104學習

104人力銀行 / 橘野數位設計有限公司 / SEO / LLMO/ GEO 規劃師 - 台中 / 符合度分析
SEO / LLMO/ GEO 規劃師 - 台中 橘野數位設計有限公司
履歷符合度:
登入計算

性格適合度:

職缺要求技能

未具備

網站流量成效追蹤

測驗

人工智慧

測驗

內容行銷

推薦系統

系統操作

測驗

Insights

英文

Keynote

LLM

已具備

數據分析

測驗

產品開發

競品分析

通路推廣

推廣

有已符合的經歷忘了填寫嗎?記得定期 更新履歷

學習推薦

Trulli Wu

產品經理

13小時前

Claude Code vs. OpenClaw:你的下一位「AI 虛擬員工」!
在 AI 時代,如果你還在「複製貼上」程式碼,那就太落伍了。近期技術圈討論度最高、讓無數工程師與接案者瘋狂的兩個工具——Claude Code 與 OpenClaw,正準備徹底改變我們的辦公流程。
無論你是想提升效率的專業工作者,還是想在面試中展現前瞻性的求職者,甚至是以量取勝的外包接案者,這兩款工具絕對是你的 2026 必備軍火庫。
----------
1. Claude Code:Anthropic 的「最強掃地僧」
如果說 Claude 網頁版是個知識淵博的「教授」,那 Claude Code 就是一個直接住在你電腦裡的「資深工程師」。它是 Anthropic 推出的一款命令列介面(CLI)工具。
它的超能力: 它不只是跟你聊天,它能直接讀取你的程式資料夾、幫你抓出 Bug、自動寫測試,甚至直接幫你把寫好的內容部署上線。
對你的價值:
- 專業工作者: 減少瑣碎的 Debug 時間,讓你把精力放在「產品邏輯」而非「語法糾錯」。
- 外包接案者: 以前要花三天寫的自動化腳本,現在對著電腦說一句話,Claude Code 就能幫你產出 80% 的完成品。
- 求職轉職者: 掌握 CLI 工具代表你具備「自動化流程」的思維,這是目前技術主管最看重的加分項。
----------
2. OpenClaw:開源界的「AI 變形金剛」
相對於官方出品的 Claude Code,OpenClaw 則是一個充滿靈魂的開源專案。它的核心理念是「彈性」與「自由」。
它的超能力:
OpenClaw 就像是一個強大的插件框架,它讓你可以用更低的成本、更靈活的方式去串接不同的 AI 模型(不限於 Claude),並針對特定工作流程進行「魔改」。
對你的價值:
- 專業工作者: 你可以根據公司的資安需求,自定義 AI 的存取權限,打造專屬的內部工具。
- 外包接案者: 因為是開源的,你可以節省大量的訂閱費用,並透過自定義 API 串接,為客戶提供更高 CP 值的解決方案。
- 求職轉職者: 參與或理解開源專案(Open Source)的運作,是證明你具備「社群影響力」與「深度技術探究能力」的最佳履歷勳章。
----------
【Claude Code - 官方武林正宗】
上手難度:簡單,像跟鄰居聊天一樣
核心優勢:與 Claude 3.5/4 模型完美適配
適合對象:追求效率、不想折騰工具的人
應用場景:快速開發、自動化測試
【OpenClaw - 開源自由鬥士】
上手難度:需要一點點技術基礎
核心優勢:極高的自定義空間、省錢
適合對象:喜歡玩新技術、想省預算的接案者
應用場景:打造個人品牌工具、多模型切換
----------
結語:別讓工具成為你的門檻,要讓它成為你的翅膀
在這個「人機協作」的轉折點,Claude Code 和 OpenClaw 的出現並不是為了取代我們,而是要幫我們從繁瑣的勞動中解放出來。
如果你想要快,選 Claude Code。
如果你想要變,選 OpenClaw。
現在就開始試著把這些 AI 帶進你的工作流程吧!當別還在手打程式碼時,你已經在規劃下一個產品的商業藍圖了。
看更多
0 0 110 0
104學習

產品

17小時前

想轉職 AI 工程師,該先學什麼?6 個月學習路線圖整理企業真正要的能力
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
看更多
0 0 157 0
104學習

產品

19小時前

行政、總務、人資必看!別讓重複雜事掏空你的職涯,2026 數位轉型關鍵:打造個人專屬「AI 工作流」
在職場中,你是否也常陷入這樣的循環:
週而復始的會議紀錄: 聽著錄音檔反覆確認,花費 3 小時只為整理出一份長官不一定會細看的紀錄?
碎裂的行政庶務:淹沒在大量的 Email、排班、請購單與報支流程中,沒時間做更有價值規劃?
手動更新的報表:每天重複抓取 Excel 數據、貼上簡報,只為了週報上的幾個數字?
如果你是行政、總務、人資或專案管理 (PM)職類,2026 年的職場競爭力已不再看你「做得多快」,而是看你如何「讓 AI 代勞」。
為什麼「AI 工作流」是 2026 年最該投資的技能?
過去我們學 AI,大多是學「怎麼問 ChatGPT 問題」。但真正的職場高效率,不是單點的問答,而是連點成線的**「工作流(Workflow)」。
透過 AI 與自動化工具(如 Google Sheets、n8n 或專屬 AI 助手)的串接,你可以實現:
1. 資訊自動分流:當收到特定 Email 時,AI 自動摘要重點並同步到 Notion 任務清單。
2. 秒級生成 SOP:只要錄製一段操作影片,AI 就能幫你產出圖文並茂的標準作業程序。
3. 智能會議助手: 從語音轉文字到「決議事項自動追蹤」,甚至自動排定下次會議時間。
實戰派學習:104 學習精靈 × 緯育 TibaMe 「AI 行政工作流學習營」
針對渴望轉型的職場人,104 推出全台首屆 **[AI 行政工作流學習營]**。這不是一門只教理論的課,而是針對真實辦公室場景設計的「實作營」。
本課程的三大核心競爭力:
1. 從「會用工具」到「會蓋流程」
課程不只教 ChatGPT,更帶領學員實作 AI 自動化專案。學員將學習如何串接不同的數位工具,親手打造一套能持續運作的「虛擬助手」。
2. 兩週假日直播營:陪跑式學習
學習最怕孤軍奮戰。本營隊採取兩週循序漸進的模式(5/17、5/31),中間搭配專屬 LINE 群組共學,講師親自指點迷津,讓你在學習過程中遇到卡關時,能立刻得到解答。
3. 104 獨家認證:履歷即刻加分
完訓後可取得 【104 完訓認證】 並直接加入 104 履歷中。在企業求職時,這不僅代表你具備行政能力,更具備「數位轉型」的實戰力,是爭取高薪、跳槽大廠的關鍵籌碼。
誰適合這門課?
行政/總務/法務人員:想要從庶務中抽身,轉向更有價值的行政管理職。
人資/經營管理:負責企業流程優化,需要導入 AI 降低人力成本。
行銷/企劃/PM: 處理大量數據與專案進度,需要 AI 協助追蹤與產出報表。
職涯成長建議:別等被取代,先學會支配 AI
當大眾還在擔心「AI 會不會取代我的工作」時,聰明的職場人已經在學習「如何指揮 AI 做事」。這門課程將是你從 「被動執行者」轉變為 「數位優化師」的起點。
立即掌握轉職加薪密碼:
👉 [【2天假日直播學習營】第一屆 - AI行政工作流學習營](https://nabi.104.com.tw/course/104nabi/55c82d6e-c7a8-4732-8b7b-9378e5679091)
(目前限時優惠中,超早鳥再送限量 LINE 點數,手速要快!)
看更多
1 0 98 0
104學習

產品

03/26 01:07

不會寫程式,也能用AI打造高效率工作流|2週完成你的第一個自動化專案
【超早鳥優惠到4/6】🔥領53折券現折🔥
【獨家-名額倒數】前20名報名再贈200元LIN點數
【2 天假日直播學習營】第一屆 - AI行政工作流學習營​|5/17(日)、5/31(日) 假日直播課
對AI工作流充滿興趣、期待應用AI提升日常行政工作效率,卻不知如何開始?
⚡從 2週學習 × AI自動化專案實作 → 完訓取得證書⚡
🚀本屆104提供參加的學員,專屬獨家加值服務:【104完訓認證加入履歷】🚀
🚀 本次學習營獨家特色 - 循序漸進+實作應用🚀
✨真實工作場景應用:手把手學習真實工作場景如何應用AI實現自動化, 老師帶你一起來闖關!
✨完整AI專案實作:兩週循序漸進從學習、實作到應用,親手完成自己的AI工作流提案。
✨專屬學習社群共學:加入課程專屬 LINE 群組,除了能與AI工作流領域跨領域學員夥伴一同交流實戰心得,更有講師在群組中親自為你指點迷津、解答疑惑,讓學習從教室延伸到工作現場。
【保握超早鳥優惠】
看更多
0 0 990 0
104學習

產品

03/24 14:23

2026 iPAS AI應用規劃師:費用大幅調降、考題悄悄進化,現在入場最划算
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:
▶️【點我免費做初級模擬測驗】
▶️【點我免費做中級模擬測驗】
💰 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
看更多
0 0 572 0