# HANDOFF — L23101 Boss Review hotfix（共 2 張）

> 日期：2026-05-12
> 派工人：Heiter
> 來源：欣梅爾於 slides-pdf.html 留言 + boss_review.json
> 圖檔規格：16:9 / 2048x1152 / 繁體中文清楚可讀

## 鎖死規則

1. **絕對不要刪除或覆蓋既有 PNG**（v2/v3 保留作內部追溯）
2. 檔名後綴依本檔指定的 `_v3` / `_v4`
3. 三個共通負向約束：嚴禁畫成 L23102 / L23103 章節（左上 L-code 寫「L23101」） / 嚴禁過頁鉤子 / 嚴禁右上角頁碼

## 2 張清單

| # | 檔名 | 動因 |
|---|---|---|
| 1 | `L23101_p01_intro_overview_v3.png` | v2 中「核心推論工具」兩個公式都寫錯：條件機率寫成貝氏形式 + 貝氏定理寫成 P(D\|D)=P(D\|D)×P(D)/P(D) 亂寫。新版必須鎖死兩個公式正確形式。 |
| 2 | `L23101_p07_sec3_2_bayes_theorem_v4.png` | v3 圖中公式 P(A) 與 P(B) 箭頭視覺上交叉錯位 → 先驗/邊際標籤對到錯誤公式項目。新版加箭頭路徑嚴禁交叉的約束。 |

## 共用變數

```
L_CODE = "L23101"
STYLE_BASE = "請生成一張 16:9、2048x1152 的高解析手寫講義筆記風格投影片，繁體中文必須清楚可讀。背景使用淡米白色方格筆記紙與細方格線。左上角只將 L-code 以淡灰色小字標示，不要加任何框框或底線。不要加入任何右上角頁碼。右下角浮水印「AIOnDaily × 咖啡AI學」，透明度約 35%，像印在紙上並保留安全邊距。整體要活潑、像手寫講義筆記，不要卡片式資訊圖。使用黑色粗手寫標題、青綠底線、暖黃色重點框、紅橘標註、多色手繪圓圈編號與小 icon。所有英文縮寫保留清楚字距。"
TERMS_RULE = "不要改寫為其他英文術語，不要省略教材括號中的英文詞；可補充說明，但教材主詞需保留。"
LAYOUT_RULE = "版面要有明確主視覺、2 到 4 個重點區塊、少量關鍵詞與箭頭關係，保留舒適留白。避免密密麻麻小字；公式若出現，請以手寫公式框呈現並保持符號正確。"
```

## 共通負向約束（每張開頭附）

```
【共通負向約束】
1. 嚴禁畫成 L23102「線性代數之機器學習基礎應用」、L23103「數值優化技術與方法」、L23302「模型選擇與架構設計」等其他章節 — 本章是 L23101，左上 L-code 寫「L23101」。
2. 嚴禁出現任何過頁鉤子文字（「見 PXX」「→ 下一節」「← 上一頁」等）。
3. 嚴禁出現右上角頁碼。
```

---

## 張 1：L23101_p01_intro_overview_v3.png

**Boss 留言**：「P01 條件機率公式錯了啦」

**核心修正**：v2 中「核心推論工具」區塊兩個公式 100% 都錯：
- 條件機率寫成 P(A|B)=P(B|A)×P(A)/P(B)（這其實是貝氏定理）
- 貝氏定理寫成 P(D|D)=P(D|D)×P(D)/P(D)（完全亂寫）

新版必須鎖死正確公式形式。

### 完整 Prompt（一字不差送 codex）

```
請生成一張 16:9、2048x1152 的高解析手寫講義筆記風格投影片，繁體中文必須清楚可讀。背景使用淡米白色方格筆記紙與細方格線。左上角只將 L-code 以淡灰色小字標示，不要加任何框框或底線。不要加入任何右上角頁碼。右下角浮水印「AIOnDaily × 咖啡AI學」，透明度約 35%，像印在紙上並保留安全邊距。整體要活潑、像手寫講義筆記，不要卡片式資訊圖。使用黑色粗手寫標題、青綠底線、暖黃色重點框、紅橘標註、多色手繪圓圈編號與小 icon。所有英文縮寫保留清楚字距。

教材原詞必須清楚出現：3.1機率/統計之機器學習基礎應用、機率（Probability）、統計（Statistics）、機器學習模型、不確定性、合理的預測與決策、隨機變數、機率分佈、條件機率、貝氏定理、推論與模型更新、統計推論、假設檢定、p 值計算、模型評估、特徵選擇。

【🚨 公式鎖死規則 — v3 必修，違反此規則即為失敗】
中段「核心推論工具」區塊必須包含兩個公式，**形式必須一字不差**：
  條件機率：  P(A|B) = P(A∩B) / P(B)
  貝氏定理：  P(A|B) = P(B|A) · P(A) / P(B)

嚴禁出現以下錯誤（v2 出現過）：
  ❌ 條件機率寫成 P(A|B)=P(B|A)×P(A)/P(B)（這是貝氏定理形式，不是條件機率）
  ❌ 貝氏定理寫成 P(D|D)=P(D|D)×P(D)/P(D) 或任何 D|D 出現的亂寫
  ❌ 用其他符號（C, D, E, X, Y）替代 A/B 變數
  ❌ 公式中分子分母前後對調

不要改寫為其他英文術語，不要省略教材括號中的英文詞；可補充說明，但教材主詞需保留。

左上角標示「L23101」。**版面最上方畫一條淺青色或淺薄荷綠的章節 banner（橫貫整個寬度，高度約占畫面 12-15%），banner 中央以大字粗手寫體寫「第 3.1 節 · 機率／統計之機器學習基礎應用」，作為本章封面元素，與 banner 兩端可加小手繪裝飾（書籤角、墨水滴、小書本 icon）。** banner 下方留主標題位置寫「1. 前言與章節導覽」，旁邊配一個小放大鏡或書籤 icon。整理機率與統計在機器學習中的角色：真實世界資料受限於觀察條件、取樣變異與內在隨機性，模型的核心任務不是尋找絕對規則，而是處理「不確定性」並進行合理的預測與決策。

中段必須含「核心推論工具」區塊，並列展示兩個公式（依上方鎖死規則一字不差）：
  「條件機率：P(A|B) = P(A∩B) / P(B) — 已知 B 發生時 A 的機率」
  「貝氏定理：P(A|B) = P(B|A) · P(A) / P(B) — 利用已知條件更新事件發生機率」
旁邊小字加上「→ 推論與模型更新」。

版面下方畫一條主幹流程：「資料與隨機變數的機率表示 → 條件機率與貝氏推論 → 假設檢定與統計推論 → 統計量與機器學習中的應用」，作為本章節整體導覽地圖。

**注意：章節 banner 僅在本頁（P01）出現作為章節封面元素，後續 P02–P12 不重複此 banner，僅以左上 L-code 作為章節歸屬識別。**

版面要有明確主視覺、2 到 4 個重點區塊、少量關鍵詞與箭頭關係，保留舒適留白。避免密密麻麻小字；公式若出現，請以手寫公式框呈現並保持符號正確。

【共通負向約束】
1. 嚴禁畫成 L23102 / L23103 / L23302 等其他章節 — 本章是 L23101。
2. 嚴禁出現任何過頁鉤子文字。
3. 嚴禁出現右上角頁碼。

輸出檔名：L23101_p01_intro_overview_v3.png
```

---

## 張 2：L23101_p07_sec3_2_bayes_theorem_v4.png

**Boss 留言**：「P03 貝式定理箭頭畫錯，P(A) 與 P(B) 箭頭繪製相反」（page_key 已修正為 L23101_p07）

**核心修正**：v3 中公式 `P(A|B) = P(B|A) · P(A) / P(B)` 下方四個變數的箭頭視覺上錯位 — P(A) 跟 P(B) 兩條箭頭交叉到對方的標籤位置（先驗 ↔ 邊際 對調）。

### 完整 Prompt（一字不差送 codex）

```
請生成一張 16:9、2048x1152 的高解析手寫講義筆記風格投影片，繁體中文必須清楚可讀。背景使用淡米白色方格筆記紙與細方格線。左上角只將 L-code 以淡灰色小字標示，不要加任何框框或底線。不要加入任何右上角頁碼。右下角浮水印「AIOnDaily × 咖啡AI學」，透明度約 35%，像印在紙上並保留安全邊距。整體要活潑、像手寫講義筆記，不要卡片式資訊圖。使用黑色粗手寫標題、青綠底線、暖黃色重點框、紅橘標註、多色手繪圓圈編號與小 icon。所有英文縮寫保留清楚字距。

教材原詞必須清楚出現：貝氏定理（Bayes' Theorem）、條件機率推論、P（Y｜X）、已知 X 預測 Y、新資料、即時調整、提升預測品質與模型靈活度、利用已知條件更新事件發生機率、先驗機率（Prior Probability）、初始信念、預設機率、條件機率、似然（Likelihood）、邊際機率（Marginal Probability）、加權總和、後驗機率（Posterior Probability）、原有知識、新資料觀察、即時的後驗機率調整、不確定性、資料稀疏問題、推論的彈性與解釋力、分類與推薦系統、風險預測、醫療診斷、生成模型。

公式符號必須保留：貝氏定理 P(A|B) = P(B|A) · P(A) / P(B)；四個構成元素 P(A) 為先驗、P(B|A) 為似然、P(B) 為邊際、P(A|B) 為後驗。

【🚨 箭頭路徑鎖死規則 — v4 必修】
公式下方的 4 條解釋箭頭嚴禁交叉。每條箭頭從公式中對應變數的正下方垂直延伸到對應標籤，視覺路徑由左到右依序：
  公式項目 P(A|B)  →  「後驗機率（Posterior Probability）— 貝式定理的核心輸出」
  公式項目 P(B|A)  →  「似然（Likelihood）— 條件機率」
  公式項目 P(A)    →  「先驗機率（Prior Probability）— 初始信念」
  公式項目 P(B)    →  「邊際機率（Marginal Probability）— 加權總和」

嚴禁：
  ❌ P(A) 箭頭往右指到「邊際機率」標籤位置
  ❌ P(B) 箭頭往左指到「先驗機率」標籤位置
  ❌ 任何兩條箭頭視覺上交叉

不要改寫為其他英文術語，不要省略教材括號中的英文詞；四個元素的中文主詞「先驗機率」「似然」「邊際機率」「後驗機率」連同英文 Prior/Likelihood/Marginal/Posterior 必須完整保留；頂部開場區只能放精煉重點，嚴禁整段照搬教材原文 5 行密集文字；嚴禁畫成 L23102 / L23103 章節（左上 L-code 寫「L23101」）；嚴禁過頁鉤子文字；嚴禁右上角頁碼。

左上角標示「L23101」。主標題寫「3.（2）貝氏定理（Bayes' Theorem）」。

【頂部精煉開場】（占約 12%，重點化呈現）
- **大字主視覺**：「**P（Y｜X）條件機率推論**」（核心關鍵詞，紅橘色強調）
- **一行副標**：「機器學習模型的常見目標 — 已知 X 預測 Y 的可能性」
- **一條精煉重點**（紅橘塗色 strip）：「**新資料進入 → 即時調整 → 提升預測品質與模型靈活度**」

【上半 — 公式手寫框】（占約 35%）
中央以大公式手寫框呈現 P(A|B) = P(B|A) · P(A) / P(B)，四個項目下方依上方箭頭路徑鎖死規則標出對應名稱：
- P（A）= **先驗機率（Prior Probability）** — 初始信念
- P（B｜A）= **似然（Likelihood）** — 條件機率
- P（B）= **邊際機率（Marginal Probability）** — 加權總和
- P（A｜B）= **後驗機率（Posterior Probability）** — 貝式定理的核心輸出

【下半 — 更新流程 + 為什麼用貝氏推論】（占約 53%）

左半「貝氏推論的更新流程」：
原有知識（先驗）+ 新資料觀察（似然）→ 即時的後驗機率調整 → 更新後的信念

右半「為什麼用貝氏推論？」：
面對不確定性與資料稀疏問題時，貝氏推論保有推論的彈性與解釋力。
常見應用：① 分類與推薦系統 ② 風險預測 ③ 醫療診斷 ④ 生成模型

版面要有明確主視覺、2 到 4 個重點區塊、少量關鍵詞與箭頭關係，保留舒適留白。避免密密麻麻小字；公式若出現，請以手寫公式框呈現並保持符號正確。

【共通負向約束】
1. 嚴禁畫成 L23102 / L23103 / L23302 等其他章節 — 本章是 L23101。
2. 嚴禁出現任何過頁鉤子文字。
3. 嚴禁出現右上角頁碼。

輸出檔名：L23101_p07_sec3_2_bayes_theorem_v4.png
```

---

**艾冉只負責生圖。** 產完 2 張就 stop，不要自驗、不要寫 review 報告。驗收由 Heiter 親自做。