104學習

電子商務技術主管

電子商務技術主管
工作機會(86)
更多
月薪中位數
$8.5萬
年資 3-5 年
資料搜集中...
年資 10 年以上
電子商務技術主管 都在看
虛擬主機租用前必看:費用怎麼算、五個常見陷阱與台灣主機商挑選指南
虛擬主機租用前必看:費用怎麼算、五個常見陷阱與台灣主機商挑選指南
上個月有一位做食品批發的客戶來找我,說他的官網已經三天連不上,設計公司電話打不通,主機在哪裡也沒人知道。後來查出來主機是設計公司用個人名義向國外業者租的,年費到期沒續約,網站就這樣消失了。這種情況我一年會遇到好幾次,共通點都一樣:當初租虛擬主機的時候,沒有人認真看過方案內容。 這篇文章不談技術細節,只談企業在租用虛擬主機之前,應該弄清楚的幾件事:費用是怎麼組成的、哪些地方最容易踩雷、台灣主機商和國外主機商各有什麼考量、以及該用什麼標準來選。內容以2026年台灣市場為準,價格會隨方案與時間變動,建議以主機商公告為主。 【先弄清楚:虛擬主機到底租的是什麼】 租虛擬主機,租到的其實是一台伺服器上的一小塊空間,加上主機商的維護服務。同一台伺服器上通常還有幾十個到上百個其他網站,大家分攤硬體、機房和頻寬的成本,所以價格才能壓到一年幾千元。 換個角度說,你付的錢不只是買硬碟空間,還包含了機房電力與冷卻、網路頻寬、系統更新、資安防護、備份、以及出事時有人幫你處理的客服。這也是為什麼同樣標示10GB空間的方案,價格可以差到三倍以上,因為背後附帶的服務完全不同。 【虛擬主機費用怎麼算:四個組成】 第一、基本年費。這是方案表上看得到的價格,台灣市場大致從一年一千多元到三萬多元不等。 第二、網域費用。網址每年要另外續費,.com.tw或.com一年大約幾百元到一千多元。有些主機商會贈送第一年網域,第二年起自費。 第三、SSL憑證。現在多數方案已內含免費憑證,但仍有部分低價方案要另外收費,簽約前要問清楚。 第四、隱藏費用。這一項最容易被忽略,包括資料還原費、超量流量費、搬站費、以及續約時的價格調整。有些國外主機商第一年打對折吸引你,第二年起恢復原價,三年下來反而比台灣主機商貴。 把這四項加總,才是你真正的年度主機成本。以一個中小企業的WordPress網站來說,合理的總成本大約落在每年四千到六千元之間。 【2026年台灣虛擬主機價格帶】 一年兩千元以下:多半是國外主機商的入門方案或台灣的小型業者。空間看起來不小,但常見的問題是伺服器塞了太多網站,尖峰時段變慢,客服回應也慢。 一年三千到五千元:台灣主要主機商的標準方案大多落在這裡。通常包含台灣機房、免費SSL、每日備份、中文客服。這是我最常建議企業選擇的區間。舉例來說,戰國策集團的WordPress主機一年3,600元,續約同價,附贈第一年網域和一批付費外掛,算是這個價格帶中內容比較完整的。 一年八千元以上:資源配額較高,適合流量大或多站點的企業。如果網站已經需要這種等級的方案,其實可以順便評估VPS。 【租用虛擬主機最常踩的五個陷阱】 陷阱一:主機和網域都登記在設計公司名下。這是最嚴重的問題。將來換設計公司、或對方倒閉失聯,你的網站和網址等於被綁架。務必要求主機帳號和網域所有權登記在自己公司名下。 陷阱二:只比空間大小。100GB的美國主機不見得比10GB的台灣主機好用,因為虛擬主機的瓶頸通常是CPU和記憶體配額,不是硬碟空間。一般企業網站用不到10GB。 陷阱三:沒問備份和還原的細節。有備份不代表能還原,要問還原是否收費、備份保留幾天、是否可以自己下載備份檔。網站被駭的時候,這些細節決定你能不能救回來。 陷阱四:忽略續約價和到期提醒。續約通知信寄到離職員工或設計公司的信箱,是網站突然消失最常見的原因。把到期日記在公司行事曆,並確認通知信寄到公司共用信箱。 陷阱五:以為便宜的國外主機可以省錢。國外主機對台灣客戶來說連線延遲高,客服是英文、有時差,刷外幣還要手續費,也拿不到統一發票。除非你的客戶主要在海外,否則省下來的錢通常不夠賠上後續的麻煩。 【台灣機房和國外機房:怎麼判斷該選哪一種】 判斷標準只有一個:你的客戶在哪裡。 客戶在台灣,主機就放台灣。台灣機房到台灣使用者的延遲大約三、四十毫秒,美國機房則要一百五十毫秒以上。這個差距會反映在網站開啟速度上,也會影響Google對網站效能的評分。 客戶在海外,例如做跨境電商或東南亞市場,那就把主機放在靠近客戶的地區。這時候國外主機反而是正確的選擇,只是要有心理準備,客服和付款都會比較麻煩。 如果兩邊都有客戶,可以考慮台灣主機搭配CDN加速,讓海外使用者也能有不錯的速度,成本比租兩個主機低。 【挑選台灣主機商的七個問題】 在簽約之前,建議把下面這七個問題直接問主機商,從對方回答的清楚程度,就能大致判斷這家業者的水準。 一、伺服器放在哪個機房?(台灣客戶為主,優先選中華電信等級的IDC) 二、承諾的稼動率是多少?有沒有公開的運作狀態頁面? 三、多久備份一次?保留幾天?還原要收費嗎? 四、客服的時段是什麼?晚上和假日找得到人嗎? 五、控制台是cPanel還是Plesk?可以自己切換PHP版本嗎? 六、有沒有免費試用期?不滿意可以退費嗎? 七、從舊主機搬過來,會協助搬站嗎?收費嗎? 以戰國策集團為例,主機放在中華電信IDC,稼動率99.99%並公開報表,客服365天全年無休,提供14天免費試用與60天退款保證,也協助免費搬站。這些條件的詳細內容和同業比較表,可以參考官網的虛擬主機說明頁:www.nss.com.tw/virtual-hosting。 【簽約前先做好的三件事】 第一件事,盤點現有資產。把公司目前的網域、主機、企業信箱、SSL憑證列成一張表,標明各自的到期日、登記人、付款方式。很多公司做到這一步才發現,網域登記在十年前的員工名下,或是主機根本不知道向誰租的。 第二件事,估算實際需求。看一下網站現在的月流量、頁面數、圖片和檔案的總大小,以及未來一年有沒有改版或加功能的計畫。多數企業網站的實際用量遠低於方案上限,不需要為了「以防萬一」多付好幾倍的錢。 第三件事,要求書面條款。稼動率承諾、備份政策、退費條件、續約價格,這些都要落在報價單或合約上,不要只聽業務口頭說明。願意白紙黑字寫下來的主機商,通常也比較願意負責任。 這三件事做完,再去比較方案,你會發現很多看似便宜的選項自然就被排除了,剩下的幾家用前面那七個問題去問,答案就會很清楚。 【什麼情況該從虛擬主機升級到VPS】 虛擬主機不是萬能的。出現以下狀況,就該開始評估VPS: 每日瀏覽人次穩定超過五千,或活動期間會有瞬間大流量。網站有會員系統、購物車、即時查詢等大量資料庫操作。需要安裝主機商不允許的特殊軟體或設定。同一個帳號放了太多網站,互相影響效能。 但反過來說,如果只是形象網站或內容型部落格,就算流量不小,虛擬主機搭配快取通常也撐得住。先從虛擬主機開始,有需要再升級,是成本最合理的做法。 【主機商失聯或倒閉,網站怎麼辦】 這是客戶最常問我的緊急狀況之一。先講結論:只要網域在你手上、備份在你手上,網站就救得回來,通常一到兩天內可以在新主機上重新上線。 反過來,如果網域登記在別人名下、備份只存在原主機商那裡,那就真的很難處理,有時候只能重做網站,再想辦法透過網域爭議程序把網址要回來,耗時數個月。 所以平常就要養成兩個習慣:定期把網站備份檔下載到公司自己的雲端硬碟,每季一次就夠;以及每年檢查一次網域和主機的登記資料,確認所有權和聯絡信箱都是公司的。這兩件事不花錢,但能避掉最嚴重的損失。 【常見問題】 Q1:虛擬主機一年多少錢才合理? 台灣中小企業的WordPress網站,主機加網域加SSL的年度總成本大約四千到六千元。低於兩千元要留意服務內容,高於一萬元則應該評估是否需要VPS。 Q2:可以用免費虛擬主機放公司網站嗎? 不建議。免費主機會強制放廣告、沒有備份、沒有客服,而且隨時可能停止服務,只適合練習用。 Q3:租了虛擬主機,網站就會自動出現嗎? 不會。主機只是空間,網站還需要設計、內容、網域設定和SSL。多數主機商可以協助一鍵安裝WordPress,但內容還是要自己準備。 Q4:一個主機帳號可以放幾個網站? 看方案。多站共用可以省錢,但主要的公司網站建議獨立一個方案,避免其他網站出事時被牽連。 Q5:現在的主機很難用,搬家會不會很麻煩? WordPress網站搬家不難,正規主機商通常免費協助。比較需要時間的是網域轉移和企業信箱,建議在舊主機到期前一到兩個月開始處理。 Q6:Windows主機和Linux主機怎麼選? 看網站用什麼程式做的。WordPress選Linux,ASP.NET選Windows。不確定的話,請主機商幫你檢查現有網站,通常是免費的。 【想確認公司網站的主機狀況】 如果你不確定現在的主機在哪裡、登記在誰的名下、一年花多少錢,或是想評估要不要搬家,可以直接找戰國策集團的客服協助檢查。我們做主機服務超過26年,服務超過3萬家企業,可以依你的網站類型給具體建議。 虛擬主機方案說明:www.nss.com.tw/virtual-hosting 免付費客服專線:0800-003-191(365天全年無休) LINE ID:@119m 官方網站:www.nss.com.tw
林尚能 台灣服務比較網
CCNA好考嗎?2025認證攻略 提升網路技能的必備資格
CCNA好考嗎?2025認證攻略 提升網路技能的必備資格
CCNA認證(Cisco Certified Network Associate)是針對網管與系統研發人才設計的入門級別網路架構與網路協定專業認證。無論是想進一步了解網路基礎概念,還是尋求提升職場競爭力,CCNA都是不可錯過的重要憑證。本文將帶大家認識CCNA認證內容、報考條件、考試準備資源,讓你輕鬆踏上網路專業之路。 CCNA認證是什麼? CCNA是Cisco Certified Network Associate的縮寫,是Cisco提供的基础網路認證。它重點在基本網路構造、LAN和WAN原理、IP通信和網路安全等基础能力。通過CCNA,您可以認識網路基本運作原理,並增加解決網路問題的能力。 CCNA認證好考嗎? 雖然CCNA認證在難度上屬於網路專業認證的入門款,但還是需要一定的準備和學習。CCNA考試包括理論和實作兩部分,考生需要熟悉IP網路概念、LAN和WAN構造、VLAN和網路處理功能。對於新手而言,有網路基礎知識背景將會將考試過程簡單化。 CCNA認證好用嗎? 根據104學習精靈的資料,有近30%的網管工程師職缺要求求職者須具備CCNA認證資格,但除了這張證照之外,工程師的實務操作能力,以及程式語言、資料庫系統架構、框架工具使用技能...等專業技術也至為重要,甚至有的企業會要求專案型的工程師達到CCNP(CCNA再高一級的認證)以上等級,因此,證照技能兩不誤,才能凸顯能力價值。 工程師必備技能課程:https://nabi.104.com.tw/nabisearch/course?keyword=%E5%B7%A5%E7%A8%8B%E5%B8%AB&jobcat=2007000000 報考CCNA認證需要具備什麼條件? 報考CCNA認證沒有限制,任何對網路技術有興趣的人都可以參加。不過,具備以下基礎知識會有助於增加過關機率: ● 基本電腦操作知識:熟悉電腦硬體和軟體的基本操作。 ● 網路基礎概念:如IP地址分配、子網路劃分、路由和交換等。 ● IT基礎英語能力:CCNA考試的內容多為英文,理解基本的技術英語是必需的。 如何報考CCNA認證? 報考CCNA的步驟如下: 1. 註冊Cisco帳號:前往Cisco官方網站(Cisco官方網站)註冊個人帳號。 2. 選擇考試科目:目前CCNA的主要考試代碼為200-301,請確認最新的考試資訊。 3. 選擇考試中心或線上考試:登錄Pearson VUE考試平台,選擇您方便的考試中心或選擇線上遠端監考模式。 4. 支付考試費用:CCNA考試的費用約為300美元,依所在地區可能有所變動,支付後即可完成報名。 5. 準備考試:利用Cisco學習網頁、教材或其他學習資源進行充分準備。 6. 參加考試:在預約的時間和地點參加考試,也可申請遠距考試。 CCNA的考試範圍內容為何? CCNA考試範圍涵蓋多個網路基礎領域,主要包括以下內容: ● 網路基礎:了解網路運作的基本概念,如OSI模型、IP尋址、子網劃分等。 ● 交換與路由技術:包括VLAN配置、路由協議(如OSPF、EIGRP)及靜態路由的設置。 ● 無線網路基礎:涵蓋無線網路配置與故障排除的基本知識。 ● 網路安全:基礎防火牆配置、訪問控制列表(ACL)的使用及網路威脅防護。 ● 自動化與可程式化網路:基礎網路自動化工具(如Python)和SDN(軟體定義網路)概念。 ● 這些內容結合了理論與實務,旨在提升考生對實際網路操作與問題解決的能力。 因此,CCNA認證是通往網路管理專業的入門證照之一,搭配多樣性的工具技能專才,幫助你在職涯發展上更順利。 CCNA 可以做什麼工作?(104人力銀行統計企業職務要求排行榜) Top1: 網路管理工程師 Top2: 系統工程師 Top3: 資訊設備管制人員 Top4: 網路安全分析師 Top5: MIS / 網管主管 證照資訊: https://nabi.104.com.tw/ability/10000637 相關免費課程影片: https://nabi.104.com.tw/nabisearch/film?keyword=CCNA 需要CCNA的職缺需求: https://bit.ly/3TXgEl4
104學習 證照學習熱門QA整理
「數據/資料工程師」12個必備技能、推薦職缺、證照進修
「數據/資料工程師」12個必備技能、推薦職缺、證照進修
大數據時代來臨,企業數位轉型的需求應運而生,因此數據工程師(資料工程師)在企業中所扮演的角色也日益重要。本文盤點要成為數據工程師,強烈推薦要學的 12 項必備技能。一起來看看【數據工程師】工作日常以及104人力銀行上有數據工程師工作機會。 成為數據工程師的 12 項必備技能(點擊可跳至章節): 基本技能(程式語言與資料架構) 網路概念 資料庫 Database 數據湖 Data Lake 與物件存儲 數據倉儲 Data Warehouse 分散式系統 數據處理 機器學習 Machine Learning 作業編排管理 前端與儀表板 後端框架 自動化與部署 如何開始數據工程師之路?了解數據工程師工作日常 【數據/資料工程師】推薦職缺 【數據/資料工程師】職場常見證照整理 【數據/資料工程師】職場再進修課程推薦 文/LnData 麟數據科技 數據工程師的必備技能樹 (Source: Anuj Syal) 一、基本技能 首先,以下是最基本的必修技能,也是想進入這個行業需要的優先入手技能,包含: SQL:SQL即「Structured Query Language」,也稱做「結構化查詢語言」,是一種用於管理和查詢關聯式資料庫的語言,用於處理和操作大量數據。它允許數據工程師對資料庫執行各種操作,如數據檢索、修改和定義,且幾乎所有資料庫和數據倉儲都使用SQL。 程式語言:數據工程師必備技能當然包括使用不同的程式語言來處理數據,如 R、Scala、Java等,但首推 Python,因為Python容易上手,並且擁有許多免費且開源的資料科學工具和資源,使其成為處理數據相關工作的理想選擇。不僅如此,Python還有豐富的開發者社群,讓你輕鬆找到相關的學習資源和解決問題的方法。 Git:即「Global Information Tracker」,Git是版本控制的重要工具,可以追蹤、保存和管理軟體代碼的所有更改和操作,幫助資料工程師協作開發數據工程項目,並確保團隊成員之間的協同工作,可避免有人亂改或誤刪代碼。 Linux指令和Shell腳本:Linux是一種常用的作業系統,數據工程師經常使用它來處理數據,常見的版本如Ubuntu、Fedora。熟悉Linux命令(例如cd、pwd、cp、mv等)和Shell腳本可以幫助數據工程師自動化任務、管理伺服器和處理大量數據。 資料結構和演算法:數據工程師需要對資料結構(Data Structures)和演算法(Algorithms)有足夠的理解和解決問題的技能,以優化數據處理和分析。初學者可透過初級到中難度的LeetCode問題進行練習。 二、網路概念 由於現在大半數據都在線上,因此工程師常需接觸與處理VM(虛擬機)、伺服器和 API(應用程式介面),而此時就需要對 IP(互聯網協議)、DNS(域名伺服器)、VPN 等基本網路概念有基本了解。 API(應用程式介面)概念示意( Source: Geeks For Geek) 三、資料庫 資料庫是按照數據結構來組織、存儲和管理數據的倉庫,相關概念包含: 基礎知識:資料庫是存儲數據的空間,包含表(Table)、行(Column)、列(Row)、鍵(Key)、連接(Join)、合併(Merge)和模式(Schema)等基本概念。 SQL:雖然前面提過了,但要知道在使用這些資料庫時,SQL可說是最泛用也最不可或缺的語法,因此這邊再提一次。。 ACID:是原子性(Atomicity)、一致性(Consistency)、隔離性(Isolation)、持久性(Durability)的縮寫,旨在確保數據操作的有效性和穩定性。 資料庫建模:指在設計資料庫時考慮如何組織資料的過程,包括星型模式、平面設計和雪花模式等不同方法。 資料庫擴展:包括垂直擴展和水平擴展,它們用於增加資料庫的性能和容量。 OLTP與OLAP:OLAP(在線分析處理)、OLTP(在線交易處理)是不同類型的數據處理系統。OLTP是設計用於處理日常業務交易和交互式操作的系統;OLAP則是設計用於分析和探索大量數據的系統。 關係型資料庫:Relational Database,是大多數應用程式使用的傳統資料庫,用於結構化數據。常用的資料庫有PostgreSQL和MySQL。 非關係型資料庫:Non-relational Database,也稱為NoSQL資料庫。跟傳統的關聯型資料庫不同,它們不使用固定的表格模式,而是以更靈活的方式存儲數據,適合處理大量非結構化數據。非關係型數據還可分為三種類型: 鍵值資料庫:如Redis、DynamoDB、FireBase 圖形資料庫:如Neo4j、ArangoDB 寬列資料庫:如Apache Cassandra、Google BigTable 常用的關係型資料庫 MySQL 四、數據湖 Data Lake 與物件存儲 數據湖是一種大規模集中式數據存儲系統,它允許組織以原始、半結構化或非結構化的形式存儲數據,而無需建立嚴格的資料結構。這意味著數據湖可以包含來自不同來源、不同格式和不同質量的數據,可以是文本、圖像、影音等,也包含報表、視覺化、資料分析、機器學習等轉換後資料。 數據湖通常使用分佈式或物件存儲(Object Storage)系統來存儲大量數據,如Hadoop HDFS、Amazon S3等。數據以原始文件或對象的形式存儲,每個對象都包含數據本身、元數據(metadata)和唯一識別子。這種方式使得數據能夠以平面結構組織,並且具有元數據以描述數據的特徵和用途,能夠更好地管理和查詢數據。 五、數據倉儲 Data Warehouse 數據倉儲(Data Warehouse)是一種專為組織和管理大量數據而設計的數據存儲和管理系統。它的主要目標是將來自不同來源的數據整合到一個統一的、易於查詢和分析的資料庫中,以支持企業的決策制定、報告和分析需求。例如 Google 的 BigQuery、AWS Redshift、Azure Synapse、Snowflake、ClickHouse 和 Hive。須了解的相關概念包含: SQL(略) 規範化與非規範化:在數據倉儲中,數據可以以規範化(Normalized)或非規範化(Denormalized)的方式進行組織和存儲,具體選擇取決於業務需求和查詢性能的考慮。規範化主要為求消除數據中的冗余或不一致性;而非規範化則是將數據合併到一個表中以提高數據更改速度。 OLAP與OLTP(略) 六、分散式系統 包含大數據、Hadoop、分佈式文件系統、MapReduce等概念。在分散式系統中,多台機器(稱為節點或伺服器)組成叢集並共同協作,這些機器可以在不同的地方執行,彼此通信並共同完成任務。分散式系統的好處是可提高性能、可用性和擴展性,同時減少單點故障的風險。 由於其複雜性,這些系統擁有各自獨立的技術組件。因此,為了開發與佈署這些系統,數據工程師需要使用叢集管理技術或工具,如Kubernetes、Databricks,或者自行建立Hadoop叢集等。此外,還有許多開源技術可供利用。 Kubernetes 也稱為 K8s,是一個熱門的分散式系統開發和支撐平台(Source: DevOps Mojo) 七、數據處理 數據處理是指使用程式語言來轉換數據的過程,這包括清理數據以及驗證數據的準確性。在進行數據處理時,通常會使用各種工具和框架,具體選擇取決於任務的性質和規模。 以下是一些常用的數據處理工具和框架: Pandas:Pandas是一個好用的Python套件,常被用於處理和分析數據。它提供了豐富的數據結構和函數,適合用於數據轉換和清理。 SQL:(沒錯,又是它)由於多數數據倉庫支持SQL語言,因此SQL是一個常用的工具,用於執行數據轉換操作,尤其適用於處理結構化數據。 Spark:Apache Spark是一個用於大數據處理的強大框架,它提供了分佈式數據處理和分析計算。Spark通常用於處理大規模數據轉換操作,性能高且具有可擴展性。 Spark Streaming:Spark Streaming是Spark的一個模塊,用於處理流式數據。它可以實時處理數據流,非常適合需要即時分析的應用。 Spark是常用於處理大數據的強大框架(Source: Data Mechanics) 八、機器學習 Machine Learning 機器學習(Machine Learning)是一種人工智慧(AI)的子領域,它教導電腦如何從數據中學習,以自動改進和做出決策,而不需要明確的程式指令。機器學習可以應用於多個領域,如圖像辨識、語音識別、自然語言處理、醫療診斷、金融預測以及自駕車技術等。 人工智慧、機器學習、深度學習都是資料科學中的熱門領域 對於數據工程師來說,了解機器學習的不同類型,包括監督學習、非監督學習和增強學習,以及相關的模型(如邏輯回歸、決策樹、K-最近鄰算法等)很重要。他們需要知道何時應該使用哪種模型,並學會處理數據、調整模型參數,以及評估模型的預測準確性。 操作機器學習的平台有Vertex AI、Kubeflow等,這些平台可以協助數據工程師輕鬆部署模型,並構建更準確的工作流程,幫助數據科學家做出更精確的決策。 Vertex AI 是Google Cloud上的一個機器學習平台 此外,還有一些集成平台可讓數據工程師將工作流程整合到一個地方,如AWS Sagemaker、Databricks和Hugging Face等。這些平台通過共用的應用程式接口和圖形界面,使應用軟體功能不受特定硬體、作業系統、網路協議或資料庫管理系統的限制。 AWS Sagemaker也是不少人的ML開發選擇(Source: AWS) 九、作業編排管理 編排(orchestration)是一種用於管理和協調組織各種任務和工作流程的方法。它幫助我們確保工作按照預定的順序執行,以達到我們的目標。 最佳的編排工具之一是Airflow。它使用基於Python的有向無環圖(DAG)來記錄工作流程,讓您可以清楚地定義和規劃工作。Airflow特別適用於複雜的工作流程,並且在大數據和數據工程領域中廣泛使用。 其他工具包含Luigi、Nifi和Jenkins。每個工具都有其獨特的特點和使用場景,可以根據你的項目需求來選擇適合的編排工具,可以幫助數據工程師自動化和管理各種任務,提高工作效率。 Airflow是開發時常用的工作流程管理工具(Source: Airflow) 十、前端與儀表板 前端和儀表板(dashboard)是用來展示數據結果和互動的工具。它們讓我們能夠以圖表、圖像和表格的形式呈現數據,並讓用戶與數據進行互動。 舉例來說,Jupyter Notebook 是一種常用的工具,它可以幫助數據科學家和分析師在筆記本中直接進行數據分析並建立視覺化圖表。 Jupyter Notebook是好用的互動式開發工具,是許多資料科學工作者選擇 此外,儀表板或所謂BI工具如 PowerBI 和 Tableau,以及 Python 套件如Dash 和 Gradio,也被廣泛使用。這些工具允許我們建立互動性強的儀表板,讓用戶輕鬆探索數據,查看不同的視覺化結果,並根據需求進行操作。 Tableau是業界常用的商業智慧(Business Intelligence)工具,建立企業數據儀表板 十一、後端框架 後端框架與軟體工程有關,它們有助於構建網站和應用程序的後端部分。舉例來說,如果您想建立一個網站或應用,可能需要一個後端框架來處理用戶發出的請求、管理資料庫,以及提供信息給前端顯示。 基於 Python 的後端框架包含 Flask、Django 和 FastAPI 等。Flask 是一個輕量級的框架、Django則提供了更多的內置功能、FastAPI 則專注於建立API。 除了這些,還有一些雲端技術可供使用,例如G oogle Cloud Platform(GCP)的 Vertex AI API 和 AutoML APIs,這些技術可以用於模型部署和機器學習應用。 Flask 是一個 Python 網頁應用程式框架,因輕量靈活而受許多開發者喜愛 十二、自動化與部署 自動化和部署是指使用不同的工具和技術,來讓程式碼的建立和執行過程更加自動化和簡化,有助於提高效率、降低錯誤,並讓應用程式更容易管理和維護。 這個過程包括以下幾個主要方面: 基礎設施即程式碼(Infrastructure as Code):這是使用工具如Terraform、Ansible和Shell指令來管理和配置伺服器和基礎設施的過程。這些工具可讓你將基礎設施視為程式碼來處理,使其更易管理和自動化。 持續集成/持續部署(CI/CD):指透過GitHub Actions和Jenkins等工具來自動化程式碼的測試、集成、部署和交付的過程。有助於確保程式碼的品質,並使新功能能夠快速部署到生產環境。 容器化:即使用Docker和Docker Compose等工具,將應用程式和其相關的依賴項打包成容器的過程,可使應用程式在不同環境中更容易部署和執行。 Docker工作流程示意 想當數據工程師,如何培養能力? 在學生可以學習統計、資工、資料科學等科系的課程,或是透過相關實習或競賽來摸索對此領域的興趣。此外,網路上有許多付費課程、YouTube上的免費資源,也可以在kaggle、LnData等平台取得更多練習與交流機會、相關知識、技巧或資源! 要記得,這些相關技術日新月異,即使是正在工作中的數據工程師也必須時時學習與了解最新技術。相對的,正因為技術不停在改變,你也不需要強求把上面所有技能練到精通,而是掌握重要的基本概念與保持開放的學習態度。 數據工程師可以為企業做什麼? 數據工程師日常就是與數據打交道,主要包含收集、讀取、清理,探勘與管理企業的資料,以抓取符合企業分析需求的數據。這些數據則能進一步透過機器學習、演算法,產生更有價值的結果或應用方式,幫助企業做出更好的決策、優化業務流程,例如降低成本、提高獲益、優化產品、留住熟客及開發新客群。因此,數據工程師對於企業的重要性不言而喻。 然而,企業想挖掘數據最大價值,並不能只靠數據工程師。一個完整的數據團隊,通常包含數據工程師、數據科學家、數據分析師三種角色,各司其職、專業分工。他們在日常工作流程中扮演各自的角色,互相協作,完成各種不同的專案——這也是為何我們最後要強調,除了技術以外,溝通與協作等軟技能也非常重要! (原文標題:2023 年想成為數據工程師的 12 項必備技能) [joblist_plugin title='推薦【數據/資料工程師】工作機會' url='https://www.104.com.tw/jobs/search/?ro=0&keyword=%E6%95%B8%E6%93%9A%E5%B7%A5%E7%A8%8B%E5%B8%AB&expansionType=area,spec,com,job,wf,wktm&jobsource=blogc&langFlag=0&langStatus=0&recommendJob=1&hotJob=0' amount='3'] 【數據/資料工程師】職場常見證照整理: 序號證照證照介紹發照單位1DP-203 Azure資料工程師技術師身為此認證的應試者,您應該具備主題專業知識,能夠將各種結構化、非結構化和串流資料系統中的資料,整合...<詳情>Microsoft2Google專業資料工程師認證專業資料工程師透過收集、轉換和發布資料來實現以資料所驅動的決策。資料工程師應該能夠設計、建置、操作...<詳情>Google3SSE 大數據國際認證隨著有關大數據的程式語言、運算平台、基礎理論,以及虛擬化、容器化的技術成熟...<詳情>Silicon Stone Education4AWS認證的數據庫-專業級認證報考資格:1.接觸資料庫技術至少 5 年、2.實際使用 AWS 至少 2 年...<詳情>Amazon Web Services5台灣風險數據分析師除了相關法遵外,應具備在風險數據分析、質量方法運用、風險預測建模等高階專業...<詳情>社團法人台灣風險管理協會更多數據相關證照<前往> 【數據/資料工程師】職場再進修課程推薦: 課程名稱課程介紹【真人直播】零基礎Python數據分析與即時看板實作在這堂課程中,我們將帶你從學習基礎 Python 出發,了解各種常見資料檔案格式與編碼,透過 Python 進行資料表單或檔案的自動化彙整與分析...<課程介紹>GA4+GTM網站數據分析實戰課專業的教學設計,以第一線網站數據分析工作者角度,剖析 GA4 四大要領,從觀念的理解到上手實作,提升你的數據分析能力。…<課程介紹>成為數據分析師的第一把鑰匙:用Python實作三個資料分析專案以非工科生成功轉為數據分析師的經驗、第一線職場實戰角度出發,來設計這門課程,適合零基礎、初入門、想轉職作數據分析師的你!…<課程介紹>零基礎成為Python金融數據分析師|金融資訊爬蟲X視覺化應用課程單元從 Python 程式基礎開始,包含變數、資料型態、流程控制、函式、例外處理等 金融主題的網路爬蟲程式教學,製作Python爬蟲工具…<課程介紹>更多數據相關課程<前往>
【104職場力】
政府說你要會這些,才算「有AI能力」從素養到開發,5大能力類型一次看懂
政府說你要會這些,才算「有AI能力」從素養到開發,5大能力類型一次看懂
數位發展部在2026年5月正式發布「AI產業人才認定指引3.0」,這是台灣官方對AI人才能力的最新定義標準,不管你是想轉職、想升職,還是想知道自己跟市場差多少,這份指引就是你的對照表,看完這篇你就知道自己現在站在哪,下一步該補什麼。 ❇️【政府把AI人才分三類,你是哪一種?】 指引把AI人才分成三大類別: • AI應用人才:用AI工具提升工作效率、創造價值,不需要寫程式。適合各行各業在職者,包含行銷、業務、行政、人資等。 • AI開發人才:用技術把AI做出來,包含ML工程師、LLM工程師、資料科學家等技術職務。 • AI研究人才:做AI底層研究、發論文、推進技術邊界,通常需要碩博士背景。 大多數在職者和求職者,其實落在AI應用人才這一塊,不需要寫程式,但要真的會用、懂AI。 ❇️【3.0版新增了什麼?兩件大事】 • 新增「AI治理素養」:因應今年1月上路的《人工智慧基本法》,你要知道AI的風險在哪、什麼不能做、資料輸入有什麼限制,不只是技術問題,而是每個用AI的人都該具備的基本意識。 • 新增「AI協作與開發」:Vibe Coding、Agentic AI已經是現在進行式,AI不再只是輔助工具,而是你的工作夥伴,這項能力要求你能用自然語言指揮AI完成任務、設計工作流程。 ❇️【先搞清楚自己的AI能力在哪裡】 很多人以為「AI能力 = 會用ChatGPT」,但企業真正在意的其實是三件事: • AI工具應用:能不能選對工具、解決實際問題 • AI判斷能力:能不能判斷AI輸出的內容、做出決策 • AI工作解決力:能不能整合應用、真正創造價值 會問問題、會做摘要、會生圖,只是起點,不是終點,未來比的不是誰會AI,而是誰真的能跟AI協作。 不確定自己現在落在哪個位置?可以先做一個快速檢測,104 AI通用素養檢測只要幾分鐘,就能找出你的能力落點,測驗通過還能回傳到104履歷,讓企業主動找到你。 👉立即測試AI通用素養 https://nabi.104.com.tw/course/104nabi/e9e13d08-2c6f-49b2-bae8-1e9418588041 ❇️【你缺哪塊能力?5大類型對照學習】 指引把AI能力分成五大類型,以下是重點整理: 1️⃣ AI應用素養(No-code) 了解AI基本原理、道德倫理、應用限制與風險辨識,新增AI治理素養,重點在於風險判斷與合規意識 ▶ 商業應用技能 1-1 生成式 AI 如何顛覆您的工作模式 :https://nabi.104.com.tw/course/aws/553bc7bd-5e0e-48c4-af58-41ed7368ce15 ▶ iPAS AI應用規劃師衝刺班:https://nabi.104.com.tw/course/104nabi/19ba2cdd-5ae1-44a0-a975-01f989c92691 ▶ 生成式 AI 能力課程:https://nabi.104.com.tw/course/iiiedu/46267952-18a1-4b5c-a0dd-052b04d1a418 2️⃣ AI工具應用(No-code) 會用ChatGPT、Midjourney、Runway、ElevenLabs等工具完成文書、圖文、影像、音源、自動化等實際任務,並能整合進工作流程 ▶ ChatGPT 實戰應用-讓AI成為你的超級助手 :https://nabi.104.com.tw/course/lunglungai/b5566bfa-71f7-4ed9-b7b4-5d4c406f8e21 ▶ AI行政管理力實戰課|高效會議記錄 × 精準SOP × 掌握AI工具: https://nabi.104.com.tw/course/104nabi/615567ab-cd6f-423e-9277-841af2dd7031 ▶ n8n自動化工作術:https://nabi.104.com.tw/course/tibame/fe53158a-175d-4ec1-aac1-4d3f04e1fb43 3️⃣ AI程式語言應用(Low-code) 能用自然語言指導AI協作撰寫程式、使用GitHub Copilot、Cursor等工具,設計AI Agent工作流程,不需精通語法,但要懂邏輯與除錯 ▶ 文組人一定要會的 Vibe Coding:https://nabi.104.com.tw/course/104nabi/f8202e4f-3029-464f-9f2d-57dd65702913 ▶ AI助理GitHub Copilot | 提升前端開發效率:https://nabi.104.com.tw/course/tibame/c4795096-ae10-43a5-b5e3-2a6548c30e8c ▶ AI Agent 零基礎打造個人工作流:https://nabi.104.com.tw/course/cwlearningtop/e4e74b5f-a403-44d4-894d-8bfbb24b0b88 4️⃣ AI模型訓練(Pro-code) 使用TensorFlow、PyTorch等框架訓練AI模型,涵蓋機器學習、強化學習、fine-tuning與RAG等進階技術 ▶ 技術開發技能1-9 如何利用 AWS 儲存服務加速生成式 AI 與機器學習訓練 :https://nabi.104.com.tw/course/aws/38612d3f-e05e-499c-a5e1-8d4f63192ada ▶ PyTorch生成模型全解析:https://nabi.104.com.tw/course/tibame/1908197d-6314-491e-b1ff-08aed83c8dc0 ▶ AI資料科學家全方位課程:https://nabi.104.com.tw/course/tibame/48cff3f9-685f-4dcc-9d2e-6e058d3e4de4 5️⃣ AI服務開發(Pro-code) 整合NLP、LLM、CV等技術開發完整AI應用服務,包含模型部署、API串接與系統整合 ▶ 自然語言處理與大型語言模型 :https://nabi.104.com.tw/course/ittraining/ad7af932-6033-457a-b8be-9735444d02ec ❇️【對應這份指引,哪些證照值得考?】 指引中明確列出推薦認證,以下是與一般在職者、求職者最相關的幾張: 一、 素養類 1. iPAS AI應用規劃師 初級(經濟部) • 特色:國家級認證,證書永久有效。考試範圍包含人工智慧概論與生成式AI應用兩科,考題靈活且重視實際應用,且難度隨梯次逐漸加深的趨勢。 • 建議備考時間:4-8週 • 證照資訊:https://nabi.104.com.tw/ability/10049056 2. 生成式AI能力認證(資策會) • 特色:有明確的考試範圍與備考內容,證書兩年有效,通過率幾乎都有80%以上。 • 建議備考時間:3-6週 • 證照資訊:https://nabi.104.com.tw/ability/10048893 二、 工具類 1. iPAS AI應用規劃師 中級(經濟部) • 特色:國家級認證,證書永久有效。考試範圍包括人工智慧技術應用,以及大數據處理分析與應用、機器學習技術與應用兩科目擇一,適合已有AI相關技術開發經驗,以及參與過企業AI應用專案相關技術背景人士。 • 建議備考時間:6-12週 • 證照資訊:https://nabi.104.com.tw/ability/10049057 2. 生成式AI美術設計能力 初級/中級(資策會) • 特色:測驗分成學科與術科,術科分數會加權60%,測驗範圍以生成式AI基礎知識,以及AI繪圖、圖片影片生成相關實務操作為主,需擅長各種AI生成工具因應術科題目,適合設計師、社群經營與內容行銷人員,證書有效期兩年。 • 建議備考時間:3-8週 • 網址:https://nabi.104.com.tw/ability/10049229  (生成式 AI 美術設計能力初級)、https://nabi.104.com.tw/ability/10049230  (生成式 AI 美術設計能力中級) 三、 專案類 1. TQC+ 人工智慧:機器學習(電腦技能基金會) • 特色:以術科考題重視程式技術與模型實作,適合已有Python基礎並具備機器學習相關實作經驗者,是一張具AI實務鑑別度的證照。 • 建議備考時間:6-12週 • 網址:https://nabi.104.com.tw/ability/10040787 完整認證資源請參考: https://moda.gov.tw/ADI/services/publications/1611#qaH19692
104學習 職場熱門證照排行榜
善用中場休息,找到屬於你的第二人生(下)
善用中場休息,找到屬於你的第二人生(下)
當你完成夢想彩繪後。接下來,可以開始思考自己要憑藉什麼條件,來實現彩繪的夢想。 習題二:尋找優勢:盤點過去,從心流經驗找生涯優勢 心理學家米哈里·齊克森 (Mihaly Csikszentmihalyi)將心流 (flow) 定義為當人投注某種活動時產生的興奮感及成就感。你可以拿出另一張圖畫紙,用蠟筆畫出一條橫向的X軸,與一條縱向的Y軸。在X軸上標示出你開始有記憶的年齡到現在的年齡,在Y軸標示0-10表示心流經驗的高低。然後開始回想自己曾經有的心流經驗,將這些心流經驗用關鍵字(或圖示)寫在便利貼上(一個心流經驗寫一張),並在關鍵字旁標示出此心流經驗發生時,你的年紀與對這個活動的心流反應(從0-10)。然後再將這些便條紙,貼到圖畫紙上的相對位置。 此時,你可以開始慢慢地回想圖畫紙上這些心流經驗,有沒有什麼共同點,例如:心流經驗的背後是否有共同的人事物,或剛好都有運用到你哪些共同的天賦、特質或能力。 如果你想對心流有更多的瞭解,可以觀看米哈里·齊克森 這場在TED「心流,幸福的秘密」演講。 https://www.youtube.com/embed/E4nmA5oVflo 習題三:運用心流經驗,實現生涯彩繪 接著,你可以依序再次省思每張心流經驗便利貼的內容,並將便利貼依序貼在習題一完成的生涯彩繪圖上的適當位置。例如你的心流經驗有張與「團隊合作」有關的便利貼,而生涯彩繪圖中有個畫面與團隊合作有關,此時你就可以將「團隊合作」便利貼轉貼到生涯彩繪圖的旁邊。如果我們很多張心流經驗的便利貼都有團隊合作這個元素,那就表示未來你在實現彩繪的夢想時,可以善用自己團隊合作的天賦或能力。相反地,如果你生涯彩繪圖的某些關鍵點都沒有相關的心流經驗,哪就表示未來你在實現夢想時,需要建構完成關鍵點的能力與資源。但因為每個的時間有限,建議你先選擇可以運用心流經驗完成夢想的關鍵點切入,一方面可以快速累積成功經驗,二方面可以培養自己開展第二人生的勇氣與信心。 實現彩繪生涯的第二人生時,我建議可以先從自己目前所處的組織及從事的工作找機會開始執行。例如,我們可以跟公司的主管溝通,爭取透過專案的執行或部門的輪調,來開始體驗自己想要的第二人生。如果公司沒有這樣的機會,你也可以到與自己夢想有關團體或機構擔任志工,或利用公餘時間以兼職、外包的方式,看看自己有沒有機會從中體驗,甚至獲得金錢報酬。此外,你可以參與讀書會、成長團體或創業團隊的方式,透過共讀、討論、合作專案…方式,開始往自己的夢想生涯前進。 我在FB個人頁的封面,是我再2017年假時彩繪的夢想「2nd Life」。希望2027年可以回到宜蘭故鄉,成立第二人生探索中心。 祝福大家有個開展天賦、心想事成的第二人生。 Spring的FB個人頁網址 https://www.facebook.com/spring.wang.517/
王榮春 Spring 第二人生
RPA + ERP 整合|n8n workflow 實戰一張圖
RPA + ERP 整合|n8n workflow 實戰一張圖
「ERP 上線兩年了,但業務、會計、倉管還是天天 Excel 互寄,到底要怎麼把 RPA 跟 ERP 整合起來?」「workflow erp 跟 rpa erp 有什麼差別?」「n8n workflow 怎麼跟 SAP、Odoo、鼎新、正航 ERP 串接?」這是 2026 年中小企業資訊主管最常問的三個問題。坦白說,ERP 上線只是第一步,真正讓 ERP 發揮 ROI 的關鍵在於把 ERP 與 LINE、CRM、官網表單、電子發票、Google Drive 自動串接,而 RPA + ERP 整合就是 2026 年最務實的路徑。戰國策集團累積 26+ 年企業服務資歷,協助多家企業導入 rpa erp 整合、n8n workflow、workflow erp 自動化、ERP 與 CRM/LINE 整合。本篇用「一張圖」的概念帶你看懂 RPA + ERP 整合的六大實戰場景、n8n workflow 設計重點、避開地雷的具體做法。 ──────────────────────── 【一、什麼是 RPA + ERP 整合?跟 workflow ERP 差在哪】 要看懂 rpa erp 整合,必須先釐清 workflow erp 跟 rpa erp 的本質差異。其一是 ERP 是企業資源規劃系統,負責進銷存、會計、人資、生產等核心模組。其二是 workflow erp 通常指 ERP 內建的審核流程引擎,例如 SAP Workflow、Odoo Studio、鼎新 e-Flow,主要在 ERP 系統內部跑流程。其三是 rpa erp 指用 RPA 機器人模擬人類操作 ERP,把 ERP 與其他外部系統(LINE、官網、Email、CRM、發票平台)串接起來,讓資料自動流動。其四是 n8n workflow 是一種雲端 + 自架的 workflow 自動化工具,可視覺化串接 ERP API 與其他 SaaS,2026 年 RPA + ERP 整合主流方案之一。其五是三者並非互斥:ERP 內部用 workflow ERP 跑審核、ERP 外部用 RPA + n8n workflow 串接其他系統,組合起來才是完整的自動化。 ──────────────────────── 【二、RPA + ERP 整合六大實戰場景】 rpa erp 在 2026 年中小企業最常見的整合場景有六個。第一是官網表單 → ERP 訂單自動建立,客戶在官網下單,n8n workflow 自動把資料寫入 ERP 訂單模組、開立出貨單,省去業務員 5 到 10 分鐘人工輸入。第二是 LINE 官方帳號 → ERP 訂單查詢,客戶在 LINE 問「我的訂單到哪了?」,RPA 自動從 ERP 撈出狀態、回覆 LINE。第三是 ERP 出貨 → 物流追蹤碼自動推播 LINE,ERP 開立出貨單後自動推送追蹤碼到客戶 LINE。第四是 ERP 應收帳款 → 自動催款 LINE/Email,逾期 7 天自動發催款提醒、逾期 30 天主管接手。第五是 ERP 發票 → 財政部電子發票自動串接、自動寄送客戶。第六是 ERP 庫存 → 自動補貨提醒,庫存低於安全水位時 RPA 自動建立採購單、通知採購主管。這些場景每一個都能省下大量人工時間,且降低人工錯誤。 ──────────────────────── 【三、n8n workflow 設計 RPA + ERP 串接的關鍵】 n8n workflow 是 2026 年最熱門的 workflow 自動化工具,設計 RPA + ERP 串接時要注意幾個關鍵。第一是觸發節點(Trigger),可選擇 Webhook、定時、Email 收信、檔案上傳等多種觸發方式,依場景選擇最低延遲的方式。第二是 ERP 連接節點,主流 ERP 如 SAP、Odoo 都有官方 API、鼎新與正航需要透過資料庫直連或 Web Service。第三是錯誤處理(Error Workflow),ERP API 偶爾會 timeout 或回 500,n8n 內建 Error Trigger 可在失敗時自動通知 IT。第四是資料清洗節點,從 LINE、官網表單收到的資料格式不一,要在進 ERP 之前用 Function 節點清洗、補欄位、去重。第五是審核串接,若訂單金額超過某門檻,n8n 可在進 ERP 前先丟 LINE 給主管審核,通過再寫入 ERP。第六是日誌與監控,每筆執行記錄寫到 Google Sheet 或 Notion,方便事後追查與優化。 ──────────────────────── 【四、不同 ERP 品牌的 RPA 整合難度】 很多人問「我用的 ERP 適不適合做 RPA 整合?」這裡用敘述方式整理常見 ERP 與 n8n、make.com、UiPath、Power Automate 的整合難易度。其一是 SAP B1、SAP S/4HANA,官方有完整 OData/REST API,整合難度低,但授權成本高。其二是 Odoo,開源 ERP,REST API 完整、有 n8n 官方節點,整合難度極低,是中小企業最推薦的選擇。其三是台灣本土 ERP 鼎新 Workflow ERP、鼎新 Smart ERP、正航 ERP,多數要透過資料庫直連或自訂 Web Service,整合難度中等,需要原廠或熟悉這些 ERP 的 SI 協助。其四是雲端 ERP 如 NetSuite、Microsoft Dynamics 365、Acumatica,API 完整、難度低。其五是自架早期 ERP(10 年以上、無 API),通常要用 UiPath 或 Power Automate 模擬桌面操作,難度較高但仍可行。整合策略要依 ERP 品牌、版本、預算、工程資源綜合決定。 ──────────────────────── 【五、RPA + ERP 整合常見地雷】 很多企業 rpa erp 整合失敗,原因高度集中在五個地雷。第一是沒有先盤點 ERP 原本的流程,直接做整合,導致整合上線後 ERP 內部流程衝突、財務帳對不起來。第二是沒有處理錯誤與異常,n8n 失敗時資料卡在中間,業務員不知道、客戶等不到回覆。第三是過度依賴 RPA 模擬桌面操作(UI Automation),ERP 改版或欄位位移就壞掉,維護成本失控。第四是沒有日誌與監控機制,發生問題時無法回溯,老闆責任歸屬不清。第五是把所有邏輯都塞在一個巨大 workflow,無法重用、無法擴展,半年後變成沒人敢動的怪獸。避開地雷的最有效方法是把 workflow 拆小、優先用 ERP 原生 API、加上完整日誌監控、定期 code review。 ──────────────────────── 【六、戰國策怎麼協助 RPA + ERP 整合】 戰國策工作流程自動化專注在 rpa erp 整合的實際導入。第一是 ERP 流程盤點,協助你釐清 ERP 內部哪些流程適合自動化、哪些要保留人工。第二是 ERP 與外部系統串接設計,把 LINE、官網、Email、電子發票、Google Drive、CRM 等與 ERP 之間的資料流程設計好,並用 n8n workflow、make.com 或自架 RPA 實作。第三是錯誤處理與監控建置,所有 workflow 都有日誌、異常告警、自動重試機制。第四是教育訓練與內部知識轉移,協助你的 IT 同仁能夠維護、優化既有 workflow。第五是後續優化,每季檢視 workflow 執行成效,調整節點、新增場景、降低錯誤率。我們不只交付一份 workflow 檔案,而是把 RPA + ERP 整合變成你企業的長期能力。 ──────────────────────── 【七、常見問題 FAQ】 Q1:我們公司用鼎新 ERP,n8n workflow 能整合嗎? A1:可以,多數鼎新版本透過資料庫直連或自訂 Web Service 即可整合,建議由熟悉鼎新欄位結構的工程師協助設計,避免影響原本 ERP 流程。 Q2:RPA + ERP 整合會不會影響 ERP 效能? A2:設計良好的整合幾乎不會影響 ERP 效能,重點是避免高頻輪詢、改用 Webhook 或事件驅動,並在離峰時段執行大量批次任務。 Q3:n8n 自架還是用雲端版好? A3:對資料敏感度高的企業(如財務、醫療)建議自架;對中小企業且不介意資料放雲端,n8n Cloud 更省維運成本。 Q4:workflow erp 跟 rpa erp 可以同時用嗎? A4:可以,且建議同時用。ERP 內部審核用 workflow ERP(如 SAP Workflow、鼎新 e-Flow),ERP 對外資料流用 RPA + n8n workflow,互補不互斥。 Q5:RPA + ERP 整合會被 ERP 原廠抗議違反授權嗎? A5:絕大多數 ERP 授權允許透過官方 API 整合,但 UI Automation(模擬桌面操作)部分原廠合約有限制,建議事前確認合約條款。 Q6:n8n workflow 一份要花多久建置? A6:簡單場景(官網表單 → ERP)約 1 到 3 天,中型場景(LINE + ERP + 發票)約 1 到 2 週,大型整合(多模組 + 多系統)約 1 到 3 個月。 Q7:RPA + ERP 整合失敗會怎樣? A7:設計完善的整合會有 Error Trigger 自動通知 IT、自動重試、自動回滾,並把失敗資料寫到待處理清單,不會造成資料遺失。 Q8:n8n workflow 跟 make.com、Power Automate 怎麼選? A8:n8n 適合自架、客製化高、開源;make.com 介面最直覺、適合非工程師;Power Automate 適合既有 Microsoft 生態(M365、Dynamics)的企業。 Q9:戰國策提供 RPA + ERP 整合的長期維運嗎? A9:戰國策提供 workflow 建置、教育訓練、季度優化、異常告警維運服務,並協助企業內部建立自動化團隊,把能力留在你的組織內。 Q10:我們沒有工程師,能做 RPA + ERP 整合嗎? A10:可以,戰國策提供完整 workflow 建置與後續維運,你的同仁只要懂業務流程即可,工程細節由戰國策團隊處理。 ──────────────────────── 【戰國策工作流程自動化|業界領導品牌.26+年企業服務資歷】 如果你正在評估 RPA + ERP 整合、n8n workflow 串接、workflow erp 設計,或想知道怎麼把 ERP 與 LINE、官網、CRM、電子發票自動串接,歡迎與戰國策聯繫。戰國策集團累積 26+ 年企業服務資歷,協助多家企業導入 rpa erp 整合、n8n workflow、ERP 與 LINE/CRM/官網的工作流程自動化導入。 服務專線:0800-003-191 LINE 諮詢:@119m 官方網站:RPA.com.tw
林尚能 台灣服務比較網
企業每月搶10萬AI人才,你缺的不是熱情,是這三項硬技能
企業每月搶10萬AI人才,你缺的不是熱情,是這三項硬技能
每個月,台灣企業正在搶10萬名AI人才 根據104學習最新發布的《2026 AI人才趨勢報告》,今年企業平均每月招募AI相關職缺已達10萬人,近5年AI人才需求成長97.6%,幾乎是整體招募市場同期成長速度的4倍。 這場搶人大戰,缺的不是想學AI的人,缺的是真正具備企業要的能力的人 ❇️【企業到底想要什麼?三項硬技能排名】 報告明確列出2026年AI職缺最常見的技能需求: 1️⃣ 流程自動化(近5年成長233%) 從製造到行政業務,效率提升最直接的技能,不只是工程職需要,製程規劃、生產管理、品保品管都在找 2️⃣ 機器學習演算法(近5年成長64%) 監督式學習的核心,廣泛應用於分類與預測任務,資料分析、產品開發、研究職高度相關 3️⃣ 自然語言處理(近5年成長147%) 文本理解與語義分析,適用於客服、行銷、法務等多個職類,不需要自己建模型,但要懂得如何應用 ❇️【工具會用哪些?企業點名這三個】 技能之外,企業也直接在職缺中點名求職者要會使用的AI工具: • ChatGPT:從辦公自動化到創意協作、文字生成,已成企業首要指定工具 • PyTorch:深度學習模型訓練,AI研發職位的主流框架 • TENSORFLOW:企業 AI 應用首選,支援模型部署與擴展 ▶ ChatGPT、Gemini雙雙入榜,說明LLM的應用已不只是技術人員的工具,而是各職類工作者的日常配備 ❇️當技能相近時,證照是讓履歷被看見的加速器 • iPAS+ AI應用規劃師:經濟部核發的國家級AI應用認證,是企業評估數位轉型人才的判斷標準之一 • 證照資訊:https://nabi.104.com.tw/nabisearch/certify?keyword=ipas%2BAI ▶️【點我免費做 iPAS+ AI應用規劃師 初級模擬測驗】 https://nabi.104.com.tw/assess/6c2efe0a-8456-4694-bdc3-a1813f66ee19 ▶️【初級】衝刺班|速攻考點 × 模擬實戰 × GPT刷題攻略】 https://nabi.104.com.tw/course/104nabi/19ba2cdd-5ae1-44a0-a975-01f989c92691 ▶️【中級】衝刺班|命題精析 × 實戰解題 × AI刷題 https://nabi.104.com.tw/course/104nabi/3987ebea-3686-4f67-a292-c46c3cc2128e • 機器人工程師證照:針對製造業自動化場景,是企業識別硬體整合型AI人才的重要指標 https://nabi.104.com.tw/ability/10049172 ❇️【從哪裡開始?】 中央大學資管系兼任助理教授劉書銘指出,AI變化太快,學習AI不只是學一門課,而是要獲得「理解未來的核心能力」。 三個月學一項技術的節奏已跟不上市場。重要的是找到自己職務最需要的AI技能,精準切入,而不是什麼都學一點。 💡求職者: 想知道你的職務最需要哪項AI技能?104學習AI專區會自動帶入你的當前職務,分析技能缺口、提供測驗與推薦課程 👉 立即進入104學習AI專區 https://nabi.104.com.tw/ai ➡️【免費下載|2026 AI 人才趨勢報告】適合新鮮人、在職者與想轉職的人 https://nabi.104.com.tw/posts/nabi_post_e6bc6bfe-0bf0-4d19-82ca-a2d1090738db 💡企業主: 想讓員工系統性補上AI能力?104人資市集提供AI企業內訓課程,協助實現員工AI化目標 👉 了解104企業AI內訓方案 https://tw104.pse.is/98mx3p
104學習 職場熱門證照排行榜
Kubernetes:建置與執行第二版
Kubernetes:建置與執行第二版
Kubernetes是當紅的容器叢集管理工具。在過去幾年內,容器叢集管理工具大幅改變開發跟維運人員在雲端環境中開發、建構、部署和維護應用程式的方法。不論你是剛剛接觸分散式系統,或著正在使用雲端環境部署應用程式,這本經典之作的更新版能幫助你的公司進入更快速、靈活、可靠和高效的雲端環境。 Brendan Burns, Joe Beda和 Kelsey Hightower三位Kubernetes的專家,將帶領讀者瞭解如何利用Kubernetes部署分散式應用程式。您可以藉由本書學到如何使用工具及API來自動化具有可擴充性的分散式線上服務、機器學習應用程式,甚至是使用Reapberry Pi建立叢集。 .建立並運行一個簡單的叢集來學習Kubernetes的運作 .深入了解如何使用Kubernetes、Pod、Service、Ingress和ReplicaSet來部署應用程式 .在Kubernetes中整合容器化微服務與儲存區 .學會使用Kubernetes中的DaemonSet、Jobs、ConfigMaps和Secret物件 .提供開發及部署應用程式的Kubernetes實用範例 「由三位世界上令人尊敬且具有高度權威性的雲端原生系統作者所撰寫,本書可以幫您奠定使用Kubernetes的基礎觀念,並藉由其中的範例探索Kubernetes的世界」- Liz Rice, Aqua Security 看更多書籍介紹: http://books.gotop.com.tw/v_A632
碁峰資訊GOTOP 電腦技能的領航員-碁峰資訊
NemoClaw跟OpenClaw到底差在哪?我幫你把兩者比清楚
NemoClaw跟OpenClaw到底差在哪?我幫你把兩者比清楚
最近有幾個朋友問我,NemoClaw 跟 OpenClaw 到底哪裡不一樣,能不能幫他們講清楚。 我發現這個問題確實不好回答,因為兩個東西乍看之下很像——都是 AI 代理平台、都是開源、都讓 AI 幫你做事——但骨子裡的設計邏輯完全不同。 這篇我想認真把兩者比清楚,順便說說我自己的看法。 先從 OpenClaw 講起,因為它先出現,而且它出現的方式非常特別。 OpenClaw 是今年年初由一個叫 Peter Steinberger 的開發者做出來的個人專案,幾乎沒有任何行銷,就靠口耳相傳在技術社群裡爆炸性傳播。三週內的採用速度超越了 Linux 的早期成長,這在開源歷史上幾乎是前所未見的事情。 它的核心概念是:讓 AI 住在你的電腦上,透過你已經在用的通訊軟體(WhatsApp、Telegram、iMessage)下指令,它幫你做電腦上能做的任何事。讀寫檔案、寄信、查行事曆、跑腳本、甚至自己寫程式來擴充自己的能力。 它的記憶是持久的,它記得你,跨對話、跨設備。 然後,今年二月,OpenAI 把它收購了。 這個收購對市場的意義很大。它讓整個企業界意識到,AI 代理這個賽道已經不是實驗性的了,但同時也讓很多本來考慮用 OpenClaw 的企業變得猶豫——OpenAI 接手之後,這個東西還會是開放的嗎?治理方向會變嗎? 就在這個時間點,NVIDIA 宣布了 NemoClaw。 NemoClaw 的官網是 nemoclaw.bot,它是 NVIDIA 在 GTC 2026 上正式發表的開源 AI 智慧代理平台。 兩者最根本的差異,我認為可以從以下幾個面向來看。 第一個是設計對象不同。OpenClaw 從頭到尾是為個人設計的,它的邏輯是「讓一個人用 AI 把自己變成超人」。NemoClaw 是為組織設計的,它的邏輯是「讓一家公司能夠安全、大規模地部署 AI 代理」。這個差別決定了後面所有設計決定的方向。 第二個是資安的位置不同。OpenClaw 的資安是事後加上去的,或者說,它的設計本來就不是以資安為優先。你把它放在公司電腦上,讓它連接公司的 Gmail、行事曆、檔案系統,IT 部門的反應幾乎一定是「不行」。NemoClaw 是從架構底層就把資安和隱私控制蓋進去的,多層安全防護、數據治理政策、存取控制,這些不是附加功能,是核心設計。 第三個是生態系統整合的深度不同。OpenClaw 靠社群力量建立了超過 50 種整合,擴張速度很快,但是去中心化的、品質不均的。NemoClaw 跟 NVIDIA 自家的 NeMo 框架、Nemotron 模型系列、NIM 推論微服務深度整合,這些是工業等級的 AI 基礎建設,不是個人開發者的 side project。 第四個是合作夥伴的層級不同。OpenClaw 的生態系統是社群成員自發建立的,活力十足但比較散。NemoClaw 的合作夥伴包括 Salesforce、Cisco、Google、Adobe、CrowdStrike,都是各自行業的前三名。這代表 NemoClaw 在企業軟體市場的整合深度,遠超過任何個人開發者能做到的程度。 第五個是硬體的態度不同。OpenClaw 沒有特定的硬體優化,跑在各種環境上效果不一。NemoClaw 有原生 NVIDIA GPU 加速支援,但同時也設計成硬體無關——可以跑在 AMD、Intel 等其他處理器上。 我自己的解讀是:這兩個工具不是競爭關係,它們服務的是不同的用戶群,只是碰巧在同一個時間點出現,都叫「Claw」。 如果你是個人用戶,想讓 AI 幫你管理自己的生活和工作,OpenClaw(現在已被 OpenAI 收購,未來方向還待觀察)或類似的工具是合理的起點。 如果你是企業決策者,正在評估要不要讓 AI 代理進入公司的工作流,NemoClaw 是目前最接近「可以認真考慮放進 production 環境」的選擇。 有一件事我想特別說,很多人在看 NemoClaw vs OpenClaw 的時候,會很自然地用「個人版 vs 企業版」這個框架去想。但我覺得這個框架還不夠精準。更準確的說法是:OpenClaw 代表的是「AI 助理化」,NemoClaw 代表的是「AI 代理基礎建設化」。 前者是工具的升級,後者是基礎設施的重建。 就像當年從 Excel 到 ERP 系統的轉變一樣——Excel 讓個人效率大幅提升,但 ERP 讓整個組織的運作方式改變了。AI 代理現在也在走同樣的路。OpenClaw 是那個讓大家看到可能性的 Excel,NemoClaw 是要把這件事變成組織基礎設施的 ERP。 對台灣的企業來說,我認為現在最重要的不是馬上決定要用哪個,而是先有人認真去理解這兩個東西在做什麼、可以解決什麼問題、跟公司現有的 IT 架構怎麼接。這件事做了,後面的決策才有根基。 這類工具的評估和導入策略,AI.com.tw 有在提供顧問服務,可以去了解看看。 https://AI.com.tw
林尚能 戰勝學院
赴日工作被擺一道!她曝跟在台灣說的不同:仲介AB合約騙人
赴日工作被擺一道!她曝跟在台灣說的不同:仲介AB合約騙人
2025-05-05 聯合新聞網綜合報導 由聯合新聞網授權轉載 赴日工作美夢破滅!一名女網友在Dcard發文透露,自己四月底滿心期待的到日本就職,起初無異狀且待遇佳,沒想到五月初突然拿到一張新的工作契約,上面內容與在台灣說好的完全不一樣,讓她非常不能接受,向台灣仲介反映也沒用,還被要求「先繼續工作」,她無奈表示「目前做最壞打算,就是搬離開宿舍、重新找工作,甚至可能回台灣」。 延伸閱讀:想去日本工作怕被排擠?他指出日人4特性 用「3招」迅速融入 原PO透露四月底到日本鹿兒島工作,抵達時公司社長還開車去巴士站接送、提供5萬日幣的前期生活費,並安排公司總務人員陪同購買生活用品,誠意滿滿。然而五月開始上班後,總務人員拿了新的工作契約,內容與在台灣簽訂的有很大出入,她坦言「當下讓我想東西直接收一收立刻離開」。 她詳述,舊合約職務是翻譯,新合約卻是作業員,說好的工作時間也不一樣。更誇張的是新合約薪資不公開,還說班別不同薪資不一樣,言下之意就是要砍當初談好的薪水。看完新約後向仲介反映,卻只得到「連假後會找時間三方溝通」的回覆,要她這期間持續工作。她因此發文提醒,「千萬別相信日本人很有誠信的過去,現在的日本人為了達成目的,連人力銀行都會幫忙用AB約的方式騙人過去」。 貼文下方有苦主共鳴,「日本人很會騙人,會先哄妳過去,然後再把你軟禁,要你簽約之類的」、「日本的爛公司不會輸台灣而且數量也多,真的不要被媒體美化,沒有爆出來的太多太多了」、「一堆日本公司來台灣找人講好聽點是徵才,難聽點就是去東南亞找外勞」、「一進去馬上就想離職,最大的比例就是進去上班後發現工作內容跟面試時不一樣」。 也有網友補充「相信我,那種會主動來台灣招聘的日本公司都不是什麼好缺」、「趁現在還有工作簽證,趕快去找新工作,簽證過了就只能回台灣了」、「日本工作好的會內轉,壞的才會找海外的」、「還是要學好日文,多去他們的人力網站看評價,寧願花點錢買的人力網站的會員很多都很透明」、「跟台灣一樣很現實,日本人不想做的工作,公司或是國家會找外人來做,就這樣」。 [joblist_plugin title='104【日本】工作機會' url='https://www.104.com.tw/jobs/search/?area=6003001001&jobsource=joblist_search' amount='3']
【104職場力】
偷學Anthropic工程師!6個實用Claude提示詞一次看
偷學Anthropic工程師!6個實用Claude提示詞一次看
想讓Claude更懂你的需求、產出更精準?整理Anthropic工程師極力推薦的6個實用提示詞,從需求訪談、教學模式、開發規劃到建立技能與專案記憶,一次掌握更有效率的Claude用法。 文/樂羽嘉編譯 由天下雜誌授權轉載 本文目錄(點擊可快速前往) 1. 讓Claude Code用大白話解釋運作流程2. 讓Claude一直考你,直到你真的學會3. 在Claude動工之前,先對你進行需求訪談4. 讓Claude把你的開發計畫做成網頁5. 把重複性的任務固化成「技能」6. 自動捕捉這次對話該記住的事 使用工具:Claude 網頁版:https://claude.ai/ 電腦版:https://claude.com/download 手機APP:iOS下載、Android下載 想要有效利用AI得到想要的答案,就必須給AI高品質的提示詞。要成為提示工程高手,有一條捷徑就是向打造這些AI模型的工程師偷學。 《XDA》科技記者法賽爾(Mahnoor Faisal)深入研究Anthropic工程師極力推薦的提示詞和原則,並分享6種他覺得最好用的提示詞: 1. 讓Claude Code用大白話解釋運作流程 法賽爾分享提示詞,有很多來自Claude Code團隊的工程師Thariq。Thariq經常在X分享使用Claude Code的工作流程技巧,常常都是那種你想都沒想過但可以立刻上手的方法。他也會分享Anthropic團隊其他成員和社群流傳的提示詞,而這個提示詞背後還有一個很有趣的由來。 Thariq是幫妹妹用AI協助開發一個WNBA數據網站之後分享這個提示詞的。他意識到,Claude Code平常在畫面上顯示或說明的內容,大概有99%對妹妹毫無意義,因為那些內容是寫給精通開發語言的人看的。因此,Thariq設計了一個提示詞範本來解決這個問題。 這個提示詞的功能是重塑Claude Code的工作與溝通方式。它不會把所有事情都放在你的主要工作階段執行,然後一路用滿滿術語進行解說。相反的,它會把實際工作交給一個非同步背景代理(async background agent)處理,你的主要工作階段只需要定期查看進度並向你回報。 除此之外,它還會啟用explore agent(探索代理),這個唯讀代理唯一的工作就是四處查看並解釋各種功能怎麼運作,但不會動到任何東西,所以你不只是看著事情發生,還能真正瞭解背後發生了什麼事,所有內容都會用白話文解釋,因為這個提示詞會強調技術術語對你毫無用處。 提示詞: 這是我的提示詞:「【在這裡輸入你的任務需求】」請幫我啟動一個非同步背景代理來執行這項工作,並在它工作的過程中定期查看進度,然後幫我摘要目前發生了什麼事。我完全沒有技術背景,所以請用最簡單的大白話為我做摘要。請利用「探索代理」(Explore Agent)向我解釋另一個代理正在處理的事情背後的運作原理,好讓我在過程中順便學習。如果背景代理遇到任何錯誤,請立刻停下來告訴我,並引導我修復它。請記住,我沒有任何技術背景,任何技術術語對我都沒有幫助。 2. 讓Claude一直考你,直到你真的學會 幾個月前,用AI寫程式最困難的部分就是產生能用的程式。現在AI程式寫得很好,跟上它的速度反而變得更難。科技記者法賽爾一直想確保自己是真的理解模型替他寫的程式,不想不假思索地接受AI上繳的成果。 法賽爾分享的這個提示詞,來自Thariq在Anthropic的同事Suzanne。Thariq當時一直在詢問同事是怎麼跟上Claude正在建構的內容,這是他最愛的解答之一。 這個提示詞不會讓Claude完成所有工作,再一次把所有解釋傾倒給你。它會把 Claude變成一位老師,一次只處理一個概念,先要求你用自己的話重新說明你理解了什麼,確認你真的掌握後,才會進入下一步。法賽爾最喜歡的部分是Claude會透過AskUserQuestion這個Claude Code內建工具來做到「考考你」的效果。這個工具能讓模型暫停流程,然後向你提出真正的選擇題或開放式問題。 另一個值得特別注意的細節是最後那一行 /goal 那段內容,設定了一個非常明確的停止條件:在Claude確認你已經理解檢查清單上所有內容之前,整個工作階段都不能結束。不能提早落跑,也不能隨便說一句「好啦好啦我懂了」就直接進入下一個主題。你必須證明自己真的懂,否則這堂課就會繼續下去。 提示詞: 你是一位教學成效極高的睿智老師,你的目標是確保使用者能夠深入理解這次工作階段中的所有內容。請在每個步驟循序漸進地教學,不要等到最後再一次性說明所有內容。在進入下一個階段之前,你必須先確認使用者已經完全掌握目前階段的所有重點。這些重點包括高層次概念(例如動機與目的),也包括低層次細節(例如商業邏輯與邊界情況)。請持續維護一份Markdown文件,其中包含使用者應該理解事項的檢查清單。請確保使用者理解:問題本身:問題為何存在、問題的成因,以及不同的可能分支情況。解決方案:為什麼採用這種解法、設計決策的原因,以及需要考慮的邊界情況。更廣泛的背景脈絡:這件事為什麼重要,以及這些變更會產生哪些影響。請確保她理解「為什麼」(並持續往更深層的原因追問),同時也要理解「是什麼」以及「如何運作」。充分理解問題本身非常重要。為了瞭解使用者目前的理解程度,請主動要求使用者先用自己的話重新說明自己的理解。接著再根據使用者的回答協助補足缺漏的地方。使用者可能會向你提問,也可能要求你用ELI5(像對五歲小孩解釋)、ELI14(像對十四歲青少年解釋)或ELII(像對實習生解釋)的方式說明。請使用AskUserQuestion透過開放式問題或選擇題來測驗使用者,務必不斷變換正確答案的位置,作答完成之前不要公布答案。如果有必要,可以展示程式碼,或引導使用者使用除錯工具(debugger)。/goal 在你確定使用者已經證明自己瞭解清單上所有項目之前,這個工作階段不應該結束。 3. 在Claude動工之前,先對你進行需求訪談 Thariq分享的另一個提示詞顛覆了傳統的互動模式:與其從你先開始把所有想要的規格與需求講清楚,不如讓Claude來對你進行訪談。 這裡的關鍵在於AskUserQuestionTool。這跟前面教學提示詞裡互動式提問的機制完全一樣,只不過在這裡,它的用途是專案規劃(Planning),不是考試。 Claude會先讀取你的規格文件(spec file),然後針對你完全沒想過要指定的細節對你展開連珠炮般的靈魂拷問,包括邊緣案例(Edge cases)、技術權衡(Trade-offs)、UI設計決策等等通常開發到一半、改起來最痛苦時才會浮現的問題。徹底審問完後,它才會把最終的完成版規格書寫進檔案裡。 提示詞: 請閱讀這份@SPEC.md,使用AskUserQuestionTool詳細問我關於這裡面的任何事情,包括技術實作、UI & UX、隱憂、權衡等。請確保提出的問題不是那種顯而易見的表面問題。務必非常深入,持續不斷地問我,直到細節完全齊全為止,再把最終的規格書(Spec)寫入檔案中。 乍看之下這可能很像Claude Code的Plan(規劃)模式,那是因為它們是從不同角度追求同一個目標:在寫任何程式碼之前先做好思考,這樣Claude就不用去瞎猜你的意圖。Plan模式是讓Claude提出做法給你批准,這個提示詞則是讓 Claude先把做法從你的腦袋裡引導出來。 4. 讓Claude把你的開發計畫做成網頁 科技記者法賽爾現在基本上已經拋棄傳統簡報,改用HTML網頁來做簡報頁面。他也淘汰了傳統文件,改用互動性更高、只要部署好就能直接丟連結分享的瀏覽器網頁。Thariq也喜歡這樣做,他在X和Claude官方部落格上分享一篇精彩的文章,解釋為什麼在要求AI工具產出內容時,HTML格式比Markdown格式好非常多。 他的理由是,Markdown處理短篇文章很方便,但只要文件長度超過100行,基本上就沒人想讀了。HTML則允許Claude嵌入真正的圖表、表格、包含語法突顯的程式碼、豐富的色彩、可以點擊的滑桿和複製按鈕。你可以在任何瀏覽器打開,分享給任何人,對方不用安裝任何Markdown閱讀器。Thariq現在不論在規劃、寫規格、做探索、程式碼審查(Code Review)還是寫報告時,全都是用HTML。 下面這個提示詞就是把這種思考應用在特定工作上,在動工前規劃好開發藍圖。Claude不會丟給你一面看過一次就會忘記的文字牆,會把整個計畫做成結構精美的HTML頁面來呈現,附帶網頁原型、數據流向圖、真正值得審查的核心程式碼片段。 提示詞: 請在一個HTML檔案中建立一份詳盡的實作計畫。請務必在裡面製作一些原型(Mock-ups)、展示數據流(Data Flow),加入我可能需要審查的重要程式碼片段。請確保內容很容易閱讀、消化。 5. 把重複性的任務固化成「技能」 如果你發現自己老是要重複引導Claude執行某些相同的固定步驟,代表這個步驟應該被打包成一項「技能」(Skill)。技能就是一組儲存為可攜式檔案的提示詞清單,有特定任務需要時,Claude會自動調用。 下面這個來自Anthropic官方提示詞庫的招式,能把你不斷重複的繁瑣流程變成一個簡單的快捷指令。 提示詞: 請為這個專案建立一個 [/ship] 技能,用來執行 [執行linter語法檢查和測試,然後草擬一份commit訊息]。 第一個中括號是你要用來觸發它的快捷鍵名稱(例如 /ship),第二個中括號填進你每次都懶得重新教Claude的步驟序列。Claude會自動把它寫成技能,你團隊的任何人都可以直接執行這個指令。 6. 自動捕捉這次對話該記住的事 在每一次Claude Code對話中,Claude都會摸索出許多小細節,像是你的專案怎麼串接、你偏好的程式碼規範、它犯過並修正的某個錯誤。但在預設情況下,當對話結束時,這一切記憶都會蒸發,導致下一次對話又得重新來過,浪費時間成本。 這個來自Anthropic官方提示詞庫的提示詞,就是阻止這種悲劇發生的終極大招。 提示詞: 摘要我們這個Session做了什麼,建議有哪些內容應該新增到CLAUDE.md中。 CLAUDE.md是Claude Code每次啟動對話時都會優先讀取的檔案,本質上扮演了這個專案的常駐記憶體。透過這個簡單的提示詞,你不需要自己苦哈哈地記錄哪些東西值得留下來,Claude會幫你做好,它自己最清楚在這個Session克服了哪些障礙,你只要讓它提出建議,然後保留真正重要的部分就好。 (資料來源:XDA) (原文標題:偷學Anthropic工程師!6個好用的Claude提示詞) 推薦閱讀: 用提示詞讓Gemini修照片!2026年最受歡迎的7種玩法 碾壓不用AI的學生!10個NotebookLM學習提示詞 進階玩家必學:5個NotebookLM實戰技巧
【104職場力】
競品分析系統推薦:把零散的市場觀察變成固定情報
競品分析系統推薦:把零散的市場觀察變成固定情報
多數公司都在觀察競爭對手,只是做法很隨機。業務在客戶那裡聽到對手降價,行銷偶然看到對方的新廣告,老闆在展覽上拿到一份型錄。這些片段各自存在不同人的腦中,很少被整理成可以拿來做決策的資訊。 競品分析系統要做的,是把這種偶發的觀察變成固定的機制:持續追蹤競爭對手的產品、價格、行銷活動與公開動態,協助企業調整自己的策略。 【先看怎麼選】 這類工具的差異很大,做競品分析系統比較之前,建議先確認自己想回答的問題是什麼,再對照下列三種做法。 人工蒐集:指派同仁定期瀏覽對手的網站與社群並做成簡報。好處是有人的判斷,缺點是耗時、難以持續,而且很容易在忙碌時中斷。 單點工具:市面上有專門看 SEO 排名、廣告素材、社群聲量或價格的工具,各自在專長領域做得很深。若想看到全貌,往往需要訂閱好幾套,再由人工彙整。 整合平台:把多個面向的競品資訊放在同一個儀表板,並與公司內部的銷售、行銷資料放在一起看。單一面向的深度未必勝過專門工具,但勝在集中與持續。 幾個實用的檢查點如下。追蹤的面向是否涵蓋自己在意的項目,例如價格、內容、社群、廣告與排名;更新頻率是否足夠;是否有主動警示,而不是要人每天登入查看;能否並排比較多家對手;是否產出可讀的摘要,而不只是原始數據;資料來源是否為公開資訊。 最後一點值得強調。競品分析應以對手公開發布的資訊為範圍,例如官網、公開廣告與公開職缺,不涉及任何非公開資料的取得。 【管理王的競品分析功能】 管理王由戰國策集團出品,依官網功能頁的說明,這個模組包含以下內容。 對手動態自動抓取:每日自動蒐集競品的網站內容、商品價格、社群粉絲成長與 SEO 排名變化。 廣告與招募情報:透過 FB Ad Library 與 Google Ads 取得競品的廣告素材,並觀察對方的招募職缺,藉以推敲其市場策略。 差異化比較儀表板:最多可並排比較五家競品的關鍵指標,包含價格、內容量、社群聲量與排名。 競品價格即時警示:當對手的降價幅度達到設定的門檻時立即通知,協助判斷是否跟進,或改以價值訴求因應。 AI 策略洞察報告:每週自動產生行動建議、SWOT 分析與市場份額估算。 官網對這個模組的定位,是讓過去只有大型企業才負擔得起的市場研究能力,中小企業也能以較低的成本取得。 【適用對象與情境】 一家經營露營用品的電商,主要商品與三四個品牌高度重疊,價格是顧客比較的重點。過去是小編每週手動查一次對手售價。設定價格警示後,對手調價達一定幅度時團隊會收到通知,再決定要調整售價、加贈品,或維持原價並強化商品說明。 一家企業軟體公司,每季要向董事會報告市場狀況。行銷主管過去得花好幾天蒐集資料,現在以每週的洞察報告與比較儀表板為基礎,再加上自己的解讀,準備時間縮短許多。對手近期密集招募某類職位的訊息,也成為判斷其產品方向的線索之一。 一般來說,處於價格競爭激烈的零售與電商、產品更新快的軟體與科技業,以及需要定期做策略檢討的企業,都適合評估這類工具。若所在市場的對手很少在網路上公開資訊,系統能蒐集到的內容也會相對有限,這一點要有合理的預期。 【競品分析系統費用】 關於競品分析系統費用,管理王採方案制,各系統內建於方案中,不需為單一系統另外付費。 免費方案為 NT$0,永久免費,成員上限 10 人,儲存空間 1 GB,註冊贈 AI 點數 500 點(一次性),部分功能為 30 天試用。 經濟型每月 NT$5,000,成員上限 30 人,50 GB,每月 AI 點數 1,000 點。 商務型每月 NT$10,000,成員上限 60 人,200 GB,每月 AI 點數 3,000 點,含 8 小時遠端導入教育訓練。 旗艦型每月 NT$19,900,成員不限,1 TB,每月 AI 點數 10,000 點,含 16 小時遠端導入教育訓練。 年繳月費不打折,但加贈 2 個月,付 12 個月可使用 14 個月。AI 報告會使用 AI 點數,各方案每月的點數不同,可以依預計的使用頻率選擇。客製化開發每小時 NT$1,000,加購教育訓練每小時 NT$2,000(最低 10 小時)。費用以 app.ai.com.tw 官網公告為準。 【常見問答】 Q:可以同時追蹤幾家對手? A:依官網說明,比較儀表板最多可並排比較五家競品。實務上建議先鎖定最直接的三到五家,比廣泛追蹤更容易看出重點。 Q:AI 產生的策略建議可以直接照做嗎? A:建議把它當成討論的起點。AI 擅長整理大量公開資訊並指出變化,但是否跟進降價、是否調整定位,仍需要經營者依自身的成本結構與品牌方向判斷。市場份額估算也屬於推估性質,應搭配其他資料一併參考。 Q:蒐集對手資料會不會有法律疑慮? A:功能頁所述的來源為對手的網站、公開廣告資料庫與公開職缺,屬於公開資訊。使用上仍應遵守各平台的使用規範與相關法令。 Q:資料存放在哪裡? A:官網說明資料存放於台灣資料中心,並提供 CSV、Excel、PDF 匯出。 【讓情報發揮作用的做法】 蒐集只是第一步,真正的價值來自後續的運用。建議為每一類變化預先訂出處理原則,例如對手降價超過一定幅度時由誰評估、多久內回覆;對手推出新產品時由哪個部門整理差異說明,提供給業務使用。這樣一來,警示通知不會只是被看過就算了,而是會進入既有的決策流程。也建議每季回顧一次追蹤名單,市場上的主要對手會改變,名單應該跟著調整。 【競品分析系統推薦與使用建議】 關於競品分析系統推薦,我們的看法是:工具的價值不在蒐集多少資料,而在團隊是否因此養成固定檢視的習慣。建議每週安排十五分鐘,由行銷與業務主管一起看一次報告,只討論一個問題:對手這週的變化,我們需不需要回應。 對已經在使用 CRM 或行銷工具的公司,選擇整合平台可以把外部情報與內部數據放在一起判讀;官網說明以單一平台取代多套工具,可省下約七到八成訂閱成本。戰國策集團深耕企業服務超過 25 年,服務超過 3 萬家企業客戶,管理王由台灣團隊提供服務。歡迎從免費方案開始試用,或來電了解。 管理王 AI.com.tw 0800-003-191
林尚能 台灣服務比較網
工作推薦信範例如何寫?推薦信範本word下載
工作推薦信範例如何寫?推薦信範本word下載
工作推薦信範例如何寫?求職時,可能會需要別人幫忙寫一封推薦信,通常是邀請主管長官等,尤其是長期跟你共事,了解你做事風格與表現的人。本文將介紹5個推薦信不可不知的要訣,讓你在求職、求學時所列的經歷更有信服力! ▌先雙手奉上今天的教學口訣: 「選、說、給、告、謝」 選:選對人,找了解你優點的人來寫。 說:說明原因,告訴對方為什麼需要推薦信。 給:提供範本,幫助對方寫出更好的推薦內容。 告:告知時間,提前告訴對方截止日期。 謝:感謝對方,不管結果如何都表達感激。 ▌為什麼會覺得難開口? 很多人不敢請別人幫忙寫推薦信,因為: - 害怕麻煩別人: 寫信需要花時間和心力,感覺好像在增加別人的工作。 - 不確定怎麼開口: 不知道該怎麼說,才會讓對方願意幫忙又不覺得為難。 - 擔心推薦內容不好: 害怕對方寫的信不夠好,或者不知道要寫什麼內容。 簡單地說,都是怕麻煩別人!不過如果表現不錯,相處也合宜的人,其實不用太擔心,相信主管很願意助你一臂之力的! ▌如何正確請別人幫忙寫推薦信? 其實,請別人幫忙寫推薦信不需要太害羞,只要完整說明來意、表達請求: - 選對人選: 選一位了解你的工作能力、品格或學習表現的人來寫推薦信,這樣他們可以寫出有說服力的內容。例如,之前帶過你的老師、主管或同事。 - 清楚說明原因: 你可以簡單地告訴對方,為什麼你需要推薦信。例如,「我想申請新工作,想讓未來主管清楚我在上份工作的表現成果。」 - 提供細節和範本: 你可以告訴對方,你希望推薦信提到哪些方面,比如你的優點、工作成果或學習表現。甚至,你可以自己先準備範本,讓對方參考,這樣對方寫起來會更容易! - 提前告知時間: 告訴對方什麼時候需要推薦信,並給他們足夠的時間準備。不要等到最後一刻才請別人幫忙,這樣他們才不會感到壓力。 - 感謝對方: 無論對方是否同意幫忙,都要記得禮貌! ▌推薦信範本 推薦信內容可分成三部分:介紹、貢獻、為何 - 介紹:介紹推薦人的背景,和被推薦人的關係與共事時間 - 貢獻:條列對公司的具體貢獻,也可提到團隊合作、印象深刻的事等等 - 為何:強調這些貢獻與人格特質和欲申請的職位相符 ▌結語 推薦信一直是許多人苦惱的問題,但相信只要用心、尊重對方的時間和意願、範本清楚簡潔,相信大多數人都會樂意幫你!推薦信是展示你的好機會,最重要的是選適合的人、說清楚原因、信的內容強調和職位的關聯,最後,無論錄取與否,都別忘了致上最深的謝意!
知識貓星球 超級辦公室達人
原本對CLI很畏懼,也是在課後考到RHCSA後,才獲得工作面試機會
原本對CLI很畏懼,也是在課後考到RHCSA後,才獲得工作面試機會
我其實已經考過 EX200 的證照,但當時是透過網路自學完成的,原本我對 CLI 文字介面相當畏懼,但在自學考取 RHCSA 證照後,順利獲得了現職駐點工程師的面試機會,讓我深刻體會到這張證照對敲開職涯大門的實質幫助。 為了補強過去自學不足的實務能力,我選擇找機構進修RHCSA。課堂中獲益最多的是講師對「標準表示式(Regular Expression)」的解析,這對撰寫 Shell Script 與處理大量部署極有幫助,是提升工作效率的關鍵。此外,講師也會適時提示考試重點,並分享善用 --help 與 Tab 鍵補全等實用的備考技巧。 這門課程成功幫我打穩了 Linux 的基本功,也激發了我對系統自動化的興趣。雖然 RHCSA 是基礎門檻,但它給了我極大的信心。現在純系統人才依然非常有市場需求,接下來我也會繼續努力學習後續課程,充滿自信地朝 RHCE 證照目標邁進!
精誠資訊恆逸教育訓練中心 RedHat紅帽認證討論區
| 無痛自學 3Ds Max | 零基礎、輕鬆學3Ds M
| 無痛自學 3Ds Max | 零基礎、輕鬆學3Ds M
我想在開始之前,跟大家確認一個認知,也就是3Ds Max這項工具的應用。 有需多朋友認為 3Ds Max 多僅用於遊戲動畫製作;實則不然, 這項工具至目前已經應用在電影特效製作、遊戲場景製作、遊戲角色製作、室內設計模擬圖、產品設計模擬圖等方面應用,且其擅長領域是用在3D建模上,其實應用層面還蠻廣的。所以今天才推薦這門課程。 這門課程上課後您將可以獲得:3Ds Max自學方法 (我認為可以延伸至其他設計工具的學習)、3Ds Max功能與操作介面、3D空間概念建立、作品實作技巧、3D模型製作等技術。 既然是從零基礎開始自學,所以課程安排一開始就是啟蒙篇,引導大家認識本工具操作環境、介面功能、基礎物件、延伸物件等。並開始教學基礎2D線型操作、基礎材質、打光、算圖;先為大家建立起基本能力。第二篇就開始進入較為有難度的內容,因為必須開始編輯多邊形,並且開始套用到一些簡單的立體圖像的製作上。在更進階的下一章,老師則會交會大家如何編輯材質、貼材質、混和材質等。最終這門課程將會以帶大家玩成一個實作案例為目標。 希望對於本課程有興趣的朋友,可以透過自學方式學到這個工具的技能與實作經驗。 推薦課程網址: https://www.tibame.com/course/341 祝您 工作順利、學習愉快 小編陪您每日學習成長1%
一零四線上嚴選 每日推薦一堂課
2026 ASCM Supply Chain Salary & Career Report:供應鏈人才價值持續攀升!
2026 ASCM Supply Chain Salary & Career Report:供應鏈人才價值持續攀升!
📊【2026 ASCM Supply Chain Salary & Career Report:供應鏈人才價值持續攀升】 ASCM 最新發布的《2026 Supply Chain Salary & Career Report》顯示,在全球供應鏈持續面對地緣政治風險、關稅政策變化、AI技術快速發展、人才短缺及營運韌性挑戰的環境下,供應鏈專業人才的市場價值仍持續成長。 幾項值得關注的重要發現: 🔹 美國供應鏈專業人士薪資中位數已達 US$98,500 🔹 77%受訪者於過去一年獲得加薪 🔹 跳槽者有61%獲得超過12%的薪資成長 🔹 升遷者有38%獲得超過12%的薪資成長 🔹 近70%的求職者在6個月內成功找到新工作 🔹 持有至少一項 APICS 認證者,薪資中位數高出20% 🔹 持有三項以上專業認證者,薪資溢價高達32% 💰 供應鏈職涯價值已獲市場充分驗證 本次調查顯示,供應鏈專業人員在各教育層級的薪資表現,均明顯高於美國全體勞動市場平均水準: ▪ 高中畢業從事供應鏈工作者,薪資中位數達 US$78,000,較全美平均高出61% ▪ 副學士學歷供應鏈專業人士,薪資中位數達 US$84,000,甚至超越全美大學畢業生平均薪資 ▪ 碩士學歷供應鏈專業人士,薪資中位數達 US$124,000,較全美同等學歷平均薪資高出30% 這些數據再次證明,供應鏈管理(Supply Chain Management)已從過去的支援功能,躍升為企業創造價值、提升韌性與驅動成長的核心職能,因此也反映在高於全國平均水準的薪資表現與人才需求上。 📈 AI時代來臨,供應鏈人才的價值正在重新定義 報告指出,雖然63%的供應鏈從業人員已經開始使用AI Chatbots,但企業最迫切的人才缺口仍集中在: ✔ Data Analytics(數據分析) ✔ Leadership(領導力) ✔ Demand Planning(需求規劃) ✔ Risk Management(風險管理) ✔ S&OP(銷售與營運規劃) 同時,Critical Thinking、Problem Solving、Collaboration及Adaptability等能力,已成為企業最重視的核心競爭力。 這也說明: AI不會取代供應鏈專業人才,但將重新定義專業人才的價值。 未來的供應鏈領導者,不僅需要掌握流程與技術,更需要具備跨部門整合、數據驅動決策及推動組織變革的能力。 🎓 DTSCM 德泰管理顧問有限公司 ASCM Premier Elite Partner for APICS Training 作為 ASCM/APICS 官方最高等級授權培訓合作夥伴(Premier Elite Partner),DTSCM 長期致力於推動供應鏈專業人才發展,協助企業建立供應鏈卓越營運能力,培育具備全球競爭力的供應鏈管理人才。 透過 ASCM 國際認證體系,DTSCM 提供完整的供應鏈職涯發展路徑: ▪ CPIM (Certified in Planning and Inventory Management) 建立需求規劃、生產規劃、庫存管理及營運執行核心能力 ▪ CSCP (Certified Supply Chain Professional) 培養端到端(End-to-End)供應鏈管理與全球供應鏈策略思維 ▪ CLTD (Certified in Logistics, Transportation and Distribution) 強化物流、運輸、配送及供應鏈網路規劃專業能力 ▪ CTSC (Certified in Transformation for Supply Chain) 聚焦供應鏈轉型、AI應用、數據分析及變革管理能力 從 **Plan(規劃)→ Execute(執行)→ Integrate(整合)→ Transform(轉型)**,ASCM/APICS 認證體系已成為全球企業衡量供應鏈專業能力的重要標準,也是培養世界級供應鏈人才的重要里程碑。 💬 您認為未來5年最重要的供應鏈核心能力是什麼? 📖 詳細《2026 ASCM Supply Chain Salary & Career Report》 請參閱 ASCM 官方網站 🌐 [www.ascm.org](http://www.ascm.org) 🌐 德泰管理顧問有限公司 DTSCM ASCM Premier Elite Partner for APICS Training [www.dt-scm.com](http://www.dt-scm.com) 📞 APICS 國際認證課程諮詢 Shelly Wu 0988-319-777 #ASCM #APICS #PremierElitePartner #CPIM #CSCP #CLTD #CTSC #SupplyChain #SupplyChainManagement #SupplyChainLeadership #SupplyChainTransformation #SupplyChainTalent #CareerDevelopment #DigitalTransformation #ArtificialIntelligence #Logistics #OperationsManagement #DTSCM
DavidTsai APICS 供應鏈國際證照培訓及考試輔導
履歷狀況題:超過一頁沒人看?!
履歷狀況題:超過一頁沒人看?!
無論講座或履歷健診,幾度從學生那邊聽到"履歷只要一頁,超過沒人要看"的說法。 但也發現每個人自製履歷的一頁格式都不同。 有人表頭設計就超過5公分高度,表尾還有插圖。 字級大小不一,行距高度不同,照片尺寸也不一樣。 還有美編插圖,有直式、橫式,大小尺寸都不同。 因此每個人的一頁字數落差很大。 👉但履歷的重點在於頁數、字數嗎? 看過長篇小說、金庸小說或哈利波特嗎?他們還是暢銷書呢!! 履歷寫好還能幫助面試,降低面試時產生「遞減效應」 履歷的頁數要如何斟酌?重點在哪? →詳全文 https://reurl.cc/AAgye3 #職場新鮮人系列 ♟️品牌管理 🎁行銷自己 🌍brand 🎯marketing 🚀career 💪職涯 👊履歷 👌求職 🐳brandmarketingcareer
陳晨涓 有一天 職涯職場事
我從 ISO 27001 資安管理體系學習與實戰體悟
我從 ISO 27001 資安管理體系學習與實戰體悟
我擔任的工作是資訊人員,負責公司資安架構的維護與管理,以及Helpdesk。 這陣子撥出時間投入資安管理與 ISO 27001 的學習,起初只是想建立更完整的資訊安全防護思維,但在真正系統化研讀並進行實務驗證後,才發現這不僅僅是一套規範,更是企業運作中極為關鍵的風險控管核心。 過去在面對資安政策或防護措施時,往往容易流於片段式的執行,或是停留在表面的規範配合。這次透過全盤梳理 ISO 27001 的條文精神與核心控管項目,我終於將原本零散的防護觀念串接起來,真正理解背後的風險評估邏輯,明白各項資安政策該如何落實到日常作業中。 在學習的過程中,最具價值的莫過於實務情境演練。透過模擬真實演練與風險判讀,我漸漸學會從整體架構的角度去評估潛在漏洞,並針對不同情境找出合規且有效的改善方案。這種將抽象規範轉化為實際解決方案的思考訓練,大大補足了我過往在實務操作上的盲點。 這次的學習不僅讓我順利釐清了許多過去模糊的資安概念,也為未來的職場應用打下了扎實的基礎。資安管理是一項持續優化的長跑,接下來我也會將這些經驗落實到實際工作中,持續推動更完善的防護機制。 🔗 詳全文:https://ucom.uuu.com.tw/web/Testimony/Article/12822
精誠資訊恆逸教育訓練中心
AI大神Karpathy的「LLM Wiki」是什麼?改善工作流、打造知識複利
AI大神Karpathy的「LLM Wiki」是什麼?改善工作流、打造知識複利
AI大神卡帕西(Andrej Karpathy)是特斯拉Autopilot神經網路架構推手、OpenAI共同創辦人,看看他如何運用「LLM Wiki模式」蓋出知識圖書館,這個模式的核心主張是,維護結構化知識庫的初期成本,會在成熟後帶來巨大的回報。 文/樂羽嘉編譯 由天下雜誌授權轉載 本文目錄(點擊可快速前往) LLM Wiki是什麼?卡帕西的真知灼見三層知識架構LLM Wiki核心主張:複利效應的豪賭LLM Wiki實際上怎麼運作?怎麼用Obsidian建立你的LLM Wiki?建立LLM wiki的訣竅LLM Wiki有哪些優點?LLM Wiki有哪些缺點? 每次問AI問題、得到答案,然後AI就失憶,下一次提問從零開始,是不是感覺很可惜?看看「AI大神」卡帕西怎麼幫AI蓋圖書館、累積知識複利。 每一位AI工程師都打造過類似的檢索流水線。你對文件做嵌入、切片、儲存向量,提問時回傳相關切片、由Claude或ChatGPT模型合成答案。 這套流程確實行得通,但如果3個月後有人問了一模一樣的的問題,系統只會機械式重複相同動作,沒有從前一次互動學習到任何東西。 這正是傳統RAG(檢索增強生成)的缺點,也就是從不保留知識。系統永遠處於健忘狀態,每一次查詢都必須從零開始,空有能力卻無法成長。 有AI大神之稱的卡帕西(Andrej Karpathy)是特斯拉Autopilot神經網路架構推手、OpenAI共同創辦人,透過課程教會一整個世代工程師深度學習。卡帕西發現這個問題,提出了一種架構上截然不同的處理方案──「LLM Wiki模式」。 「LLM Wiki」是什麼?為什麼重要? LLM Wiki是什麼?卡帕西的真知灼見 卡帕西使用軟體工程學的「編譯」(Compilation)來做類比。 當你編寫原始碼時,編譯器會把原始碼轉換為優化的二進位產物。你不會每次都直接執行原始碼,你會編譯一次,分發產物,然後根據需求,有效率地跑原始碼。編譯過程雖然昂貴,但之後每次使用都能獲得回報。 傳統RAG直接針對原始碼去跑,每次查詢都要重新閱讀相同的論文、重新切分相同的PDF、重新綜合整理相同的答案,等於每次請求時都在執行原始碼。 LLM Wiki模式則主張:先編譯你的知識。使用LLM閱讀你的來源資料,把內容綜合整理為結構化、互連的wiki頁面,然後針對這個「編譯產物」做所有查詢。綜合整理過程只發生一次,隨著補充更多來源增加、更新,預先組織好而且經過交叉引用的知識則能改善每次查詢品質。 這個編譯產物是一個wiki。不是資料庫,不是向量資料庫,是一組人類可讀、由 LLM維護的markdown檔案,一個概念一個檔案,有交叉引用、來源追蹤,透過Git做版本管理。 這是核心觀念的轉變,從「無狀態的檢索」轉向「有狀態、有複利效應的知識」。 三層知識架構 卡帕西的模式把知識組織為3個界限清晰的層級,每一層都明確的定位、嚴格的所有權模型。 第一層:原始來源(不可變層) 這是你的輸入層。包括研究論文、YouTube逐字稿、網路文章、會議記錄、部落格文章,任何你想讓系統學習的文本。把來源文件存放在sources/目錄下,當成不可變(Immutable)處理。LLM會閱讀它們,但絕不會修改,這些文本是推導出後續所有內容的基礎真理。 這種不可變性是刻意設計,有需要的時候你隨時可以從零開始重新推導出整個Wiki。 第二層:Wiki(由LLM維護) 這是模式的核心。Wiki是一系列*.md檔案的集合,每個概念、主題或實體對應一個檔案,完全由LLM維護。人類閱讀Wiki,但不直接編寫,每次有新資料來源時,由LLM自動綜合整理、更新。 每個Wiki頁面都有YAML Front Matter(markdown檔案頂端存放後設資料的區域),用來追蹤標題、標籤、出處以及最後更新時間。頁面之間使用 [[slug]] 標記互相引用,使知識圖譜以純文本的形式清晰呈現。 第三層:schema(治理層) schema是一個JSON檔案,定義整個頁面宇宙:Wiki追蹤哪些概念、它們的縮略名(Slugs)、標題、單行描述,等於是LLM執行人類意圖的合約。 當你希望系統開始追蹤一個新概念時,只要在schema中增加一個PageSpec(頁面規範)就好。下次吸收相關來源時,LLM就會自動建立、填寫這個頁面。若你想停止追蹤某個內容,就從schema拿掉。schema是人類唯一需要主動管理的部分,下游的一切都是自動化的。 也就是說,人類負責定義哪些知識應該存在,LLM則負責組織、整理這些知識並保持最新狀態。 LLM Wiki核心主張:複利效應的豪賭 LLM Wiki模式的核心主張是,維護結構化知識庫的初期成本,會在成熟後帶來巨大的回報。 傳統RAG避開了這些成本,查詢時才做綜合整理,建構成本低、不需要設計 schema,但永遠不會變聰明。第1天和第1000天的同一個查詢,產生的答案品質完全一樣。 LLM Wiki逆轉這種取捨。匯入成本高、schema設計費神、維護需要定期校對,但維護了一年的wiki與全新的系統的品質差異極大,頁面佈滿交叉引用,答案融合了數十個來源,這種複利循環代表有價值的答案本身也成為知識庫的一部分。 LLM Wiki實際上怎麼運作? LLM Wiki架構很極簡,只有三個要素: 一個存放markdown檔案的資料夾:這就是你的知識庫,可以包含任何內容:研究筆記、會議摘要、專案文件、讀書筆記、個人參考資料、有附註的程式碼片段。 每個檔案內部要使用統一結構:好的LLM Wiki會使用一致的內部格式,包含標題、簡短摘要、主題標籤(Tags),接著才是內容。模型利用這種結構來更快速定位相關資訊。 用Claude Code當查詢介面:你打開終端機,切換到Wiki資料夾,啟動Claude Code,對它提問。Claude Code會讀取所需的檔案、合成答案,按照要求更新或新增筆記。 就這樣,不需要資料庫、不需要向量嵌入(你想要也可以加)、不需要伺服器。只有檔案和一個強大的模型。 Claude Code特別適合這項任務,因為它能直接從你的本地檔案系統讀取檔案。你不需要把內容複製貼上到聊天視窗,只要告訴它筆記在哪裡、直接提問就可以了。 怎麼用Obsidian建立你的LLM Wiki? 你可以使用Obsidian這個本地優先markdown編輯器,來建立工作流。你的檔案都保存在本機硬碟中,Obsidian只是用來讀寫這些檔案的工具。 第一步:安裝Obsidian、建立vault(資料庫) 從官方網站下載 Obsidian,建立新的vault,放在你容易記得的位置,例如~/wiki或~/Documents/llm-wiki。 在Obsidian中,「vault」只是一個資料夾,裡面全部都是純markdown檔案。 第二步:定義筆記模板 一致性是讓wiki可查詢的關鍵。建立一個模板檔案_templates/note.md: Markdown # undefined **Summary**: 用一句話描述這則筆記**Tags**: #topic1 #topic2**Created**: 2026-04-06T00:00:00+00:00**Last Updated**: 2026-04-06T00:00:00+00:00 --- ## Content 在這裡寫主要內容 ## Related Notes - [[Note Title]] 不需要完全照這個格式,重點是每篇筆記都要有一行摘要(Summary)、標籤(Tags),這樣Claude就算完全不讀整個檔案,也能快速判斷相關性。 第三步:用大分類資料夾整理 不要過度設計,先從4到5個頂層資料夾開始: plaintext Copywiki/├── _templates/├── projects/├── research/├── reference/├── meetings/└── inbox/ inbox/ 用來放還沒整理的筆記,之後讓Claude幫你分類。 第四步:開始寫第一批筆記 把對你最重要的知識先搬進來,例如常查的資料、整理好的流程、研究過的概念、做過的決策與這樣做決策的原因,不要一次全部匯入,最自然的方式是遇到新資訊就慢慢加入。 第五步:安裝Claude Code 先安裝Node.js,然後執行: Bash npm install -g @anthropic-ai/claude-code 登入你的Anthropic帳號後就可以使用。 第六步:查詢你的Wiki 打開終端機,進入你的wiki資料夾: Bash cd ~/wikiclaude 然後可以問問題,像是: 我有哪些關於機器學習的筆記?幫我整理research資料夾中關於RAG系統的內容我要寫關於X的提案,有哪些相關筆記?找出提到雨傘公司的筆記、摘要關鍵論點 Claude會讀取你的markdown檔案,找出相關內容,給出有依據的回答,標註來源檔案,讓你可以驗證、深入挖掘。 建立LLM wiki的訣竅 寫摘要,不要只寫內容:每篇筆記開頭的一句摘要非常重要。Claude會先看這一行來判斷是否相關,花個10秒寫摘要,可以省掉模型讀錯文件的成本。 使用一致的術語:例如你有時寫「RAG」、有時寫「retrieval augmented generation」,模型可以理解,但是統一用詞會讓結果更乾淨。 建立筆記之間的連結:Obsidian的 [[wiki link]] 會建立筆記之間的關係,Claude可以沿著這些連結推理。連結愈完整,你的知識系譜就愈強。 筆記要聚焦:比起餵一篇1萬字的大雜燴,不如拆成10篇1千字的主題筆記。內容愈聚焦,愈好查詢。 使用 /inbox 蒐集想法:不一定要追求完美,你可以把粗略、雜亂的筆記丟進 /inbox,再請Claude幫你整理,例如「幫我看inbox資料夾,建議每篇筆記該分類到哪裡,並加上標籤」。 LLM Wiki有哪些優點? 知識會隨著時間累積產生複利。這是核心優勢,每一份資料都會豐富同一個Wiki頁面,改善後續的所有查詢。一個匯入50篇關於Transformer論文的Wiki,在回答相關問題時,回答的深度和交叉引用的密度,會遠超過只對同樣 50篇論文進行切片的RAG系統。Wiki的答案整合全貌,RAG則只會翻出最相似的切片。 Wiki變成熟後,查詢速度變快、變便宜。由於「綜合整理」發生在匯入階段而不是查詢階段,查詢過程就變成了針對預先組織好的材料進行「檢索+生成」,那些吃力的LLM工作都已經事先做好了,包括理解來源、識別重點、撰寫清晰解釋、建立關聯。 人類能閱讀知識庫。所有的產物都是純markdown檔案,工程師可以閱讀、編輯、對Wiki進行版本管理。如果LLM寫錯了,你可以直接修正。Git歷史紀錄提供了完整的稽核軌跡,沒有難以除錯的不透明嵌入資料庫或向量儲存。 出處明確。每個wiki頁面都會記錄哪些來源文件有貢獻。如果一個頁面包含錯誤資訊,你可以追溯回原始來源。當某個來源更新或被證實不可信時,你清楚知道哪些頁面需要重新匯入資料。 規模運作提高成本效率。在重複的綜合整理調用中,系統提示詞的快取機制能大幅降低API成本,路由機制能防止不必要的頁面重寫。成本高昂的綜合整理工作已經在匯入時預先完成,所以每次查詢的成本非常低。 交叉引用的密度。隨著wiki持續擴充,頁面會累積用 [[slug] 形式指向相關概念的交叉連結,這就是用純文字實現的知識圖譜。wiki發展成熟後,這種可導航的知識結構對查詢很有幫助。 LLM Wiki有哪些缺點? 大規模資料匯入緩慢、昂貴。對於每個來源,流程至少會對每個相關頁面呼叫兩次Claude(路由+綜合整理)。若匯入一個包含50篇論文、產出10個wiki頁面的語料庫,呼叫Claude API的次數約是100到200次。這對個人知識庫可行,但對企業級的大規模匯入流程來說成本較高。這個模式是適合最佳化精心挑選的可策展知識,比較不適合用來大量匯入文件。 綜合整理的品質很依賴LLM。wiki的品質取決於用來整理內容的模型,如果模型誤解來源、錯誤地合併兩個概念、憑空產生不存在的關聯(幻覺),這些錯誤會寫進wiki,持續影響後續所有查詢。所以這一步需要仔細設計提示詞、定期執行deep lint檢查。 schema設計是一種負擔。決定要建立哪些頁面、如何命名、描述範圍怎麼界定都不簡單。設計不良的schema會導致:什麼都被判定為相關或什麼都抓不到,產生過於稀疏或過度膨脹的頁面。在新領域中,通常需要反覆迭代才能設計出好的schema。 線性掃描限制規模。使用NumPy計算餘弦相似度的扁平化嵌入索引,在頁數達到約500頁以前都很有效。超過這個規模後,延遲會惡化,需要引入近似最近鄰(ANN)索引工具(如 FAISS、ChromaDB或Weaviate)。若要擴展至混合檢索(BM25+向量檢索),則需要額外成本。 頁面過時風險。當你加入一個會大幅更新某個概念的新來源時,路由步驟應該要捕捉到、觸發「重新合成」,但如果頁面的schema描述太模糊或對齊不良,負責路由的LLM可能無法看出相關性,導致該頁面內容過時。雖然可以透過定期檢查程式碼或定期全面重新匯入來減少問題,還是需要主動維護。 缺乏即時知識。這個模式不是為了即時串流數據(如X推文、股市數據、新聞API)設計的,對於需要即時更新的知識領域,wiki模式反而會增加摩擦而非提升效率。 (資料來源:Medium、MindStudio) (原文標題:AI大神教你改善工作流,用「LLM Wiki」打造知識複利) 推薦閱讀: 用AI做競品分析如何開始?7步驟看懂對手弱點,制定攻防策略 最新模型Gemini 3.1 Pro 7個「深度工作」必備提示詞 專家:但願你能早點知道的8個ChatGPT好用方法 比提示工程更重要,「上下文工程」Context Engineering怎麼做?
【104職場力】
這是我整理ISO27001考試準備和應試秘訣!
這是我整理ISO27001考試準備和應試秘訣!
受訓前早就耳聞這張主導審查員證照並不輕易,尤其是改成線上考試的模式後,整體難度與考驗更是隨之提升。為了能順利通過,我在參訓前便多方參考過往學員的經驗分享,提前掌握準備方向,事後也驗證了這些策略確實非常管用。 想要順利考取證照,關鍵的第一步就是對 ISO 27001:2022 的本文條款與附錄 A 控制措施建立極高的熟悉度。在正式上課前,我特地找了條文與附錄內容進行自主預習,即使一遍看不懂就反覆閱讀兩到三遍。預習的目的並非要立刻死記所有細節,而是要在腦海中建立清晰的章節架構與目錄地圖。當第一天課程快速講解完所有本文與附錄後,這樣的預習基礎讓我能在後續四天的實戰應用與情境演練中,迅速跟上講師的步調並融會貫通。 應考的關鍵除了對條款位置瞭若指掌外,每天課後務必扎實複習講義,並徹底熟練練習網站提供的題庫。線上考試雖然採 Open Book 開放查閱,但唯有清楚知道條文出現在哪個章節,翻閱查找時才能快精準。題庫演練則能幫助習慣敘述方式,因為許多考題問題點、問答方向或選項描述會進行變形,無法靠死記答案應付。此外,每位考生的題組不盡相同,題目會明確規範複選數量,也會出現選項多於題目數量的配對題。 應試時的時間相當充裕,建議保持冷靜,善用刪除法先處理有把握的題目,面對看不懂的題目則多讀幾次並擷取關鍵字,聯想其對應的本文條款或附錄控制措施。這張證照無法靠投機取巧或臨時抱佛腳考取,若評估自己對內容仍不夠熟悉,建議善用一個月內的延遲考試機制,在做好充分準備後再上陣。希望這份從預習到應試的整理,能幫助大家消除考前焦慮,順利拿下證照! 🔗 參考資源連結:https://ucom.uuu.com.tw/web/Testimony/Article/8796
精誠資訊恆逸教育訓練中心
AI 不只會聊天:一次看懂 MCP,讓 AI 連上資料與工具的共同語言
AI 不只會聊天:一次看懂 MCP,讓 AI 連上資料與工具的共同語言
你可能已經習慣請 AI 寫文案、整理資料、翻譯內容,甚至協助分析問題。但當你進一步要求: 「幫我查一下公司資料庫裡的最新銷售數字。」 「整理今天的會議內容,並把待辦事項加入行事曆。」 「從內部課程中,找出適合我的學習資源。」 AI 往往會告訴你:它無法存取資料、沒有權限,或需要你先把內容複製貼上。 原因很簡單:AI 模型雖然會思考和生成文字,卻不一定能直接連接外部資料與工具。 而近期 AI 領域經常出現的「MCP」,就是為了解決這個問題。 什麼是 MCP? MCP 的全名是 Model Context Protocol,中文可翻譯為「模型情境協定」或「模型上下文協定」。 它是一套讓 AI 應用程式能夠連接外部資料、工具與工作流程的開放標準。透過 MCP,AI 可以在獲得適當授權後,存取檔案、資料庫、搜尋服務、行事曆、企業系統,甚至執行特定操作。 MCP 官方將它比喻為 AI 世界的 USB-C 接孔。 以前,不同電子設備需要使用不同的傳輸線;有了 USB-C 後,手機、電腦、螢幕與其他設備,可以透過相同規格互相連接。 MCP 的概念也很類似:過去每一套 AI 都必須針對每一個工具各自開發連接方式;有了共同協定後,開發者可以按照同一套規則,讓 AI 與不同服務溝通。 為什麼 AI 需要 MCP? 大型語言模型本身通常有三項限制。 第一,它不一定知道企業內部的最新資料。例如公司的產品文件、客戶紀錄、庫存數據和內部規範,並不會自動存在模型裡。 第二,它不一定能操作外部系統。AI 即使知道你想安排會議,也不代表它能直接開啟行事曆建立活動。 第三,不同工具的連接方式各不相同。Google Drive、Slack、GitHub、Notion 或企業內部系統,都有自己的資料格式、權限與操作規則。過去開發者必須逐一串接,維護成本相當高。 MCP 提供一套共同溝通規格,讓 AI 應用可以辨認外部系統提供哪些資料、有哪些工具可以使用,以及執行工具時需要哪些參數。MCP 最初由 Anthropic 在 2024 年公開推出,後續逐漸獲得多種 AI 助理與開發工具支援。 MCP 是怎麼運作的? MCP 採用「用戶端與伺服器」的架構,主要可以分成三個角色。 1. MCP Host:你正在使用的 AI 應用 Host 可以理解成整個工作環境,例如 AI 助理、AI 程式開發工具或企業內部聊天機器人。 它負責接收使用者的要求,判斷需要哪些資料或工具,並管理與外部服務的連線。 2. MCP Client:負責溝通的連接元件 Client 位於 AI 應用裡,負責與特定 MCP Server 建立連線。 一套 AI 應用可以同時建立多個 Client,分別連接檔案系統、行事曆、資料庫或其他服務。 3. MCP Server:提供資料或功能的服務 Server 負責告訴 AI:「我有哪些資料可以讀取,以及有哪些操作可以執行。」 它不一定是一台實體伺服器,也可能只是安裝在電腦上的小型程式,或部署在網路上的遠端服務。 簡單來說,運作流程可能是: 使用者提出要求 → AI 判斷需要哪些工具 → MCP Client 聯絡 MCP Server → Server 執行查詢或操作 → 將結果交回 AI → AI 整理後回覆使用者。 MCP 可以提供哪三種能力? MCP Server 主要可以向 AI 提供三類內容:Resources、Tools 和 Prompts。 Resources:提供資料 Resources 是 AI 可以讀取的背景資訊,例如: 文件內容 資料庫紀錄 產品目錄 公司知識庫 API 說明文件 行事曆資訊 這些資料可以補充 AI 原本不知道的內容,讓回答更符合當下情境。 Tools:提供操作能力 Tools 是 AI 可以呼叫的功能,例如: 搜尋資料 查詢資料庫 建立行事曆活動 修改檔案 傳送訊息 呼叫外部服務 執行計算 這也是 MCP 最受關注的地方。AI 不再只是提供建議,而有機會在使用者授權下,實際完成部分工作。 Prompts:提供標準工作流程 Prompts 是預先設計好的提示詞或操作模板,例如: 整理會議紀錄 分析客戶回饋 產生每週工作報告 規劃學習路徑 進行程式碼檢查 透過標準化模板,使用者不必每次都重新撰寫複雜指令,也能讓 AI 按照組織規範完成任務。 用一個職場情境理解 MCP 假設公司想建立一位「AI 學習助理」。 過去使用者詢問: 「我是行銷企劃,最近想加強 AI 技能,有哪些課程適合我?」 一般 AI 只能根據公開知識,提供概略的學習建議。 如果透過 MCP 連接學習平台,AI 助理就可能在獲得授權後: 1. 讀取平台的課程目錄。 2. 查詢使用者已完成的課程。 3. 對照職務所需能力。 4. 找出符合程度與時間需求的內容。 5. 將選定課程加入學習清單。 6. 把學習時間排進行事曆。 在這個例子中,課程資訊和學習紀錄屬於 Resources;搜尋課程、加入清單和建立行事曆則屬於 Tools;完整的能力缺口分析流程可以設計成 Prompt。 這讓 AI 從「回答你該學什麼」,進一步走向「協助你找到資源並完成安排」。 MCP 和 API 有什麼不同? MCP 並不是用來全面取代 API。 API 是不同系統提供資料和功能的介面。例如行事曆 API 可以建立活動,課程平台 API 可以查詢課程。 但每套 API 的名稱、格式和使用方式都不同。AI 應用若要連接十套系統,開發者就可能需要處理十種串接方式。 MCP 則是在 AI 應用與這些服務之間,建立較一致的溝通規格。許多 MCP Server 的底層仍然會呼叫原本的 API,只是將功能整理成 AI 比較容易發現、理解和使用的形式。 因此可以把兩者想成: API 是各項服務原本提供的門,MCP 則像一套讓 AI 知道如何找到門、辨認門後功能並正確使用的共同指引。 為什麼非工程師也需要了解 MCP? 多數上班族不需要親自架設 MCP Server,但了解這項概念,仍有三個重要原因。 AI 工具將從「對話」走向「執行」 未來的 AI 助理不只是幫你寫內容,也可能協助查詢系統、更新資料和完成跨工具流程。理解 MCP,有助於判斷一款 AI 產品能做什麼,以及它為什麼需要特定權限。 企業導入 AI 的重點將轉向資料連接 企業真正有價值的資訊,通常存在內部文件、資料庫和工作系統中。模型能力固然重要,但能否安全地取得正確資料,同樣會影響 AI 的實際價值。 產品與營運人員需要重新設計流程 當 AI 能夠呼叫工具後,產品設計不再只有「使用者點擊哪個按鈕」,還要思考: AI 可以取得哪些資訊? 哪些操作可以自動執行? 哪些動作必須由使用者確認? 操作失敗時如何處理? 如何留下紀錄以供追蹤? 因此,MCP 不只是工程技術,也與產品設計、資訊安全及工作流程管理密切相關。 使用 MCP 是否有風險? 有,而且不應忽略。 MCP 能讓 AI 接觸檔案、帳號、資料庫和外部工具,也代表設定不當時,可能造成資料外洩、錯誤操作或權限被濫用。 MCP 官方規範特別強調,使用者應清楚知道哪些資料會被存取、工具將執行什麼操作,並保留拒絕或取消的控制權。涉及外部系統操作時,也應建立明確的授權、身分驗證與確認機制。 一般使用者在安裝或啟用 MCP 服務時,可以注意幾件事: 優先使用可信任的官方或經過審查的服務。 確認服務要求存取哪些檔案、帳號與系統。 不要提供超出工作需求的權限。 刪除、付款、寄信或修改正式資料前,保留人工確認。 定期檢查已授權的連線,移除不再使用的服務。 不要因為 AI 說「需要權限」,就直接同意所有要求。 MCP 解決的是「如何連接」,並不代表連接後的資料一定正確、工具一定安全,或 AI 的判斷永遠可靠。 MCP 會是 AI Agent 的重要基礎嗎? AI Agent 強調的不只是產生答案,而是能根據目標規劃步驟、取得資料、使用工具並完成任務。 MCP 提供的正是其中重要的一環:讓 AI 應用可以用較標準化的方式,找到並使用外部資料與工具。 不過,MCP 本身並不是 AI Agent,也不會讓普通模型瞬間變成全能助理。 它比較像是為 AI 打開通往外部世界的標準通道。模型負責理解與判斷,MCP 負責連接資料和工具,而真正能否安全、穩定地完成工作,仍取決於系統設計、資料品質、權限控管與人工監督。 結語:從會回答,到真正協助完成工作 生成式 AI 的第一階段,是讓機器學會理解語言與產生內容。 下一個階段,則是讓 AI 能夠取得正確資料、連接日常工具,並在安全授權下協助執行任務。 MCP 的重要性,不在於多了一個技術名詞,而在於它試圖建立一套共同規則,降低 AI 與外部世界連接的難度。 未來,當你看到某項 AI 服務標示「支援 MCP」,可以把它理解為: 這款 AI 不一定只能待在聊天視窗裡,它可能開始具備連接資料、使用工具與參與工作流程的能力。 只是別忘了,AI 能做的事情越多,我們就越需要重視權限、安全,以及最後由誰負責做出決定。 本內容由ai輔助資料收集與整理
104學習 AI 趨勢報-科技愛好者的產地🤖
Claude Skills怎麼用?內建與個人Skill差異、適用情境及使用方式
Claude Skills怎麼用?內建與個人Skill差異、適用情境及使用方式
Skill(技能)可以想成一份寫給Claude的工作流程指南,本文解析Skill的功能、適用情境與觸發方式,說明內建Skill與個人Skill的差異,並分享使用官方Skill「canvas-design」的海報實作成果,有助建立可重複使用的AI工作流程。本文節錄自《Claude 萬用手冊》。 文/施威銘研究室 本文目錄(點擊可快速前往) 什麼是Skill?寫給Claude的工作流程指南Skill什麼時候適合用?Skill的3個核心特性1. 依任務意圖自動觸發2. 可在不同工作情境中重複使用3. 可以直接指定使用Claude中的Skill介紹與應用Skill應用:用canvas-design製作海報的實際結果 【使用claude skills要付費嗎?】Claude免費版及付費用戶均可使用Skills、Connectors等功能,在網頁版即可設定使用。Claude網址:https://claude.ai/ 什麼是Skill?寫給Claude的工作流程指南 有了Connector之後,Claude可以連接外部工具,取得信件、行事曆或雲端文件等資料。不過,能取得資料,不代表它每次都知道「該怎麼處理」。舉例來說,你可能每週都會請Claude整理會議紀錄、撰寫週報,或回覆客戶問題。第一次你把格式和流程講清楚,它可以做得很好;但下次換一個對話,可能又要重新交代一次。就算Claude記得你的偏好,也不代表它一定會穩定遵循同一套處理流程。這時候需要的就不是更多記憶,而是一套可以反覆使用的工作方法,也就是Claude的Skill。 Skill(技能)可以想成一份寫給Claude的工作流程指南。它會告訴Claude:遇到某一類任務時,應該依照哪些步驟處理、使用什麼格式輸出,以及需要遵守哪些規則。 這樣說可能還是有點抽象,我們可以用一個實際例子來理解。假設你每週都要整理專案進度報告,而這份報告需要依照以下流程產出: 掃描專案資料夾,找出本週更新的文件。 讀取各專案的狀態紀錄。 提取本週完成事項、進行中事項與待處理問題。 整理成固定格式的週報。 依照指定命名規則儲存或輸出結果。 如果每次都在對話中重新描述這套流程,不只麻煩,也很容易漏掉某個步驟,或讓輸出格式前後不一致。但如果把這套流程寫成Skill,之後只要說「產生本週進度報告」,Claude就能依照固定流程執行,讓結果更穩定、效率更高! Skill什麼時候適合用?Skill的3個核心特性 1. 依任務意圖自動觸發 Skill不是每次對話都全部載入,而是由Claude依照當下任務判斷是否需要使用。例如你請Claude「整理今天的會議紀錄」,它就能觸發會議紀錄Skill進行整理;但若你只是問「今天午餐吃什麼」,這個Skill就不會被拿出來使用。 這樣的好處是,你可以準備很多套不同任務的處理流程,而不必擔心每次對話視窗(Context Window)都先被一大堆技能塞滿,進而造成你對話的剩餘記憶空間很有限。Claude只會在需要時,額外載入與當前任務相關的Skill。 2. 可在不同工作情境中重複使用 Skill的另一個特性是,它不只綁定在單一對話中,而是可以在不同工作情境中重複使用。舉例來說,你建立了一個「會議紀錄Skill」,之後不論是在一般聊天、專案,或團隊內部討論中,只要任務是整理會議內容,Claude都可以載入並套用同一套整理方式。 3. 可以直接指定使用 除了讓Claude自己判斷要不要使用Skill之外,我們也可以在提示詞中直接指定要使用哪一個Skill。這通常可以透過 "/ "(斜線指令),或在任務描述中明確寫出「請使用某某Skill」來完成。 直接指定Skill的好處是,可以減少Claude判斷錯誤的機會。尤其當任務描述比較模糊,或同時可能符合多個Skill時,明確指定要使用哪一套流程,會讓執行結果更穩定。 Claude中的Skill介紹與應用 Claude的面板提供兩種Skill的來源,分為內建Skill與個人Skill。 內建Skill:內建Skill是Anthropic預先封裝在Claude環境裡的,所有使用者一登入就能直接使用,不需要任何啟用設定。主要包含文件產出類(如生成.docx、.xlsx、.pdf等格式的檔案),或是讀取文件(如讀pdf檔案、CSV檔等)操作。 舉例來說,當我們在聊天視窗要求他幫我們建立Word檔案時,他就會呼叫這些skill去幫我們執行: 能根據任務自動調用原生環境中的Skill(圖/《Claude 萬用手冊》) 個人Skill:需要自行透過Claude的Customize介面手動加入技能清單中,加入後,會出現在Personal skills清單中,之後就可以直接調用。 進入Customize頁面,開啟 Skills 分頁;開啟Skill總覽目錄,並挑選想用的技能加進來,目錄上有Claude提供的官方技能。(圖/《Claude 萬用手冊》) 目前目錄中有提供官方技能,點擊【+】可將技能新增至Claude中,之後Claude即可調用。(圖/《Claude 萬用手冊》) 新增的Skill會出現在Personal skills清單裡;點擊可直接建立新的對話視窗並帶入該技能到輸入框中,讓你測試使用;啟動開關,啟動後可讓Claude偵測任務要不要使用skill。(圖/《Claude 萬用手冊》) 【TIP】注意!所有加入的技能都會同步出現在Claude Desktop與Claude.ai(網頁版)中。 目前Claude官方提供的11種個人Skill,主要分為三種用途: 可直接使用:可以直接呼叫來完成特定任務,無需額外改寫或設定。 canvas-design:產出海報、卡片等視覺設計作品。 web-artifacts-builder:產出多元件的互動式HTML成品。 theme-factory:替現有成品套用視覺主題樣式,內建有10套不同主題。 doc-coauthoring:與Claude共同完成長篇文件撰寫。 algorithmic-art:產出帶隨機性的演算法藝術作品。 slack-gif-creator:產出符合Slack規格的GIF動畫。 learn:想搞懂某個知識點時,請Claude出題測驗或建立學習路徑。 作為範本參考:用處是讓你看懂寫法後,改寫成符合自身需求的專屬版本。 brand-guidelines:示範如何將品牌色彩與字體規範寫進技能。 internal-comms:示範如何將公司內部溝通格式寫進技能。 協助你建立Claude相關工具:以下技能是用來擴展Claude能力。 mcp-builder:引導你建立能串接外部服務的MCP伺服器。 skill-creator:引導你從零開發、測試並優化新技能。 Skill應用:用canvas-design製作海報的實際結果 接下來我們會以/canvas-design為例,示範技能的使用方式,同時解釋一個技能內部包含哪些檔案。加入技能後,它會出現在Personal Skills的列表中,點開就能查看這個技能的相關內容。 (圖/《Claude 萬用手冊》) SKILL.md:技能的核心檔案,詳細記載這個技能的工作流程、設計原則、注意事項等。Claude啟用技能時,讀的就是這份文件 技能名稱與簡短描述:點進技能名稱後,最上方會顯示這個技能的用途簡介,告訴Claude何時應該啟用它 附件檔案:技能附帶的參考資料或資源檔案,作為Claude執行任務時可隨時取用的素材。不同技能會附上不同類型的附件,比如web-artifacts-builder技能附上建構網頁用的腳本與UI元件庫、internal-comms技能則附上各類公司文件的範例範本等。在本例的canvas-design技能中,附件是canvas-fonts字體資料夾,內含27種字體家族,Claude在生成圖片時可以直接引用,不需要另外下載 與平常使用Claude進行生圖不同,/canvas-design提供的是一套完整的設計方法論。它會要求Claude在開始繪圖之前,先建立一份設計風格(哲學)文件,思考這次作品應該採用什麼樣的視覺語彙、空間邏輯、色彩系統與字體調性,最後,再依照這份哲學去執行繪製。 不過這個技能有幾項明確的限制: /canvas-design的輸出格式限於PNG與PDF。如果你需要JPG、SVG、PSD等其他格式,就必須在產出後另外轉檔。 Claude的生圖方式和ChatGPT、Gemini、Midjourney等工具不同。前述的工具都是透過圖像生成模型直接產生圖片,因此比較擅長做出攝影感、繪畫感,或具有真實材質的畫面。但Claude則是用程式畫圖,它會透過Python的繪圖庫,例如PIL、matplotlib,或SVG程式碼來計算圖形、線條、排版與色彩。因此,它擅長的不是寫實描繪,而是可被程式明確描述與控制的視覺形式。 Claude擅長的生圖範圍Claude不適合的生圖項目● 幾何構成、網格、色塊● 字體排印與版面設計● 參數化曲線(螺旋、波形、數學圖形) ● 重複圖案、點陣紋理、漸層● 資訊圖表式的視覺● 寫實的繪畫、攝影、有機質感● 人物、動物、植物等具象物體● 任何需要「手感筆觸」的內容● 細膩的場景描繪 【TIP】注意!雖然SKILL.md裡寫到Claude可以生成「博物館或雜誌等級的藝術品」,但這個目標只有在任務主題剛好落在它擅長的視覺類型時,才較容易成立。假設你要求它「畫一張可愛的深海生物海報」,它無法畫出真實的生物,最後改以用SVG拼出比較卡通化的替代圖形,結果反而會和原本承諾的高質感設計產生巨大落差。因此,在請它生成圖片之前,最好先確認你的主題是否能轉換成它擅長的視覺語言。 在了解優勢與限制後,我們就可以進入實作!本例要請Claude生成一張電子音樂活動海報。這類主題本身就很適合轉化成幾何圖形、線條、漸層、參數化曲線與排版設計,因此和/canvas-design的能力範圍相當契合。 /canvas-design實作結果: (圖/《Claude 萬用手冊》) 節錄自:旗標《Claude 萬用手冊:Claude.ai | Desktop | Cowork | Code Mode | Design | Computer Use | Skills | Connectors | Plugins》/施威銘研究室 著 推薦閱讀: Claude Cowork怎麼用?要付費嗎?解析操作流程、權限設定及模型選擇 憑借書證免費用GPT、Claude!教育部推「館館有AI」 擴及47所大學 「Claude Design」新登場!AI工具生成原型、簡報怎麼做和修改? 告別Token焦慮!Anthropic提供4個有效降低Claude Code成本祕訣!
【104職場力】
工程師想進入台積電、半導體產業IT部門,學歷及科系很重要嗎?
工程師想進入台積電、半導體產業IT部門,學歷及科系很重要嗎?
如果學歷不夠頂尖,進入台積電或半導體產業的機會有多大?是否會在HR篩選階段就因為學歷被刷掉?學士、碩士、博士的學歷差異,是否影響薪資及未來升遷機會,學歷更吃香還是實務經驗更吃香?針對種種疑問,我們整理了台積電資深前端工程師—林彥成的分享內容,幫助大家了解學歷對於求職的影響! 文/104人力銀行小編整理 本文目錄(點擊可快速前往) 想進入台積電/半導體產業有什麼學歷求職門檻🔹 科技業大徵才時期,學歷門檻可能放寬🔹 頂大理工碩士學歷,在科技業有加分🔹 工廠vs軟體公司,學歷標準不同想進入台積電或是半導體業,學生階段如何準備求職?非相關背景和科系也有機會進入半導體業嗎?該如何提升競爭力?結論 【重量級講師】林彥成|台積電資深前端工程師本文節錄台積電資深前端工程師—林彥成的【台積電Q&A】分享內容部分精華,你想知道怎麼進台積電?聽說進「台積電軟體工程師」是祖墳冒煙?真的嗎?好奇在半導體巨頭的日常工作是什麼樣?邀請業界頂尖的前端工程師,不管是面試、技術挑戰、工作經驗、轉職建議全收錄!👉 登入免費領60頁精華簡報&講座影片 想進入台積電/半導體產業有什麼學歷求職門檻 🔹 科技業大徵才時期,學歷門檻可能放寬 當企業急需人才時,這時是否擁有研究所學歷並非絕對因素,例如IT部門的UI/UX設計職缺,藝術相關科系的畢業生也有機會進入,並且晉升至資深職等。 🔹 頂大理工碩士學歷,在科技業有加分 如果條件允許,取得頂尖大學的理工碩士學位(即使是專班)仍然有助於提升競爭力,因為部分企業,包含台積電是會依學歷,例如學校在全世界的排名,來決定新人職等與簽約獎金。 🔹 工廠vs軟體公司,學歷標準不同 相較於軟體公司相對重視實務能力,半導體產業(如台積電)因員工人數眾多,特別是在無法直接評估求職者能力的情況下,學歷仍是HR初步篩選的重要條件之一。 [joblist_plugin title='【台積電 資訊軟體】精選職缺' url='https://www.104.com.tw/jobs/search/?keyword=%22%E5%8F%B0%E7%81%A3%E7%A9%8D%E9%AB%94%E9%9B%BB%E8%B7%AF%E8%A3%BD%E9%80%A0%E8%82%A1%E4%BB%BD%E6%9C%89%E9%99%90%E5%85%AC%E5%8F%B8(%E5%8F%B0%E7%A9%8D%E9%9B%BB)%22&jobcat=2007000000&isJobList=1&order=15&page=1' amount='3'] 想進入台積電或是半導體業,學生階段如何準備求職? 在學期間,除了學習技術本身,還可以透過以下方式提升競爭力: ✅ 提升語言能力,加強英語或其他第二外語,有助於與國際團隊協作。✅ 積極參與實習,累積實務經驗,提升職場適應力。✅ 建立良好人脈,與校友及學長姐交流,許多機會往往來自於日常交流。✅ 參加 IT 幫幫忙鐵人賽等技術競賽,即使實務經驗不足,也可透過撰寫大量技術文章展現學習能力與專業成長。 非相關背景和科系也有機會進入半導體業嗎?該如何提升競爭力? 台積電資深前端工程師 林彥成 分享了他的學習經驗——雖然他大學主修工程科學系,與前端工程師的工作並不直接相關,但他認為學習期間,程式語言本身並非最關鍵,真正重要的是掌握核心概念與解決問題的能力。 他強調,提升實力的關鍵在於:✅ 閱讀——不只是識字,而是深度理解內容✅ 搜尋——不只是被動接受資訊,而是主動探索與查找✅ 寫作——不只是輸入,而是組織思考並表達觀點✅ 實作——不只是空想,而是動手驗證與執行 這些能力不僅適用於程式開發,也是在職場中持續成長的重要基礎。 延伸閱讀:.台積電、半導體產業的履歷面試懶人包:要刷題嗎?履歷怎麼寫?.【半導體職涯】聯發科學長分享半導體工程師職涯、碩士工作選擇|附履歷模板、講座影片.台灣半導體公司vs外商科技業薪水福利、文化、職涯比一比|附半導體、外商職缺 結論 學歷在半導體產業的IT部門確實具有影響力,取得頂大理工碩士學位或是專班,都會是提升競爭力的方式,學校在世界的排名也可能影響到新人簽約獎金和職等。未來真正能讓求職者脫穎而出的,仍是自身的學習能力、技術實力與解決問題的能力,除了獲取學歷以外,積極參與實習、提升語言能力、拓展人脈,或透過技術競賽展現專業實力,都是幫助自己在職場更進一步的關鍵。 想看更多關於台積電、半導體產業的真實故事嗎?🔥突破400位報名,92分高滿意度講座!🔥超過60頁的精華QA簡報及影片開放領取中! ✔ 台積電資深工程師親自回答✔ 最真實的職場故事和工作秘辛✔ 超過60頁的Q&A精華簡報👉登入免費領60頁精華簡報&講座影片 [joblist_plugin title='更多104【半導體業軟體/工程】工作機會' url='https://www.104.com.tw/jobs/search/?order=15&indcat=1001006000&page=1&jobcat=2007001000' amount='3']
【104職場力】
輝達年薪 650 萬找簡報師:大家履歷都寫「會做 PPT」,你拿什麼證明?
輝達年薪 650 萬找簡報師:大家履歷都寫「會做 PPT」,你拿什麼證明?
輝達開出年薪 650 萬台幣找簡報設計師,引發網友熱烈討論,這件事點出職場最真實的現實:把複雜事情講清楚,本來就是超高價值的專業,但每個人履歷都寫自己擅長簡報,主管到底憑什麼相信你? 1️⃣不只是排版,高薪買的是「把複雜講成簡單」 很多人以為做 PPT 只是找漂亮模板、調調字型,但輝達願意開出這種高階年薪,買的其實是「資訊轉譯」的硬實力。科技巨頭每天要面對投資人、跨國客戶與內部高層,講台上不能有一句廢話。簡報師的工作是把深奧的 AI 技術與複雜數據,轉化成對方一聽就懂、願意買單的商業故事。現在 AI 工具隨手一按就能生出一份投影片,操作軟體早就不是門檻;真正值錢的,是你能不能抓出重點、梳理邏輯,並促成最後的商業決策。 2️⃣求職最大痛點:每個人都說自己「精通簡報」 打開 104 履歷,十個人裡面有九個人都會在技能欄勾選「擅長 PowerPoint、具備簡報溝通提案能力」,但對人資和用人主管來說,這反而是最難在面試前驗證的模糊技能。畢竟口說無憑,很多人自稱精通,做出來的頁面卻塞滿整段密密麻麻的文字;加上主管不可能每個人都找來現場試講,而在學校報論文、做小組作業的經驗,拿到職場商務提案也常常不管用。這種「大家都在寫,卻沒人拿得出證據」的狀況,正是為什麼越來越多求職者選擇直接考一張 具公信力的簡報實力認證 來證明自己。 https://104bc.pse.is/9drvtt 3️⃣業界三大名師背書:20分鐘線上測驗,直接替履歷加分 想在海選履歷中一眼被看見,你需要一套具備公信力的客觀標準。台灣簡報與溝通教育訓練領域的三位代表性人物:企業簡報教練王永福(福哥)、影響力教練謝文憲(憲哥),以及台大簡報大賽創辦人葉丙成教授,聯手制定了這套標準化的評測機制。 💡這次推出的 104 × 台灣簡報認證-初級 門檻很親民,不考軟體操作、也不用上台演練,純粹檢核你的「簡報核心觀念」,內容涵蓋簡報觀念、簡報準備、投影片技巧、表達技巧、邏輯結構與群眾分析等六大能力。 • 測驗方式:線上測驗,單選加複選共 30 題,70 分及格。 • 彈性快速:約 20 分鐘就能完成,即報即考、不限時間地點。 • 履歷連動:測驗通過後,104學習於3-5個工作天將直接把認證回傳至你的 104 履歷資格認證欄位,讓你的實力被看見。 4️⃣提早卡位建立差距,就是最划算的職涯投資 初級認證只是起點,未來還能一路挑戰中級(作品審查)與高級(實體上台,由福哥、憲哥親自評定),現在考等於提早卡位,拉開跟其他求職者的差距。 從日常向主管回報進度、跨部門協調爭取預算,到對外向客戶提案競標,簡報力決定了你在職場上的能見度與說服力。與其在自我介紹裡花大篇幅解釋自己多會溝通,不如在履歷放上一張有公信力的認證,讓你的實力一眼就被看懂。 ❇️立即報名【104 × 台灣簡報認證-初級】https://104bc.pse.is/9drvtt
104學習 新鮮人求職攻略🔥 找工作與技能養成請進
ChatGPT也開始「管」孩子怎麼用AI?青少年版上線:防沉迷、防抄作業!
ChatGPT也開始「管」孩子怎麼用AI?青少年版上線:防沉迷、防抄作業!
OpenAI推出ChatGPT青少年版(ChatGPT for Teens),從學習模式、作業提醒到防止AI情感依賴,AI開始不只追求「給答案」,這項改變對未來職場人才有何啟示? 文/《104職場力》 本文導覽 AI不再只負責「給答案」,而是開始要求你自己想從「幫我做」變成「教我做」,AI正在重新定義學習不只怕抄作業,OpenAI更在意「孩子是否愛上AI」家長可管「什麼時候用AI」,其實職場人也該想想! OpenAI 8月18日宣布推出「ChatGPT for Teens」,針對13~17歲青少年打造更強調學習、安全與健康使用的ChatGPT體驗,如果系統判定使用者未滿18歲,或使用者自述年齡介於13至17歲,將自動套用青少年版體驗。 這次更新的背後透露出一個重要訊號:AI公司開始不只思考「AI能幫使用者完成什麼」,而是開始思考「AI應該怎麼幫大家成長」。 這件事其實不只和學生有關,上班族、HR與企業主管也值得提前思考:當AI越來越會回答問題,下一代工作者真正需要培養的能力,究竟會是什麼? AI不再只負責「給答案」,而是開始要求你自己想 ChatGPT for Teens其中一項重要設計,就是讓AI從「答案機器」變成「學習教練」,例如學生遇到一道數學題,現在會透過提問、提示與逐步拆解,引導學生自己找到解法。 OpenAI也將「Study Mode」納入青少年體驗,透過引導式問題、逐步支援與知識檢核,讓學生理解問題,而不是單純複製最後答案;此外,還提供測驗及學習視覺化工具,協助學生確認自己到底有沒有真正理解。 更有意思的是,AI開始「避免直接替使用者完成作業」!系統加入「Responsible Homework Reminders」,如果AI判斷學生似乎只是想快速取得作業答案,而不是學習,便可能將使用者引導至學習模式。 從「幫我做」變成「教我做」,AI正在重新定義學習 想像兩種使用AI的方式: 第一種是:「幫我寫一份報告。」AI直接產出一份完整內容,使用者複製、貼上、交出去。第二種則是:「我需要做一份關於AI對未來職場影響的報告,你先問我5個問題,幫我整理思考方向,但不要直接寫答案。」 兩者都在使用AI,但前者單純省下時間、後者則強制思考跟學習,長期使用下來,最後培養出的能力可能截然不同,這是OpenAI這次推出青少年版ChatGPT時特別強調的方向。 不只怕抄作業,OpenAI更在意「孩子是否愛上AI」 這次更新另一個受到關注的設計,是OpenAI明確限制青少年與AI之間可能產生的情感依賴。 針對未滿18歲使用者,ChatGPT不應使用浪漫語言、鼓勵情感依賴,也不能暗示自己具有感情或自我意識;而浪漫及性意味的角色扮演行為等也都受到限制。 此外,ChatGPT for Teens也加入休息提醒、強化「你正在與AI互動」的提示,以及敏感圖片上傳提醒等設計,希望讓青少年保持與現實世界的連結。 家長可管「什麼時候用AI」,其實職場人也該想想! 除了AI本身的防護,ChatGPT for Teens也提供家長更多控制功能,例如家長可以設定「Quiet Hours」限制特定時段使用;也能管理部分設定,並在少數高風險情境收到安全通知;另外OpenAI也新增「Study Hours」,可以在特定時間預設開啟學習模式。 這件事其實很像企業正在面對的AI治理問題,企業不能只告訴員工「AI很好用,大家快去用」還必須進一步引導、規範,例如: 哪些工作可以交給AI? 哪些資料不能輸入? AI產出的內容誰負責確認? 什麼情況下必須由真人做最後判斷? 員工應該把AI當助理、老師,還是決策者? AI治理的核心是建立一套「怎麼正確使用」的規則!這也是現在企業培養AI人才時,越來越不能忽略的一環。 ChatGPT for Teens的出現,對青少年來說,可能是學習方式的改變;但對明天的職場而言,則可能是人才競爭規則的改變,想成為真正有競爭力的工作者,除了駕馭AI、驗證AI、修正AI,更要學會做出自己的判斷! [course_plugin api_type='course_id' title='推薦課程' id='e9e13d08-2c6f-49b2-bae8-1e9418588041'] 延伸閱讀: Gemini學生方案1年免費!Google AI Plus申請資格、功能與4大用法一次看! 更懂你了?ChatGPT新功能 可記憶Mac滑鼠點擊、鍵盤輸入 別只會開ChatGPT!寫企劃、查資料、解任務該找誰?全球數據揭職場AI的「真實專長」 AI虛擬夥伴「心」機重重?數據揭露:青少年恐有潛在心理健康危機! 你會放感情與AI聊天?研究示警:ChatGPT重度使用者可能更孤單!
【104職場力】
從開發到AI:軟體工程職務最常關注的八大證照
從開發到AI:軟體工程職務最常關注的八大證照
在軟體工程領域,擁有專業證照能提升技術實力與職場競爭力。與其他職務相比,軟體工程師對AI相關證照的關注度更高,顯示人工智慧技術在業界的重要性。無論是開發、網路安全、專案管理,各種證照都有助於職業發展。以下是軟體工程類人員最常瀏覽的八大證照,幫助求職者選擇適合的認證。 第一名🟢人工智慧:機器學習 Python 證照資訊: https://nabi.104.com.tw/ability/10040787 ✍️Python程式設計測驗: https://nabi.104.com.tw/assess/90b01176-e755-467c-aed7-a14a56c8a5db 這項證照專為希望掌握人工智慧與機器學習技術的工程師設計,涵蓋Python程式設計、資料分析、模型訓練等關鍵技術。擁有此證照可幫助求職者進入AI領域。 第二名🟢TOEIC (多益測驗) 證照資訊: https://nabi.104.com.tw/ability/10034532 ✍️線上模擬試題測驗: https://nabi.104.com.tw/assess/toeic 發行單位: https://nabi.104.com.tw/certify/unit/791f4d25-0e7f-41b7-b6fc-453d0fb44696 作為全球廣泛認可的英語能力測試,TOEIC證照在科技產業中極具價值。許多跨國科技公司要求工程師具備良好的英文溝通能力,以便參與國際專案、閱讀技術文件,甚至與國外客戶或團隊合作。 第三名🟢CCNA 證照資訊: https://nabi.104.com.tw/ability/10000637 發行單位: https://nabi.104.com.tw/certify/unit/f3b08867-0882-42c6-bd7a-41eac5959990 CCNA證照是思科(Cisco)提供的網路技術認證,涵蓋網路基礎、路由與交換、網路安全等內容。對於希望進入網路工程領域的軟體工程師來說,這是一項極具價值的證照,可幫助建立穩固的網路技術基礎。 第四名🟢 AI-900 AI 人工智慧基礎認證 證照資訊: https://nabi.104.com.tw/ability/10047979 發行單位: https://nabi.104.com.tw/certify/unit/7e37d905-b2f6-4de9-a3d8-99ad1f30fafe AI-900是微軟提供的人工智慧基礎認證,適合初學者與有志於AI應用開發的工程師。內容涵蓋機器學習、電腦視覺、自然語言處理(NLP)等概念,適合作為進階AI技術的起點。 第五名🟢 Google Analytics (分析) 個人認證資格 證照資訊: https://nabi.104.com.tw/ability/10028451 ✍️線上模擬試題測驗: https://nabi.104.com.tw/assess/ceb78afe-8583-4273-97a3-66fe940374df 發行單位: https://nabi.104.com.tw/certify/unit/141cc2fe-394a-4820-8aed-4e8af84d0c3a Google Analytics證照是數據分析與網路行銷領域的重要資格,對於開發數據驅動應用程式的工程師來說至關重要。透過此認證,工程師能夠學習如何有效解讀網站數據優化產品。 第六名🟢ISO 27001 資訊安全管理系統主導稽核員 證照資訊: https://nabi.104.com.tw/ability/10028325 ▶️學習課程: https://nabi.104.com.tw/course/acad/b7cfaa80-1ba7-4088-8182-10356906f1ce ISO 27001證照主要關注資訊安全管理,適合希望在企業內部負責資安政策與風險管理的工程師。此證照能夠幫助企業確保資訊系統的安全性,特別適用於從事資安、雲端服務與企業IT管理的專業人士。 第七名🟢SCJP (現為OCPJP) 證照資訊: https://nabi.104.com.tw/ability/10028055 SCJP(現為OCPJP)是Oracle提供的Java專業認證,專為有一定Java開發經驗的工程師設計,適合希望提升程式設計能力並在Java開發領域深入發展的專業人士。 第八名🟢國際專案管理師 PMP 證照資訊: https://nabi.104.com.tw/ability/10029355 發行單位: https://nabi.104.com.tw/certify/unit/5670bd2b-59f0-4c55-bbfd-f5f7ab785713 PMP(Project Management Professional)是全球最具公信力的專案管理認證,此證照涵蓋專案規劃、風險管理、資源分配等重要技能,能夠提升技術主管與專案負責人的職場競爭力。
104學習 職場熱門證照排行榜
【返鄉創業,走一條不一樣的路】〈謝宅〉謝文侃的「回家工作課」
【返鄉創業,走一條不一樣的路】〈謝宅〉謝文侃的「回家工作課」
你也在異鄉打拼嗎? 「我花了六年時間習慣澳洲,但是『鄉愁』只讓我花一碗肉燥飯的時間就回家了!」 謝文侃,台南老屋民宿「謝宅」創辦人,家中排行老五,大家叫他「謝小五」。 創業十三年,修繕八棟謝宅,他讓遊客和台南人看到老宅新價值,也吸引日本金澤石川縣廳觀光局邀他複製台南「謝宅」,跨海到金澤經營老屋民宿「三間屋」。眼前創業成就,來自十三年前因為父親病危而從海外返鄉。 「年紀愈大,思鄉的鄉愁愈重,你會愈發現自己像沒有根的浮萍。」 45歲的謝文侃年輕時曾在澳洲墨爾本求學工作,那是連續三年被英國《經濟學人》評為全球最宜居的城市,他在澳洲生活六年,因為父親住進加護病房,沒有猶豫太多,32歲正要起飛的職涯,他卻選擇為了父親回到台南。 「那時我已經工作,連在澳洲的車都還沒有時間處理,就打包回家。」 看謝文侃的返鄉之路,工作,也能有不一樣的選擇: https://www.youtube.com/watch?v=j9QMKshQ6f4&t=4s
值得你鼓掌的人物 掌聲拍拍手
RHCSA讓我擺脫舊石器時代
RHCSA讓我擺脫舊石器時代
我是資訊系統整合業的軟體監控系統工程師 目前工作所屬產業為資訊系統整合業,我是其中軟體監控部門的系統工程師,工作內容會需要在各種環境建置監控系統,許多客戶系統為RHEL。 工作上常常會遇到Linux的環境,包含RHEL,因此認為需要更加充實這方面的專業知識。恆逸為業內首屈一指的教育訓練機構,品質精良。 針對原廠教材,講師都做好了準備說明重點,有時候用一張圖做講解,比課本的文字描述更加精確有效率,也使人更能看懂整體概念。 課堂上除了課本內容,講師也會補充實務上常見的情況與用法,搭配一些講師的個人經驗或興趣,結合或應用在其他領域,用清晰的口條來傳授豐富的知識,讓人了解學習後能完成什麼事情。 學習如果不是靠興趣或是成就,是非常難以堅持下去的,看得到的實際層面的應用,能幫助自己實作出某些成果,才能獲得成就的回饋,並以此為動力,持續努力的深入探究與學習。學海無涯且如逆水行舟,若無法持續鑽研與精進,學過了就忘,那是不可取的。 掌握Linux磁碟管理新技術,告別舊時繁瑣操作 上課過程最有收穫的地方是學到了Linux系統的磁碟切割與磁碟容量擴增或縮減的使用方式。因為上這門課程之前,我有自己去圖書館借了"Linux新手的12門課",書中也有說明磁碟切割與擴增或縮減的方法,上課前本以為我已掌握,結果發現自學書籍中教的是早期的舊方法,雖然現在依舊可以使用,不過過程與操作都過於繁瑣。 透過這門課聽了老師的講解,才知道現在有新一代的磁碟新增與切割工具,效率以及使用方式都比傳統舊方法還要快速好用,而且操作簡單。如果不是因為這門課程而學習到與時俱進的知識,我想我可能還會停留在舊石器時代使用著傳統方法。 以前在工作上接觸到的Linux環境,遇到問題時,常一邊查閱網路資料,一邊下達指令。如果不小心誤信網路惡意的操作指令,可能會導致客戶端環境毀滅性的操作失誤。而且一邊查一邊做,同時也使工作效率降低,客戶對我的專業度觀感也可能因此降低。 雖然如上一題所說有自學Linux,不過在工作使用上依舊會力不從心。好在有恆逸實機訓練,提供了優質的環境與教材,除了有服務到位的行政人員,配合知識與經驗豐富的講師,讓我在Linux作業系統的操作,從無到有,一步一步從基礎紮根,透過系統化的全面學習,打下了RHEL紮實的基礎,往後到了客戶環境,能夠輕鬆自在地執行操作。 https://ucom.uuu.com.tw/web/Testimony/Article/12819
精誠資訊恆逸教育訓練中心 RedHat紅帽認證討論區
你眼中的別人才是你,所有人都誤解這句話
你眼中的別人才是你,所有人都誤解這句話
如果你在創業,如果你的收入跟經營人的關系有關 你最近應該常滑到這3句 : 別人眼中的你,不是你 你眼中的自己,也不是你 你眼中的別人,才是你 明白真正意思的人少之又少,甚至好多人誤會他 這段話指出了所有修行、心理學,甚至宗教的終極哲理 這段話是法國哲學家沙特說的,多數人直覺反應這句話有毛病 難道我看到一個很自私的人,代表我很自私嗎? 其實他談的是心理學的防衛機制叫做的分裂,佛家說的分別心 你看到一個人很自私,不是說你很自私,而是你對自私和利他,有很強的分別心 這就是你要修行的課題 因為這個分別心,會讓你不自覺地對一個自私的人,充滿抱怨、憤怒不諒解 甚至你會去跟其他人說,哎這個人不好,他很自私 就在這瞬間,你沒有在利他,你也變得自私了 你討厭自私,就會把它埋在內心的陰影面,你會對所有自私的人、自私的行為充滿惡意 當你埋葬自私以後,你就很難活出跟自私有關的美好 可能你沒有辦法為自己而活、可能你沒有辦法坦蕩的面對自己內心的欲望、可能你總是委屈自己、難以拒絕別人 如果你能夠把自私和利他,整合在你的生命裡 你就不會犧牲自己、委屈自己、你的邊界感很清晰 做自己愛的事、交自己愛的朋友、拒絕不喜歡的邀約 在你能力之內的做到共好雙贏 真正的利他也有分等級的,通透這點你就沒有分別心 你會允許好和壞,允許自私和利他同時存在 當我看見一個人自私,不是我自私,是我對自己的自私有分別心 當我看到一個人刻薄,不是我刻薄,是我討厭刻薄,我也失去了相關的精準、犀利、銳利的特質 當我看到一個人憤怒,是我對憤怒有分別心,我也同時失去了力量感、捍衛感、篤定感 用這段話提醒自己 我一眼望去,沒有別人,只有自己 芸芸眾生,都是千萬個我,是我的千萬面相 很多高人在面對任何人,都能耐心接納去點化對方,因為他們沒有分別心 文學家說 : 你對我百般的註解和解讀,構不成萬分之一的我,卻是一覽無遺的你 佛家說 : 未開悟之前,我以為我渡眾生,開悟之後,才發現眾生渡我 道家說 : 知人者智,自知者明 陽明心學說 : 心無外物,心外無理 願你我面對生命中的每段關系 都能夠檢視自己、學無止境、修成正果 https://www.youtube.com/watch?v=pgzrTXaECfU
尼歐教練 個人品牌創業、短影音行銷、自媒體變現交流