104學習

https://www.autodesk.com/products/autocad/free-trial 幾何公差 https://www.google.com/search?q=%E5%B9%BE%E4%BD%95%E5%85%AC%E5%B7%AE&newwindow=1&rlz=1C1CHBF_zh-TWTW1011TW1011&sxsrf=ALiCzsbKTkvX9-n247cEIILTW4HoXBjAzQ%3A1660109622002&ei=NUPzYp_dPMyKmAW54oLwDA&ved=0ahUKEwjfy7qixrv5AhVMBaYKHTmxAM4Q4dUDCA4&uact=5&oq=%E5%B9%BE%E4%BD%95%E5%85%AC%E5%B7%AE&gs_lcp=Cgdnd3Mtd2l6EAMyBAgAEEMyBQgAEIAEMgUIABCABDIECAAQQzIFCAAQgAQyBQgAEIAEMgUIABCABDIFCAAQgAQyBAgAEEMyBQgAEIAEOgcIABBHELADSgQIQRgASgQIRhgAUPMEWPMEYNQHaAFwAXgAgAE7iAE7kgEBMZgBAKABAcgBCsABAQ&sclient=gws-wiz

前端工程師需要掌握的技能和專業涵蓋了多個方面，包括基礎的網頁開發知識（ HTML、CSS 和 Java Script）、前端框架（ React.js、Vue.js 和 Angular．．等）、以及與團隊合作的工具等。以下是前端工程師的必備技能清單： 前端工程師 必備工具： ⭕ HTML/CSS/Java Script: 這三者是前端開發的基礎技能，用於設計和構建網站的視覺層。 ⭕ React、Vue 或 Angular: 主流前端框架，幫助開發者更有效率地構建交互式網頁應用。 ⭕ Git: 版本控制工具，幫助團隊協作並管理代碼變更。 ⭕ Webpack、Parcel: 模組打包工具，優化前端資源的加載和編譯。 ⭕ Figma、Sketch、Adobe XD: 設計工具，與設計師溝通並將設計轉換成實際前端代碼。 推薦證照： ⭕ Microsoft Certified: Azure Developer Associate: 如在雲端平台上進行前端開發，Azure的證書會讓你對雲端部署有更深的理解。 ⭕ Google Mobile Web Specialist Certification: 專注於前端開發的移動端最佳實踐。 ⭕ Certified Web Professional - Web Developer: 國際網頁專業人士協會頒發，涵蓋網頁開發的核心技能。 相關課程推薦： Let’s Vue! 前端開發入門到實戰 https://nabi.104.com.tw/course/tibame/ee965aa9-eb02-43d5-ae79-1dcd50f965dc 成為前端工程師｜Java Script 入門：帶你逐步培養網頁開發技能 https://nabi.104.com.tw/course/tibame/9e6b7b79-2849-4f24-80ef-a620b94471a5 第一次就上手，前端工程新手指南 https://nabi.104.com.tw/course/tibame/6e43b10e-45e7-40e2-92c0-1b4d6aeb955c 後端工程師 必備工具： ⚡ SQL（PostgreSQL、MySQL）及 NoSQL（MongoDB）: 數據庫管理技能是後端工程師的核心能力之一。 ⚡ Node js、Python、Java 或 Ruby: 這些後端編程語言被廣泛用於構建伺服器端邏輯。 ⚡ Docker、Kubernetes: 容器化技術和編排工具，用於構建、測試和部署應用程序。 ⚡ RESTful APIs 和 GraphQL: 這些技術用於實現應用的後端與前端、第三方系統之間的通信。 ⚡ CI/CD 工具: 自動化流程，確保代碼更快更安全地進入生產環境。 推薦證照： ⚡ AWS Certified Solutions Architect – Associate: 了解如何在AWS雲上設計和部署後端應用程式。 ⚡ Microsoft Certified: Azure Administrator Associate: 若專注於Azure雲平台，這是不可錯過的證書。 ⚡ Oracle Certified Professional, MySQL Database Administrator: 確保後端數據庫管理的穩定和高效運作。 推薦課程： 成為後端工程師 | 踏上程式起點，逐步掌握 Java 語言特性與物件導向程式設計 https://nabi.104.com.tw/course/tibame/c24de9ca-27e6-46cb-80f4-9d7b27d9ca47 全端工程師 必備工具： 🔵 HTML/CSS/Java Script + React/Vue/Angular: 熟悉前端開發工具與框架，確保網頁的視覺與交互效果。 🔵 Node js、Express 或 Django: 這些是全端工程師通常選擇的後端框架，用於建立伺服器端邏輯。 🔵 Git、GitHub: 版本控制與協作工具，用於管理全端工程中的代碼。 🔵 Docker、CI/CD 工具: 幫助全端工程師部署整體應用，確保端到端流程的流暢運行。 🔵 GraphQL、RESTful APIs: 掌握API設計，讓前後端溝通順暢。 推薦證照： 🔵 AWS Certified Developer – Associate: 強化在雲端上開發全端應用的能力。 🔵 Certified Full Stack Developer: Coursera或Udacity上的全端開發認證，涵蓋從前端到後端的各項技能。 🔵 Google Cloud Professional Cloud Developer: 若專注於Google Cloud，這張證書能幫助掌握雲端環境下的全端開發技能。 工具與證書是工程師專業技能的一部分。無論你是專注於前端、後端還是全端開發，選擇合適的工具、掌握相關技能並考取相關證書，都是提升專業能力和職業發展的關鍵。保持學習的動力，不斷提升自我，是在快速變化的技術領域中保持競爭力的必備條件。

想要轉職專案經理(PM)前，面試前準備專案經理的作品集時，重點在於展示你的技能、經驗和成功案例。以下是一些步驟和建議，幫助新手轉職者準備一個有說服力的作品集： 1. 選擇適當的專案 挑選你參與過的、最能展示你能力的幾個專案。確保這些專案涵蓋不同的技能和挑戰，以展示你在各方面的能力；若先前無相關專案經驗可敘述，可以試著找出之前工作上或學生時期與別人團隊合作的經驗。 2. 清晰地描述每個專案 對每個專案進行詳細描述，包含以下幾個方面： ☛ 專案背景：該專案的目的和目標。 ☛ 你的角色：你在專案中的具體職責和貢獻。 ☛ 挑戰和解決方案：你遇到的主要挑戰以及你是如何克服它們的。 ☛ 成果：專案的結果，最好有量化的數據來支持，如提高了多少百分比的效率、降低了多少成本等。 透過說明專案背景、目標、執行過程、成果以及所學習到的經驗，讓面試官了解你的專案管理能力。 3. 展示你的技能和方法 展示你在專案管理中的各種技能，例如： ☛ 時間管理：如何按時完成專案。 ☛ 資源分配：如何管理和分配團隊成員及其他資源。 ☛ 風險管理：如何識別和應對風險。 ☛ 溝通與協作：如何與團隊和其他利益相關者有效溝通。 4. 使用視覺效果 在作品集中加入專案的截圖、成果圖片、流程圖等，並且在文字說明中詳細闡述這些圖片的意義，讓閱讀者更能夠理解你的專案內容。你可以加入： ☛ 圖表和數據視覺化 ☛ 專案時間線 ☛ 前後對比圖片 ☛ 用戶回饋和測評數據 5. 保持簡潔和專業 確保你的作品集簡潔明瞭，易於閱讀。使用專業的語言和格式，避免過多的技術術語。 6. 展示持續學習與改進 強調你如何從每個專案中學習和改進。例如，你如何利用之前的經驗來優化後續專案。 若不希望原公司專案內容外洩，可以將重點呈現在作品集中，並且在面試時詳細說明專案內容，以展現你的專業能力，希望大家想要轉職的都順利！ 關注教室追蹤更多PM更多相關知識~~

《餐飲連鎖加盟經營管理》 第一章 什麼樣的餐飲生意，才適合做連鎖加盟？ 許多餐飲老闆在生意穩定後，常會冒出一個念頭：「如果這家店可以開十家、二十家，應該會賺更多吧？」 於是，「連鎖加盟」成了看似理所當然的下一步。 但現實是，好吃的餐廳不一定適合做連鎖，賺錢的餐廳也不一定適合做加盟。 真正能成功發展連鎖加盟的餐飲品牌，往往在一開始就具備某些關鍵條件。 本章將帶你釐清： 👉 什麼樣的餐飲生意「適合」連鎖加盟 👉 什麼情況下「不該急著」做加盟 👉 餐飲老闆在擴張前必須誠實面對的現實 一、餐飲連鎖加盟的本質是「複製成功」 連鎖加盟的核心，不是開更多店，而是把一間店的成功，複製到不同地點、由不同的人經營，仍然能維持一定水準。 這裡的關鍵不是「創意」，而是「穩定」。 如果你的餐廳： • 必須靠你本人掌廚才好吃 • 少了你在現場，品質就不穩 • 每家店都要臨場應變、無法照流程 那這樣的模式，非常不利於加盟。 連鎖加盟追求的不是百分之百一樣，而是「八十分以上的穩定一致」。 二、適合做連鎖加盟的餐飲特質 1. 產品能被標準化，而不是靠天分 適合連鎖的餐飲，通常具備以下特性： • 產品製作流程清楚 • 關鍵步驟可量化（時間、重量、溫度） • 不依賴少數明星廚師 例如： • 醬料可中央廚房製作 • 主食材規格統一 • 出餐流程可訓練新人在短時間上手 如果「味道好」來自老闆多年的手感，那麼複製的成本與風險都會非常高。 2. 營運流程相對單純 流程越複雜，加盟失敗率越高。 適合加盟的餐飲模式，通常具備： • 菜單品項不過多 • 尖峰時段流程清楚 • 人力需求可預測 反之，若需要： • 高度客製化點餐 • 現場即興調整料理 • 高技術、高經驗員工 這類型餐飲較適合直營，而非大量加盟。 3. 獲利模式清楚且可預期 加盟不是情懷，而是投資。 一個成熟的餐飲加盟模式，應該能清楚回答： • 加盟主多久能回本？ • 人事、租金、食材佔比是多少？ • 總部如何持續創造價值？ 如果連老闆自己都說不清楚利潤從哪來，那加盟主自然只會看到風險。 三、直營成功 ≠ 加盟一定成功 這是許多餐飲老闆最容易誤判的一點。 直營店成功，常來自： • 老闆高度投入 • 人情管理 • 彈性調整 但加盟制度需要的是： • 制度管理 • 文件化流程 • 可被陌生人執行 換句話說，直營靠人，加盟靠制度。 如果你的餐廳： • 很賺錢，但每天都離不開你 • 靠默契，而不是流程 • 靠信任，而不是制度 那現在最該做的，不是招商，而是先把制度補齊。 四、哪些餐飲狀況不適合急著做加盟？ 以下情況，建議先暫緩加盟計畫： 1. 只有一家店，且營運未滿一年 2. 財務數據不完整，靠感覺在經營 3. 尚未經歷淡季與市場波動 4. 員工流動率高，訓練成本大 5. 品牌定位尚不清楚 加盟不是「試試看」，而是一旦開始，就牽涉到他人的資金與人生。 五、做連鎖加盟前，老闆必須問自己的三個問題 在決定擴張前，請誠實回答： 1. 這家店，沒有我在現場，能不能穩定運作？ 2. 我是否願意花時間做制度，而不是只想收加盟金？ 3. 我能不能接受加盟主只是「照做」，而不是像我一樣熱情？ 如果這三個問題都能肯定回答，才代表你已具備連鎖加盟的心理與經營準備。 本章小結 餐飲連鎖加盟不是成長的唯一道路，但它是一條需要高度自覺與準備的道路。 真正成功的餐飲加盟品牌，往往不是最快擴張的，而是最能耐心打底的。

它不是一般的圖庫，一百多個 Prompt 範本。瞬間打造出一套完整的 Nano Banana 系列風格： nanobananaprompt.org/promp… 如果你想更深入研究不同 AI 風格語言，我也整理了幾個同樣值得收藏的國外 1. PromptHero — 萬用型提示詞百科 prompthero.com 2. Lexica Art — Stable Diffusion 最經典的風格語料庫 lexica.art 3. Krea — 更偏向『風格創作實驗室』 krea.ai/explo… 4. PromptMania — Midjourney 成功案例庫 promptmania.com 5. PromptBase — 提示詞的「市集」 promptbase.com

過去十年，產品經理的工作模式其實沒有太大變化。 大多數PM的日常仍圍繞在三件事：整理需求、規劃roadmap、推動開發進度。這套方法在網路與行動時代行之有年，也培養出一整套成熟的產品流程與分工。 但現在，這個前提正在被動搖。 生成式AI的出現，讓產品開發的門檻大幅降低。過去需要工程與設計協作數週甚至數月才能完成的內容，如今透過AI工具，幾小時內就能做出初步版本。從文件撰寫、流程設計到簡單原型，都可以快速生成。 當「做出產品」變得越來越容易，一個更根本的問題開始浮現： 如果執行不再稀缺，產品經理的價值還剩下什麼？ 在AI原生公司Anthropic，這個問題已經不是未來，而是現實。產品開發的節奏不再以季度或半年為單位，而是以「幾天內完成一次驗證」來運作。這樣的變化，也迫使產品角色重新定義。 在一場公開訪談中，Claude Code和Cowork產品負責人Cat Wu提到，AI時代的PM，不再只是負責推動流程，而是必須主導決策與實驗方向。 這樣的轉變，代表的不只是工具升級，而是一整套工作邏輯的改寫。 從穩定規劃到快速實驗：產品節奏正在改變 傳統產品開發強調長期規劃。PM需要在專案初期蒐集需求、整理優先順序，並規劃出清楚的roadmap，讓團隊能在接下來的幾個月甚至半年內依序推進。 這種方式的前提是：開發成本高、修改成本也高，因此需要事前盡可能想清楚。 但當AI降低了開發與修改的成本，這個前提開始失效。 在Anthropic這類AI公司中，產品不再依賴長期規劃，而是以「實驗」為單位快速推進。團隊更關注的，不是未來三個月要做什麼，而是下一個最值得驗證的假設是什麼。 這種模式帶來一個明顯轉變：產品開發不再是線性的執行流程，而更像是一連串快速迭代的決策循環。 對PM來說，重點不再是把計畫排好，而是持續做出選擇。 從接收需求到重新定義問題 另一個明顯的變化，是PM面對需求的方式。 在傳統情境中，PM往往需要蒐集來自用戶、業務或主管的需求，整理後轉化為產品規格，再交由工程與設計實作。 但在AI時代，這樣的流程已經不夠。 因為AI讓「實作」變容易，真正困難的反而是「判斷這個需求是否值得做」。 許多需求其實只是表象，背後對應的是更深層的問題。如果PM只是照單全收，產品很容易陷入功能堆疊，卻無法真正解決使用者痛點。 因此，AI PM更重要的能力，是拆解問題、釐清本質，並重新定義要解決的核心。 換句話說，從「需求管理者」，轉變為「問題定義者」。 從協調者到能動手驗證的人 過去，PM的主要角色是協調不同職能。產品、工程、設計各司其職，PM負責整合資訊與推動進度。 但隨著AI工具的普及，這種分工正在鬆動。 現在的PM，可以透過AI快速產出流程草圖、使用情境、甚至初步原型，讓討論不再停留在抽象層，而是直接以具體版本為基礎。 這樣的改變，使PM不再只是「轉述需求的人」，而是能夠親自驗證想法的人。 對團隊而言，這也意味著決策速度加快。許多原本需要開會反覆討論的問題，可以透過快速產出版本來驗證，而不是單純依賴想像。 AI產品的關鍵，不只是能用，而是可信 AI產品帶來的另一個挑戰，是「可靠性」。 許多AI功能在展示時看起來表現不錯，但只要在關鍵情境中出現錯誤，就可能嚴重影響使用者信任。例如提供錯誤資訊、誤解使用者意圖，或在重要任務中失效。 這也是為什麼，「完成度95%」在AI產品中往往不夠。 因為剩下的5%，很可能正好發生在最關鍵的時刻。 因此，PM需要思考的不只是功能是否可行，而是產品在不同情境下的穩定性，以及如何設計機制來降低風險，例如提示使用限制、提供替代方案，或讓使用者更容易察覺錯誤。 產品的價值，不再只是能否完成任務，而是能否在關鍵時刻被信任。 轉型的關鍵，不在工具，而在工作方式 面對這些變化，許多PM的第一反應是學習新的AI工具。 這當然重要，但真正的轉型，其實發生在工作方式本身。 首先，是從「想清楚再做」轉變為「做了再優化」。 過去需要花大量時間規劃與對齊，現在則可以先做出版本，再透過回饋修正方向。 其次，是從「文件驅動」轉為「實驗驅動」。 產品決策不再只依賴文件與會議，而是透過實際測試來驗證。 最後，是從「分工合作」轉向「跨能力動手」。 PM不再只是整合資訊，而是能直接參與產出，縮短決策與執行之間的距離。 PM轉型的實際路徑 這樣的轉型並不需要一步到位，可以從三個階段逐步進行。 第一階段，是讓AI成為日常工作的助手。 例如用來整理資料、產出初稿、輔助分析，目標是建立基本的使用習慣。 第二階段，是重構工作流程。 開始用AI產出多個方案，並透過測試選擇方向，而不是只依賴單一版本。 第三階段，則是進入AI原生產品思維。 這時PM需要理解模型的能力與限制，並能設計出符合這些特性的產品體驗。 未來PM的核心能力，正在改變 在這樣的背景下，PM的核心能力也逐漸轉移。 快速產出原型的能力，讓想法可以更快被驗證。 問題拆解能力，決定是否能找到真正需要解決的核心。 對AI能力的理解，影響產品設計的可行性與風險。 而持續驗證與調整的能力，則成為產品成長的關鍵。 這些能力，與過去強調的流程管理或文件撰寫相比，更貼近「決策與判斷」。 PM的價值，正在被重新定義 當AI讓產品開發變得更容易，PM的價值就不再建立在「能不能把事情完成」，而是「能不能做出正確選擇」。 這包括判斷什麼值得做、如何驗證方向，以及在不確定中持續調整。 未來的產品經理，不一定需要成為工程師，但需要更接近產品本身——能快速理解問題、做出判斷，並讓想法在現實中被驗證。 這場轉變已經開始，而且不會等人。 對PM而言，關鍵不只是學會使用AI，而是重新思考，自己在產品中的角色，究竟是什麼。 https://www.youtube.com/watch?v=PplmzlgE0kg

你是一名 UI/UX 工程師嗎？是否在面對繁瑣的網頁元件設計與開發時感到壓力？v0 AI 工具將徹底改變你的工作方式。透過這款生成式 AI 工具，你可以輕鬆地將設計概念轉化為代碼，節省時間並提升效率，讓你專注於更具創意的工作。 在現代網頁設計與開發中，UI/UX 工程師的工作變得愈加重要，但同時也更具挑戰性。傳統的開發流程中，從設計到編碼，每一個步驟都需要精心打磨，這不僅費時，還可能出現溝通不順、實現困難等問題。這時，一個強大的 AI 工具便成了救星。Vercel 的 v0 AI 正是為了解決這些痛點而誕生。 ▍v0 AI 是什麼？ v0 是由 Vercel 推出的一款生成式 AI 工具，專門為 UI/UX 工程師設計。它能根據你的文字描述自動生成對應的網頁 UI 元件，並生成包含 React、Tailwind CSS 和 Shadcn UI 等現代前端技術的代碼。對於那些想要快速搭建網站或者進行原型設計的人來說，這無疑是一個革命性的工具。 ▍如何使用 v0 AI？ v0 AI 的工作原理相當簡單，但功能強大。首先，用戶只需輸入簡單的文字提示，描述他們需要的 UI 元件，如「一個簡單的聯絡表單」或「帶有暗模式的首頁橫幅」。隨後，v0 會根據這些描述，自動生成多個 UI 元件的代碼選項。用戶可以從這些選項中挑選最符合需求的一個，並且可以在此基礎上進行進一步的修改和優化。 這個過程大大簡化了 UI/UX 工程師的工作，使得即便是對於非技術背景的人員，也能輕鬆上手，從而加快設計與開發的整體流程。更重要的是，這款工具生成的代碼是基於現代前端框架的，因此與現有的技術棧無縫兼容。 ▍v0 AI 的優勢 ● 節省時間和精力：過去需要耗費大量時間設計和編寫代碼的部分，現在只需簡單描述，即可由 v0 AI 自動完成，這讓工程師可以將更多精力投入到創意設計和優化上。 ● 提高效率：v0 AI 能夠根據文字提示自動生成多個選項，讓 UI/UX 工程師可以快速篩選出最合適的解決方案，避免了反覆修改的麻煩。 ● 降低技術門檻：對於非技術背景的設計師來說，v0 AI 提供了一個友好的介面，讓他們無需深入理解代碼，就能輕鬆完成設計工作。 ● 現代技術支持：v0 生成的代碼基於 React、Tailwind CSS 和 Shadcn UI 等現代前端技術，確保生成的元件能夠與現有項目完美整合，無需額外的調整。 ▍v0 AI 的方案與費用 v0 AI 目前提供了兩種方案：免費版與付費版。免費版每月提供 200 個生成點數，適合小型項目或偶爾使用的用戶。付費版則每月提供 5000 個生成點數，月費為 20 美元，適合需要頻繁使用的專業設計師或開發團隊。 對於需要更高生成量或進階功能的用戶，付費方案無疑更具吸引力，因為它不僅提供更多的生成點數，還可能包括未來的高級功能更新和技術支持。 ▍v0 AI 的應用場景 不論你是剛入門的 UI/UX 工程師，還是經驗豐富的開發者，v0 AI 都能為你提供便利。對於初學者來說，它是一個學習和實踐設計概念的好幫手；而對於專業人士，它則是提升生產力的利器，幫助你在短時間內完成高質量的網頁設計。 此外，v0 還非常適合快速迭代和原型設計。在項目的早期階段，設計師可以通過 v0 快速生成多種設計方案，並與團隊進行討論和修改，最終選擇最佳方案進行深入開發。 v0 AI 的出現，為 UI/UX 工程師以及整個設計開發領域帶來了新的可能性。透過這款工具，你可以更快速、更有效率地完成網頁設計，並在設計過程中保持高度的靈活性。不論你的需求是什麼，v0 都能提供合適的解決方案，幫助你輕鬆應對各種挑戰。如果你還沒有試過這款工具，現在就是最佳的時機。 ➤ 立即使用：https://v0.dev/ ➤ 歡迎在104學習精靈關注【AI趨勢報－科技愛好者的產地】獲得更多科技新知！

在設計專案中，保持文字格式的一致性是非常重要的。Figma中提供了一個功能，讓你可以輕鬆將常用的文字格式保存為「文字樣式」（Text Styles），以便在專案中反覆使用。本文將為你介紹如何在Figma中創建和應用文字樣式，從而提高設計的效率和一致性。 ▮什麼是文字樣式？ 文字樣式是Figma中用來儲存和重用文字格式的功能，包含字體、字重、字體大小、顏色、行高、字距等設定。透過將文字樣式保存，你可以在整個專案中快速應用統一的文字格式，而不需要手動一一調整。 ▮如何在Figma中將文字保存為文字樣式？ 以下是創建文字樣式的詳細步驟： 1. 選中設計好的文字 在畫布（Canvas）上，選擇你想要保存的文字層（Text Layer）。確保已設置好所有的文字屬性，例如字體、字重、字體大小、顏色、行高、字距等。 2. 打開右側屬性面板（Properties Panel） 選中文字層後，Figma介面的右側會顯示屬性面板。在面板中，你可以看到所有與文字相關的屬性設定。 3. 找到「文字樣式」區域（Text Style Section） 在屬性面板中的「Text」部分下方，你會看到一個標籤為「Text Style」的區域。這個區域用來管理文字樣式。 4. 點擊「+」按鈕（Create Style） 在「Text Style」區域右側有一個「+」按鈕（即「Create Style」）。點擊此按鈕會彈出一個對話框，讓你可以為新的文字樣式命名。 5. 命名樣式（Name the Style） 在彈出的對話框中，輸入一個清晰的名稱來命名這個文字樣式。例如「標題-加粗-24pt」或「正文-常規-16pt」，以便你和團隊成員在後續應用時能快速識別樣式。完成命名後，點擊「Create Style」按鈕保存。 ▮如何在其他文字層上應用文字樣式？ 一旦保存了文字樣式，你可以在設計過程中輕鬆地應用它： 1. 選中需要應用樣式的文字層。 2. 在右側屬性面板的「Text Style」區域中，點擊下拉選單。 3. 從選單中選擇所需的文字樣式。 文字層會立即應用選定的文字樣式，無需手動調整格式。 ▮文字樣式的好處 1. 提高設計一致性：文字樣式確保整個專案中使用相同的文字格式，避免不同頁面間的格式不一致。 2. 加速設計流程：保存和重用文字樣式可減少手動調整的時間，提升設計效率。 3. 便於更新：如果需要修改樣式，只需在文字樣式中進行一次更改，所有應用了該樣式的文字層都會同步更新。 ▮最佳實踐：文字樣式的應用 1. 分類管理：在創建文字樣式時，按照功能分類，如「標題」、「副標題」、「正文」、「註釋」等，方便快速查找和應用。 2. 使用設計系統：如果你有一個完整的設計系統，請將文字樣式納入其中，以便在不同專案中重用。 3. 命名規則清晰：採用一致的命名規則來命名文字樣式，讓樣式一目了然，提高團隊協作效率。 ▮結論 在Figma中創建和應用文字樣式是設計中保持一致性和提升效率的關鍵。無論是大型專案還是日常設計工作，文字樣式的合理運用都能讓你的設計流程更加順暢。透過本篇指南，相信你已掌握如何在Figma中將文字保存為文字樣式，並有效地應用於設計中。

收到面試通知後，很多人第一個動作是查公司資料。但真正開始準備時，常會遇到幾個問題：官網看完不知道重點、新聞太多不知道怎麼整理、職缺內容寫得很長卻看不出面試官真正想找什麼樣的人。 這時候，AI 可以成為你的「面試前研究助理」。它不是幫你背答案，而是協助你快速整理公司資訊、產業趨勢與職缺需求，再把這些內容轉成面試時能自然使用的回答素材。 面試前，先搞懂這 4 件事 面試前做功課，不是要把公司介紹全部背起來，而是要能回答這幾個問題： 第一，這家公司主要在做什麼？ 你需要知道公司的產品、服務、客戶族群與商業模式，避免只停留在「這是一間科技公司」、「這是一間電商公司」這種模糊印象。 第二，這家公司最近有什麼動態？ 例如新產品、合作案、展店、募資、品牌轉型或市場布局。這些資訊可以幫助你在面試中展現自己有做功課。 第三，這個產業正在發生什麼變化？ 你不需要變成產業分析師，但至少要知道近期有哪些趨勢，可能如何影響這家公司與你要面試的職位。 第四，這份工作真正重視哪些能力？ 職缺內容通常會列出很多條件，但面試官真正關心的，往往是你能不能解決這個職位目前需要處理的問題。 可以直接複製的 AI 指令 面試前可以把公司名稱、職位名稱、職缺內容和自己的背景一起丟給 AI，請它幫你整理重點。 ================================================================ 我即將面試【公司名稱】的【職位名稱】。 請你扮演「面試前研究助理」，幫我整理這家公司與產業資訊，目標是讓我在面試中能展現：我有做功課、理解公司需求，也能把自己的經驗和職缺連結起來。 請依照以下格式整理： 一、公司快速理解 1. 這家公司主要在做什麼？ 2. 主要產品或服務是什麼？ 3. 目標客戶或使用者是誰？ 4. 可能的商業模式是什麼？ 5. 和競爭對手相比，可能的特色或差異是什麼？ 二、近期動態 1. 請整理這家公司近期值得注意的新聞、產品、合作、募資、展店、裁員、組織變動或市場動態。 2. 請把不確定、需要我再查證的資訊清楚標註。 3. 如果你沒有即時搜尋能力，請直接告訴我需要提供哪些連結或資料。 三、產業趨勢 請整理【產業名稱】近一年值得注意的 5 個趨勢，並說明： 1. 這些趨勢對公司可能有什麼影響？ 2. 這些趨勢對【職位名稱】可能有什麼影響？ 3. 哪些觀點可以在面試回答中自然提到？ 四、職缺分析 以下是職缺內容： 【貼上職缺說明 JD】 請分析： 1. 這份工作最重視的 5 個能力 2. 面試官可能在意的經驗或成果 3. 我應該準備哪些作品、數據或案例 4. 可能被問到的 10 個面試問題 5. 回答時應避免的地雷 五、面試回答素材 請幫我產出 3 段自然、不像背稿的回答草稿： 1. 為什麼想加入這家公司？ 2. 你對這個產業的理解是什麼？ 3. 為什麼你適合這個職位？ 我的背景簡述如下： 【貼上你的工作經驗、專長、成果或履歷摘要】 最後請整理一份「面試前 10 分鐘速讀版」，包含： 1. 我一定要記住的 5 個公司重點 2. 我一定要展現的 5 個能力 3. 我可以主動問面試官的 5 個問題 4. 一段 60 秒內可使用的面試開場說法 ================================================================== 時間很趕，可以用精簡版 如果面試前只剩十幾分鐘，可以改用下面這段： ================================================================== 我即將面試【公司名稱】的【職位名稱】。 請幫我快速整理： 1. 公司在做什麼 2. 主要產品或服務 3. 目標客戶 4. 商業模式 5. 近期重要動態 6. 產業近一年趨勢 7. 競爭對手與公司差異 8. 這個職位最重視的能力 9. 面試官可能問的 10 題問題 10. 我可以反問面試官的 5 題問題 以下是職缺內容： 【貼上 JD】 以下是我的背景： 【貼上履歷摘要】 請最後幫我整理成「面試前 10 分鐘速讀版」，並標註哪些資訊需要我再查證。 ================================================================== 資料要怎麼提供給 AI？ 想讓 AI 回答更準，建議至少提供三種資料。 第一，公司名稱與職位名稱。 例如：「我要面試 ABC 科技公司的產品行銷專員。」 第二，職缺內容。 請直接貼上工作內容、條件要求與加分條件。AI 可以從中判斷這份工作最可能考察哪些能力。 第三，自己的履歷摘要。 不一定要貼完整履歷，但可以簡單整理過去職稱、主要經驗、擅長工具、專案成果與想強調的優勢。 例如： 我的背景是：有 2 年社群行銷經驗，曾經經營品牌 Facebook、Instagram，負責內容企劃、廣告素材發想與活動頁文案。曾協助一檔活動提高報名數 30%。熟悉 GA4、Meta 廣告後台與基本數據分析。 資料越具體，AI 越能幫你把個人經驗和職缺需求連起來。 不只整理資料，還要轉成面試語言 AI 幫你整理完公司與產業資訊後，可以再追問： 請把以上公司與產業資訊，轉換成我在面試中可以自然說出口的回答。請避免太正式、太像背稿，語氣要像真人面試回答。 如果你已經寫好回答，也可以請 AI 幫你檢查： 以下是我的面試回答草稿，請幫我檢查： 1. 是否太空泛 2. 是否有說服力 3. 是否有對應公司與職缺需求 4. 是否聽起來像 AI 生成 5. 請幫我改成更自然、更像真人面試回答的版本 我的回答： 【貼上回答】 這一步很重要。面試不是在考你背了多少資料，而是看你能不能用自己的話，說出對公司、職缺與自身經驗的理解。 面試時可以這樣回答 當面試官問「為什麼想加入我們公司？」可以用這個架構： 「我注意到貴公司主要在做【業務／產品】，服務的對象是【客戶族群】。我對這個方向有興趣，是因為它和我過去在【相關經驗】中的累積有連結。尤其我看到產業目前正在發生【趨勢】，我認為這個職位未來會更需要【能力】，這也是我希望能貢獻的地方。」 當面試官問「你為什麼適合這份工作？」可以這樣整理： 「從職缺內容來看，我理解這份工作最重視的是【能力一】、【能力二】和【能力三】。我過去在【專案或工作經驗】中曾處理過類似任務，例如【具體成果】。因此我認為自己不只是對這份工作有興趣，也有相關經驗可以比較快進入狀況。」 使用 AI 準備面試，別忽略查證 AI 可以幫你加快整理速度，但不要完全照單全收。公司最新產品、營收、員工數、募資、裁員、組織異動等資訊，最好回到公司官網、官方社群、新聞報導或徵才頁再次確認。 尤其是面試時要提到的公司近期動態，一定要查證來源。講錯資料，反而會讓面試官覺得你準備不夠扎實。 結語：AI 幫你省時間，但答案要像你自己 面試前做功課的目的，不是把公司介紹背起來，而是讓你更清楚三件事： 我了解這家公司。 我知道這份工作需要什麼。 我能說出自己的經驗如何派上用場。 AI 可以幫你整理資訊、拆解職缺、模擬問題、優化回答，但最後進入面試現場的仍然是你自己。最好的做法，是讓 AI 幫你省下查資料的時間，再用自己的理解和語氣，把答案說出來。

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

在設計中，文字格式的統一性非常重要。Figma作為設計師常用的設計工具之一，提供了方便的「文字轉換」功能（Text Transform），可讓用戶輕鬆將文字一次性轉為大寫、全小寫或標題大小寫。本篇文章將深入介紹如何在Figma中進行文字大小寫的快速轉換，幫助你提升設計效率。 ▮為什麼需要使用文字大小寫轉換？ 1. 提升設計一致性：當需要統一標題或段落的大小寫格式時，使用Figma的文字轉換功能可以確保整體設計風格一致。 2. 節省時間：避免手動逐字調整大小寫，提升設計流程的效率。 3. 更好地適應設計變更：在進行UI/UX設計迭代時，能夠靈活應對文字樣式的變更需求。 ▮如何在Figma中一次性將文字轉為大寫或小寫？ 以下是具體操作步驟： 1. 選中要轉換的文字層（Text Layer） 首先，在畫布（Canvas）上選中你想要改變大小寫的文字層。可以是標題、段落或其他文字元素。 2. 打開右側的屬性面板（Properties Panel） 當選中文字層後，Figma介面的右側會顯示屬性面板，這裡包含該文字層的所有設置選項，如字體、字重、字體大小、顏色等。 3. 找到「Text」部分 在屬性面板的「Text」部分，可以看到文字相關的設定，這是調整文字大小寫的起點。 4. 展開「Text Transform」選項 在「Text」屬性部分的下方，可以找到「Text Transform」選項。點擊展開後，你會看到以下選項： - Uppercase（全大寫）：將選中的文字轉為全大寫格式。 - Lowercase（全小寫）：將選中的文字轉為全小寫格式。 - Title Case（標題大小寫）：將文字轉為標題樣式，每個單詞的首字母大寫。 - Original Case（原始大小寫）：將文字恢復為原始的大小寫狀態。 5. 選擇需要的文字轉換方式 選擇合適的大小寫轉換選項，文字層會立即顯示出相應的效果，無需手動調整。 ▮文字轉換的最佳實踐 1. 統一標題格式：當你在設計標題或重要文字時，可以使用Uppercase選項，讓標題顯得更加醒目和專業。 2. 適用於批量轉換：可以一次選中多個文字層，然後應用相同的文字轉換選項，以實現快速統一。 3. 靈活應對設計需求變更：在設計過程中，當需要變更文字格式時，只需通過「Text Transform」即可快速完成修改，無需手動調整。 ▮結論 在Figma中，一次性將文字轉為大寫或小寫是提升設計效率和保持格式一致性的關鍵功能。無論是用於標題設計還是段落格式調整，文字轉換（Text Transform）功能都能讓你更輕鬆地應對不同的設計需求。如果想要在設計過程中節省時間並提高整體設計效果，不妨試試這個方便的功能。

近年來，隨著人工智慧（AI）技術的快速發展，大型語言模型（LLM）成為 AI 領域中的新興焦點。LLM 透過大量資料的訓練，能夠生成自然流暢的文字、翻譯語言、撰寫不同類型的文案內容，甚至協助程式碼的開發。究竟 LLM 是什麼？LLM 工作有哪些？需要具備哪些能力才能成為 LLM 工作者？以下將為你深入解析！ ▍LLM 是什麼？ LLM，全名為 Large Language Model，中文譯為大型語言模型。LLM 是一種基於深度學習的 AI 技術，透過大量的文字資料進行訓練，能夠學習語言的規則、結構和語境，並生成與人類書寫相似的文字內容。LLM 的訓練資料通常包含書籍、文章、新聞報導、程式碼等，涵蓋廣泛的領域和主題。 ▍LLM 的應用場景有哪些？ LLM 的應用場景十分多元，以下列舉常見的 LLM 工作內容： ● 語言翻譯： LLM 可以提供高品質的語言翻譯服務，並將措辭在地化，協助企業拓展海外市場。 ● 問答系統： LLM 可以建構智能問答系統，協助使用者快速查找資訊。 ● 程式碼生成： LLM 可以協助程式碼的撰寫和除錯，提高軟體開發效率。 ● 對話機器人： LLM 可以訓練出具備自然對話能力的聊天機器人，應用於客服、教育等領域。 ● 撰寫文案： LLM 可以自動生成產品描述、部落格文章、市場推廣資料等文案內容，協助企業行銷推廣。 ▍LLM 工作機會＆薪資情報 根據統計，LLM 相關職位的平均年薪高於軟體工程師的平均薪資。以美國為例，LLM 相關職位的平均年薪約為 15 萬美元，而軟體工程師的平均年薪則約為 12 萬美元。 LLM 工作機會遍布各個產業，常見的職位包括： ● 機器學習工程師： 負責設計、開發和維護 LLM 模型。 ● NLP 專家： 專門研究自然語言處理技術，並將其應用於 LLM 模型中。 ● 數據科學家： 負責收集、分析和處理 LLM 模型所需的數據。 ● AI 研究員： 負責探索 LLM 技術的新應用和發展方向。 ▍LLM 相關工作所需能力 若想成為一名 LLM 工作者，除了需具備扎實的 AI 和 NLP 基礎知識外，以下 5 大核心技能也是不可或缺的： ● 機器學習： 需對機器學習算法和模型有深入的理解，以最佳化 LLM 的性能。 ● 程式設計能力： 需熟悉 Python、Java 等程式語言，以及 TensorFlow、PyTorch 等深度學習框架。 ● 資料分析能力： 需具備資料分析能力，能夠清理和處理大型數據集，並熟悉統計學、機率論等相關知識。 ● 自然語言處理（NLP）： 需深入了解 NLP 技術，包括預處理方法、特徵提取以及文本分類演算法等。 ● 熟悉雲端運算平台： 需熟悉 Amazon Web Services（AWS）或 Microsoft Azure 等雲端平台。 LLM 的發展為各行各業帶來了全新的契機，也創造了許多新的職涯機會。若您對 AI 和 NLP 技術感興趣，並具備上述能力，不妨積極探索 LLM 相關職涯，為自己開創職涯新局面！ ➤ 歡迎在104學習精靈關注【AI趨勢報－科技愛好者的產地】獲得更多科技新知！

NPI 的全名是「新產品導入」（New Product Introduction），是一個常見的商業術語，在製造業和產品開發領域中使用。這表示將新產品或服務引入市場的過程，包括產品概念、設計、開發、測試和最終上市等階段。NPI 過程通常是複雜的、多階段的，旨在確保新產品成功推出，並滿足市場需求。 【NPI 各工作階段】 當一家公司決定推出新產品或服務時，NPI 過程將成為實現這一目標的核心。這個過程涉及多個階段和各種活動，以下是 NPI 過程的一般步驟： 1. 概念階段：在此階段，公司確定新產品的初步概念和目標。這可能涉及市場調查、競爭分析和顧客需求評估。 2. 設計階段：在這個階段，公司開始設計產品的外觀、功能和特性。工程師、設計師和其他相關人員將合作開發產品原型。 3. 開發階段：一旦設計確定，就進入開發階段。這包括製造試驗樣品、進行測試和評估產品的可行性。 4. 測試與驗證：在這個階段，公司將對產品進行各種測試，包括功能測試、性能測試和可靠性測試。同時，也會對產品進行用戶測試，以確保產品符合客戶的期望。 5. 生產準備：當產品經過測試和驗證後，公司將準備進入量產階段。這可能包括供應鏈管理、生產流程優化和培訓工人等活動。 6. 市場推出：最後一個階段是產品的市場推出。這包括制定市場推廣計劃、培訓銷售人員、準備促銷材料等，以確保產品成功進入市場並獲得客戶的關注和接受。 【PM在NPI過程中的角色】 在新產品導入（NPI）過程中，PM在各個階段都扮演著重要的角色，並在整個過程中提供領導和協調。以下是專案經理在每個階段可能承擔的角色： 1. 概念階段：在這個階段，專案經理可能負責協調團隊進行市場調查和競爭分析，以確定產品的概念和目標。他們可能會與市場部門合作，收集客戶反饋，確定產品的市場需求。 2. 設計階段：在設計階段，專案經理可能負責管理產品開發的時間表和里程碑。他們需要確保設計團隊按時完成工作，並在需要時解決任何問題或障礙。 3. 開發階段：在這個階段，專案經理可能需要協調不同部門的工作，包括工程、製造和測試團隊。他們需要確保開發過程順利進行，並在需要時調整計劃。 4. 測試與驗證：在測試階段，專案經理可能需要確保測試計劃按照預定計劃執行。他們可能會監督測試團隊的工作，並跟蹤測試結果，以確保產品符合要求。 5. 生產準備：在進入生產階段之前，專案經理需要確保供應鏈的準備情況良好，生產流程的優化工作進行順利，並準備好應對任何潛在的問題或風險。 6. 市場推出：在市場推出階段，專案經理可能需要協調市場營銷活動的執行，確保市場推廣計劃的有效實施。他們可能會與銷售團隊合作，確保產品順利進入市場並達到銷售目標。 專案經理在 NPI 過程中的角色是確保整個過程順利進行，各個階段之間的協調和溝通，以確保新產品成功推出並達到預期的業務目標。

在現代的軟體工程領域中，如何提升工作效率並減少錯誤是每位工程師追求的目標。這篇文章將介紹一款名為Warp AI的工具，這不僅是工程師必備的助手，更是一個改變工作方式的革命性技術。透過本文，你將了解什麼是Warp AI、它的功能、以及如何在日常工作中有效使用它。 ▍什麼是Warp？ Warp是一款專為軟體工程師設計的智能工具。它結合了人工智慧（AI）技術，旨在幫助工程師們更快速、更準確地完成各種任務。這款工具可以協助你自動化重複性的工作、提供智能建議、並即時檢測和修正錯誤。這不僅節省了大量的時間，還能顯著提高工作質量。 ▍Warp AI的功能解析 ● 代碼自動補全：Warp AI能夠智能預測你接下來可能輸入的代碼，並提供自動補全功能。這不僅提升了輸入速度，還減少了打字錯誤的機會。 ● 錯誤檢測與修正：當你在撰寫代碼時，Warp AI能即時檢測到可能的錯誤，並提供修正建議。這讓你能夠在錯誤發生的第一時間就進行修正，避免小錯誤引發大問題。 ● 智能代碼片段推薦：根據你以往的代碼編寫習慣，Warp AI會推薦常用的代碼片段，讓你能夠快速插入常見的功能模組。 ● 性能優化建議：Warp AI能分析你的代碼，提供優化建議，幫助你提升程式的運行效率，讓你的應用程式更快速、更穩定。 ▍軟體工程師必備的理由 作為一名軟體工程師，時間和精確度是最重要的資源。Warp AI不僅能讓你在編寫代碼時更有效率，還能降低錯誤發生的頻率。這對於需要快速交付高品質軟體的工程師來說，是一個極大的幫助。此外，Warp AI的智能功能讓你能夠集中精力在更具創意和挑戰性的任務上，而不是被重複性工作拖累。 ▍Warp AI教學 接下來，我們將介紹如何開始使用Warp AI，並讓它成為你日常工作的得力助手。 ● 下載與安裝： 前往Warp的官方網站下載安裝包。 按照安裝指引進行安裝，過程簡單快捷。 ● 初次設定： 安裝完成後，打開Warp應用程式。 進行基本設定，例如選擇語言、主題和快捷鍵配置等。 登錄或創建Warp帳號，以便保存個人偏好和設置。 ● 基本操作： 打開你的代碼編輯器，Warp將自動嵌入並運行。 當你開始編寫代碼時，Warp會自動提供補全建議和錯誤檢測。 你可以通過快捷鍵（預設為 Ctrl/Command+Space）呼出Warp的推薦功能。 ● 進階功能： 使用Warp的性能優化功能，分析你的代碼結構並接受優化建議。 定期更新Warp，以獲取最新的功能和改進。 Warp AI是一款能顯著提升軟體工程師工作效率的強大工具。通過智能補全、錯誤檢測和性能優化等功能，它讓你能夠專注於創意性和挑戰性的工作，減少因重複性任務和錯誤所浪費的時間。希望這篇文章能幫助你了解並開始使用Warp AI，讓它成為你日常工作的強力助手。 ➤ 立即下載：https://www.warp.dev/warp-ai ➤ 歡迎在104學習精靈關注【AI趨勢報－科技愛好者的產地】獲得更多科技新知！

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/9759690a-9a20-4575-8dce-492636a1206c ❇️【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

在現今快速變化的科技時代，開發人員面臨著越來越多的挑戰，從撰寫繁瑣的重複性程式碼到應對新的語言和框架。而 GitHub 推出了他們的革命性工具——GitHub Copilot。本文將詳細介紹 GitHub Copilot 的功能、安裝與使用，並提供幾個實際應用案例，讓你在開發過程中充分發揮這個AI工具的潛力！ 【GitHub Copilot 是什麼？】 GitHub Copilot 是 GitHub 於 2021 年 6 月 29 日推出的一款 AI 程式碼工具。它基於 OpenAI 的技術和 GitHub 上大量的開源代碼庫，能夠在你撰寫程式時提供相應的建議。據官方資料顯示，GitHub Copilot 的正確率超過 40%，也就是說，它可以幫助你減少 40% 以上的程式碼撰寫工作。甚至在實際使用中，能讓你達到無腦 coding 的狀態。 【GitHub Copilot 支援的語言＆平台】 GitHub Copilot 支援多種主流程式語言，包括 Python、JavaScript、TypeScript、Ruby、Java 和 Go 等等。甚至連 YAML 和 JSON 這些配置語言都能夠使用。你可以在 VSCode、Neovim 和 JetBrains 等編輯器中以擴充功能的方式使用 GitHub Copilott。本文將重點介紹如何在 VSCode 中安裝和使用 GitHub Copilot。 【GitHub Copilot 的安裝＆使用】 ▍申請試用 如果你還沒有使用過 GitHub Copilot，可以先到 GitHub Copilot 官方網站申請試用 ➤ https://github.com/features/copilot/ ▍安裝步驟 ❶ 打開 VSCode，進入擴充功能： 在 VSCode 左側的活動列中，點擊擴充功能圖示，然後在搜尋欄中輸入「GitHub Copilot」。 ❷ 安裝 GitHub Copilot 擴充功能： 找到 GitHub Copilot 擴充功能，點擊安裝。安裝完成後，系統會要求你登入 GitHub 進行授權。 ❸ 授權並開始使用： 登入 GitHub 並授權後，你就可以開始使用 GitHub Copilot 了。如果你的帳號尚未獲得使用權限，系統會提示相應訊息。 【誰適合使用 GitHub Copilot？】 GitHub Copilot 的適用範圍非常廣泛，特別適合以下幾類人群： ● 需要撰寫重複程式碼的開發者：Copilot 能夠自動撰寫大量重複性程式碼，節省時間並提高效率。 ● 對某程式語言不熟悉的開發者：Copilot 可以作為新語言學習的得力助手，提供實時建議和範例。 ● 常需要撰寫單元測試的開發者：Copilot 可以自動生成單元測試，提高測試覆蓋率和質量。 ● 需要進行代碼審查的開發者：Copilot 能夠初步幫助你進行代碼審查，減少手動檢查的工作量。 ● 不喜歡頻繁查詢 library 的開發者：Copilot 會根據上下文自動填充程式碼，減少查詢時間。 ● 需要撰寫註解的開發者：Copilot 能夠根據程式碼片段自動生成註解，方便多人協作。 【GitHub Copilot 的實際應用案例】 ▍案例一：撰寫重複性程式碼 在開發一個網頁應用時，經常需要撰寫類似的表單驗證代碼。比如，你需要在多個表單中驗證電子郵件地址格式。Copilot 能夠根據你的輸入，自動生成驗證函數，讓你不再重複撰寫相同的邏輯。 ▍案例二：學習新語言 假設你是一名熟悉 Python 的開發者，但現在需要使用 Go 語言進行開發。你可以輸入一些基本的程式碼片段，Copilot 會幫助你補全，讓你快速上手新的語言。 ▍案例三：自動生成單元測試 在進行單元測試時，Copilot 能夠自動為你生成測試案例，確保你的程式碼覆蓋率和質量。 這些案例展示了 GitHub Copilot 在不同場景中的應用，讓你可以更加專注於創造性的工作，而不是繁瑣的重複性任務。 GitHub Copilot 是一個能夠大幅提升開發效率的工具，無論你是新手還是資深開發者，都能從中受益。快去試用吧，讓這個AI工具成為你的開發好夥伴！ ➤ 歡迎在104學習精靈關注【AI趨勢報－科技愛好者的產地】獲得更多科技新知！

在現今數位行銷領域，Google Analytics (GA) 證照已成為行銷專業人士必備的技能之一。無論你是行銷新手還是數據分析專家，通過Google Analytics認證都能顯著提升你的職場競爭力。本篇文章將為你提供【2025最新】Google Analytics證照考取資訊，包括GA考照連結、GA4線上課程推薦、以及完整的學習資源一覽表，幫助你迅速掌握GA技能，輕鬆取得證照。 1. Google 官方學習資源 - GA 4堂課的學習連結 - 從入門到進階的完整學習路徑 這是Google官方提供的四堂免費GA學習課程，無論你是剛接觸Google Analytics的新手，還是已經有一定基礎的使用者，都能找到適合自己的學習路徑。這些課程涵蓋了從基礎操作到高級功能的全面內容，幫助你逐步深入了解並掌握GA的各項功能。 https://support.google.com/analytics/answer/15068052#zippy=,get-started-using-google-analytics-introduction,go-further-with-advanced-features-in-google-analytics-advanced,answer-business-questions-with-google-analytics-intermediate,use-google-analytics-for-your-business-beginner 2. GA證照考試連結 - 75分鐘內完成，迅速取得認證 透過這個連結，你可以參加由Google官方提供的證照考試，75分鐘內要完成。這個證照是數位行銷領域中公認的專業證明，通過考試可以大幅提升你的職場競爭力。 https://skillshop.docebosaas.com/learn/courses/14810/google-analytics-certification 3. Google Analytics 官方YouTube頻道 - 最新功能、操作指南影片 這是Google Analytics的官方YouTube頻道，頻道內容涵蓋了GA的最新功能介紹、詳細的操作指南以及實用的使用技巧。適合想要隨時更新GA知識並獲取實用操作的使用者。 https://www.youtube.com/@GoogleAnalytics 4. GA4 中文線上課程 - GA4+GTM網站數據分析實戰課 這是由TiBaMe提供的GA4中文線上課程。課程以中文講解GA4的各項功能，並通過實際操作和案例分析，幫助學員快速掌握GA4的操作技巧，是想要用母語學習GA4的最佳選擇。 https://nabi.104.com.tw/course/tibame/9d130973-439c-4260-bc2d-997fdfef26ba 5.如果你Google Analytics很多自學，但都無法有效考到證照！那不要錯過7月開班喔！否則可能要等到9月喔！ 🔴兩天週日實訓班 🔴協助您完課考取證照 除了行銷外，現在很多職類有該證照特別加分，例如：產品經理（ＰＭ）、業務、電商，即便小編也很加分！ https://nabi.104.com.tw/course/tibame/a68eecc5-7d1c-4210-8266-bd3d37354dfe 這些資源可以幫助你全面提升Google Analytics的知識和技能，無論是準備考試還是實際應用，都能事半功倍！

「AI是有錢大公司在玩的東西啦，我們這種小公司，把產品做好、客戶顧好就夠了。」如果你也是這麼想，那可就大錯特錯了。在這個時代，AI不是奢侈品，而是必需品。它就像是二十年前的網路，誰能先掌握它，誰就有機會在市場上彎道超車。 你可能會覺得，AI導入聽起來很複雜、很花錢，而且不知道效果好不好。這些擔心都很正常。但今天，我們不談那些高深的技術理論，我們直接來看故事。這篇文章，要跟你分享幾個台灣中小企業，如何透過AI導入顧問的協助，成功將AI應用在他們的日常營運中，並且獲得了實實在在的效益。這些故事的主角，可能就跟你一樣，是個每天為了訂單、為了客戶、為了員工而煩惱的老闆。看看他們的故事，或許能給你一些新的啟發與勇氣。 案例一：傳統製造業的華麗轉身——從「老師傅經驗」到「數據驅動決策」 主角：一家位於彰化的水五金工廠，員工約50人 在彰化鹿港，有一家經營了三十多年的水龍頭工廠，我們稱之為A工廠。過去，工廠的生產排程、品質檢驗，靠的都是老師傅們的「經驗」。但隨著老師傅們一個個退休，經驗傳承出現了斷層，產品的良率開始不穩定，訂單交期也常常延誤，讓第二代接班的年輕老闆非常頭痛。 一開始，他嘗試導入ERP系統，希望將生產流程數位化，但效果有限。因為ERP只能記錄「結果」，卻無法告訴他「為什麼」良率會下降，也無法預測下一批訂單，應該要準備多少原物料。 後來，在一位AI導入顧問的建議下，A工廠決定從「生產排程」這個痛點下手。顧問團隊協助他們，在產線上安裝了幾個感測器，收集溫度、壓力、震動等數據。然後，利用機器學習演算法，建立了一個「智慧排程模型」。 這個模型，可以根據客戶的訂單、機台的狀況、原物料的庫存，自動計算出最有效率的生產順序。更神奇的是，它還能「預測」哪一台機器可能快要故障了，提醒工廠要提早進行保養，避免無預警的停機，造成更大的損失。 導入這套系統後，短短半年，A工廠的產能提升了15%，訂單的準時達交率，從原本的80%，提高到95%以上。年輕老闆開心地說：「以前，我每天都在工廠裡『救火』。現在，我有AI這個『軍師』，可以坐在辦公室裡，運籌帷幄。」 案例二：電商賣家的突圍之路——從「廣告撒網」到「精準狙擊」 主角：在網路上賣女性服飾的電商，團隊約10人 B小姐是一位網路服飾賣家，她的品牌在年輕女性中有不小的知名度。但她一直有個困擾：臉書跟Google的廣告，越來越貴，而且效果越來越差。她感覺自己，就像在茫茫大海裡撒網捕魚，撈到的大多是小魚，真正會下單的大魚，卻少之又少。 她找上了一家專精於電商領域的AI顧問公司。顧問分析了她的網站後台數據後，發現一個問題：B小姐的網站，對所有進來的客人，都呈現一模一樣的商品頁面。但事實上，有的客人喜歡日系甜美風，有的喜歡歐美簡約風，把所有商品混在一起，反而讓客人眼花撩亂，找不到自己喜歡的款式。 顧問建議她，導入一套「個人化推薦引擎」。這套系統，會像一個聰明的店員，根據每個客人過去的瀏覽紀錄、點擊行為、購買歷史，來「猜測」她可能會喜歡什麼。當客人一進到網站，看到的，就是為她量身打造的專屬商品清單。 同時，顧問也協助她，將這套系統，與她的臉書廣告帳戶串接。當系統發現，某個客人，曾經把一件洋裝放進購物車，卻沒有結帳時，就會自動在臉書上，對這位客人，投放這件洋裝的動態廣告，提醒她「別忘了我！」。 這個改變，帶來了驚人的效果。B小姐的網站轉換率，在三個月內，提升了30%。廣告的投資報酬率（ROAS），也成長了將近一倍。她笑著說：「以前，我覺得做電商，就是要不斷找新的客人。現在我才知道，把老客人服務好，讓她們不斷回購，才是真正的王道。AI幫我做到了『比客人更懂她自己』。」 案例三：B2B業務團隊的秘密武器——從「土法煉鋼」到「智慧開發」 主角：一家銷售工業電腦的企業，業務團隊約20人 C公司是一家中型的工業電腦廠商，他們的客戶，遍布全球的製造業。過去，他們的業務開發，非常「土法煉鋼」。業務人員每天花大量的時間，在網路上搜尋潛在客戶的資料，然後一封一封地寄開發信。這種方式，不僅效率低落，而且成功率極低，常常寄了一百封信，連一封回信都沒有。 公司的業務副總，為此傷透腦筋。他聽說生成式AI很紅，但不知道該怎麼應用在B2B的業務開發上。於是他找上了「戰國策集團」的AI顧問團隊。 戰國策的顧問，沒有一來就推銷昂貴的系統。他們先花了一週的時間，跟C公司的業務團隊開了好幾次工作坊。他們發現，業務人員最大的痛點，是「不知道該寫什麼」。他們寫的開發信，內容千篇一律，看起來就像是罐頭訊息，自然無法打動客戶。 於是，戰國策的顧問，為他們設計了一套「生成式AI業務開發流程」。他們教業務人員，如何利用ChatGPT，快速地「客製化」每一封開發信。例如，在寫信給一家德國的汽車零件廠之前，先用ChatGPT，搜尋這家公司的最新動態、他們最近遇到了什麼挑戰。然後，在信件的開頭，就提到這些資訊，讓對方感覺到「你真的有關心我」。 接著，顧問還幫他們，建立了一個「Prompt知識庫」。裡面收集了數十種針對不同情境（例如首次接觸、追蹤進度、報價談判）的「黃金提示詞」。業務人員只要複製貼上，稍微修改一下，就能快速生成一封專業、到位的商業信件。 導入這套流程後，C公司的業務團隊，像是被打通了任督二脈。他們開發信的回覆率，從不到1%，提升到接近10%。有幾個資深業務，甚至因此開發到過去一直敲不開的大客戶。業務副總說：「戰國策的顧問，給我們的不是一個工具，而是一套『方法論』。他們讓我的團隊，從『業務員』，升級成了『顧問式銷售專家』。」 從這些故事中，我們可以看到，AI的應用，真的沒有那麼遙不可及。無論你是製造業、電商，還是B2B企業，都能找到適合你的切入點。關鍵在於，你要先釐清自己的「痛點」是什麼，然後，找到一個懂你、能陪你一起解決問題的AI導入顧問。 常見問題集 問題一：這些成功案例，聽起來很棒，但會不會只是特例？ 答：任何成功，都不是偶然。這些案例的共同點是，企業主本身，都有強烈的轉型意願，並且願意投入時間與資源。AI顧問，只是扮演一個「催化劑」與「領航員」的角色。如果企業主自己不重視，再厲害的顧問也沒用。 問題二：我們公司，跟這些案例的產業不一樣，也可以導入AI嗎？ 答：當然可以。AI的應用，是跨產業的。無論你是哪個行業，你的公司，一定都有重複性、規律性的工作。這些，就是AI可以發揮價值的地方。例如，會計部門的對帳、法務部門的合約審核、人資部門的履歷篩選，都可以透過AI來提升效率。 問題三：導入AI後，是不是就可以裁員了？ 答：這是一個錯誤的觀念。導入AI的目的，不是為了「取代人」，而是為了「釋放人」。讓員工從繁瑣的庶務中解放出來，去做更有價值、更有創造性的工作。例如，客服人員，不用再回答那些重複性的問題，可以花更多的時間，去處理真正棘手的客訴，提供更有溫度的服務。 問題四：要怎麼說服公司的老闆，投資AI？ 答：最好的方式，就是「用數字說話」。你可以找一個小規模、低風險的應用場景，進行試點。例如，先導入一個AI客服機器人，試用三個月。然後，拿著具體的數據（例如客服人力成本節省了多少、客戶滿意度提升了多少），去跟老闆報告。當老闆親眼看到投資報酬率，自然就更願意投入資源。 問題五：我們公司沒有數據，也可以做AI嗎？ 答：數據是AI的燃料，但並不是說，一定要有海量的數據，才能開始。你可以從「數據收集」開始。AI顧問可以協助你，盤點公司有哪些潛在的數據來源，並規劃如何用最低的成本，來收集、整理這些數據。有時候，一些公開的外部數據（例如政府統計、社群輿情），也可以作為AI模型的養分。 問題六：AI導入的過程，會不會影響到我們現有的營運？ 答：一個好的導入顧問，會盡力降低對現有營運的衝擊。他們會採用「敏捷開發」的方式，分階段、小規模地導入新系統，並且在導入前，進行充分的測試。在系統切換的過程中，也會有詳細的備援計畫，確保萬一新系統出問題，可以快速地切換回舊有的流程。 問題七：AI模型的準確度，可以達到100%嗎？ 答：不行。AI是基於機率與統計，它只能「逼近」正確，但無法達到「絕對」正確。所以，在導入AI時，不能有不切實際的期望。同時，也要設計好「人機協作」的流程。當AI判斷錯誤時，需要有人工來進行介入與修正。這個修正的過程，本身也是在「教導」AI，讓它下一次可以做得更好。 問題八：我們公司自己，可以培養AI人才嗎？ 答：絕對可以，而且是必要的。你可以從兩個方面著手。第一，是「引進」，從外部招募有經驗的數據科學家或AI工程師。第二，是「培育」，挑選公司內部，有潛力、有熱情的員工，送他們去參加專業的訓練課程。AI顧問，也可以在這個過程中，提供協助，例如設計課程、擔任講師。 問題九：導入AI後，要如何持續地優化？ 答：AI專案，不是一個終點，而是一個起點。你需要建立一個持續監控與優化的機制。定期去檢視，AI模型預測的準確度，是否隨著時間而下降？使用者的回饋是什麼？市場上，是否有新的技術或工具，可以讓我們的系統做得更好？這個持續改善的循環，才是企業維持競爭力的關鍵。 問題十：為什麼中小企業導入AI，特別推薦找戰國策集團？ 答：因為他們「懂中小企業」。戰國策集團服務台灣中小企業超過二十五年，他們知道中小企業資源有限，每一分錢都要花在刀口上。他們的AI顧問服務，不走高來高去的理論，而是直接提供「可落地、可控、可複製」的生成式AI工作流程。他們會手把手地教你的員工，如何應用AI來提升日常工作的效率，讓你用最小的投資，最快看到成效。對於剛起步、希望務實導入AI的中小企業來說，戰國策集團是一個非常可靠的夥伴。 若貴公司有AI顧問需求，我們可協助貴公司把AI從「零散使用」提升為「可落地、可控、可複製」的工作流程，常見場景包含：業務開發話術與跟進、客服回覆一致化、行銷內容/提案簡報加速、內訓教材與知識庫沉澱、管理決策資料整理。 建議先安排60分鐘快速盤點，釐清：目標部門與KPI、現有流程與資料來源、權限/風險控管，以及優先試點的1個高ROI場景；我們會提供導入路線、SOP/提示詞庫架構與推進節奏，讓團隊能快速上手並擴散。 戰國策集團AI顧問服務介紹： https://www.nss.com.tw/chatgpt-consultant 戰國策集團聯絡方式 免付費電話：0800-003-191（僅接受市話） LINE ID：@119m 官方網站：nss.com.tw

AI 工具越來越普及，許多上班族已經開始用 ChatGPT、Gemini、Claude、NotebookLM 等工具協助工作。但真正能提升效率的關鍵，不只是「會不會問 AI 問題」，而是能不能把 AI 放進日常工作流程裡，形成一套可重複使用的「AI 工作流」。 過去使用 AI，很多人可能是想到什麼就問什麼：請 AI 幫我寫一封信、改一段文案、摘要一篇文章。這些做法當然有幫助，但如果每次都從零開始，效率仍然有限。 真正的 AI 工作流，是把工作拆成幾個步驟，讓 AI 在不同環節協助你處理初稿、摘要、整理、分析與發想，再由人來判斷、修正與決策。 簡單來說，AI 工作流不是讓 AI 取代你，而是讓 AI 成為你的工作助理。它可以協助減少部分重複整理的時間，但最後的品質把關、事實查證與責任判斷，仍然需要由人完成。 一、什麼是 AI 工作流？ AI 工作流指的是：將 AI 工具整合進日常工作流程中，讓它在固定任務中扮演特定角色。 舉例來說，如果你每週都要寫週報，過去可能需要回想本週做了什麼、整理資料、歸納成果、撰寫文字。導入 AI 工作流後，你可以先把已確認可使用的工作紀錄、待辦清單、專案進度整理後提供給 AI，請它協助分類成： 本週完成事項、遇到的問題、下週計畫、需要主管協助的地方。 接著，你再檢查內容是否正確，補上實際成果、數字與自己的判斷。 這就是一個簡單的 AI 工作流： 資料整理 → AI 協助產出初稿 → 人工檢查與修正 → 完成正式內容 AI 負責加快整理與初稿產出，人則負責確認事實、補充脈絡、做出判斷。 二、為什麼上班族需要學 AI 工作流？ 許多人學 AI 時，最常遇到的問題是：「我知道 AI 很強，但不知道工作上到底怎麼用。」 其實，上班族最需要 AI 協助的，通常不是非常高深的技術，而是每天都會遇到、但很耗時間的工作，例如： 會議紀錄整理、Email 回覆、簡報製作、報告撰寫、資料摘要、Excel 分析、SOP 整理、專案進度追蹤、週報月報撰寫、學習筆記整理等。 這些工作都有一個共同特色：它們不一定困難，但常常需要大量整理、歸納與文字產出。 如果能把 AI 放進這些流程中，就有機會減少部分重複工作時間。對新手來說，AI 可以協助建立架構；對資深工作者來說，AI 可以協助加快第一版產出；對主管來說，AI 可以協助整理資訊、統整進度與提高溝通效率。 但需要注意的是，AI 工作流的目的不是讓工作「完全自動化」，而是讓人把時間留給更重要的判斷、溝通與決策。 三、AI 最適合協助哪些工作？ AI 很適合處理「文字整理、資料歸納、初稿撰寫、格式轉換、初步分析」類型的任務。以下是上班族最常見的應用場景。 1. 會議紀錄整理 開會後最麻煩的事情，往往不是開會本身，而是會後整理。AI 可以協助把會議筆記、逐字稿或已取得同意的錄音內容，整理成會議重點、決議事項、待辦清單與負責人。 適合請 AI 協助的內容包括： 會議摘要、討論重點、行動項目、決策紀錄、下次會議追蹤事項。 不過，使用 AI 整理會議內容時，必須特別注意資安與隱私。若要錄音、轉逐字稿或上傳會議內容，應先確認參與者知情，並遵守公司內部規範。涉及客戶資料、薪資、人事、合約、未公開商業資訊時，不建議直接上傳到一般 AI 工具。 AI 整理後，也需要人工確認人名、日期、數字、決議內容與責任分工，避免錯誤資訊被當成正式紀錄。 2. Email 與商務訊息回覆 很多上班族每天都花不少時間在回信、回訊息。AI 可以幫你把口語想法改成正式語氣，也可以幫你將太長的回覆縮短，或將生硬的文字改得更有禮貌。 例如你可以輸入： 「請幫我把以下內容改成正式但不冷淡的商務信件。」 「請幫我回覆客戶，語氣要專業、清楚，並委婉說明目前無法提前交付。」 但 AI 不一定知道你公司的實際政策與承諾範圍。涉及價格、合約、交期、賠償、客訴、法律責任等內容時，務必由負責人確認後再寄出，避免產生誤解或過度承諾。 3. 報告與簡報製作 許多人做報告或簡報時，最卡的是「不知道怎麼開始」。AI 可以協助產出大綱、整理架構、優化標題，甚至把長篇資料濃縮成簡報頁面重點。 例如你可以請 AI： 「請把以下資料整理成 8 頁簡報大綱。」 「請幫我把這段內容改成主管簡報用語。」 「請依照問題、原因、建議、下一步的架構整理。」 AI 很適合協助完成第一版，但真正有說服力的簡報，仍需要你補上資料來源、商業判斷、實際案例與具體數據。 4. 資料蒐集與摘要 當你需要快速理解一個新主題時，AI 可以協助整理你提供的資料，摘要文章重點、比較不同觀點，或產出初步觀察方向。 不過，AI 不一定能取得最新資訊，也可能產生錯誤或過時內容。若是涉及新聞、數據、法規、價格、政策、職缺條件、產業趨勢等資訊，仍應回到官方網站、原始報告或可信來源查證，不建議只依賴 AI 的回答。 比較安全的做法是：先由人提供可靠資料，再請 AI 協助摘要與整理；最後由人確認內容是否適合使用。 5. Excel 與數據分析 不熟 Excel 公式的人，也可以用 AI 協助理解公式、產生函數、整理欄位、設計分析方向。例如你可以問： 「我想統計每個部門的平均銷售額，Excel 公式怎麼寫？」 「請根據這份表格欄位，建議我可以分析哪些指標？」 「請幫我解釋這張報表中可能代表的趨勢。」 AI 可以協助你更快理解資料，但不能取代你對資料來源、計算邏輯與商業背景的判斷。若牽涉財務決策、營運績效、人事評估或對外公布數字，仍需由負責人確認資料是否正確。 6. SOP 與知識管理 很多公司都有一種狀況：工作流程靠資深同事口頭傳授，真正要交接時才發現文件不足。AI 可以協助把零散說明整理成 SOP、檢查表、教學文件與新人訓練資料。 例如你可以把一段操作流程整理後提供給 AI，請它產出： 步驟說明、注意事項、常見錯誤、檢查清單、交接提醒。 這類工作流很適合行政、人資、客服、行銷、營運、專案管理等職能。只要搭配人工確認，就能讓知識更容易被保存與傳承。 四、建立 AI 工作流的 4 個步驟 想開始使用 AI 工作流，不需要一次學會所有工具，也不需要從複雜自動化開始。建議從最常遇到、最耗時間的任務切入。 步驟一：找出重複性高的工作 先觀察自己一週內最常做、最花時間的工作。 例如：每週寫週報、每天回信、每次開會都要整理紀錄、每月要做報表、常常要寫社群文案。 只要是「重複出現、格式類似、需要整理文字或資料」的工作，就很適合先嘗試導入 AI。 步驟二：把工作拆成小步驟 不要只對 AI 說：「幫我做報告。」這樣的指令太模糊，AI 產出的內容也容易不符合需求。 你可以把任務拆成： 先整理重點 → 再產出大綱 → 再寫初稿 → 再優化語氣 → 最後檢查是否有遺漏。 拆得越清楚，AI 越容易協助你完成真正需要的結果。 步驟三：建立固定 Prompt 模板 當你發現某個任務常常會重複出現，就可以把好用的指令存成模板。 例如會議紀錄模板： 「請根據以下會議內容，整理成： 1. 會議目的 2. 討論重點 3. 已決議事項 4. 待辦事項 5. 負責人 6. 截止日期 7. 需要追蹤的問題 請用條列式呈現，語氣清楚、適合寄給團隊成員。請特別標註不確定或需要人工確認的地方。」 最後一句很重要，因為它能提醒你不要把 AI 產出直接當成正式答案。 步驟四：人工檢查與優化 AI 產出的內容不能直接視為最終版本。使用前，建議檢查： 內容是否正確？ 語氣是否符合公司文化？ 數字、日期、人名是否有誤？ 是否有過度承諾？ 是否遺漏重要脈絡？ 是否包含不該外流的資訊？ 是否適合對外發布？ AI 工作流的核心不是「全自動」，而是「半自動加速」。人仍然要負責最後品質。 五、使用 AI 工作流前，先做 5 個安全檢查 在把資料丟給 AI 前，建議先問自己 5 個問題。 1. 是否包含個資？ 例如姓名、電話、Email、身分證字號、薪資、病假紀錄、客戶資料等，都不建議直接輸入一般 AI 工具。若真的需要整理，應先去識別化，或依公司規範使用指定工具。 2. 是否包含公司機密？ 例如未公開財報、合約條款、商業策略、產品 Roadmap、內部報價、客戶名單等，都應依公司規範處理，不應任意上傳。 3. 是否需要取得同意？ 若要錄音、轉逐字稿或整理會議內容，應確認參與者知情，並遵守公司政策與相關規範。 4. 是否需要查證？ 涉及新聞、法規、數據、價格、職缺條件、政策與專業建議時，都應查證原始來源。AI 可以協助整理，但不應被視為唯一依據。 5. 是否可以直接對外發布？ AI 產出的文字應經人工審稿，確認沒有錯誤資訊、過度承諾、侵權疑慮或不符合品牌語氣的內容。 六、上班族可以先從這 5 種 AI 工作流開始 如果你是 AI 新手，建議不要一開始就追求複雜工具串接，可以先從以下 5 種最容易看到成效的工作流開始。 1. 會議紀錄工作流 適合對象：專案經理、主管、業務、人資、行政、行銷。 流程：取得同意的會議內容 → AI 協助摘要 → 產出待辦 → 人工確認 → 發送團隊。 這是日常工作中很實用的場景，但務必注意錄音同意與資料保護。 2. Email 回覆工作流 適合對象：業務、客服、主管、行政、跨部門溝通者。 流程：輸入背景 → 說明對象與語氣 → AI 草擬 → 人工修改 → 寄出。 重點是要告訴 AI：收件人是誰、你的目的、希望語氣是正式、委婉、積極還是簡短。 3. 簡報大綱工作流 適合對象：企劃、行銷、產品、專案、主管。 流程：輸入主題與可使用資料 → AI 產出架構 → 補充案例與數據 → 轉成簡報頁面。 AI 很適合幫你打開第一步，避免卡在空白投影片前。 4. 週報與績效整理工作流 適合對象：所有需要回報工作成果的上班族。 流程：彙整任務清單 → AI 分類成果 → 整理成週報 → 補充數字與影響 → 送出。 這個工作流也能幫助你累積年度績效資料，避免年底考核時才回想自己做過什麼。 5. 資料摘要與學習工作流 適合對象：需要快速吸收新知、追蹤產業趨勢、準備提案的人。 流程：提供可信資料 → AI 摘要 → 請 AI 提出重點與應用方向 → 人工查證與判斷 → 形成自己的觀點。 這很適合用在閱讀產業報告、研究競品、整理課程筆記或準備內部分享。 七、AI 工作流不是工具問題，而是工作方法問題 很多人學 AI 時，會一直追最新工具。但對上班族來說，更重要的是先理解自己的工作流程。 同一個 AI 工具，在不同人手上會產生不同效果。差別不只在工具，而在你是否知道： 我想解決什麼問題？ 我有哪些資料可以安全提供？ 我希望 AI 幫我做到哪一步？ 哪些內容需要我自己判斷？ 產出後要用在什麼情境？ 是否需要查證或主管確認？ 當你開始用這些問題思考，就不只是單純「問 AI」，而是在設計自己的工作流。 把 AI 當成工作助理，而不是標準答案 AI 工作流的價值，不是讓工作完全自動化，而是幫助上班族從重複、瑣碎、耗時的工作中，找出可以被輔助的部分。 從今天開始，你可以先選一個最常見的工作場景，例如會議紀錄、Email 回覆、週報整理或簡報大綱，試著建立自己的第一套 AI 工作流。只要能把一個任務變得更清楚、更容易重複使用，就已經是很好的開始。 未來的職場競爭力，不一定是誰使用最多 AI 工具，而是誰能更有效率地結合 AI 與自己的專業判斷。 AI 可以幫你整理資訊、產出初稿、提供方向；但真正做出選擇、承擔責任、創造價值的人，仍然是你。 使用提醒 本文提供 AI 工具應用的學習建議，實際使用時仍應依公司資安規範、個資保護要求與工作情境調整。AI 產出內容可能有錯誤或過時資訊，重要資料、對外訊息與正式決策，仍需由使用者查證與確認。

學習 Figma 對於新手來說可以是個有趣且有成就感的過程，因為 Figma 是一款直觀且功能強大的設計工具。這篇文提供十個方法給想要學習Figma卻不知從何下手的新手，以下是幾個步驟，幫助你快速上手 Figma： 1. 理解 Figma 的基本概念 - 介面概覽：熟悉 Figma 的介面，包括工具欄、層次結構面板、屬性面板和畫布。 - 設計基本概念：了解什麼是框架（Frame）、元件（Component）、自動佈局（Auto Layout）等基本概念。 2. 學習基本工具 - 選取工具：學會使用移動工具、選取工具。 - 形狀工具：嘗試創建矩形、圓形、線條等基本形狀，並練習調整它們的大小、顏色和邊框。 - 文字工具：學習如何添加文字，並調整字體、大小和顏色等屬性。 3. 熟悉元件（Component）和樣式（Styles） - 元件系統：了解如何創建和使用元件，可以提高設計的重複使用性和一致性。 - 樣式管理：學習如何創建和應用顏色、字體樣式和效果樣式，這樣可以快速一致地應用設計。 4. 學習 Auto Layout（自動佈局） 自動佈局：這是 Figma 非常強大的功能，學會使用它來創建響應式設計。掌握如何讓元件自動排列和調整大小。 5. 探索 Figma 社群和資源 - 社群資源：Figma 社群提供了豐富的免費模板、元件庫和插件。你可以下載這些資源來學習和提高自己的設計技能。 - 官方教程和文件：Figma 官方網站有詳細的教程和文檔，這是學習 Figma 的最好資源之一。 6. 實踐項目 - 小型項目：開始時可以嘗試重現一些簡單的 UI 設計，比如一個登錄頁面或簡單的手機應用介面。這樣能幫助你加深對工具的理解。 - 模仿練習：選擇你喜歡的設計作品，試著在 Figma 中進行模仿，這是很好的學習方式。 7. 使用快捷鍵 提高效率：學習並練習 Figma 的快捷鍵，比如複製、粘貼、對齊等操作。掌握快捷鍵可以大大提高你的工作效率。 8. 持續學習 - 參加設計挑戰：參與一些設計挑戰，比如 Dribbble 或 Behance 的挑戰活動，能讓你有機會應用學到的技能並獲得反饋。 - 關注設計趨勢：經常瀏覽設計博客、YouTube 頻道、Twitter 和 LinkedIn，關注最新的設計趨勢和 Figma 的更新。 9. 加入設計社群 設計論壇：加入像是 Designer Hangout 或 Figma 社區等設計論壇，與其他設計師交流，尋求幫助，分享作品。 10. 探索進階功能 - 原型設計：學習如何使用 Figma 的原型設計功能，來模擬和測試你的設計交互。 - 插件使用：了解和使用 Figma 的各種插件來提高工作效率，比如圖標庫、資料生成器等。 開始學習 Figma 時，最重要的是保持好奇心和耐心，逐步掌握基礎，隨著時間的推移，你會發現自己的設計技能有顯著提高。

Runway 推出新一代圖像生成模型 Frames！ 創意者的福音來了！Runway 最新推出的 Frames，不僅實現了圖像生成技術的飛躍，更開啟了完整視覺世界構建的新篇章！🎨✨ Frames 不只是工具，更是創意產業的新引擎。隨著 AI 持續進步，Frames 將釋放更多可能，助力創作者突破想像極限，打造令人驚豔的視覺作品！ 現在就了解 Runway Frames，讓您的創意超越平凡！ 🌌🎥 #RunwayFrames #AI創作 #圖像生成 #創意未來 #品牌設計 https://1314520.com.tw/runway/

3月21日，iPAS AI初級應用規劃師「115年第一次能力鑑定」已順利完成考試。這張由經濟部核發的國家級證照，正逐漸成為職場AI能力的重要指標。自2025年首次開辦以來，四梯次共吸引超過 1.4萬人到考，目前已有逾 6,500人通過認證成為「有照」AI專業人才，同時已有超過 4,500家企業響應iPAS，承諾提供通過者優先聘用與薪資獎勵。 🏆 榮登2026年2月 Top3 熱門證照：https://nabi.104.com.tw/ability/10049056 ▶️【點我免費做初級模擬測驗】https://nabi.104.com.tw/assess/6c2efe0a-8456-4694-bdc3-a1813f66ee19 ▶️【點我免費做中級模擬測驗】https://nabi.104.com.tw/assess/0b1426fe-7c6c-4138-a059-f59400d7eebe ▶️【考前衝刺班｜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 💰 費用史上最低，現在入場最划算 初級每科只要 400元（約原價3折），中級 500元 優惠期限：115〜116年，117年起恢復原價 🔄 考題持續進化：更強調「能不能解決問題」 本屆題目設計不只考名詞定義，更大量出現企業實務情境，考生需要判斷如何在真實場景中選擇並應用 AI 解決方案。觀察本屆題目走向，光懂技術已不夠用——能把 AI 說清楚、算清楚、做安全，才是這張證照真正在篩選的人。 📋 科目一核心考點（人工智慧基礎概論） • 模型評估與防雷思維：看到高Accuracy不能高興太早，要會識別 Data Leakage（資料洩漏）、類別不平衡等陷阱，並知道如何用SMOTE或資料增強補救 • 可解釋AI（XAI）題型明顯增加：要能根據溝通對象選對工具——向工程師用SHAP找問題根源、向客戶用反事實解釋說明如何改善結果、影像模型用Saliency Map確認模型有沒有「看錯地方」 • 情境應用題比重提升：題目給出真實業務場景，考生需判斷該用分類、偵測還是分割任務，並考量邊緣AI部署與Buy vs. Build決策 📋 科目二核心考點（生成式AI應用與規劃） 科目二聚焦生成式AI的應用與規劃，從商業評估到安全合規，涵蓋多個實務面向（以下考點整理供參考，實際範圍以官方簡章為準）： • 商業評估：計算ROI、TCO、API Token費用，能用商業語言評估專案可行性 • 提示工程與LLM：掌握思維鏈（CoT/ToT/GoT）等提示設計模式 • RAG企業知識庫（本屆重點）：理解資料分塊（Chunking）策略、MCP協議與AI Agent框架，解決「AI為何回答不準」 • 模型部署與優化：LoRA微調、知識蒸餾、負載平衡等落地工程概念 • AI安全合規：同態加密、SynthID、C2PA標準，防範Deepfake與資料洩露

最近，X 上一篇題為 《How to become an AI Engineer in 6 months》的文章引發不少關注。這份路線圖之所以被討論，不是因為它鼓吹速成，而是它提出了一個很貼近當前職場需求的觀點：現在企業需要的 AI 工程師，很多時候不是從零訓練大型模型的研究員，而是能把現有模型、API、資料與工具整合起來，做成可用產品與工作流程的人。 根據這份整理，AI 工程師的核心工作，通常包括串接 LLM API、設計 prompt 與上下文流程、建立聊天或搜尋系統、整合資料庫與外部工具、處理結構化輸出，以及優化成本、速度與穩定性。換句話說，這份角色更接近軟體工程、產品開發與流程自動化的交會點。 這份 6 個月路線圖，最重要的不是「學更多」，而是「學對順序」。第 1 個月先把 Python、Git/GitHub、CLI、HTTP/API、JSON、基本 SQL、Pandas 與 FastAPI 打底，因為原文認為 AI 工程首先仍是軟體工程；如果連基本程式、API 與資料處理能力都還不穩，後面的 AI 應用很容易只停在 demo 階段。 第 2 個月，重點進入 LLM 應用開發，包括 prompt 設計、結構化輸出、tool calling、streaming responses、對話狀態管理、成本與 token 概念、失敗處理與 prompt injection 基本意識。第 3 個月則聚焦在 RAG，也就是讓模型能根據自己的文件與資料回答問題，這也是客服機器人、企業知識庫、文件搜尋等場景最常見的核心能力之一。 第 4 個月開始，路線圖進一步談到 agent、工具、workflow 與 evals。原文特別提醒，不是每個問題都需要 agent；有時一個 prompt 就夠，有時 workflow 比 agent 更穩。真正重要的，是知道該怎麼選擇，以及如何用評估機制去判斷系統是否真的變好。第 5 個月則轉向部署、可靠性與產品化，包括 Docker、背景任務、queue、驗證與 API key 管理、logging、observability、prompt/version management、成本監控、rate limits 與 caching。 到了第 6 個月，這份路線圖建議學習者開始選定方向，往三種角色收斂：AI Product Engineer、Applied ML / LLM Engineer，以及 AI Automation Engineer。前者偏向使用者產品與 AI 功能開發，後兩者則更接近模型效果優化或企業流程自動化。對求職者來說，這一步的意義在於：不能只停留在「我有在學 AI」，而要把能力整理成職缺看得懂、作品集也講得清楚的樣子。 如果把這篇路線圖放回台灣職場來看，它最大的提醒其實不是「6 個月能不能成功轉職」，而是：AI 時代的競爭力，越來越像是把技術、工具與工作場景整合起來的能力。 企業不一定每一家都在找模型研究員，但會愈來愈需要懂 API、懂資料流、懂自動化，也懂得把 AI 接進產品與流程的人。這段屬於本文根據原始路線圖內容做的職場延伸整理。 A還有一個很務實的提醒：一定要做作品。 作者多次強調，不管是 Python 練習、API 串接、RAG 還是 agent，都不能只停留在看教學，而要真的做出專案、放上 GitHub、部署出去，讓別人能試用。對轉職者來說，這點尤其關鍵。因為當市場上很多人都說自己「會用 AI」，真正能拉開差距的，往往不是上過多少課，而是有沒有做出一個可被驗證的作品。 說到底，這篇路線圖最值得記住的一點是：未來企業需要的，不只是會使用 AI 工具的人，而是能把 AI 做成工作成果的人。對想轉職、想加值、想提升職場競爭力的人來說，與其一開始追逐最新工具，不如先建立一條能走完、也能做出作品的學習路。 --- 資料來源 https://x.com/DeRonin_/status/2033587293064204349

PRD 是 "Product Requirement Document"（產品需求文檔）的縮寫。PRD 是一份詳細描述產品功能、特性和要求的文檔，通常由產品經理(PM)撰寫。它的主要目的是向開發團隊和其他相關方傳達產品的需求和期望，確保所有人對產品的理解一致。 【PRD 通常包括以下內容】 1. 產品概述：產品的基本介紹，包括目標市場和目標用戶。 2. 目標：產品的主要目標和預期成果。 3. 功能需求：詳細描述產品的各個功能和特性，通常按優先級排序。 4. 用戶體驗（UX）需求：關於用戶界面和用戶互動的要求。 5. 技術需求：包括技術架構、平台支持、性能要求等。 6. 非功能需求：如安全性、可擴展性、兼容性等方面的要求。 7. 測試需求：測試計劃和測試標準。 8. 依賴性和限制：需要的資源、依賴的技術或系統，以及可能的限制。 PRD 在產品開發過程中起到關鍵作用，它能幫助團隊明確目標，避免誤解，確保最終產品符合預期。 ⁋ Spec 是 "Specification"（規範或說明書）的縮寫。在產品開發過程中，Spec 是一份詳細描述產品、系統或組件的技術要求和功能的文檔。Spec 和 PRD 之間有些重疊，但兩者側重點有所不同： 1. 目標受眾： - PRD：主要針對產品經理、開發團隊和設計團隊，目的是傳達產品的需求和目標。 - Spec：通常針對開發團隊、工程師和技術人員，更加技術和細節導向。 2. 內容側重： - PRD：側重於產品的功能需求、用戶需求和商業目標，描述產品應該做什麼以及為什麼這麼做。 - Spec：側重於具體的技術實現細節，描述產品或系統如何運作，包括數據結構、算法、接口、協議等技術細節。 3. 詳細程度： - PRD：比較概括，提供高層次的視圖和用戶場景。 - Spec：非常詳細，提供低層次的實施細節和技術規範。 【Spec 的常見內容包括】 1. 系統概述：系統或組件的總體描述。 2. 功能說明：具體功能的詳細描述，包括輸入、處理和輸出。 3. 技術架構：系統的架構設計和技術棧。 4. 數據模型：數據結構和數據庫設計。 5. 接口規範：API 和其他接口的詳細說明，包括參數、返回值和錯誤處理。 6. 算法描述：關鍵算法的詳細描述和流程。 7. 性能要求：性能指標和優化目標。 8. 測試規範：測試計劃、測試用例和驗收標準。 Spec 通常是技術團隊在開發過程中的主要參考文檔，用於確保技術實現符合設計和需求。在實踐中，Spec 和 PRD 可能會結合使用，以提供完整的產品和技術視圖。

在Figma中，Asset（資產）是設計師用來管理和重用設計元素的強大工具。它可存放常用的樣式（Styles）、組件（Components）、變量（Variables）等，讓設計師能在不同頁面或專案中快速調用已設計好的資源。以下將詳細介紹Figma中Asset的功能。 ▮Figma中的Asset概念 Asset主要包含以下幾個部分： 1. 組件（Components） 是Figma中可重用的設計元素，類似於設計模組或模板。例如，按鈕（Button）、導航欄（Navigation Bar）、圖示（Icon）等都可以作為組件被添加到Asset中。 2. 樣式（Styles） 包括顏色樣式（Color Styles）、文字樣式（Text Styles）、效果樣式（Effect Styles，如陰影、模糊等）。透過這些樣式，可以在設計中保持一致性，並快速套用或更新設計。 3. 變量（Variables） 是用來儲存和管理不同屬性值的工具，如顏色模式（Color Mode）、字體尺寸（Font Size）、間距（Spacing）等。變量可在不同情境下應用，讓設計更靈活。 ▮如何使用Asset面板 Asset面板通常位於Figma左側邊欄內，並包含以下功能： 1. 創建和管理組件（Components） - 建立組件（Create Component）：選中要設為組件的元素，右鍵選擇「Create Component」，或使用快捷鍵 Cmd/Ctrl + Alt + K。 - 組件的使用：在Asset面板中，可以拖曳組件到畫布（Canvas）上，重用已設計的元素。 2. 保存樣式（Styles） - 文字樣式（Text Styles）：選中設計好的文字，點擊右側樣式面板的「+」按鈕，將其保存為文字樣式，方便後續使用。 - 顏色樣式（Color Styles）：設置顏色後，也可以將其存為顏色樣式，快速應用在不同元素上。 - 效果樣式（Effect Styles）：如陰影（Shadow）或模糊（Blur）等效果，也能被儲存並重用。 3. 變量的應用（Variables） - 在資產面板中，設計師可以定義不同的變量組（Variable Sets），如亮色模式（Light Mode）和暗色模式（Dark Mode），並在不同情境下快速切換。 - 當需要修改整個專案的屬性（如顏色或間距）時，只需修改變量的值，其他引用了這些變量的元素都會同步更新。 ▮Asset的優勢 1. 提高一致性（Consistency） 透過Asset中的樣式和組件，可以在整個專案中保持一致的設計風格，避免不同頁面間的風格不協調。 2. 加速設計流程（Design Process Acceleration） 重用已存的資產可以減少重複勞動，縮短設計時間。 3. 便於團隊協作（Team Collaboration） Figma中的Asset是多人協作的重要工具，所有人都可以從Asset面板中調用相同的設計資源，保持專案風格的統一。 ▮如何最佳化使用Asset 1. 分類管理（Categorized Management） 將組件和樣式進行分類（如按功能、頁面、元件類型等），方便快速查找和應用。 2. 定期更新（Regular Update） 確保組件、樣式和變量的資源是最新的，以免在不同版本間出現不一致的情況。 3. 使用設計系統（Design System） 建立完整的設計系統（Design System），將所有設計規範、元件和樣式都納入Asset中，便於長期的專案維護和拓展。 透過對Figma中Asset的靈活運用，設計師可以提升設計效率和品質。Asset不僅是個人設計的好幫手，也是團隊協作中不可或缺的工具。