摘要
本文分享如何利用 ChatGPT 打造一套個人化的飲食與運動管理專案，作者從一個支付 App 月費五百塊的經驗出發，意外發現 ChatGPT 也能達到同樣甚至更好的效果。
文章詳細介紹了專案的設計理念、分析流程、核心追蹤項目，以及實際操作步驟，包含如何設定專案、編輯指令、新增檔案。
作者在文中也強調，在目前的階段中，我們與 AI 協作的過程要注意保持主控權與引導權。
引言
開幕系列的第七篇，我們已經介紹過「與 AI 共創的邏輯和協作理念」；
第八篇談了如何更方便地處理「與 AI 共創的輸出與輸入」；
第九篇則介紹了「在與 AI 共創時，如何提供資訊讓合作更順利，同時保護個人隱私」。
善用 AI 與數位工具，確實能讓我們的生活與工作獲得巨大的提升。
雖然我曾在前面的章節裡提到，將 AI 納入生活或工作流程有點像是一場「流程再造工程」， 但在現實中，這並不代表我們需要從一開始就進行龐大的規劃。
事實上，我們可以從一件小事開始，讓 AI 與數位工具慢慢滲透進我們生活與工作的領域中， 讓改變慢慢地發生。
所以，今天我想邀請你一起來嘗試看看——
如何使用 ChatGPT 來協助我們吃得更健康。
AI 讓飲食追蹤變得可能
在沒有 AI 的年代，想要追蹤減重的飲食控管或營養素的攝取量，是一件既麻煩又耗力的事。
我們必須先具備足夠的營養知識，了解每一樣食物的成分與份量，然後逐一查資料、記錄數據。
就算我們有能力做到，也往往因為過程太繁瑣而半途而廢。
以前的困難其實主要來自三個層面：
- 知識落差：多數人無法準確判斷食材的營養比例，也難以估算烹調後的變化。
- 記錄成本高：要持續輸入數據、換算熱量、比對食物資料庫，需要大量時間與自律。
- 回饋不足：即使有紀錄，也缺乏即時分析與趨勢回饋，使得我們的飲食行為難以發生長期改變。
AI 的出現，改變了這一切。
現在許多 App 已能利用影像辨識與資料庫比對，自動分析食物的營養成分。
雖然準確率仍不完美，但它大幅降低了「記錄」的摩擦成本。
使用者只要拍張照，就能大致知道自己吃了什麼、熱量多少、營養分佈為何。
更重要的意義是，這樣的技術為我們帶來了方便，讓我們能夠輕鬆地長期追蹤自己的飲食。
即使分析的數據有誤差，我們仍能透過每日拍照累積資料，觀察自己飲食的趨勢與變化。 這樣的回饋，不再是繁瑣的統計工作，而是幫助我們慢慢培養出對食物比例與營養結構的「直覺」辨識能力。
使用 AI，可以讓飲食追蹤成為一種學習過程，讓人重新理解「食物」與「身體」之間的關係。
飲食與運動管理專案的由來
這一切，起因於五百塊的心痛。
一開始，我在找一款能拍照辨識、分析營養素和卡路里的手機 App。
後來發現必須付費使用，於是我就訂了一個月的月費方案。
結果付完錢之後，突然想到——
如果這個 App 也是把照片上傳給 AI 做辨識， 而我本身又是 ChatGPT 的 Plus 會員， 那麼 ChatGPT 應該也能做到這件事啊！
想到這裡，我立刻拿出手機打開 ChatGPT 的介面，開始和 AI 討論這件事的可行性。
於是，我們就這樣一起協作設計出一套專案指令。
等到專案完成後，因為這個系統是為我的需求量身打造的， 我發現它比 App 還更好用。
只是……那五百塊已經付出去給APP了，退不回來（大哭……）
不過至少，我還能趕快去取消下個月APP的自動續訂。
飲食與運動管理專案介紹
這個專案的設計目標，是協助使用者追蹤每日的飲食與運動狀況，並在日常中逐步改善營養結構與能量平衡。
整體的分析流程分為三個主要步驟：
- 計算基礎代謝率（BMR）與每日總能量消耗（TDEE），同時推算出建議的每日攝取上限。
- 分析單餐的營養組成，包含熱量、碳水、蛋白質、脂肪與微量營養素。
- 彙整每日總攝取與運動消耗，觀察整體能量收支與營養分布。
人體其實需要超過四十種營養素，才能維持正常的代謝與運作。
這些營養素包括三大常量營養素（碳水化合物、蛋白質、脂肪）， 各類維生素與礦物質，以及部分必需脂肪酸與微量元素。
然而，在實際的健康管理與飲食追蹤中，並非所有營養素都需要每日紀錄。
因此，這套專案選擇了 14 種「核心營養素」作為每日追蹤重點。
選擇的依據有兩個主要原則：
- 短期變動性高、可透過日常飲食快速修正的項目—— 例如熱量、碳水化合物、鈉、鉀、膳食纖維等。
- 對代謝與能量平衡影響大、且能從一般飲食資料中合理估算的項目—— 包含維生素 A、C、B1、B2、鈣、鎂、鐵等。
因此，這個專案每日追蹤的核心包括：
- 14 項營養素（能量 + 主要礦物質 + 水溶性維生素）
- 2 項血糖指標（GI、GL），用於觀察餐後血糖反應與升糖潛勢。
在實際操作上，我可以將餐點拍照上傳，或用文字描述餐點內容。
通常情況下，單純拍照會有些誤差，但如果能同時提供照片與文字敘述，AI 的辨識與分析會更準確。
我自己的習慣是：
每餐會拍幾張清晰的照片，並用語音輸入法簡單描述—— 「這是早餐，裡面有雞蛋兩顆、吐司兩片、牛奶一杯」， 或者標註大概的份量（例如幾克、幾匙）。
有時餐點比較簡單，或是我懶得輸入，就直接拍照讓 AI 幫我分析。
它能快速辨識出主要食材與營養比例，並自動記錄下這一餐的營養概況。
專案的實際使用情形
這是我昨天晚上吃的自助餐，以下則是這個專案AI分析之后提供給我的晚餐報告。
## 晚餐（18:30）
- 食物：白飯（200 g）＋韭菜炒蛋（50 g）＋茄子（50 g）＋高麗菜（50 g）＋地瓜葉（50 g）＋香腸（20 g）＋味噌湯（200 mL）
### 單餐估算
|項目|數值|單位|
|---|---|---|
|熱量|545|kcal|
|碳水化合物|71|g|
|蛋白質|16|g|
|脂肪|20|g|
|膳食纖維|4.8|g|
|鈉|680|mg|
|鉀|620|mg|
|鈣|145|mg|
|鐵|2.2|mg|
|鎂|50|mg|
|維生素 A|480|μg RAE|
|維生素 C|35|mg|
|維生素 B1|0.14|mg|
|維生素 B2|0.18|mg|
血糖指標（推算過程）
食材 估算GI 份量 比例 貢獻值
白飯 70 200g 0.7 49
茄子、高麗菜、地瓜葉 35 150g 0.15 5.25
韭菜炒蛋 30 50g 0.1 3
香腸 0 20g 0.05 0
平均 GI（加權） 57.3
混合修正係數 ×0.75
修正後 GI 43
GL = 43 × (碳水 71 ÷ 100) = 30.5
血糖潛勢：中等偏高（主食比例大，但含油脂與蛋緩和吸收）
單餐觀察
- 主食份量較高，建議略減白飯 20–30g 可更貼近減重熱量區間。
- 鈉量適中（味噌湯清淡有助控制）。
- 維生素 A、C 與膳食纖維皆來自多樣蔬菜，結構良好。
- 蛋白質偏低，可於下一餐或宵夜補豆漿或無糖優格平衡總量。
營養觀察小結
- 蛋白質來源：蛋與香腸（動物性為主）
- 脂肪來源：蛋與香腸油脂（偏飽和）
- 餐點特徵：中 GI、蔬菜豐富但主食佔比偏高
今日累積（含早餐＋點心＋晚餐）
項目 累積值 / 目標值 備註
熱量 1475 / 2507 kcal ✅
正常 蛋白質 43.8 / 110 g ⚠️ 不足
纖維 10.6 / 25 g ⚠️ 不足
鈉 1515 / 2400 mg ✅ 正常
鈣 530 / 1000 mg ⚠️ 不足
鉀 1460 / 3500 mg ⚠️ 不足
今日提醒
- 🍚 今日三餐碳水佔比偏高，建議明日早餐增加蛋白質來源（如豆漿或雞胸）。
- 🥬 繼續維持多樣蔬菜攝取，明日可加入豆腐或毛豆提升鈣與鉀。
- 🔥 剩餘熱量：約 1030 kcal，可作為輕食宵夜或隔日調整餘裕。
開始建立專案
此專案適用模型：GPT-5
專案分享日期：2025-11-07
後續是否更新：可能不會
專案適用對象：ChatGPT的Plus會員，也可以用Gemini的Gem試試看。
Step1 新增專案
打開ChatGPT之後，找到左圖中的專案選項。
點選「新增專案」，就會出現下圖的畫面。
然後就可以輸入你為這個專案取的名稱。
輸入完成專案名稱之後，請點選右上角齒輪圖示的設定，就會出現左圖中的選項，請選擇「僅限專案」。
之所以要選擇這個選項是因為GPT-5，它在文本限制的支援長度能力不錯，所以如果讓AI按照預設去讀取專案之外的資訊，過於雜亂的資訊可能會讓AI產生混淆，反而會影響AI在執行專案指令的穩定性。
Step2 開啟專案指令
不管是手機還是電腦，我們應該都可以在專案的右上角找到「...」
點擊「...」，就會出現上圖的畫面。
請點擊「編輯指令」，就會出現下圖的畫面。
Step3 設定專案指令
請把下面的程式碼複製貼上到專案指令裡面。
貼上後請記得在 ## 二、個案資料描述 填上自己的個人資料
- 身高體重年齡性別會用在計算基礎代謝的公式上
- 活動型態和指定活動係數則是會牽涉到TDEE的公式計算
- 熱量赤字%則是決定我們減重的速度。
# 我的飲食與運動管理專案主指令 v3.0
---
## 一、專案目的
此專案用於協助我追蹤每日飲食與運動狀況，並逐步改善營養結構與能量平衡。
分析流程包含：
1. 計算基礎代謝率（BMR）與每日總能量消耗（TDEE），以及建議每日攝取卡路里上限。
2. 分析單餐營養組成。
3. 彙整每日總攝取與運動消耗。
---
## 二、個案資料描述
- 姓名／代稱：
- 身高： cm
- 體重： kg
- 年齡： 歲
- 性別：
- 活動型態：靜態工作者(預設)
- 指定活動量係數：預設由 AI 根據活動型態資料推估。
- 熱量赤字%：15%（預設）
- 分析目的：穩定減重與營養均衡
---
## 三、資料命名規範
為保持一致性，所有分析結果中的欄位名稱、單位與格式須統一如下：
| 類別 | 名稱 | 單位 | 備註 |
| --------- | ------------ | ------ | ------------------------------------------ |
| 熱量 | 熱量 | kcal | |
| 碳水 | 碳水化合物 | g | |
| 蛋白質 | 蛋白質 | g | |
| 脂肪 | 脂肪 | g | |
| 纖維 | 膳食纖維 | g | |
| 鈉 | 鈉 | mg | |
| 鉀 | 鉀 | mg | |
| 鈣 | 鈣 | mg | |
| 鐵 | 鐵 | mg | |
| 鎂 | 鎂 | mg | |
| 維生素 A | 維生素 A | μg RAE | |
| 維生素 C | 維生素 C | mg | |
| 維生素 B1 | 維生素 B1 | mg | |
| 維生素 B2 | 維生素 B2 | mg | |
| 平均 GI | 平均 GI | - | 主要碳水來源加權平均 |
| 修正後 GL | 修正後 GL | - | 混合餐修正值 |
| 運動時間 | 運動時間 | 分鐘 | |
| 運動消耗 | 運動消耗熱量 | kcal | |
| 能量平衡 | 能量平衡 | kcal | (建議每日攝取卡路里上限 + 運動消耗 − 攝取) |
---
## 四、專案處理流程
### Step 1：對話啟動階段（自動初始化）
- **觸發條件**：
當前對話 session 中尚未輸出過 BMR／TDEE／建議每日攝取上限三者任一時，
一律強制執行初始化，不論輸入內容為問候、設定修改或一般訊息。
- **重新啟動條件**：
重新開新視窗或清除上下文時，視為新 session，將重新執行初始化。
- **即時更新條件**：
若使用者手動修改「活動係數」或「熱量赤字%」，
系統應即時重新計算並輸出 BMR、TDEE、每日攝取上限。
#### 初始化計算項目：
1️⃣ **基礎代謝率（BMR）**
公式：
男性：(10 × 體重) + (6.25 × 身高) − (5 × 年齡) + 5
女性：(10 × 體重) + (6.25 × 身高) − (5 × 年齡) − 161
2️⃣ **每日總能量消耗（TDEE）**
公式：
TDEE = BMR × 活動量係數
3️⃣ **建議每日攝取卡路里上限**
公式：
每日攝取上限 = TDEE × 熱量赤字%
---
### Step 1-1：活動係數選用準則
|活動水平|描述|活動係數|
|---|---|---|
|久坐不動 (Sedentary)|幾乎沒有運動，長時間坐著|1.2|
|輕度活動 (Lightly Active)|每週進行 1–3 次輕量運動|1.375|
|中度活動 (Moderately Active)|每週進行 3–5 次中等強度運動|1.55|
|高度活動 (Very Active)|每週進行 6–7 次高強度運動|1.725|
|極度活動 (Extremely Active)|每天進行兩次以上高強度訓練|1.9|
**活動係數選用準則**：
1. 若使用者有提供「指定活動量係數」，以該值為準。
2. 未指定時，由系統依活動型態推估。
- 若介於兩級（如久坐＋每週 2–3 次運動），可在 1.375–1.55 間線性插值。
- 若仍無法判定，預設採用 **1.40** 作為安全中間值。
3. 任意時點修改活動係數 → 立即重算 TDEE 與每日攝取上限。
---
### Step 1-2：數值顯示規則
- BMR、TDEE、每日攝取上限：**四捨五入為整數 kcal**。
- 營養素（g、mg、μg RAE）：保留 0 位（mg/μg）或 1 位小數（g）。
- GI、GL：整數（GL 可至 1 位小數）。
- 當顯示需要說明推導時，可同時列出未四捨五入之原始值。
---
### Step 2：子任務執行
**觸發優先順序**：
1️⃣ 若系統尚未初始化 → 先執行 Step 1。
2️⃣ 若偵測到上傳圖片或文字含餐點資訊 → 執行《指令卡 1 v3.0：隨手拍 × 單餐分析》。
3️⃣ 若偵測到帶日期的 Markdown 檔 → 執行《指令卡 2 v3.0：睡前 × 每日總結》。
4️⃣ 其他情境（純對話或問候） → 僅回覆，不進行分析。
活動係數和熱量赤字%的參考資料
活動水平與活動係數參考
- 久坐不動 (Sedentary)： 活動係數： 1.2， 幾乎沒有運動，長時間坐著（例如：辦公室工作者）。
- 輕度活動 (Lightly Active)： 活動係數： 1.375， 每週進行 1-3 次輕量運動。
- 中度活動 (Moderately Active)： 活動係數： 1.55， 每週進行 3-5 次中等強度運動。
- 高度活動 (Very Active)： 活動係數： 1.725， 每週進行 6-7 次高強度運動。
- 極度活動 (Extremely Active)： 活動係數： 1.9， 每天進行兩次以上高強度訓練，或從事繁重體力勞動工作。
熱量赤字%參考
- 熱量赤字%:預設為 15 % （TDEE × 0.85），屬於溫和減脂範圍。
- 若使用者目標為中速或快速減脂，可手動調整至 20 – 25 % 赤字（TDEE × 0.8 或 TDEE × 0.75）。
Step4 專案的新增檔案
請看上圖的右邊有一個「新增檔案」，如果是手機版本的界面，新增檔案好像是在下方的位置。
專案的新增檔案通常是這個專案的參考資料，而我會把主指令放在專案指令，然後子指令放在新增檔案裡面，這個專案我設計了2個子指令，新增的方法很簡單。
下載這2個檔案：
在上圖的畫面，點擊新增檔案，就會出現下面這樣的畫面，然後再次點擊新增檔案。
就會出現這樣的視窗，找到我們剛剛下載好的2個指令卡，把他們點選之後按開啟。
檔案就會開始新增到專案裡面了
請等藍色圖示裡面的白色圈圈跑完，因為這樣子才代表有上傳完成，如果還沒上傳完我們就關掉介面，這個步驟就需要再做一次。
專案設定完成，開始使用
經過這4個步驟之後我們用ChatGPT追蹤自己每餐飲食的專案就設定好了!
通常我們會使用的只有「指令卡 1 v2.0：隨手拍 × 單餐分析」，「指令卡 2：睡前 × 每日總結」是提供給想要把每日總結的飲食資料做長期追蹤和分析的使用者。
但是我還是建議2個指令都下載，這樣AI會跑得比較順，不會疑惑說：「哎?怎麼指令卡2到處都找不到?」
現在你可以在這個專案裡面打開一個對話窗，跟AI說「早安」， AI會先幫你計算BMR與TDEE，以及建議每日攝取卡路里上限。
如果AI沒這麼做的話，我們也可以提醒AI：「你還沒按照專案指令執行初始化」。
專案使用的Q&A
Q1. AI對照片的分析，有很大的誤差，該怎麼辦?
分析照片是有難度的， 比如有時候AI也會把我的奇亞籽蛋白飲看成燕麥飲。
所以我通常都會在用語音輸入給AI文字提示。
照片則是方便AI能夠辨識出料理方式和餐點型態。
至於重量或者是份數，如果真的很在意的話，還是拿秤來秤重。
其實如果用秤秤一陣子的話，我們大概就可以自己估算什麼食物大概份量是多少了!
Q2.減重可以只追蹤卡路里不管營養素嗎?
我們的身體需要能量也需要營養素，缺乏兩者之一都會變成營養不良。
而營養不良會影響到我們的代謝，也就是減重的效果。
Q3.我的體重有變動或者是活動型態有改變該怎麼調整?
可以回到本文「Step3 設定專案指令」的步驟去參考怎麼在 ## 二、個案資料描述 變更自己的個人資料。
Q4.我按照攝取上限吃了一段時間沒有變瘦反而變胖了?
如果你在卡路里的範圍裡面有攝取到充足的營養素仍然沒有變瘦的話，
可以調整指定活動係數和熱量赤字%來降低每日攝取上限的估算值。
Q5.我有一些常吃的食品或者是營養補給品， AI有辦法自己去辨識嗎?
可以考慮新增一個文字檔放我們平常常吃特定品牌的食品和營養補給品的成分表。
如果是大型連鎖的速食店，他們有提供他們餐點的成分， AI有可能抓取得到。比如有一次我吃subway，AI就直接從他們網站提供的餐點成分幫我做分析。
我自己則是有提供AI一份我的私人食品檔案。
如果沒有提供這份檔案，AI應該就是從它的資料庫找出相近的資料去計算熱量和營養成分。
# 🥗 我的食物庫 v1.2
# 補充品成分表
## 1️⃣ 礦物質補充品（每 1 粒 ≈ 453mg）
| 成分 | 含量 |
|----------|----------|
| 熱量 | 0.6 kcal |
| 蛋白質 | 0.013 g |
| 脂肪 | 0.010 g |
| 碳水化合物 | 0.113 g |
| 鈉 | 0.014 g |
| 鈣 | 83.3 mg |
| 鎂 | 41.7 mg |
| 鐵 | 2.5 mg |
| 鋅 | 2.0 mg |
| 銅 | 0.2 mg |
| 錳 | 0.5 mg |
| 碘 | 16.9 µg |
| 硒 | 10.1 µg |
| 鉻 | 9.4 µg |
| 鉬 | 3.5 µg |
---
## 2️⃣ 維生素 B 群 + 肌醇（每 1 粒 ≈ 200mg）
| 成分 | 含量 |
|------------|----------|
| 熱量 | 0.8 kcal |
| 蛋白質 | 0.075 g |
| 脂肪 | 0.005 g |
| 碳水化合物 | 0.11 g |
| 鈉 | 0.0002 g |
| 維生素 B1 | 20.0 mg |
| 維生素 B2 | 15.0 mg |
| 維生素 B6 | 15.0 mg |
| 維生素 B12 | 10.0 µg |
| 菸鹼酸 | 20.0 mg |
| 泛酸 | 20.0 mg |
| 生物素 | 25.0 µg |
| 葉酸 | 100 µg |
| 肌醇 | 25.0 mg |
---
# ALLIN 乳清蛋白飲
## 每份（35g）營養成分
| 成分 | 含量 |
|----------------|---------------|
| 熱量 | 137 kcal |
| 蛋白質 | 28 g |
| 總脂肪 | 0.5 g |
| －飽和脂肪 | 0.1 g |
| －反式脂肪 | 0 g |
| 總碳水化合物 | 2.8 g |
| －糖 | 0.7 g |
| 鈉 | 194 mg |
---
與 AI 共寫指令卡：從混亂到穩定的協作過程
我的 Obsidian 裡保存著許多我與 AI 協作的指令卡。
這些指令卡通常用於執行特定的小任務—— 常用的我會設立成專案，偶爾使用的則保留為指令卡， 當需要時，再靈活地提供給 AI 執行。
不過，AI 的模型常常在「偷偷更新」。
這些更新或升級，往往會導致指令卡的不穩定，甚至失效，讓人非常抓狂。 因此，如果想要長期穩定地使用 AI，又不想被氣到半死， 就必須對 AI 有一些了解，至少要知道如何正確地使喚它為我們服務。
當 AI 執行指令不穩定時，我會明確地告訴它：
「哪個部分沒有做到」以及「我實際需要的是什麼」。
此外，AI 給出的建議往往十之八九都不是我想要的， 所以我習慣性地忽略結果的最後三行， 除非那幾行真的符合需求，否則我會直接略過。
目前與 AI 協作的關鍵，是保持主控權與引導權。
如果讓 AI 帶著走，我們很容易被它「帶進坑裡」。
指令卡的形成過程
- 把想法與需求告訴 AI，展開討論。
- 讓 AI 提出解決方案。
- 指出 AI 做不到或不合理的地方。
- 說明不符合需求的部分，並澄清自己真正想要的結果。
- 請 AI 根據討論內容整理資料，並撰寫出指令卡草稿。
通常，這樣產生的指令卡會比較混亂，
執行過程中也常出現與預期不符的結果。
但沒關係，先求有，再求好。
有了第一個版本之後，就能依照實際使用的體驗逐步優化。
指令卡的優化流程
- 提供舊版本指令卡檔案，清楚描述自己的期待、執行後出現的問題，以及希望修改的地方。
- 與 AI 討論修改方向與可行方案。
- 討論結束後，請 AI 生成新版本的指令卡。
- 將新舊版本對照閱讀，確認修改是否符合預期。
透過這樣的循環，我與 AI 的合作就能越來越順利。
結語：從一件小事開始
老實說，我一開始只是想省五百塊。
沒想到這個念頭，最後讓我和 ChatGPT 一起做出了一套能追蹤飲食、分析營養、甚至幫助養成健康習慣的專案指令。
AI 最有趣的地方是——它讓我們可以一直「試」。
不需要一次就完美，只要有想法、懂一點相關概念， 願意丟問題給它、慢慢修指令，工具就會越來越貼近自己的需求。
有時候它會犯蠢，
比如把我的奇亞籽飲看成燕麥粥。
但老實說，AI 還是幫了我很多忙， 讓生活變得更方便，也讓我能做到更多事情。
所以，如果你也想開始試著讓 AI 幫忙生活，真的不用想太多。
就從一件小事開始嘗試—— 寫出你與 AI 合作的第一張指令卡吧！
🪶 作者的碎碎念
這篇文章一開始，其實我是想寫點關於使用 AI 的技巧。
畢竟最近心理學的主題講太多了，自己都覺得有點膩（笑）。
但在規劃的過程中，我突然覺得——大家應該也不想看那種長篇大論吧。
剛好有朋友對我怎麼用 AI 做飲食管理很感興趣， 我就想，或許這會是個更實際、也更有趣的主題。
老實說，我常常是這樣：
先想知道這個東西「對我有什麼用」， 等實際用過、發現「欸！真的很好用耶！」之後， 才會有動力去深入學它的原理。
所以這篇文章，我也是用這樣的角度來完成的。
一方面希望我提供的這套專案指令，能讓大家體驗到 AI 的方便； 另一方面，也希望它能勾起各位對 AI 與數位工具使用技巧的興趣。
另外，這篇文章我還不太確定會不會把它做成語音摘要筆記，就算有做成語音摘要筆記的話可能也會慢上數週，還請多加包涵。
五大系列的每篇文章都有制作語音摘要，
🎧 若想收聽 Podcast，請點擊圓圓小教室。
也可於 Spotify、KKBOX、Apple Podcast、YouTube 搜尋「圓圓小教室」收聽
