104學習

什麼是 Google Stitch？用嘴巴就能「畫」出 App 的 AI 設計神器 🎨 傳統的網頁或 App 開發流程中，最耗時的就是「把想法變成視覺畫面」的階段。產品經理（PM）或創業者要先畫出密密麻麻的線框圖（Wireframe），再交給 UI 設計師精修，溝通成本高得嚇人。 Google 推出的 Stitch（stitch.withgoogle.com）就是為了徹底終結這個痛點。它是一套由 Google Gemini 驅動的 AI 原生設計畫布。 它最狂的地方在於：你不需要會畫畫，也不需要懂複雜的設計工具。 你只需要用簡單的文字（例如：「幫我做一個健身 App 的會員登入頁，要有進度條、深色模式」），甚至直接用說的（Voice Canvas 功能），Stitch 的 AI 設計助理就會「即時」在無限畫布上幫你把高質感的 UI 介面、互動原型（Prototype）直接生成出來。 為什麼你需要懂它？三大受眾的黃金應用價值 這款產品不是只給設計師用的，它真正的價值，是全面解放「非設計背景」的專業工作者： 1. 專業工作者 / 產品經理（PM）：告別靈魂畫手，溝通效率提高 10 倍 🧠 痛點： 腦中有很棒的產品想法，但每次畫出來的草圖都很像小學生作品，跟工程師或老闆溝通像在雞同鴨講。 Stitch 的價值： 以前開會前準備原型要花好幾天，現在你可以一邊和團隊討論，一邊對著 Stitch 下指令微調介面（「把按鈕變圓一點」、「這裡加上搜尋欄」）。Stitch 還能自動生成「點擊後的下一個邏輯畫面」，自動幫你把使用者旅程（User Journey）串起來。這讓 PM 在敏捷開發、Sprint 計畫時，能用最低的成本與團隊達成 100% 的視覺共識。 2. 求職 / 轉職者：履歷作品集「速成外掛」 🚀 痛點： 想轉職做產品經理（PM）、數位行銷或獨立開發者，但作品集裡沒有拿得出來的 App 或網頁原型。 Stitch 的價值： 它是轉職者展現「產品思維」的終極利器。你可以把你想做的 side project 想法餵給 Stitch，在幾分鐘內產出整套精美的 UI 介面。更厲害的是，它支援「一鍵匯出到 Figma（帶有命名圖層與自動佈局）」，甚至能產出 HTML/CSS 程式碼。在履歷上寫出自己能熟練運用 Google Stitch 進行敏捷原型設計，絕對會讓面試官眼睛一亮。 3. 外包接案者：用「超音速」提案，提高結案率與報價 💰 痛點： 客戶需求講得不清不楚，花幾天做好的提案不對客戶胃口，白白浪費時間。 Stitch 的價值： 在跟客戶初步諮詢時，你可以直接打開 Stitch，上傳客戶給的參考截圖或隨手畫的草圖（Stitch 支援草圖轉 UI 結構）。一邊講、一邊對著 AI 下指令，在 30 分鐘內現場把「設計雛形」做出來給客戶看。這種「即時回饋」的超專業提案力，不僅能讓你在競標中脫穎而出，更能直接把客戶的黏著度牢牢鎖定。 結語：AI 時代，懂「氛圍設計（Vibe Design）」才是贏家 在 Google Stitch 誕生後，設計的門檻已經被降到了最低。未來職場拉開差距的關鍵，不再是你會不會拉 Figma 的線條，而是你有沒有好想法，以及能不能用精準的邏輯引導 AI 產出你要的結果。現在就登入 stitch.withgoogle.com，開始用你的嘴巴「說」出你的第一個軟體設計吧！ Google Stitch https://stitch.withgoogle.com/

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

自學 Figma 這款強大的設計工具有很多資源和課程可以推薦，無論你是初學者還是有經驗的設計師，都可以透過以下提供的優質的自學資源和課程精進自我！ 【初學者課程】 1. Figma 官方資源 ✶ Figma 101: Figma 官方YouTube頻道 https://user206203.pse.is/64u6a9 ✶ Figma 速成班: Figma 提供的官方指南和文檔，幫助你快速上手。 2. Coursera ✶ Web Design for Everybody: Basics of Web Development & Coding: 提供了一個很好的起點，其中包括對 Figma 的介紹和使用。 https://www.coursera.org/specializations/web-design 3. Udemy ✶ Learn Figma - UI/UX Design Essential Training: 一個全面的入門課程，涵蓋 Figma 的基礎知識和實踐技巧。 https://user206203.pse.is/64u6gr 4. YouTube ✶ DesignCourse: 提供許多免費的 Figma 教學視頻，從基礎到進階都有。 【資源網站】 1. Figma 社區 Figma 社區提供了許多免費的設計模板、插件和教程，是一個豐富的資源庫。 2. Medium UX Collective: 有很多關於 Figma 的文章和教程，適合進一步提升設計技能。 https://uxdesign.cc/ 3. Dribbble Dribbble 上有許多設計師分享的 Figma 文件和作品，可以用來學習和參考。 https://dribbble.com/ 【自學建議】 ☛ 實踐為主：在學習理論的同時，多進行實踐練習。可以模仿一些知名設計師的作品，從中學習他們的技巧和設計思路。 ☛ 參加社群：加入 Figma 的線上社群，如 Slack 群組、Facebook 群組或論壇，與其他設計師交流，分享經驗和問題。 ☛ 持續學習：設計工具和趨勢不斷變化，保持對新技術和新方法的關注，不斷提升自己的設計水平。 希望這些資源能幫助你順利自學 Figma，成為一名出色的設計師！

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！

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。

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。

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。

近期，一款名為 FLUX.1 的開源 AI 繪圖模型在 AI 繪圖領域掀起了巨大的波瀾。由 Black Forest Labs 開發的 FLUX.1，不僅在生成效果上超越了市場上知名的 Midjourney V6.0 和 DALL·E 3，更重要的是，它還提供了免費的線上使用版本，讓所有人都能輕鬆體驗其強大的製圖能力。本文將詳細介紹 FLUX.1 是什麼，並為大家提供 FLUX.1 教學和功能解析，帶領大家了解這款強大的製圖 AI 工具。 ▍FLUX.1 是什麼？ FLUX.1 是由 Black Forest Labs 推出的開源 AI 繪圖模型，這家公司是由前 StabilityAI 成員 Robin Rombach 所創立的。FLUX.1 的推出，標誌著 AI 繪圖技術的一大進步，特別是在生成質感和細節方面，FLUX.1 的表現相當優異。這款模型分為三種不同的版 ▍FLUX.1 的模型版本解析 FLUX.1 提供了三種不同的版本，滿足不同使用者的需求。 ● schnell 版本：此版本的特點是速度最快，只需 4 個 step 就能生成圖片，適合需要快速生成圖片的情境。 ● dev 版本：此版本需要 20 至 28 個 step，生成的圖片在細節上更為豐富，適合追求速度與細節平衡的使用者。 ● pro 版本：FLUX.1 的最高階版本，僅能透過 API 調用，生成質量最高的圖像，專為對圖像質感要求極高的專業用戶設計。 ▍FLUX.1 的特點 ● 多樣化長寬比與解析度支援：可根據需求生成不同尺寸與比例的圖片。 ● 手部生成能力：能精準生成複雜的手部動作，突破以往模型的限制。 ● 開源與免費使用：提供免費的線上試用空間，供所有人輕鬆體驗。 ● 高質量圖像生成：pro 版本的圖像質感與細節媲美專業攝影作品。 ● 提示一致性：模型對於文本提示的解讀精準，生成的圖像更符合使用者預期。 ● 易用性：提供免費試用，讓使用者可以無成本地體驗高品質的 AI 繪圖工具。 ▍FLUX.1 的免費線上體驗 FLUX.1 提供了免費的線上體驗服務，讓所有人都能輕鬆上手。Black Forest Labs 與 Replicate 和 FAL 合作，提供免費使用 FLUX.1 模型的機會，即便是最高階的 pro 版本，也有一定的免費使用次數。此外，FLUX.1 也在 Hugging Face Space 上提供了免費的 schnell 和 dev 模型試用空間，讓使用者可以隨時隨地體驗這款強大的 AI 繪圖工具。 FLUX.1 以其強大的功能和優異的表現，在 AI 繪圖領域中佔據了一席之地。無論是免費的線上體驗，還是高階的 pro 模型，FLUX.1 都為使用者提供了強大的製圖能力。如果你正在尋找一款開源繪圖模型，FLUX.1 絕對值得一試。 ➤ 立即試用：https://blackforestlabs.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！

如何自學平面設計？本文精選十本設計師推薦的入門書單，更包含經典平面設計線上課程，提供最實用的設計自學工具。 如何自學平面設計？本文精選十本設計師推薦的入門書單，推薦給想要培養設計思維和美感的任何人，就算毫無基礎也能輕鬆閱讀。現在就開始探索，踏出認識設計的第一步： 品牌 Logo 設計心法 1. 好 LOGO，如何想？如何做？：品牌的設計必修課！做出讓人一眼愛上、再看記住的好品牌+好識別 作者：David Airey 最多設計師推薦的 Logo 暢銷書，甚至被許多人稱為自己讀的唯一一本 Logo 設計書。濃縮了歐美一線設計師的經驗談，不只清楚闡述 Logo 及品牌設計原理，連報價、溝通等與品牌客戶合作的秘訣也涵括在內。 2. 脫穎而出的品牌致勝秘密 2：從小公司到大企業都要看！品牌經營者必讀聖經 作者：Alina Wheeler 雖然書名談的是品牌，但其心法對於所有有心了解品牌塑造、識別設計、Logo 設計的設計人都至關重要，完整介紹了品牌塑造的必備要素與設計流程，是設計師們值得收藏的一本書。 3. 好設計，4 個法則就夠了：頂尖設計師教你學平面設計，一次精通字型、色彩、版面編排的超實用原則 作者：Robin Williams 國內外設計師同聲推薦的設計經典，總印量逾 80 萬冊，堪稱是最受歡迎的平面設計書，非常適合沒有任何背景的自學者。從最基本的設計概念，以「相近、對齊、重複、對比」為中心，加上大量的案例、測驗、練習，讀者可以由淺入深一步步內化知識，也可以當作工具書時時查找學習。 4. 玩出絕妙好設計 3：版面的準則 作者：內村光一 「玩出絕妙好設計」系列（準則系列）共有三本，向來是設計人必推書單，這裡特別推薦《版面的準則》，以文字、照片、插畫等不同中心的版面設計分類，提供大量的實用範例，不管是海報、DM、雜誌頁等都適合參考，為版面設計打下扎實基礎。 詳見原文> https://hahow.in/cafeteria/articles/6059bb974584fcbf87dec2c1

小編並非創業家，但看過許多創業案例，明明有很好的idea、很好的服務、很好的產品，但是在市場的知名度，卻遲遲未見發展；不禁讓我想到品牌的重要性。而最能夠直接代表品牌就是LOGO。 課程老師提到 LOGO = 品牌，也就等於是公司、企業的門面； 所以LOGO就跟人的臉一樣，是最容易讓別人辨識特徵、差異，並且產生印象； 更甚者是LOGO就跟人的臉一樣，可以辨識一個品牌 (或企業) 的個性、價值、建立形象。身為設計的的你，對於LOGO的委託設計，是不是更應該慎重其事。 這門課程，將會從LOGO的本質與意涵，帶我們對於LOGO產生認知， 為您理出LOGO的設計觀念與必備要件。 進而讓已具備設計專業知識的設計師們，開始產生自己的設計思維， 如何從企業、品牌所闡述的品牌價值中，去挖掘LOGO設計靈感。 當開始進入LOGO設計時，課程中也將引導我們經由色彩與圖像間的平衡關係， 營造出視覺美感、產生品牌的形象與精神。 推薦課程網址： https://hahow.in/courses/5d42554a2fb5020020621025/main 祝您 工作順利、學習愉快 104學習精靈小編 陪您每日學習成長1%

每次都要重打 prompt、重貼網址、重新整理資料嗎？Google 在 Chrome 推出的 Skills，正在把 AI 從聊天助手，變成能重複執行的工作流程工具。 每次都做一樣的事，才是工作最耗時間的地方 很多人開始用 AI 之後，第一個感受不是「做不到」，而是「每次都要再做一次」。 今天看一篇長文章，要請 AI 幫你摘要；明天看另一篇，又得再打一遍同樣的指令。比價時，要 AI 幫你整理規格；換到下一個商品頁，又要重新貼一次 prompt。真正耗掉時間的，往往不是分析本身，而是那些反覆輸入、重複切換、重新開始的動作。這也是 Google 這次替 Chrome 新增 **Skills** 的切入點。Google 在 2026 年 4 月 14 日正式宣布 "Skills in Chrome"，主打讓使用者把常用的 AI prompt 存起來，之後可以一鍵重跑。 換句話說，這不是單純把 AI 放進瀏覽器，而是讓瀏覽器開始記住你慣用的做事方式。 什麼是 Chrome Skills？ 根據 Google 官方說明，"Skills in Chrome" 是建立在Gemini in Chrome之上的新功能。當你寫出一段之後還會再用到的 prompt，就可以直接從聊天紀錄把它存成一個 Skill。下一次使用時，只要在 Gemini in Chrome 輸入 `/`，或點擊 `+` 按鈕，就能快速叫出這個 Skill，並直接套用到你正在看的頁面上。 更重要的是，Skills 不是只能看單一網頁。Google 的說明提到，Gemini in Chrome 會使用目前分頁內容來回應；在桌機版上，還可以額外分享最多 10 個開啟中的分頁，讓 AI 直接跨頁比較、整合與分析資訊。 這讓 Skills 的角色很清楚：它不是新的外掛，也不是另一個獨立 App，而是把「你常用的 AI 指令」變成可重複執行的瀏覽器工作流。 為什麼這個功能值得上班族注意？ 因為它解決的不是「AI 不夠聰明」，而是「AI 還不夠順手」。 Google 在官方範例裡提到，早期測試者會用 Skills 來快速計算食譜營養、跨多個分頁比較商品規格，或從冗長文件中抓出重要資訊。這些都不是炫技型應用，而是很典型的日常資訊處理任務。 如果把場景換成工作現場，其實更容易理解。像是行銷人員要快速整理競品頁面差異、企劃要從多篇資料中抽重點、PM 要比對不同方案頁的規格與限制、學習者要把長文變成易懂摘要，這些任務的共同點都是："資訊很多、格式不一、重複率很高"。而 Skills 的價值，就是把這些「本來就會一再發生」的動作，變成可以直接重用的流程。這是根據 Google 已公開的功能設計與範例，可以合理推得出的工作應用方向。 這不只是 prompt，而是你的個人工作模板 很多人以為 AI 的重點是「問得漂亮」，但在工作裡更有價值的，通常是「能不能穩定重複」。 Skills 真正值得學的地方，不只是把 prompt 存起來，而是讓你開始思考：我平常怎麼整理資訊？我看一份文件最在意哪些重點？我要 AI 幫我輸出成什麼格式？是摘要、表格、比較，還是行動建議？當這些問題變清楚，你存下來的就不只是一句指令，而是一套你自己的工作模板。 從這個角度看，Chrome Skills 其實也提醒了上班族一件事：未來真正有競爭力的，不只是「你會不會用 AI」，而是「你能不能把自己的工作流程結構化，交給 AI 重複執行」。這一點雖然是應用層面的延伸判斷，但與 Google 這次強調的「save、reuse、edit、remix AI workflows」方向一致。 哪些人最適合先關注這個功能？ 如果你的工作本來就常碰到以下情境，Skills 會特別有感： 你需要大量閱讀文章、報告、產品頁或教學文件，並快速抓出重點；你常常同時打開好幾個分頁做比較；你已經有一套慣用的 AI 問法，只是每次都得重新輸入；或者你正在學習怎麼把 AI 真正用進日常工作，而不只是偶爾問問題。Google 官方對 Gemini in Chrome 的描述也明確提到，它可以用來摘要文章、換方式解釋複雜主題、幫助學習新知、比較頁面內容，甚至完成某些多步驟任務。 所以，對學習者來說，這項功能的啟發不只是「又多一個 AI 工具」，而是：你可以開始把常見任務變成可複製的方法。這對職場學習來說，比只會寫幾句 prompt 更重要。 怎麼開始用？ 目前 Skills 是跟著 Gemini in Chrome 一起推出的。Google 官方表示，Skills 已開始在桌機版 Chrome rollout，適用於 **Mac、Windows 與 ChromeOS，而且這一波 Skills 的啟用條件之一，是 Chrome 語言需設為 English (US)。已儲存的 Skills 也可同步到同一帳號登入的其他桌機版 Chrome 裝置。 至於 Gemini in Chrome 本身，Google Help 說明它會依地區與帳號條件逐步開放，如果功能尚未出現，可能是因為所在地區或帳號還沒被納入這一波 rollout。一般使用上，需登入 Chrome、使用最新版 Chrome，且無痕模式不支援；在設定中，也可以到 Settings > AI innovations > Gemini in Chrome 管理顯示與權限。 ## 使用前也要知道：方便，不等於完全自動 Google 也特別強調，Skills 並不是放手讓 AI 自己操作一切。若涉及某些敏感行為，例如新增行事曆事件或寄送電子郵件，系統會要求使用者確認後才執行。Gemini in Chrome 也提供權限管理，例如是否預設分享目前分頁、是否允許 Gemini 代為瀏覽、是否開啟精準位置等。 這代表它的設計方向，不是把使用者排除在外，而是在保留控制權的前提下，盡量減少重複動作。對工作者來說，這其實也是比較實際的 AI 使用方式：讓 AI 加速，但不要失去判斷。 Chrome Skills 給工作者的真正提醒 從表面看，Skills 很像只是把 prompt 收藏起來；但從工作方法來看，它更像是在提醒我們：AI 的下一步，不只是會回答，而是會配合你的工作習慣。 當瀏覽器開始記住你的常用指令、理解你正在看的頁面、支援多分頁一起整理資訊，AI 的角色就不再只是「問答工具」，而更接近一個可被訓練的工作助手。對上班族來說，現在值得學的，不只是怎麼問 AI，而是怎麼把重複性的任務整理成流程，讓 AI 真正替你省下時間。 可直接搭配文章的收尾文案 你不一定需要從很複雜的工作開始。也許只是先把「摘要文章重點」、「比較多頁資訊」、「把內容整理成表格」這些常做的事，變成自己的第一批 Skills。當你開始累積這些可重用的流程，AI 才會真的從新鮮工具，變成穩定好用的工作幫手。這是 Google 這次 Chrome Skills 最值得職場人關注的地方。 相關資料來源 : [1]: https://blog.google/products-and-platforms/products/chrome/skills-in-chrome/ "Turn your best AI prompts into one-click tools in Chrome" [2]: https://support.google.com/chrome/answer/16283624?co=GENIE.Platform%3DDesktop&hl=en "Use Gemini in Chrome - Computer - Google Chrome Help"

這兩天社群出現了一股很反差的AI生圖風潮，不是過往精緻、光影完美的漂亮圖片，反而開始瘋狂曬出那種「看了會皺眉」的醜圖，而且還越醜越有人按讚。 這波風潮的核心就是用ChatGPT的GPT Image 2功能，把原本好好的照片或圖片重新「詮釋」成一張彷彿是國小生拿滑鼠在Windows小畫家裡隨手亂塗的塗鴉，整體風格有以下幾個特點： ● 像素粗糙，邊緣鋸齒感十足。 ● 顏色大致相符，但哪都對不上，有一種微妙的「不太像但又好像是」的錯位感。 ● 比例失調、線條歪斜，透露出一種說不清的尷尬氛圍。 ● 整體散發出濃濃的「我盡力了」氣息。 這種風格之所以爆紅，某種程度上是大家對AI一直以來追求「完美無瑕」的集體反彈，當每張AI圖都精緻到像廣告素材，反而失去了人味，這種刻意搞砸、故意畫壞的「廢感美學」，看起來格外有趣、親切、甚至莫名療癒。 想自己試試看嗎？方法很簡單，把你想變廢的圖片上傳到ChatGPT，並附上以下這段提示詞： Redraw the attached image in the most clumsy, scribbly, and utterly pathetic way possible. Use same color, and make it look like it was drawn in MS Paint with a mouse. It should be vaguely similar but also not really, kind of matching but also off in a confusing, awkward way, with that low-quality pixel-by-pixel feel that really emphasizes how ridiculously bad it is. Actually, you know what, whatever, just draw it however you want. 送出之後就等著接收AI的「傑作」吧！歡迎在留言區分享你的醜圖！😂

如何設計促銷 banner？網拍賣家、社群小編、電商行銷都適用的 banner 設計心法，五步驟掌握排版方向，搭配 Adobe PS ，快速製作行銷素材。 許多網拍賣家、社群小編，或是電商相關行銷人員，都會遇到製作促銷 Banner 或 Edm 的需求，一般來說，行銷人員會將這些需求發案給設計師，但偶爾也會遇到需要自己設計的緊急狀況。如果真的要自己設計 banner，應該從何下手？ 這篇文章將以平面設計師的接案經驗，拆解設計 Banner 步驟，幫你抓出設計方向和關鍵元素。 設計 Banner SOP 1. 主要文案 2. 次要文案 3. 風格方向 4. 挑選素材 5. 參考類似 Banner 激發靈感 1. 主要文案 這張 Banner 最重要、必須要傳達給消費者的資訊，一般是主打的活動或產品，像是：「全館五折起」、「新款上市」。 此外，主要文案通常會搭配一張圖片，讓消費者立刻明白文案的意涵，例如「全館五折起」搭配一張 model 戴著飾品的特寫，消費者就會明白這是一間賣飾品的商家，並且全館飾品正在打五折。 2. 次要文案 作為主要文案的說明性文字，或者帶出其他附帶價值，像是「滿千免運」、「夏日特賣」等，用意是希望更吸引消費者。這個項目並非必須，有時候只有主要文案，反而可以造成更強烈的印象。 3. 風格方向 Banenr 風格會視產品類型、品牌定位、年齡、價格等有所區別，例如服飾類商品的風格，就可能有時尚、 華麗、休閒⋯⋯等不同風格，而家電、3C 產品通常都會帶點科技、潔淨、舒適的感覺。 消費者年齡和商品價格也會影響風格，一般來說越年輕的用戶，可消費的金額越低，風格可能就會強調實惠感；至於單價較高的商品，設計 banner 時可能就要走質感取向。 4. 挑選素材 觀察主要文案和次要文案中的字眼，結合理想的設計風格，由此發想適合用到的素材。像如果次要文案是「夏季特賣」，就可以尋找跟夏季有關的元素，像是游泳圈、海灘、冰淇淋等。 在以上元素都落定後，可以到網路上蒐集有這些關鍵字的 banner 範例來激發靈感，接著就可以開始動手排版了。 詳見原文> https://hahow.in/cafeteria/articles/60643163df03dd3776a76de5

生成步驟與指令： 1. 開啟ChatGPT，在提示框上傳人物或寵物照片 2. 輸入指令：「參考上傳照片生成一套6張公仔風的Line貼圖，包括以下表情、情境與文字：『開心』『Love』『拍拍』『哭哭』『生氣』『無言』」 3. ChatGPT將提供6張符合主題的貼圖設計，每張貼圖皆有明確的表情與情境。 確認無誤後，即可下載圖片檔，並快速上架到Line貼圖平台販售或自用。Line貼圖申請上架網址： https://creator.line.me/zh-hant/

Photoshop 學習分享，讓你快速上手喔! 影片來源 PAPAYA 電腦教室＞https://youtu.be/rq63eCLO9D8

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

這份測驗提到的工具，附件為實戰運用在此系列作品中的部分！「形狀建立」勾勒線條，並透過「網格工具」填色工具。同時配合「全域色彩」與「封裝」功能，確保圖稿在輸出時，顏色精準且檔案完整，不跑字型。

Figma、Sketch和Adobe XD 是當今主要的UI/UX設計工具，每個工具都有其獨特的特色和優勢，選擇取決於個人喜好、工作環境和團隊需求。Figma以其跨平台支持和強大的協作功能脫穎而出；Sketch擁有直觀的界面和強大的向量繪圖功能，特別適合macOS用戶；Adobe XD集成了Adobe生態系統，適合那些已經熟悉Adobe產品的設計師。以下分別介紹三個工具的優缺點： 【Sketch】 優點： - 界面簡潔：簡單直觀，適合初學者和專業設計師。 - 插件豐富：擁有大量第三方插件，可以擴展功能，提高設計效率。 - 向量編輯：強大的向量編輯功能，適合圖標設計和UI設計。 - Sketch Cloud：可以與團隊共享設計文件，並進行基本的原型設計和反饋。 缺點： ✘ 僅支援macOS：只能在macOS上運行，限制了Windows用戶的使用。 ✘ 實時協作較弱：與Figma相比，Sketch的實時協作功能較弱，需要使用第三方插件或雲端存儲服務來實現團隊協作。 - 需要一次性支付軟件許可費用。 【Figma】 優點： - 跨平台支援：支援Windows、macOS和網頁版，靈活性高。 - 實時協作：強大的實時協作功能，適合團隊合作設計。 - 雲端儲存：所有設計文件存儲在雲端，便於隨時隨地訪問和共享。 - 原型設計：內置強大的原型設計工具，無需使用額外的插件。 - 提供免費版和付費版。免費版包括限制，但對於個人用戶和小型團隊來說是一個不錯的選擇。付費版則提供更多功能和團隊協作能力。 缺點： ✘ 需要網路連接：雖然有離線模式，但最佳體驗需要穩定的網路連接。 ✘ 資源密集：對系統資源要求較高，可能在低配電腦上運行不夠流暢。 【Adobe XD】 優點： - 跨平台支援：支援Windows和macOS。 - 集成Adobe生態系統：與Photoshop、Illustrator等Adobe工具的無縫集成。 - 原型設計與分享：強大的原型設計功能，便於分享和收集反饋。 - 自動動畫：內置自動動畫工具，簡化動畫製作流程。 - 有免費版和付費版，免費版提供了基本的功能，付費版則提供更多功能和團隊協作能力。 缺點： ✘ 插件生態系統較弱：相比Sketch，Adobe XD的插件生態系統相對較小。 ✘ 學習曲線：對於非Adobe用戶，初始學習曲線可能較陡。 ✘ 提供了一些團隊協作功能，但與Figma相比功能稍嫌不足。 更多可參考網友的分享>>https://blog.twjoin.com/2022-%E5%B9%B3%E9%9D%A2%E8%A8%AD%E8%A8%88%E5%B8%AB%E8%BD%89%E8%81%B7-ui-%E8%A8%AD%E8%A8%88%E5%B8%AB-sketch-adobe-xd-figma-%E5%A6%82%E4%BD%95%E9%81%B8%E6%93%87%E9%81%A9%E5%90%88%E8%87%AA%E5%B7%B1%E7%9A%84ui%E8%A8%AD%E8%A8%88%E5%B7%A5%E5%85%B7-ff9352f88e5a

ChatGPT Images 2.0上線後，忍不住做一輪實測。 這次升級超有感：中文字型不會變亂碼，排版邏輯順很多，再也不是「乍看很美、細看想報警」的狀態。 試做了海報文宣、手繪塗鴉風、社群圖卡，還有不同尺寸版本，整體表現都比以往更好。 當然，AI依然不是許願池，如果有明確需求，提示詞怎麼寫還是很關鍵。尺寸、文字、風格、參考圖，精準一點都能避免大走鐘。 整理好的實測結果、提示詞5招、網路熱門手繪風提示詞詳見整理： https://blog.104.com.tw/chatgpt-images-2-0-sop/?utm_source=104&utm_medium=104nabi_aiclassroom 這組圖也是ChatGPT製作的，大家覺得如何？

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！

以前談到 AI 進公司，很多人第一時間想到的是客服、文案、簡報、行銷內容，或是工程師用 AI 寫程式。 但最近 Salesforce 與 OpenAI 的企業 AI 導入消息，透露出一個更值得上班族注意的方向：AI 不只在前臺幫忙接客、寫內容，也開始走進辦公室後臺。 所謂後臺，不是什麼遙遠的技術部門，而是每天支撐公司運作的流程。 例如請款、採購、報表、簽核、員工到職、資料核對、供應商追蹤、會議後待辦提醒。這些工作過去靠行政、財務、採購、人資、營運和主管幕僚一件一件處理，未來很可能會先被 AI 代理重新分工。 這篇文章想談的不是「哪些工作會消失」，而是「哪些工作內容會先被重設」。對上班族來說，真正需要提前準備的，不是恐慌，而是看懂自己的工作流程，哪一部分適合交給 AI，哪一部分必須由人負責。 AI代理不是聊天機器人，而是流程執行者 很多人用過 ChatGPT、Gemini、Claude 這類 AI 工具，最熟悉的用法是「我問一句，它回一句」。例如請 AI 幫忙整理會議重點、改寫信件、產出報告大綱。 AI 代理不太一樣。 它比較像是你交代一個任務，它可以照著設定好的流程往下做。它可能會讀資料、比對欄位、整理文件、提醒相關人、產出報告，甚至在有權限的情況下，把資料更新到系統裡。 舉例來說，一般 AI 助理可以幫你寫一封「新人報到通知信」。但 AI 代理可以協助跑完一段新人到職流程：確認到職日、提醒主管準備任務、通知 IT 開帳號、建立設備申請清單、整理報到文件，並標出還缺哪些資料。 差別就在於，一個是幫你產出內容，一個是協助你推進流程。 這也是為什麼行政、財務、採購、人資、營運和主管幕僚會開始受到影響。因為這些工作有一個共同特徵：流程多、表單多、系統多、重複動作多，而且常常需要跨部門追進度。 這些剛好都是 AI 代理容易切入的地方。 行政：從「幫大家處理雜事」變成「管理流程入口」 行政工作可能會是最早感受到改變的一群。 很多行政任務看起來零碎，實際上背後都有固定流程。像是安排會議、寄通知、收表單、追簽核、協助設備請領、整理名單、確認資料、提醒相關人完成待辦。 過去這些工作常靠人一封信一封信寄、一張表一張表看、一個人一個人追。未來如果流程夠清楚，AI 代理就能先接手一部分重複動作。 例如新人到職，行政不一定要每次從頭處理。AI 可以依照固定流程產生報到清單、提醒 IT 開帳號、通知主管準備工作、追蹤電腦設備是否到位，也可以把缺少的資料標出來，讓行政人員只處理例外狀況。 行政的價值不會因此消失，但角色會變。 以前行政常被期待「我幫你做」。以後更重要的能力會是「我把流程設計好，讓事情可以順利往下走」。 也就是說，行政人員不只是支援者，也會變成流程管理者。誰需要核准？哪些表單可以自動送出？哪些情況要轉人工？哪些資料一定要留下紀錄？這些都會成為行政工作的新能力。 財務會計：從「一筆一筆核對」變成「看異常、抓風險」 財務和會計也會很有感。 很多財務工作不是難在單一動作，而是資料量大、不能錯，還要留紀錄。像是發票核對、費用申請、付款條件、預算差異、月結準備，都是很適合讓 AI 先做第一輪檢查的工作。 例如員工送出一筆費用申請，AI 可以先檢查發票資料是否完整、金額是否符合規定、科目分類是否合理、是否超過預算，並把有疑慮的項目標出來。 AI 不一定能決定這筆錢該不該付，但可以先幫財務人員把問題整理出來。 這代表財務人的工作重心，會從「一筆一筆看」慢慢轉向「看例外、查原因、做判斷」。 哪些費用不合理？哪些數字和過去差太多？哪些付款條件有風險？哪些申請需要主管再確認？這些才是人真正要負責的地方。 所以，財務工作不是不需要人，而是人的時間會被重新分配。重複核對交給 AI 先跑，重要判斷留給人處理。 採購：從「追單與比價」變成「供應商風險控管」 採購工作也會被重新整理。 很多人以為採購就是比價，其實採購每天處理的事情很多。請購單、採購單、報價單、合約、交期、付款條件、供應商資料、Email 往來紀錄，常常散在不同系統和文件裡。 這些資訊過去需要人慢慢查、慢慢整理、慢慢追。AI 代理進來後，可以先協助做幾件很耗時間的事。 例如整理不同供應商報價、比對交期差異、提醒採購單異動、追蹤還沒回覆的供應商、彙整供應商基本資料，甚至先整理可能的供應風險。 但這不代表採購只剩按按鈕。 真正重要的採購能力，反而會更突出。像是供應商能不能長期合作、價格是否合理、交期風險怎麼判斷、談判策略怎麼設計，這些都不是 AI 可以直接代替的。 AI 可以幫忙整理資訊，但要不要換供應商、怎麼談條件、如何平衡成本與風險，還是需要人來判斷。 未來採購人員的價值，會從「把資料找出來」往「把風險看出來」移動。 人資：從「回答制度問題」變成「設計員工旅程」 人資也是 AI 代理很容易進入的後臺場景。 很多員工會問 HR 類似的問題：我可以請什麼假？教育訓練怎麼申請？補助規定是什麼？新人報到要準備什麼？離職流程怎麼走？內部職缺可以怎麼申請？ 如果公司的制度文件本來就清楚，AI 代理就可以先協助回答標準問題，或引導員工找到正確表單。 新人報到、教育訓練提醒、員工資料更新、內部職缺推薦、離職流程追蹤，也都可能變成 AI 協助執行的流程。 這樣一來，HR 不需要每次都從零開始解釋，而是把制度、流程和判斷條件整理清楚，讓 AI 先處理標準問題。 不過，人資工作不能全部交給 AI。 只要牽涉到個資、勞資爭議、績效、調薪、懲處、資遣，就需要人介入。因為這些議題不只是流程問題，也牽涉情境、溝通、法遵和人際信任。 未來 HR 的角色會更像制度設計者和風險把關者。哪些問題可以自助查詢？哪些問題需要轉人工？哪些回答必須附上制度來源？這些界線都要先設清楚。 營運與幕僚：從「整理報告」變成「推動決策節奏」 營運和主管幕僚的工作，也會被 AI 代理影響。 很多幕僚工作其實是在做資訊整合。整理週報、追 KPI、彙整專案進度、寫會議紀錄、提醒待辦、整理主管決策需要的資料，這些都很花時間。 其中有一大部分，是資料搬運、格式整理和初步摘要。這些工作，AI 代理都可以先協助處理。 例如每週固定產出營運週報，AI 可以先拉資料、整理摘要、標出異常、產出初版報告。幕僚就不用把大部分時間花在「把資料整理漂亮」，而是可以更專注在「這些資料代表什麼」。 這週業績下滑，是短期波動，還是某個產品出問題？是流量變少，還是轉換變差？哪個部門需要回應？下次會議要討論哪三件事？主管需要做什麼決策？ 這些才是幕僚真正拉開差距的地方。 AI 可以產出報告，但人要說得出來：重點在哪、風險在哪、下一步該做什麼。 先被取代的不是職位，而是重複流程 看到這裡，很多人可能會問：行政、財務、採購、人資、營運，是不是都會被 AI 取代？ 比較精準的說法是，先被取代的不是職位，而是工作裡那些重複、規則明確、資料來源清楚的部分。 像是整理資料、比對欄位、產生草稿、追蹤進度、提醒待辦，這些很可能會被 AI 接手一部分。 但涉及判斷、責任、風險、溝通、例外處理的工作，還是需要人。 AI 可以幫忙檢查請款資料，但最後要不要付款，不能只靠 AI。 AI 可以整理供應商風險，但要不要更換供應商，仍然需要人判斷。 AI 可以回答員工制度問題，但遇到敏感個案，還是要 HR 介入。 AI 可以整理週報，但主管真正需要的是有人說清楚，接下來該怎麼做。 所以，AI 代理不是把人從辦公室拿掉，而是把辦公室的分工重新整理。 你現在該補的，是流程能力 對上班族來說，現在最該補的能力，不是把所有 AI 工具都背起來，而是學會把自己的工作流程講清楚。 可以先從一個問題開始： 我每週最常重複做的三件事是什麼？ 可能是整理報表、追請款、寄提醒信、開會紀錄、彙整名單、檢查表單、整理主管要看的資料。 把這些事情寫下來之後，再往下拆： 這件事需要哪些資料？ 要檢查哪些欄位？ 結果要交給誰？ 什麼情況算異常？ 什麼情況要請主管決定？ 哪些步驟可以交給 AI 先做？ 哪些步驟一定要由人確認？ 當你能把流程寫清楚，就代表你開始具備和 AI 代理協作的能力。 未來在企業裡，有價值的人不一定是最會喊 AI 口號的人，而是能把工作拆清楚、把規則說清楚、把風險想清楚的人。 AI進後臺後，人要往更有價值的位置移動 AI 代理進入辦公室後臺，真正改變的不是「誰會不會用 AI」，而是「誰能讓 AI 進入工作流程，還能確保結果不出錯」。 行政、財務、採購、人資、營運、主管幕僚，都不需要把 AI 看成突然闖進辦公室的敵人。 更實際的看法是，AI 會先接走那些最重複、最耗時、最容易標準化的工作。而人要往前移一步，從執行者變成流程設計者、例外判斷者和風險把關者。 下一波職場競爭力，不只是會用 AI，而是懂得怎麼和 AI 分工。 當 AI 代理開始處理流程，人更要負責判斷、溝通、風險與決策。這才是 AI 進入企業後臺後，真正值得上班族提前準備的工作變化。

AI 工具越來越強，提示詞也不再只是「請幫我寫一段文案」這麼簡單。AI 教育者吳恩達（Andrew Ng）近期推出新課程《AI Prompting for Everyone》，主打不需要技術背景，幫助一般使用者學會更有效地使用 ChatGPT、Claude、Gemini 等 AI 工具。DeepLearning.AI 課程頁顯示，這是一門初學者課程，共 3 小時 4 分鐘、21 堂影片課，由吳恩達授課。官方學習頁也標示可免費開始學習、觀看課程影片；若需要 graded assignments 與證書，則屬於 PRO 方案。 吳恩達是誰？為什麼他的新課值得關注？ 吳恩達是全球知名的 AI 教育者與機器學習專家。他是 DeepLearning.AI 創辦人、Coursera 共同創辦人，也曾擔任百度首席科學家，並曾創辦與領導 Google Brain 專案，目前也是史丹佛大學兼任教授。 對非工程背景的上班族來說，吳恩達最重要的影響，是他長期把 AI 知識轉化成大眾可以理解、可以上手的學習內容。從早期的機器學習課程，到《AI For Everyone》，再到這次的《AI Prompting for Everyone》，他的課程常被視為 AI 學習趨勢的風向球。 這門課在教什麼？不是背 Prompt，而是學會和 AI 協作 《AI Prompting for Everyone》的核心，不只是教你寫出更漂亮的提示詞，而是教你在不同工作情境中，如何讓 AI 產出更可靠、更有用的結果。官方課程頁將學習重點分成三大方向：找資訊、腦力激盪與寫作、創作與建構。 第一個重點是 Finding Information，也就是用 AI 找資料。課程會說明 AI 模型本身已經知道什麼、什麼時候應該使用 AI 網路搜尋、什麼情境適合使用 deep research mode，以及如何取得更準確、有來源的回答。 這對上班族非常實用。無論是做市場資料整理、競品分析、產業趨勢觀察，或準備會議前的背景研究，AI 不只是回答問題的工具，更可以協助快速建立資料架構。但前提是使用者要懂得要求來源、設定範圍，也要知道哪些資訊需要再查證。 第二個重點是 AI as a Thought Partner，也就是把 AI 當成思考夥伴。課程會教使用者如何提供正確上下文，讓 AI 理解真正需求；也會談到如何讓 AI 提供誠實回饋，而不是只迎合使用者。官方課綱中也列出 brainstorming、context、reasoning、sycophancy、writing with AI、AI critique 等單元。 這代表未來職場的 AI 能力，不只是「會叫 AI 寫東西」，而是能不能請 AI 幫忙檢查盲點、提出反方觀點、改善表達方式，甚至協助自己做更完整的決策思考。 第三個重點是 Working with Multimedia and Code。課程會介紹如何在提示中使用圖片、讓 AI 理解圖片、生成視覺內容，並使用 AI 建立簡單遊戲、網站與 App；官方也特別說明，這部分不需要程式經驗。 這也反映 AI 工具的使用場景正在擴大。過去上班族多半把 AI 用在寫信、摘要、翻譯、整理資料；但未來，AI 也可能協助做簡報素材、產出視覺概念、分析資料，甚至建立可展示的簡易 prototype。 誰適合上這門課？ 官方課程頁指出，這門課適合任何在日常工作或生活中使用 ChatGPT、Claude、Gemini 等 AI 工具，並希望獲得更好結果的人，不需要技術背景，也沒有必修前置課程。 換句話說，這門課很適合以下幾類上班族：經常需要查資料的企劃、行銷、編輯、研究人員；需要寫報告、簡報、Email 的一般辦公室工作者；想把 AI 帶進工作流程的主管；以及想開始學 AI、但不想一開始就碰程式的人。 對職場工作者的啟示：提示力已經變成基本功 這門課最值得注意的訊號是：AI 提示力正在從「技巧」變成「基本工作能力」。 過去，很多人學 AI 會先找提示詞模板，例如「請扮演某某角色」、「請一步一步思考」、「請用表格整理」。這些技巧仍然有用，但已經不夠。真正會用 AI 的人，還要知道如何提供背景資料、設定輸出格式、要求資料來源、讓 AI 挑戰自己的想法，並判斷哪些內容可以採用、哪些內容必須查證。 也就是說，未來職場上的 AI 能力，不是誰背了最多 prompt，而是誰更會設計任務、拆解問題、提供上下文，並把 AI 產出整合成真正能交付的工作成果。 課程介紹 https://www.youtube.com/watch?v=FNfIMnpz-ZY&t=2s 有興趣的讀者可至 DeepLearning.AI 官方課程頁開始學習：《AI Prompting for Everyone》。 課程影片可免費開始觀看；若想取得作業評分與證書，需留意官方 PRO 方案說明。 DeepLearning.AI《AI Prompting for Everyone》 https://www.deeplearning.ai/courses/ai-prompting-for-everyone/

Google 近期推出了八堂免費的 AI 課程，涵蓋從生成式 AI 基本概念到大語言模型及其應用，助你全面掌握最新技術，解決學習 AI 的困惑與難題。這些課程不僅適合初學者，也為有一定基礎的學習者提供了深入研究的機會。以下是每堂課程的詳細介紹及其特色和適合的人群。 1. 生成式 AI 基本介紹： 這堂課程主要介紹生成式 AI 的基本概念和應用，如自動文本生成、圖像生成和音頻生成等技術。課程提供了生成式 AI 的基礎知識，並展示了實際應用案例，幫助初學者全面理解生成式 AI 的潛力和用途。 ▍適合人群： ● 對 AI 和機器學習感興趣的初學者 ● 希望了解生成式 AI 應用的非技術背景人士 ➤ 立即上課：https://www.cloudskillsboost.google/course_templates/536 2. 大語言模型介紹 這堂課程深入講解大語言模型的工作原理、訓練方法和應用場景，如 GPT-3 等。課程涵蓋了大語言模型的架構和實際應用，並提供了實驗和實踐機會，讓學習者了解這些模型如何處理和生成自然語言文本。 ▍適合人群： ● 有一定編程基礎的學習者 ● 對自然語言處理（NLP）和大語言模型有興趣的人 ➤ 立即上課：https://www.cloudskillsboost.google/course_templates/539 3. 負責任的 AI 介紹 這堂課程聚焦於 AI 開發和應用中的倫理問題，包括公平性、透明性和可解釋性等。課程強調 AI 的責任和道德考量，提供實例和指導原則，幫助學習者理解如何在 AI 開發中考慮道德問題。 ▍適合人群： ● AI 研究人員和開發者 ● 希望了解 AI 道德和社會影響的專業人士 ➤ 立即上課：https://www.cloudskillsboost.google/course_templates/554 4. 影像生成介紹 這堂課程講解影像生成技術，包括生成對抗網絡（GANs）和變分自編碼器（VAEs）等。課程結合實際案例和技術細節，讓學習者深入了解影像生成的基本原理和應用。 ▍適合人群： ● 對計算機視覺和影像處理有興趣的學習者 ● 希望應用生成技術於實際項目的人 ➤ 立即上課：https://www.cloudskillsboost.google/course_templates/541 5. 編碼器-解碼器架構 這堂課程介紹編碼器-解碼器（Encoder-Decoder）架構在機器翻譯和文本生成中的應用。課程深入解析編碼器-解碼器模型的結構和工作原理，並提供實驗指導，讓學習者掌握該架構在不同 AI 任務中的應用。 ▍適合人群： ● 有一定機器學習基礎的學習者 ● 對 NLP 和序列到序列模型有興趣的人 ➤ 立即上課：https://www.cloudskillsboost.google/course_templates/543 6. 注意力機制 這堂課程講解注意力機制的概念和應用，包括自注意力和多頭注意力等技術。課程詳盡解釋注意力機制的數學原理和實際應用，並展示其在各種 AI 任務中的作用，幫助學習者深入了解注意力機制如何提升模型性能。 ▍適合人群： ● 有機器學習和深度學習基礎的學習者 ● 對理解複雜技術有興趣的人 ➤ 立即上課：https://www.cloudskillsboost.google/course_templates/537 7. 變換器模型和 BERT 模型 這堂課程介紹變換器（Transformer）模型及其衍生模型 BERT，在自然語言處理中的應用。課程深入講解變換器模型的架構和 BERT 的訓練方法，並提供實際案例分析，讓學習者全面掌握這些模型的應用技巧。 ▍適合人群： ● 對變換器技術和 NLP 領域有深入了解需求的學習者 ● 從事 NLP 研究或開發的人士 ➤ 立即上課：https://www.cloudskillsboost.google/course_templates/538 8. 建立圖像標題模型 這堂課程講解如何構建能夠為圖像生成標題的模型，結合 CNN 和 RNN 技術。課程涵蓋圖像處理和自然語言生成的交叉領域，提供從數據準備到模型訓練的全流程指南，讓學習者全面了解圖像標題生成的技術。 ▍適合人群： ● 對圖像處理和文本生成有興趣的學習者 ● 希望實現圖像標題生成應用的人士 ➤ 立即上課：https://www.cloudskillsboost.google/course_templates/542 這 8 堂 Google 免費 AI 課程為學習者提供了豐富的學習資源，無論是初學者還是有一定基礎的專業人士，都能找到適合自己的內容。通過這些課程，你將能夠更好地理解和應用 AI 技術，提升自身的技術水平，應對未來的挑戰。立即加入學習行列，掌握最新的 AI 知識，開啟你的智能時代！ ➤ 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！

常常有平面設計師/視覺設計師，工作了一陣子之後覺得遇到瓶頸想換跑道、或看到UI/UX設計師的起薪較優渥，想要轉職但是不知怎麼開始，也不清楚要學些什麼，也許這篇文章是一個不錯的啟蒙。 在學習成為介面設計師之前，先了解這兩者實質上的差異，最大差別就是載體的轉換與動態交互的不同。 基本上都需要視覺傳達的基礎，非常仰賴字型、用色、排版、以及其他「美的形式原理」例如平衡、對比、協調等來塑形。平面設計多用於實體印刷品或網頁中等靜態溝通文宣；而介面設計是從靜態的視覺宣傳物一躍而成可以點擊、頁面切換、著重體驗與流程的交互行為。 若你現在是平面設計師，想成為UI/UX設計師卻不知道如何開始，可以參考以下五個脈絡，照著做一遍就很有感： 1.了解、熟悉雙平台元件規範、基礎交互原則 此階段為基本功，有點像是平面設計要學基本設計、CMYK等印刷基本知識，不知道這些知識就沒辦法做好成品。iOS與android分別都有提供基本的規範，從字級、字體、元件大小、樣式、互動行為等都有準則可供參考，是屬於偏生硬但是必須紮實打好基礎的必要知識。 雙平台官方也有釋出參考內容： android https://material.io/design iOS https://developer.apple.com/design/ 2.大量瀏覽設計案例 這邊案例包含線上一些設計作品網站以及實際使用各類產品的經驗；線上平台例如behance、dribbble、pinterest等等；或者你可以到app store去下載新上架、熱門排行榜上的app來實際體驗。將覺得有參考價值的畫面收藏或截圖下來；並盡可能的分類，例如「首頁」、「個人中心頁」、「登入流程」等等，作為後續靈感及複習的來源。 此步驟建議為一個持續性的學習動作；必須要持續不斷地維持瀏覽優秀作品的習慣；你會逐漸發現開始能夠比較案例的優劣，也可以慢慢的發現自己偏好某一種呈現形式，這有助於未來塑形你的個人設計風格。 3.實際臨摹與練習 接著開始大量的臨摹！廣義上來說，到這步才是真正開始學習設計，也是讓1、2點作用開始充分發揮的時候。一開始你可以先選定一個喜歡的主題或產品，例如常用的網站或app，嘗試進行幾個主要頁面的改版，試著用自己的想法去改變現版可以更好的地方，例如更適合的配色、按鈕的比例、改變元件的位置或樣式等等。 過程中一定會覺得很卡，做什麼都不確定，然後就再去觀察別人的作品怎麼做，慢慢修正自己的畫面，就這樣不斷地試做試做再試做，直到熟悉畫面的元件佈局以及有初步製作時的感覺與概念為止。 4.軟體的應用與熟悉 把軟體的熟悉寫在這麼後面的步驟，是想要表達用什麼工具不是太重要；如果會用Adobe系列的軟體，去學習其他介面設計軟體不是一件很困難的事。重點是你作品最終的呈現、你的視覺美感，而不是你用了什麼工具產出的。 目前業界以使用sketch和figma為主流，但在操作流程上差異不會太大；也不要太擔心選錯軟體，若學了sketch後再配合公司使用figma轉換也不會太困難喔(反過來也是) 。 5.讓同業的前輩給予建議 自己是察覺不到問題的。找個對此領域有涉略的前輩(設計師/企劃/研究員/產品經理都可)，請他們幫看作品有沒有很明顯的違和感，或是可以加強的地方，持續精進，成品會越來越完整與成熟。 以上，是總結五個大致上的流程，每個人學習的方法其實不盡相同，若本身有其他習慣的方式，也不用硬套用本文建議喔！祝大家學習愉快。 延伸閱讀： [嚼舌]產品設計師進化論2-UI/UX設計師與產品設計師差別 https://nabi.104.com.tw/posts/nabi_post_e981ec13-398f-42a4-9d8f-6da97147b274?utm_source=104nabi&utm_medium=share [嚼舌]產品設計師進化論3-UIUX設計師如何成為產品設計師 https://nabi.104.com.tw/posts/nabi_post_ffdca43d-8dd0-4d10-9a76-c63ac9b5561d?utm_source=104nabi&utm_medium=share