 EBN 報告涉及問題形成（PICO）、文獻檢索、文獻評讀、實證應用與評估等多步驟方法學，對日常臨床繁忙的護理人員而言門檻偏高。市售課程多以線下講座為主，缺乏陪伴式、可隨時提問的輔導工具。本專案將完整的升等寫作教練封裝為 Claude Skill，使護理人員能以對話形式取得逐章引導。

# Methods（方法）

Skill 採用漸進式載入設計：使用者僅需以 npx skills add htlin222/zh-ebn-report-skill 完成安裝，即可在 Claude 對話中觸發 EBN 報告寫作教練。內容以 Python 撰寫並包含結構化引導腳本，依 N1 至 N4 不同層級的要求分章節進行：從問題形成到撰寫摘要、討論與結論。每一節皆提供範例段落、常見錯誤示警與評分要點。

設計刻意避免一次性給出全部範本，避免使用者直接複製；改以蘇格拉底式提問引導，要求使用者自行填入臨床細節後再由 Skill 提供回饋。這既符合教育目的，也降低抄襲風險。

# Results（結果）

完成的 Skill 提供臺灣護理人員一個低成本、可重複使用的升等寫作助手，能在多個臨床情境間切換並維持結構一致性。對於需要在工作之餘準備升等的護理師，這顯著減低撰寫負擔，並協助其建立可遷移的方法學認知。Skill 形式亦便於團體部署，使整個單位的升等品質趨於一致。

# Discussion（討論）

本專案具體展示「將學習與作業流程結合」的 AI 教練模式：在不取代學員思考的前提下，提供結構化引導。限制方面，EBN 報告的審核仍仰賴單位內部評委，Skill 提供的回饋不能保證符合所有單位之偏好；且漸進式載入需依靠 Claude 客戶端的支援。未來可擴充至英文 EBN 寫作、與台灣醫療機構 IRB 表單模板，並以匿名化資料訓練更貼合在地語境的回饋。

# 連結

GitHub：htlin222/zh-ebn-report-skill
主要語言：Python
最後更新：2026-04-23

CompTIA-security-plus-notes：以數位花園形式整理 SY0-701 考試筆記與練習題

Tue, 21 Apr 2026 00:00:00 +0000

# Introduction（引言）

資訊安全並非醫師核心專業，但隨著醫療資訊系統、雲端儲存與 AI 工具普及，醫療人員對基礎資安觀念的需求逐年提升。CompTIA Security+（SY0-701）為國際認可的資安入門認證，內容涵蓋威脅、加密、控制與事件回應。本專案以數位花園（digital garden）形式整理 SY0-701 考綱，特色在於將每個概念以「對五歲小孩解釋（ELI5）」的方式重述，以提升非資安背景讀者的理解效率。

# Methods（方法）

筆記以 TypeScript 為主要工程語言，搭配靜態網站生成器產出可瀏覽的數位花園。內容分為 83 個主題與 563 個概念，每個概念皆包含正規定義、ELI5 比喻、以及與其他概念的雙向連結。題庫共 332 題練習題，依主題分類並附詳解。整體採用「學中即用」原則：閱讀後立即測驗，建立短週期回饋。

設計上特別著重連結性：透過 wiki-style 連結與標籤，使讀者能在概念之間橫向移動，模擬真實資安事件中跨領域思考的習慣。網站採取靜態部署，無後端資料庫，便於離線存檔與版本管理。

# Results（結果）

完整的數位花園構成 SY0-701 自學者的可重用教材。對作者個人而言，整理 ELI5 解釋的過程強化了對資安概念的內化；對其他讀者而言，這提供一個非典型但可讀性高的資安入門入口。實證上 332 題練習題已能涵蓋主要章節，使學習者在短時間內自我評估弱點。

# Discussion（討論）

本專案展現了「學習筆記即知識產品」的可能：當筆記被有意識地公開化、結構化後，便能服務遠超個人需求的讀者群。限制方面，CompTIA 考綱會隨版本更新，需要持續維護；ELI5 雖友善，但有時為求類比簡化會略過細節，讀者仍須參考官方教材。未來可加入互動測驗與 AI 教練功能，讓讀者能以對話方式釐清弱點。

# 連結

GitHub：htlin222/CompTIA-security-plus-notes
主要語言：TypeScript
最後更新：2026-04-21

pocket-hematology：取材自 ASH-SAP 9e 的血液內科口袋速查指南

Tue, 14 Apr 2026 00:00:00 +0000

# Introduction（引言）

血液內科涵蓋紅血球、白血球、凝血、血液惡性腫瘤等多重子領域，初入此專科的醫師往往需要在臨床現場快速回想關鍵閾值、診斷流程與治療要點。雖然 ASH-SAP（American Society of Hematology Self-Assessment Program）為公認的高品質學習資源，但其體量與密度不利於床邊速查。本專案以 ASH-SAP 9e（2025 年版）為素材，重新整理為口袋速查指南，方便進修醫師於日常工作中即時參照。

# Methods（方法）

內容組織以「臨床問題」為導向：每個子主題從常見問題（例如「貧血鑑別診斷下一步檢驗」）切入，給出最關鍵的決策樹、實驗閾值與治療藥物表。整體格式刻意保持簡短，每個段落以表格、流程圖、條列為主，避免冗長敘述。Markdown 為主要寫作格式，便於後續轉換為 PDF、Quarto 或網頁版本。

設計重點是「萃取而非重抄」：保留 ASH-SAP 中對臨床決策最具影響力的內容，並以原書頁碼或章節標記做為跨參考，使讀者能於查閱速查指南後快速回到原書深入閱讀。

# Results（結果）

完成的速查指南可作為血液科 fellow、內科住院醫師於旋轉、值班與門診中的快速參考。對於非血液專科但偶爾接觸血液問題的醫師，本指南亦提供低成本的入門讀物。整體尺寸接近「口袋手冊」，便於列印或於行動裝置上閱讀。

# Discussion（討論）

本專案展示了「以高密度筆記回應臨床現場注意力有限」的價值。其貢獻在於將大量教科書內容濃縮為臨床可用的關鍵段落。限制方面，速查指南無法替代教科書的深入閱讀，且須謹慎處理著作權範圍，僅做合理摘錄。未來可加入互動測驗與 AI 教練問答，並提供繁體中文化版本以服務華語醫療社群。

# 連結

GitHub：htlin222/pocket-hematology
來源：ASH-SAP 9e（2025）
最後更新：2026-04-14

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

image-step-by-step：可編輯場景與 metadata 匯出的本地圖片步驟標示工具

Wed, 08 Apr 2026 00:00:00 +0000

# Introduction（引言）

醫學教學常需要在同一張圖（如 X 光、心電圖、組織切片）上呈現多個重點區域，並依步驟揭露給學員。傳統 PowerPoint 的動畫雖可達成此目的，但維護成本高且不利版本控制。線上工具又常涉及上傳敏感影像。本專案提供一個本地網頁 GUI 工具，將「逐步揭露重點」的場景以結構化方式儲存，便於重複使用與分享。

# Methods（方法）

實作以 JavaScript 為主，以本地伺服器運行，使用者可載入圖片並以介面標註多個「場景（scene）」，每個場景對應一個重點區域與對應說明。所有場景以 JSON 格式儲存於本機，可被版本控制管理。匯出時可選擇靜態圖序、互動式 HTML 或包含 metadata 的封包，便於整合至既有簡報或教學平台。

設計重點為「資料即內容」：場景定義與圖片內容分離，學員看到的逐步揭露其實是同一張圖加上不同遮罩的呈現。如此使內容易於更新（例如修改說明文字不需重做整張圖），亦便於不同教師共用素材。

# Results（結果）

工具可被臨床教師在門診教學、晨會討論或考前複習中使用。對於影像判讀類主題（如胸部 X 光、骨髓塗片），逐步標示的形式比一次性框出全部重點更能訓練學員的觀察順序。本地運行的特性也滿足醫療影像不離院的隱私要求。

# Discussion（討論）

本專案展示了「以最少工程改善高頻教學情境」的價值。其貢獻在於提供一個輕量、可重複使用、可版本控制的圖片步驟標示工具。限制方面，當前僅支援靜態圖片，影片與 3D 影像尚未涵蓋；介面設計仍以工程友善為主，對非技術使用者門檻偏高。未來可加入 LLM 自動產生標註說明，並支援多人協作與評論。

# 連結

GitHub：htlin222/image-step-by-step
主要語言：JavaScript
最後更新：2026-04-08

toefl-skill：TOEFL iBT 2026 備考教練與學習系統的 Claude Skill

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

# Introduction（引言）

TOEFL iBT 為臨床醫師申請海外進修、研究合作或英語教學職位常見的英語門檻測驗。其四個子測驗（聽、說、讀、寫）各自需要不同訓練策略，而市售教材多為被動式內容，缺乏針對個人弱點動態調整的教練功能。隨著 LLM 在語言評估與互動上的能力提升，將 TOEFL 備考流程數位化、客製化並嵌入個人 AI 工作流，成為有意義的設計目標。

# Methods（方法）

Skill 以 Python 撰寫，採漸進式載入：使用者透過 npx skills add htlin222/toefl-skill 安裝後即可在 Claude 對話中觸發。內含分項練習（精選題型、口語題範本、寫作架構）、模擬測驗與弱點分析。每次互動皆會將結果結構化記錄，作為下次練習動態出題的依據。

設計重點為「學習如同教練指導」：Skill 不單純提供答案，而是引導使用者先嘗試、再回饋、再反思。為了避免 LLM 評分的飄移，內建多個對標 ETS 評分標準的提示詞模板，使口語與寫作回饋盡可能穩定。

# Results（結果）

完成 Skill 後，使用者可在固定碎片時間內進行針對性練習，特別是口語自我錄音與寫作即時批改。對於忙碌醫師，能將通勤、值班空檔轉換為有效備考時間。Skill 形式亦使其能與作者其他學習工具（eng-speaking、zh-ebn-report-skill）形成完整的英語訓練生態。

# Discussion（討論）

本專案展現了「將傳統考試備考數位化」的可能性：當教材本身具備互動與反饋能力時，學習效率可顯著提升。限制方面，TOEFL 出題機構與評分系統的細節仍為閉源，Skill 評分僅能近似而非完全等同；長期備考的動機維持仍需學習者主導。未來可加入語音直接打分、與 Anki 整合進行單字長期保留，並提供繁體中文的學習說明。

# 連結

GitHub：htlin222/toefl-skill
主要語言：Python
最後更新：2026-04-06

kahoot：即時多人答題平台 MVP 的自製克隆

Sat, 28 Mar 2026 00:00:00 +0000

# Introduction（引言）

Kahoot 為許多教師熟悉的線上即時答題工具，但商用版本對於匿名性、資料留存與品牌客製有諸多限制；對於醫學教育者，將學生資料外包給第三方亦帶來隱私顧慮。本專案以 MVP（minimum viable product）規模克隆 Kahoot 的核心體驗：教師主持答題、學員以行動裝置加入、結果即時排行。目的不在於取代 Kahoot，而是擁有一個可被完全控制的版本，便於教學研究與自我擁有。

# Methods（方法）

實作以 TypeScript 為主，前後端共用型別定義。後端以 WebSocket 提供即時連線與廣播；前端分為主持人介面（投影至大螢幕）與參賽者介面（手機友善）。題目以 JSON 檔載入，便於版本控制與重複使用；計分邏輯（含時間獎勵）與 Kahoot 原版相近，確保使用者熟悉度。

設計上採取「先讓核心好玩」原則：MVP 階段不追求所有功能（自訂頭像、付費功能），而是把答題流程的延遲與爽感打磨到可上戰場的水準。整體部署可使用 Cloudflare Workers／Vercel 等邊緣節點，達成低延遲。

# Results（結果）

完成的 MVP 已可支援數十人同時答題的小型醫學教育情境，例如住院醫師晨會即興測驗、教學會議互動問答。主持人介面、學員介面與計分皆穩定運作，且因為自管，可在敏感題目（涉及病例討論）上避免外傳資料。

# Discussion（討論）

本專案展現了「自管教學工具」的理由與可行性：當教學情境涉及隱私或客製需求時，MVP 級別的自製工具便足以承擔。限制方面，缺乏完整題庫、缺乏進階分析報表，仍不及商用版本豐富；後端可擴展性需要持續優化。未來可加入題庫共享、與 Anki／Obsidian 整合、以及賽後自動產生學員弱點報告。

# 連結

GitHub：htlin222/kahoot
主要語言：TypeScript
最後更新：2026-03-28

TMLE-explain：以 Manim 與中文 TTS 製作 TMLE 動畫解釋影片

Sat, 28 Mar 2026 00:00:00 +0000

# Introduction（引言）

目標最大概似估計（Targeted Maximum Likelihood Estimation, TMLE）為近年因果推論的代表性方法，可結合機器學習進行雙重穩健（doubly robust）估計，但其數學細節（影響函數、目標化步驟）對非統計背景的臨床研究者並不友善。傳統教科書與課程多以公式為主，缺乏可隨時暫停回看的視覺化呈現。本專案以 Manim 製作動畫並搭配中文 TTS 旁白，將 TMLE 的核心觀念視覺化。

# Methods（方法）

製作流程以 Python 為主：使用 Manim（3Blue1Brown 開發之數學動畫引擎）製作關鍵步驟的動態圖示，例如初始預測、處理機率、目標化更新與最終估計。中文文字轉語音（如 Azure Cognitive Services、Edge TTS）提供清晰的中文旁白，避免使用者因英文發音差異而分心。所有動畫腳本以程式碼定義，便於同儕審查與後續修改。

設計重點為「視覺化勝過文字」：不要求觀眾在第一遍就看懂所有公式，而是讓他們先建立直覺，再回到教科書補足細節。影片保留中文旁白以服務在地醫學研究社群。

# Results（結果）

完成的影片可作為因果推論課程的教材，亦可作為臨床醫師自學 TMLE 的入門素材。對於非統計專業的研究者，影片提供「為何要這樣估計」的直觀理解，使後續閱讀技術文獻時不至於迷失於符號叢林。

# Discussion（討論）

本專案展現了現代教學工具與生成式 AI（TTS）結合的可能性：高品質教材的製作門檻顯著降低。限制方面，Manim 的學習曲線陡峭，動畫品質仍需作者花時間調校；TTS 雖已自然，但仍不及人類錄音的情感表達。未來可擴展為完整因果推論影片系列（DAG、IPTW、g-computation、TMLE），並提供英文／繁中雙語版本。

# 連結

GitHub：htlin222/TMLE-explain
主要語言：Python（Manim）
最後更新：2026-03-28

PocketMedicine：個人化《Pocket Medicine》風格的 HTML 醫學速查資料庫

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

# Introduction（引言）

《Pocket Medicine》（俗稱「綠寶書」）為內科臨床醫師熟知的高密度速查手冊，但其紙本與行動版皆非可被個人化擴充的格式。對於常需在臨床現場快速翻找特定資訊的醫師，個人化的速查資料庫具備不可替代的價值。本專案以同樣的高密度風格，以 HTML 形式建立可被作者持續編輯與擴展的速查資料庫。

# Methods（方法）

內容以靜態 HTML 為主，組織結構模仿原書：器官系統 → 疾病類別 → 個別主題。每個主題以最簡明文字、表格、決策樹呈現，並附原書頁碼或相關文獻引用。實作以最少 JavaScript 為原則，確保任何瀏覽器、任何裝置皆可閱讀；可選地加入暗色模式、字體調整等個人化樣式。

設計重點為「個人化擴充」：作者可隨時新增自身遇到的臨床問題與處理要點，使資料庫從「複製手冊」演化為「個人臨床知識庫」。版本控制使每筆變動可被追溯，亦便於在多裝置同步。

# Results（結果）

資料庫已成為作者日常臨床工作的快速參照工具，特別是在會診、巡房空檔需要快速回顧某主題時。HTML 形式讓內容能在手機與電腦之間無縫移動，相較於 PDF 與商用 App 更具靈活性。

# Discussion（討論）

本專案展現了「擁有自己的速查工具」的價值：當資料是自己整理、自己負責正確性時，使用上更有信心，且能與個人經驗連結。限制方面，內容更新需要紀律，否則容易因臨床變化而過時；著作權上需確保僅做合理摘錄而非全本翻製。未來可加入 LLM 互動問答、行動端 PWA 化、以及與 Anki／Obsidian 的雙向連結。

# 連結

GitHub：htlin222/PocketMedicine
主要語言：HTML
最後更新：2026-03-03