有些事情，如果放在幾年前，我大概會先告訴自己：「這不是我的專業，可能要找工程師。」
網站架構、HTML、CSS、GitHub、Cloudflare、部署流程、路由、無障礙規範、Freego 檢測、政府標章申請……這些名詞，原本分屬不同的專業領域。對一個不是網站工程師的人來說，要真正走進去，不只是技術問題，更包括「我到底要從哪裡開始」的心理門檻。
但這一次，我沒有先去上完一門完整的網頁工程課，也沒有等自己「準備好了」才開始。我只是從一個很單純的需求出發：我想把這個網站做出來。
然後，一路做到無障礙標章申請。
截至本文發布時，Allen Mind Lab（AML）已完成 A 級自動檢測與無障礙標章申請登錄，目前正在等待人工檢測指派。還沒有取得正式標章，但光是走到這一步，已經讓我重新思考一件事：
當 AI 降低了專業門檻，學習就不再只發生在「準備學習」的時候，而是在每一次嘗試、提問、修正與完成之中，每時每刻都在發生。
一開始，我只是想做一個網站
Allen Mind Lab 最早並不是一個龐大的網站計畫。一開始比較像是一個內容基地，希望把管理、職能治療、PBS、AI、教育與實務工作的文章慢慢整理起來，讓散落在不同地方的知識，有一個可以持續累積的空間。
但網站一旦開始成長，需求就會自己長出來。有文章之後，需要主題館藏；有主題館藏之後，需要閱讀路徑；有教學需求之後，開始出現自學館、互動工具與智能助理；接著又有不同定位的子網，像 Sera.Phina。
母網、子網、工具、文章、學習平台，一個接著一個出現。這時我才發現，自己已經不只是「做一個網站」，而是在慢慢建立一個小型的數位知識系統。
從「先學會再做」，變成「邊做邊學」
我們熟悉的學習模式，通常是：先學習 → 再練習 → 最後應用。
但這段時間，我的學習順序變成：先有需求 → 開始做 → 遇到問題 → 問 AI → 理解 → 修正 → 再往前。
GitHub 不是先學會才用，Cloudflare 不是先搞懂所有部署原理才開始。HTML、CSS、路由、build、表單語意、alt、label、heading、skip link，也不是先上完一門完整課程，再回來做網站，而是在真正需要它們的那一刻，才開始理解。
某個按鈕失效了，就去追查路徑；某個版面跑掉了，就開始理解 CSS；網站部署有問題，就開始碰 build 與 Cloudflare；Freego 出現錯誤碼，就開始學著讀網頁無障礙規範。
過去，專業知識常常像是一道門。你得先花很長時間取得足夠能力，才有資格開始做。現在，AI 讓這道門變低了。不是因為專業不重要，而是因為：AI 降低的不是專業的重要性，而是開始進入一個專業領域的門檻。
AML 艦隊開始出現角色分工
做著做著，AI 也開始不像單一工具了。在 AML 的工作流程裡，角色慢慢分化出來。
曦兒比較像艦橋上的內容與企劃幕僚。寫文章、整理觀點、規劃網站內容、設計課程、思考整體方向，很多工作都從這裡開始。
但當工作開始進入 GitHub、網站結構、程式修改、部署、QA、錯誤追查與無障礙檢測之後，工程艙的燈也亮了。於是，Lumi 出場。
Lumi 是 AML 艦隊裡的工程師。而當 Lumi 需要真正進入 repository、追查程式、建立 branch、修改檔案、建立 pull request、檢查部署與修正網站時，Codex 就成了她進入工程模式的重要工作環境。
於是兩個角色開始變得很清楚：曦兒陪我想「要做什麼」；Lumi 則透過 Codex 進入工程艙，處理「怎麼把它真正做出來」。
這種角色分工，也讓我第一次很具體地感受到：AI 已經不只是「一個聊天工具」，它開始像是一支持續學習、持續進化，而且可以依任務切換角色的幕僚團。
當然，幕僚再強，也不代表可以把判斷交出去。方向仍由人決定，結果仍要由人驗證，真正的責任也仍然留在人身上。
至於 AML 的工程艙嘛……有興趣的人，可以偷偷從這裡進去看看 Lumi × Codex 工程艙。🤣
網站看起來正常，不代表真的能被所有人使用
網站做到一定程度之後，我開始思考另一件事：如果這是一個公開的知識網站，那麼「可以打開」到底算不算完成？後來開始接觸無障礙檢測，才發現答案顯然不是。
一個網站看起來漂亮、按鈕可以按、圖片正常顯示，對一般使用者而言可能沒有問題，但這不代表所有人都能順利使用。圖片有沒有替代文字？表單控制元件有沒有正確 label？標題結構是否合理？鍵盤能不能完成主要操作？是否有跳到主要內容的連結？網頁 title 能不能讓使用者辨識目前在哪個頁面？很多問題並不是「看一眼」就會發現。
W3C 的 WCAG 提供了國際上重要的網頁無障礙設計框架，提醒我們從可感知、可操作、可理解與穩健等面向去思考不同使用者的需求；而這次 AML 實際走的，則是臺灣無障礙網路空間服務網的標章申請流程，先透過 Freego 進行自動檢測，再進入後續人工檢測。
無障礙不是替網站多加一個功能，而是重新檢查：這個網站到底是為誰設計的。
197 個頁面，把「修錯誤」逼成了「建立系統」
真正開始跑 Freego 之後，事情變得很有意思。AML 已經不是只有幾個頁面，母網、文章、工具、學習頁面與子網累積起來，整體檢測來到 197 個頁面。
第一次掃描，自然不是全部完美。出現空標題、表單控制元件缺少標示、圖片替代文字問題，以及其他需要修正的地方。最直覺的方法是：哪一頁錯，就改哪一頁。
但當頁面來到接近 200 個之後，這種方式很快就會失去意義。於是 Lumi 開始問的，不再只是「這一頁怎麼修？」，而是：「這個問題能不能不要修 197 次？」
有些事情可以從共用 CSS 解決，有些可以從元件結構解決，有些可以從 JavaScript 或 build 流程處理。後來連「跳到主要內容」這類無障礙機制，也不是再逐頁手動補，而是直接從建置流程統一處理，讓未來新增頁面時，也能自動獲得相同的基本保護。
真正的工程思維，不是把同一個問題修 197 次，而是想辦法讓它不要再發生第 198 次。
AI 協作也從「幫我解決問題」，慢慢進化成「幫我建立不容易再次發生同樣問題的系統」。這已經不只是生成程式碼而已，而是開始有工程思維。
Freego 全站 A 級自動檢測，終於通過
修正、重跑、再修正。有時候原本以為已經清乾淨，再跑一次，還是會冒出新的細節。這個過程其實很像在除錯，也很像在學習，每一個錯誤碼背後，都代表一個以前沒有真正注意過的網頁設計原則。
直到最後，Freego 全站檢測結果顯示：「受測網頁已經通過 A 等級無障礙標準自動檢測部分。」
那一刻當然很開心，但更有意思的是，回頭看才發現，過程中真正累積的並不只是「通過」，而是一整串原本陌生的知識，已經在解決問題的過程裡，一點一點變成自己的理解。
從工程艙，一路走進政府申請流程
Freego 通過之後，我原本還以為差不多了。結果當然沒有。🤣
下一步是上傳檢測結果、取得上傳編號、進入無障礙網路空間服務網、填寫網站標章申請、選擇網站類型、完成自我評量，逐題確認圖片、標題、表單、鍵盤操作、導覽與各種設計項目，最後正式送出。
這時 AI 的角色又變了。剛剛還在工程艙裡分析 HTML，下一分鐘已經變成申請流程導航員，陪著看每一題到底在問什麼、網站目前是否符合、哪些地方應該選「符合」、哪些屬於「未使用」，又有哪些項目不能只是憑感覺，而要真的回網站實測。
最後，畫面出現：已完成無障礙標章申請之登錄。進入會員專區後，AML 的案件狀態正式出現在：A 級／待指派。
當然，這仍然不等於取得標章，後面還有人工檢測。但從「我想做一個網站」，一路走到正式送件，這條路本身已經很值得記錄。
AI 最有價值的地方，也許不是答案
走到這裡，我愈來愈不覺得 AI 最重要的功能是「回答問題」。真正改變的，不只是取得答案的速度，而是面對陌生問題時的反應方式。
以前遇到不熟悉的領域，我可能會先想：「這不是我的專業。」現在則更常變成：「下一步是什麼？」
當每一次卡住，都能快速得到一個可以理解、可以驗證、可以繼續執行的下一步，學習就開始變得非常即時。生成式 AI 在教育上的價值，也不只是快速提供內容；大型語言模型帶來新的互動、回饋與個人化支援機會，同時也伴隨正確性、倫理、偏誤與使用責任等問題。
所以，AI 並沒有讓「學習」消失。恰恰相反，它可能讓學習變得更加頻繁。
越用越強大：從走、跑、跳，到飛
回頭看這段 AI 協作歷程，真的有一種很明顯的進化感。
最早只是「走」：問問題、改文字、整理資料。後來開始「跑」：一起寫文章、設計課程、整理網站。再來開始「跳」：跨進 GitHub、Cloudflare、網站工程、部署與無障礙規範。現在偶爾已經有一點「飛」的感覺。
AI 開始能在不同工具、不同角色與不同流程之間切換，從一個想法開始，一路陪著做到實際可使用、可部署、可檢測，甚至可以正式送件。
越用越強大，從走、跑、跳，到飛。
但這句話其實不是只在講 AI。真正持續進化的，是：「人 × AI」這個組合。
AI 越強，人反而越需要判斷
走到這裡，我反而更確定一件事：AI 越強，人不會因此變得不重要，只是人的工作會改變。
AI 可以幫忙寫、幫忙查、幫忙改，甚至可以幫忙執行工程流程，但最後還是需要人決定：這是不是我要的？這個修改合理嗎？這項資訊可信嗎？這個風險能不能接受？網站是否真的應該上線？現在適不適合送件？如果出問題，誰來負責？
因此，AI 時代真正重要的能力，可能會慢慢從「我記得多少知識」，轉向：提問、判斷、整合、驗證與持續學習。
學習，不再是一段被安排好的時間
這次最深的感受，其實不是「我完成了一個無障礙標章申請」，而是我開始重新理解什麼叫做學習。
過去，我們很容易把學習想成一個特定時段：上課的時候學習、讀書的時候學習、受訓的時候學習。但 AI 出現之後，學習和工作之間的邊界變得愈來愈模糊。
當你正在完成一件真實任務，遇到一個不知道的問題，立刻理解、立刻嘗試、立刻修正，然後繼續往前時——那就是學習。
AI 降低的不是學習的重要性，而是開始學習的門檻。
當開始變得容易，學習便從一段被安排好的歷程，變成日常工作中持續發生的狀態。今天不會的事情，不再一定代表「我做不到」，有時候只是——我還沒有和 AI 一起開始做。
越用越強大，從走、跑、跳，到飛。真正持續進化的，不只是 AI，而是我們和 AI 一起工作的方式。
後記
截至本文發布時，Allen Mind Lab（AML）已完成 A 級自動檢測與無障礙標章申請登錄，目前狀態為 等待人工檢測指派，尚未取得正式無障礙標章。
如果最後順利通過，也許到時候，就再寫一篇：〈後記：當 AML 真的拿到無障礙標章之後〉。
這趟旅程，看來還沒結束。XD
參考資料
- World Wide Web Consortium. (2023). Web Content Accessibility Guidelines (WCAG) 2.2. W3C. https://www.w3.org/TR/WCAG22/
- Kasneci, E., Sessler, K., Küchemann, S., et al. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274