本週完成成果
你會完成期中 Pitch 與 Live Demo，也會練習當場記錄評審回饋、分辨事實與建議，並把回饋轉成有負責人與期限的修正計畫。
完成標準｜每組依 12 分鐘 Pitch＋6 分鐘 Demo／問答完成；midterm_feedback.md 包含原話摘要、分類、採納判斷、行動與負責人。
課前準備
步驟 1｜上台前：由計時員確認簡報 PDF、Demo、備援與 Repo README 都能從同一台設備開啟。
預期結果｜不需登入私人帳號或臨時尋找檔案。
步驟 2｜小組：開啟 midterm_feedback.md 範本，指定一人只負責記錄，不邊辯解邊漏記。
# W9 期中回饋
| 回饋摘要 | 類型 | 我們的判斷 | 下一步 | 負責人／期限 |
|---|---|---|---|---|預期結果｜表格可在發表後立即填寫。
步驟 3｜全班：確認評分與提問規則，回饋聚焦問題、證據與改進，不評論個人特質。
預期結果｜每位同學知道可提問範圍與時間。
完整三小時｜成果活動與回饋
故事開始｜Demo 結束後，評審說「使用者可能不願意每天輸入這麼多資料」。有人立刻回答「不會啦」。但這句話其實是一份免費的測試題：到底要輸入多少？使用者願不願意？下一階段可以驗證。
老師先問｜評審說的都要照做嗎？不一定。先分辨它是觀察、疑問、建議還是新需求，再看是否符合本組目標與證據。
生活比喻｜回饋像醫生檢查報告，不是成績單上的人格評價；我們要找症狀、證據與下一個檢查，而不是只收下「很好」或「不好」。
先看全程地圖｜先看懂資料與決策怎麼移動，再開始操作。圖中的箭頭代表下一步，不代表可以跳過人工確認。
┌──────────┐ → ┌──────────┐ → ┌──────────┐
│ 12 分鐘 Pitch│ │ 6 分鐘 Demo│ │ 評審提問 │
└──────────┘ └──────────┘ └────┬─────┘
↓
┌──────────┐ ← ┌──────────┐ ← ┌──────────┐
│ 修正計畫 │ │ 採納判斷 │ │ 原話摘要 │
└──────────┘ └──────────┘ └──────────┘步驟 4｜發表：主講依故事線進行，計時員在剩餘 3 分鐘與 1 分鐘時提示。
預期結果｜12 分鐘內完成核心論點，不挪用 Demo 時間。
步驟 5｜Demo／問答：先說要證明的事，再操作；失敗時依備援說明，不隱瞞。
預期結果｜觀眾知道預期、實際與限制三者。
步驟 6｜下台後十分鐘：記錄員與團隊對照筆記，把回饋標為問題證據、產品建議、技術風險、商業假設或表達方式。
- [ ] 問題證據
- [ ] 產品建議
- [ ] 技術風險
- [ ] 商業假設
- [ ] 表達方式預期結果｜每則回饋只有主要分類，仍保留原意。
步驟 7｜小組決策：為每則回饋選擇採納、先驗證、延後或不採納，並寫一句理由。
預期結果｜不採納也有依據，不把不同意者刪除。
課堂收束｜每組只挑三個下一步：一個本週能改、一個要找使用者驗證、一個屬長期風險。修正計畫不是把所有意見塞進下一版。
指定閱讀與課後作業
指定閱讀｜本週為完整三小時期中成果活動，課綱未另列技術指定閱讀；請回看評審紀錄與本組 GitHub 證據。
課後作業方向｜完成 midterm_feedback.md，讓未到場的組員也能看懂發生什麼、為何採納，以及第二階段誰在何時做什麼。
步驟 8｜小組：把三個最高優先行動寫成可驗收句子，補上 owner 與期限。
預期結果｜避免「優化 UI」；改寫成「週五前讓三位同學完成核心流程並記錄卡住步驟」。
步驟 9｜小組：提交回饋檔並在 commit 訊息標明 second-stage plan。
git add midterm_feedback.md
git commit -m 'W9: record feedback and second-stage plan'
git push預期結果｜GitHub 有完整回饋與下一步，但不包含評審私人聯絡資料。
驗收方式
test -s midterm_feedback.md
rg -n "負責人|期限|採納|驗證" midterm_feedback.md
git log -1 --oneline通過條件｜回饋有分類與原意；至少三項行動具負責人、期限與驗收方式；最新 commit 可追蹤。
應提交的 Repo 檔案
必交｜midterm_feedback.md。只提交課綱指定成果與重現所需說明；不得提交 API key、個資、私人對話、未授權資料或大型模型檔。
常見問題與排除
問題 1｜只記「很棒」或「要加強」：追問具體是哪一頁、哪個流程或哪項證據。
問題 2｜團隊急著辯解：先完整記錄，確認理解後再說明背景。
問題 3｜行動太多：依影響與驗證成本排序，只承諾下一階段真的做得到的項目。
引用資料
國立中央大學授課課綱／劉書銘老師，《劉書銘老師課程大綱_基礎模型與生成式人工智慧-更新版.pdf》；教師提供附件。用途：W1–W16 時段、實作主題、評量與交付物。
GitHub Docs，《Quickstart for reviewing pull requests》；https://docs.github.com/en/pull-requests/get-started/reviewing-pull-requests-quickstart；查閱日期：2026-08-04。用途：W3 Code Review 留言、建議、核准與要求修改。