為什麼要做這個作品
當課程開始有學員實作，問題就不會只出現在一個地方。有人會回報安裝指令過期，有人會提到作業卡住，有人會提出產品體驗建議，也有人只是需要被回覆一下。若全部都靠人手巡 GitHub issue，很容易發生兩種狀況：簡單問題拖太久才修，真正需要老師判斷的問題又被雜訊淹沒。
迷你課審核自動化的目標，是讓 AI Agent 先做第一層整理。它每天巡 issue，將內容分類成「可以直接修的文件錯誤」、「適合開 PR 的小修正」、「需要雷蒙判斷的產品或體驗問題」。這樣雷蒙早上看摘要時，不必重新讀完整個 issue 列表，而是直接進入 review 狀態。
包含哪些功能
這個流程會讀取課程 repo 的 issue 狀態、標題與標籤，協助判斷問題類型。A 類像 README typo、壞連結、安裝指令過期，可以由 Agent 修正後關閉；B 類是方向明確但仍需要人看的小程式修正，Agent 會開 PR 等 review；C 類是課程架構、品牌規範、學員情緒或產品方向，Agent 只留下分析與可能選項，並加上 needs-raymond。作品圖中保留實際 issue 標題與標籤，但移除私有留言全文，適合公開展示。
用公開安全版呈現實際 issue 狀態、分類標籤與 Agent 處理規則。
遇到什麼困難
最大的挑戰是拿捏自動化邊界。學員回饋不只是資料，也包含信任感。如果 Agent 太積極，可能把需要人味回應的問題當成普通任務處理；如果 Agent 太保守，就失去自動化價值。因此這個流程刻意把「判斷權」留給人，只讓 AI 處理整理、初判、提出選項與做明確的小修正。這讓課程營運從「人工盯全部」變成「人類審核 AI 整理好的重點」。
最後想對大家說的話
做自動化時，不一定要追求全自動。很多高價值流程其實是「AI 先把雜訊整理好，人再做最後決策」。這樣既能提升速度，也能保留品質與責任感。
進一步認識作者
這個流程由雷蒙三十與課程營運 Agent 協作建立，用於 AI Agent 迷你課的學員回饋與 issue 管理。可公開資訊先以流程圖方式呈現，私有課程內容仍保留在團隊 repo。
