AI工程師與企業開發必修！FastAPI後端精通：全面入門與進階實戰指南
104學習
AJAX
AJAX 是一種網頁技術，能讓網頁在不重新載入整頁的情況下，與伺服器交換資料並更新內容。這讓使用者體驗更流暢快速，像是即時搜尋建議、動態表單驗證等功能都靠它實現。對前端工程師來說，熟練這項技術能提升網頁互動性與效能，增加開發效率，也讓產品更符合現代使用者期待。掌握這項技能在網頁開發及相關職位上非常受歡迎。
提升你的實力，朝專業更進一步
精選課程
充實自己，讓能力持續成長
邁入Java REST Web Service開發領域
成為前端工程師｜jQuery 入門密技，愉快打造互動式網頁不求人
Struts 2 技術實作
成為前端工程師｜JavaScript 入門：帶你逐步培養網頁開發技能
Java Web｜Spring Framework企業應用開發
.NET開發資料庫應用系統全方位－ADO.NET與Entity Framework(.NET Core)攻略
Linux Socket網路程式設計【本課程為線上課，報名後專員會提供上課資訊】
Python Flask RESTful服務設計
JSP + Servlet | 吳永志Java Web 技術開發
精選證照
考取專業證照，讓能力被市場看見
IBM XML
這項技能主要指能夠運用IBM相關工具和平台來處理XML格式的資料。XML是一種結構化數據標準，廣泛用於系統間資料交換與整合。在企業應用中，熟悉這項技能代表你能有效解析、編輯及轉換XML文件，並利用IBM的軟體如WebSphere或InfoSphere來進行資料傳輸、整合及自動化流程。具備這能力，有助於提升跨系統溝通效率，強化資料管理及系統整合的能力，對於從事企業資訊系統、軟體開發或資料工程等職務非常實用。
IBM
程式設計與軟體開發知識
網際網路是目前資訊領域最常碰到的學科，這領域包括：網路入門、通訊網路實務、全球資訊網、電子郵件與即時通訊、網誌/微網誌/Vlog－Facebook與Google+、網路資源活用、FTP檔案傳輸與P2P下載、Google搜尋祕技、網路安全的認識與防範、資訊倫理與網路著作權。
TIPCI臺灣國際專業認證學會
動態網頁程式設計 PHP5
動態網頁程式設計 PHP5證照驗證持有者具備使用PHP5語言進行網頁開發的專業能力，涵蓋資料庫連接、表單處理、會話管理及物件導向程式設計等技術，適合從事網站後端開發及系統整合工作，提升求職競爭力並符合企業對動態網頁設計人才的需求。
財團法人中華民國電腦技能基金會
網際網路實務與應用
網際網路是目前資訊領域最常碰到的學科，這領域包括：網路入門、通訊網路實務、全球資訊網、電子郵件與即時通訊、網誌/微網誌/Vlog－Facebook與Google+、網路資源活用、FTP檔案傳輸與P2P下載、Google搜尋祕技、網路安全的認識與防範、資訊倫理與網路著作權。
TIPCI臺灣國際專業認證學會
Master CIW Enterprise Developer
CIW(Certified Internet Webmaster) 認證是目前唯一針對互聯網專業人員的國際權威認證。CIW培訓著重於技術水平的提高和商業實踐的具體運用，使企業在網絡商業環境中提高市場競爭能力。
Master CIW Enterprise Developer 為精通建置多層式資料庫 (n-tier database) 與網路應用程式的Java, Java APIs, Java Database Connecitivity (JDBC) 解決方案、中介開發軟體工具 (middle tools)、分散式物件模組 (distributed object models)，如CORBA/ORB 和 IIOP的舊有專屬系統之連接 (legacy connectivity) 等解決方案的專業能力認證。CIW是一種基於互聯網專業技能的培訓認證，適合設計、開發、管理、安全防護、技術支持互聯網及企業網相關業務的人士。
Prosoft Learning Corp.
OCP Java Dev.
Oracle Java Developer (Java 語言開發人員) 是針對擁有Java開發技術的人員提供。以Java程式語言為開發工具，從事設計、製作與維護網際網路應用軟體，以及建立具動態特性的網頁。OCP Java Dev.證照，目前已停止發放。
Oracle
精選貼文，掌握第一手知識
AI 客服系統推薦：即時對話加上 AI 自動回覆的實務解析
晚上十點，官網右下角跳出一則訊息，詢問某項商品能否隔天到貨。如果沒有人回覆，這位訪客多半就離開了。AI 客服系統處理的正是這種即時的互動：以 LiveChat 即時對話承接訪客的提問，由 AI 先行回覆常見問題，遇到需要判斷的情況再轉交人工客服。本文聚焦在對話當下的回覆體驗，至於案件追蹤與服務品質管理，屬於客服中心的範疇，不在此詳述。
【即時對話為什麼重要】
訪客在瀏覽網站時提出的問題，通常與購買決定直接相關，例如規格、價格、交期。回覆越即時，對話越可能延續下去。然而多數中小企業沒有人力全天候值班，這就是 AI 自動回覆可以補上的缺口。
【AI 如何產生回覆】
管理王的「AI 智慧回覆」功能頁說明了運作方式，可歸納為六點。
訊息意圖分類。系統判讀客戶訊息屬於詢價、客訴、預約、售後或一般詢問，以便分流。
以知識庫為依據的多風格草稿。AI 從公司的知識庫找出答案，產生正式、親切、簡潔等不同風格的回覆草稿。
多語言應答。偵測來訊的語言，並以相同語言回覆。
品牌語氣一致。可整合角色設定與風格指南，讓不同時段、不同人員的回覆維持相同的口吻。
敏感問題轉真人。涉及金額爭議或法律風險的訊息會被標記，轉由人工處理。
多管道與品質追蹤。支援 Email、LINE、Messenger、Instagram、Facebook 與網站對話框，並追蹤回覆的滿意度。
搭配「AI 客服中心」功能頁的說明，AI 無法處理的問題會轉給真人專員，對話紀錄完整保留，客戶不需要重複說明。
【什麼情況該由人接手】
AI 適合回答有明確答案的問題，例如營業時間、運費、退換貨規則。需要協商、安撫或涉及個別條件的情況，仍應交給人工客服。實務上建議事先列出必須轉人工的主題，並在知識庫中寫清楚標準答案的範圍，AI 的回覆才會穩定。
【使用情境】
一家販售居家用品的網路商店，夜間的詢問多半是到貨時間與退貨方式。啟用AI 客服系統之後，這些問題由 AI 依知識庫回答，隔天上班的同仁只需處理被標記的對話。
一家接待海外買家的貿易公司，常收到英文與日文的詢問。AI 以來訊的語言產生草稿，業務確認內容後送出，縮短了回覆的時間。
【挑選重點】
AI 客服系統比較可從三種做法來看。自建的方式是以通用的 AI 工具人工複製貼上，雖然可行，但 AI 不了解公司的資料，回覆也無法留存在系統中。單點的對話機器人設定快速，然而與客戶及訂單資料分開，轉人工時容易斷線。整合平台則讓 AI 讀取公司的知識庫與客戶資料，並與人工客服共用同一個對話視窗。
「AI 智慧回覆」功能頁列出五項檢視重點：AI 能否存取公司內的資料、對話是否會被用於模型訓練、繁體中文的理解程度、整合的深度，以及計價模式是否容易超支。官網的問答說明，對話與上傳的資料不會用於模型訓練；用量則採點數制。
【知識庫與回覆規則的準備】
AI 回覆的品質，很大程度取決於事前的準備。以下是幾項實用的做法。
從真實的對話整理問題。翻閱過去三個月的訊息紀錄，找出最常出現的二三十個問題，以客戶實際的問法作為標題，再寫上標準答案。
答案要完整且保持最新。價格、活動期間、營業時間與政策一旦異動，就要同步更新知識庫，否則 AI 會依舊資料回覆。
設定品牌的語氣。稱呼客戶的方式、是否使用敬語、句子的長短，都可以事先訂定。語氣一致，客戶才不會覺得每次遇到不同的人。
列出必須轉人工的情況。金額爭議、客訴、涉及合約或法律的問題，以及客戶明確要求與真人對話時，都應該轉交專員。
告知客戶正在與 AI 對話。清楚標示有助於建立信任，也讓客戶知道可以隨時要求轉接人工。
定期檢視對話紀錄。每週抽查部分 AI 的回覆，把回答不理想的案例補進知識庫。這項工作持續進行，回覆的穩定度會逐步提升。
安排非上班時段的交接方式。夜間由 AI 承接的對話，若需要人工處理，應該留下清楚的標記，讓隔天上班的同仁優先回覆。
【關於權限、匯出與行動裝置】
不少企業在評估時會問：資料誰看得到、日後能不能帶走、手機上好不好用。依管理王官網的說明，權限可依組織、部門、個人分層設定，管理者能決定每個角色可檢視與可修改的範圍，操作紀錄也可追溯。資料存放於台灣，支援 CSV、Excel、PDF 三種匯出格式，需要備份或交接時不致受限。操作介面為響應式網頁設計，在桌機、平板與手機上皆可使用。至於與既有系統的整合，官網說明提供 REST API 與 Webhook 介面，實際的串接範圍建議在導入前與顧問確認，必要時再評估客製化開發。
【預算怎麼抓】
評估AI 客服系統費用時，建議把導入、訓練與後續擴充一併算進去。管理王的做法是把各系統內建於方案，不需為單一系統另外付費，公開的方案如下。
入門可先用免費方案，NT$0 且永久免費，成員上限 10 人、儲存 1 GB，註冊贈一次性 AI 點數 500 點，部分功能為 30 天試用。人數成長後可選經濟型（NT$5,000/月，成員上限 30 人，50 GB，AI 點數 1,000 點/月）、商務型（NT$10,000/月，成員上限 60 人，200 GB，AI 點數 3,000 點/月，含 8 小時遠端導入教育訓練），或旗艦型（NT$19,900/月，成員不限，1 TB，AI 點數 10,000 點/月，含 16 小時遠端導入教育訓練）。
年繳的月費不打折，但加贈 2 個月，付 12 個月可用 14 個月。若需客製化開發，計價為 NT$1,000/小時；加購教育訓練為 NT$2,000/小時，最低 10 小時。費用以 app.ai.com.tw 官網公告為準。
AI 回覆會消耗 AI 點數，各方案每月的點數額度如上所列，選擇方案時可依對話量估算。
【常見問答】
Q：AI 的回覆會不會很生硬？
A：回覆可選擇不同風格，並依品牌的語氣設定產生，送出前也可由人員調整。
Q：公司的資料會被拿去訓練模型嗎？
A：依官網說明，對話、上傳的文件與客戶資料不會用於模型訓練。
Q：沒有使用過 AI 的同仁能上手嗎？
A：不需要學習撰寫提示詞，在工作流程中點選對應的 AI 功能即可。
Q：AI 答錯怎麼辦？
A：同仁修正後可將正確內容加入知識庫，重要的回覆建議由人員複核。
【下一步】
工具本身不會自動帶來成果，關鍵仍在流程是否被團隊持續使用。作為AI 客服系統推薦選項之一，管理王的優勢在於功能內建於同一個平台、由台灣團隊服務、資料存放於台灣，背後是深耕企業服務超過 25 年、服務超過 3 萬家企業客戶的戰國策集團。建議先註冊免費方案實際操作，有任何導入上的疑問，歡迎來電洽詢。
從即時對話開始導入AI 客服系統，是多數企業接觸 AI 應用較容易的起點。
管理王
AI.com.tw
0800-003-191
精選 Claude 該選 Haiku、Sonnet、Opus 還是 Fable？三個問題選對模型，額度用更久
同一個問題丟給 Claude，有時又快又好，有時卻等很久、還把額度用光？
問題往往不在你的提問，而是模型沒選對。
打開 Claude 的模型選單，會看到四個名字。可以把它們想成四種同事：
Haiku：反應最快的助理，適合快速摘要、擷取重點（免費版可用）
Sonnet：什麼都能接的主力，寫作、分析、程式都行（免費版可用）
Opus：擅長深度思考的資深顧問，適合複雜研究與推理（Pro 以上）
Fable：能自己規劃、自己檢查的專案負責人，適合從零做出完整成品（付費方案）
能力越強，回答越慢，也越吃使用額度。拿 Opus 或 Fable 去做 Haiku 就能完成的事，只是白白燒掉額度。
選之前，先問自己三個問題：
1. 這件事要想多深？
查詞、摘要新聞 → 輕的模型就夠；比較企劃、找數據矛盾 → 需要深度思考
2. 做錯的代價多大？
內部草稿 → 錯了改就好；要給主管決策、要對外發布 → 用更強的模型，也要更仔細檢查
3. 要它自己做多久？
一問一答 → Sonnet 就很夠；從粗略想法做到完整成品 → 交給 Fable
記住一個原則：先輕後重，不夠再升級。
Haiku → Sonnet → Opus → Fable
另外，選單裡還有一個「Effort（思考深度）」：整理會議紀錄時調低，回得快；審合約、找風險時調高，想得更完整。
最常見的三個錯誤：
・什麼都用最強的模型
・答案不好只會換模型，卻沒先把需求講清楚
・只看答案長短，不看有沒有抓到重點
小練習：下面三件工作，你會各選哪個模型？
① 回覆客戶的簡單詢問
② 分析半年銷售數據寫成報告
③ 從零規劃一套新人訓練
（參考答案：① Haiku ② 先用 Sonnet，要給主管決策就升 Opus ③ Fable）
想看完整五分鐘影音說明，104學習免費課程「5分鐘學會挑選Claude模式」已經上線，免費報名就能看：
https://nabi.104.com.tw/course/104nabi/47f0bb26-3b67-4f8c-80f4-39dd215c0d01
也歡迎在留言分享：你平常最常用哪個模型？有沒有拿兩個模型比較過同一件工作？
資料來源：
Claude Academy〈Choosing the right Claude model〉
https://academy.claude.com/tutorials/choosing-the-right-claude-model
（模型版本與方案以 2026 年 11 月官方說明為準：Haiku 5.5、Sonnet 5.5、Opus 5.5、Fable 5.1）
前端工程師2025年必學技能清單：10大工具與技術指南，職場增能懶人包整理
前端工程師需要掌握的技能和專業涵蓋了多個方面(HTML、CSS 、 JavaScrip...等)，包括基礎的網頁開發知識、前端框架、以及與團隊合作的工具等。本篇文章將深入探討前端工程師必備的 10 大核心技能與工具，幫助您在職涯中站穩腳步，開發出高效且吸引人的網站與應用。
1. HTML、CSS 和 JavaScript
HTML: 用於結構化網頁內容，是前端開發的基礎語言。
CSS: 負責設計和佈局，使網站具有視覺吸引力。
Java Script: 增加互動性，處理用戶事件和動態內容。
⚡推薦課程⚡
成為前端工程師｜透過 HTML 與 CSS 認識網頁設計，從 0 到 1 打造實用介面 (上集)
https://nabi.104.com.tw/course/tibame/f5b246b2-ec79-4f0d-8ef5-2fdf8d6f5bcb
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/830671fb-2c58-48fa-9a5a-6c1f1798598a
【更多課程學習】https://user266414.pse.is/6ps94k
2. 前端框架和庫
React.js: 一個用於構建用戶界面的 JavaScript 庫，能夠快速開發單頁應用（SPA）。
Vue.js: 一個漸進式框架，適合於小型到大型應用的開發。
Angular: 一個全面的前端框架，適合大型企業級應用。
Svelte: 新興的前端框架，以其高效的性能和簡化的開發體驗而受歡迎。
⚡推薦課程⚡
Let’s Vue! 前端開發入門到實戰
https://nabi.104.com.tw/course/tibame/ee965aa9-eb02-43d5-ae79-1dcd50f965dc
3. 版本控制工具
Git: 版本控制系統，用於跟蹤代碼變更，方便團隊協作。
GitHub 或 GitLab: 托管代碼庫，協作開發和版本管理的主要平台
⚡推薦課程⚡
Git 速成攻略：2.5 小時變身版本控制達人
https://nabi.104.com.tw/course/tibame/20a2bbd6-ee21-4d92-8899-18e59ea3b97f
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
GitHub Copilot AI賦能開發實戰訓練班
https://nabi.104.com.tw/course/tibame/2617c99d-b815-442d-89b4-aa35a360273a
4. 預處理與構建工具
Sass 或 Less: CSS 預處理器，能夠提高樣式表的可維護性和可重用性。
Webpack、Parcel 或 Vite: 模塊打包工具，用於優化資源加載、處理 JavaScript 模塊化等。
【更多課程學習】https://user266414.pse.is/6psa64
5. 響應式設計與跨平台兼容
響應式網頁設計: 掌握使用 CSS 媒體查詢（Media Queries）以適應不同屏幕尺寸的布局技巧。
跨瀏覽器兼容性: 確保網站在不同的瀏覽器（如 Chrome、Firefox、Safari、Edge）上的一致性。
⚡推薦課程⚡
RWD響應式網頁設計入門
https://nabi.104.com.tw/course/tibame/9e4a630f-6e3b-4261-adf6-a6ac1edf1ea8
工程師救星-用Bootstrap速成響應式網頁開發
https://nabi.104.com.tw/course/tibame/9e4a630f-6e3b-4261-adf6-a6ac1edf1ea8
6. 調試與測試
Chrome DevTools: 瀏覽器內建的開發者工具，用於調試 JavaScript、分析網頁性能。
前端測試框架: 如 Jest、Mocha、Cypress，用於自動化測試和單元測試。
7. API 與 AJAX 技術
Fetch API 或 Axios: 用於與後端服務進行 HTTP 通信，拉取數據或發送數據。
RESTful API 與 GraphQL: 理解如何與 API 交互並消費 API 提供的數據。
8. 設計工具和基礎設計原則
Figma 或 Adobe XD: 瞭解設計工具以便與設計師協作。
UX/UI 基礎: 基本的用戶體驗和用戶界面設計原則，確保設計既美觀又實用。
⚡推薦課程⚡
UI/UX 新時代指南：產品設計 x 商業思維 x AI 工具
https://nabi.104.com.tw/course/ppa/d9785ca3-7de2-4567-aae5-2c771a5471e8
UI/UX新手實務班｜UI介面設計，洞悉使用者體驗
https://nabi.104.com.tw/course/tibame/1550e806-07b1-49a2-a8e8-42668911d4ca
9. 性能優化
代碼分割與懶加載: 減少初次加載時間，提升網站性能。
圖片優化與資源壓縮: 優化圖片格式與大小，減少網頁加載時間。
10. SEO（搜索引擎優化）
理解基本的 SEO 概念，確保網站在搜索引擎中具有良好的可見度，包括結構化數據的應用和適當的標題標籤。
⚡推薦課程⚡
SEO搜尋引擎優化七大密技｜攻上頂端排名寶座
https://nabi.104.com.tw/course/tibame/b0d286b0-9106-406c-beff-c53918ab2270
具備以上這些技能，能幫助前端工程師在現代網頁開發中具備更強的競爭力與靈活性。
用Codex操作Chrome瀏覽器，自動讀Gmail、寫Google Sheet教學！設「3層護欄」防AI亂點亂寄
想讓AI幫忙操作Chrome瀏覽器、讀Gmail、下載附件、寫進Google Sheet，又怕它亂點、亂寄信？作者以教師可能遇到的「自動批改作業信」為例，示範用Codex Chrome Extension設定白名單、二次確認與留痕log三層護欄，再一步步放手讓AI操作瀏覽器。本文節錄自《ChatGPT × Codex全攻略》。
文／曾慶良（阿亮老師）
本文目錄（點擊可快速前往）
動手做前準備清單全章流程地圖：4步由小到大動手實作：讓Codex操作你的Google Chrome動手操作3大禁區
編按：作者以「老師自動批改學生作業信」為範例，示範讓Codex讀取Gmail「作業繳交」標籤的來信、下載附件、產出評語，再逐列寫進Google Sheet。雖然示範情境在教學現場，但換個主題就能套用到職場，例如整理應徵者的履歷信、客戶詢價信或活動報名回覆；文中的白名單、二次確認、留痕log三層護欄，也適用於任何讓AI代操瀏覽器的工作。※本文以「Chrome Extension」模式操作，是由Codex直接在你的Chrome「已登入」的Gmail等分頁操作，不必處理OAuth、API token（這些憑證都不用辦），看得到它在做什麼。
動手做前準備清單
項目規格沒有怎麼辦Codex CLI + 桌面App已完成、能登入補安裝，Codex CLI 、桌面AppChrome Extension從Codex App Plugins內裝補安裝，Chrome extensionGmail帳號有「作業繳交」標籤、收得到信Gmail內建立一個Label「作業繳交」Google Sheet一張空白工作表，欄位先排好Drive內新建一張，命名「本學期_作業批改」
Google Sheet欄位先排好
第一列填入這6個欄位（順序很重要，等下Skill要按這個順序寫入）：
ABCDEF批改日期學生姓名作業主題AI評語字數建議評分
權限設「僅特定人員」或「限校內帳號（你的學校網域）可存取」，把你自己（和真的需要看的同事）逐一加進去。不必也不要用「擁有連結的任何人可檢視」，Codex用你登入的身分操作，本來就進得去，不需要開公開連結。
此表含學生個資（姓名＋評語），絕對不可以用「擁有連結的任何人可檢視/可編輯」公開連結分享。公開連結等於把全班個資丟到網路上任人抓取。務必設成「僅特定人員」或「限校內帳號」，並定期到「共用」設定檢查存取名單有沒有跑進不該有的人。
【補充】企業導入前置（用公司信箱、下載含個資附件前必看）
本章讓Codex操作你「已登入」的信箱、下載附件、寫進Sheet，放在公司環境要先過3關，別自己一個人默默開跑：
公司信箱須經IT /資安核准：使用Codex Extension操作公司Gmail / Workspace前，先問過IT或資安窗口，確認符合公司對第三方工具存取信箱的規範，否則別用個人身分擅自授權公司帳號。
先用測試帳號跑通：第一輪用一個測試信箱＋假資料把流程走順，確認護欄有效，再碰真實信箱。
附件含個資要確認合法性、用完清除：下載的.docx /客戶附件若含個資，先確認你有處理的合法依據（同意/業務必要），處理完就從~/Downloads/inbox-essays/之類暫存夾刪除，別長期堆在本機或同步到公開雲端夾。
全章流程地圖：4步由小到大
1 授權與護欄 Chrome Extension 範圍限定 + 二次確認
↓
2 寫 Skill auto-email-processor 四階段定義
↓
3 跑 1 封測試 盯著看，確認沒亂點
↓
4 放開跑全部 批次處理 + 失敗重試 + 總結報告
絕不可跳過步驟3，跑1封測試看看，這是整章最關鍵的安全閘門。沒看過第1封就放執行，等同把你的Gmail鑰匙交給陌生人。
動手實作：讓Codex操作你的Google Chrome
步驟1-A 授權與三層護欄
確認Codex桌面App已開啟、已登入
確認Chrome已裝Codex Extension
Chrome右上工具列點Codex圖示
看到「Chrome plugin connected」狀態 = 正常
Codex桌面App內的Plugins區也顯示「Chrome plugin connected」，兩邊都看得到 = OK
Codex從這裡開始就有能力「在你登入的Chrome內」做事。所以下一步馬上設範圍限制，沒設好就不要往下做。
步驟1-B 護欄1：範圍限定（白名單）
Codex Extension預設「進入新網站會問」。但更穩的做法是明確設一份白名單。在Codex對話開頭就先宣告：
本對話只允許操作 mail.google.com、docs.google.com、sheets.google.com。
任何其他網域請拒絕並回報給我。
明確列出允許與禁止的清單：
# 允許 Codex 操作的網域白名單
mail.google.com # Gmail
docs.google.com # Google Sheet / Docs
sheets.google.com # Google Sheet（舊網域別名）
# 禁止：其它一律不行
✗ bank.example.com # 銀行
✗ pay.example.com # 支付
✗ facebook.com / x.com # 社群媒體
這是用文字下的範圍限制，搭配Extension預設的「進新網站問一次」雙重防護。
步驟1-C 護欄2：二次確認
在Codex對話開頭就先指定下面五類動作必須先暫停問你，得到「OK」才能繼續：
刪除任何信件 → 必須問
寄出任何信件 → 必須問
移動信件到垃圾桶 → 必須問
修改Sheet既有列（非新增）→ 必須問
修改Gmail filter / forwarding設定 → 必須問
「標記為已讀」、「加標籤」、「下載附件到自己電腦」、「在Sheet新增一列」這幾項算可逆操作，不需要每次都問。
步驟1-D 護欄3：留痕log
叫Codex把它做的每一步寫成log，方便事後抽查：
請建立一個 ~/codex-logs/email-processor.log
每次處理一封信，寫一行 JSON：
{"ts":"2026-05-17T10:00:00Z","subject":"...","sender":"...","action":"已批改寫入Sheet","ok":true}
失敗時 ok:false，多寫 reason 欄位。
請在每次跑完 Skill 後自動 append。
跑完一輪後，cat ~/codex-logs/email-processor.log（Windows PowerShell：Get-Content $HOME\codex-logs\email-processor.log）看得到N行JSON，每行對應一封信。
動手操作3大原則
範圍限定：只開放特定網域，其餘一律拒絕
二次確認：刪/寄/改既有資料必須先問
留痕：每次操作寫log，可事後追查
三個都做到了，才往下進步驟2寫Skill。
步驟2-A 寫auto-email-processor Skill
macOS / Linux（或在Git Bash執行）：
mkdir -p ~/.agents/skills/auto-email-processor
cd ~/.agents/skills/auto-email-processor
touch SKILL.md
Windows PowerShell寫法（同一件事的PowerShell寫法）：
New-Item -ItemType Directory -Force $HOME\.agents\skills\auto-email-processor
Set-Location $HOME\.agents\skills\auto-email-processor
if (-not (Test-Path SKILL.md)) { New-Item -ItemType File SKILL.md }
如果Windows使用者希望直接沿用Bash指令，可以在~/.agents/skills/的上層資料夾右鍵 → Open Git Bash Here，就能在Git Bash內原樣執行mkdir -p、touch。兩個方式擇一即可，不必兩邊都跑。
為什麼用Skill而不是直接打prompt？Skill寫一次、用很久。下次要批改只要說「跑auto-email-processor」，不必再貼整段流程描述。
2026新功能NEW：Record & Replay（錄一次、重播多次）
Skill有3種建立法：
手寫SKILL.md（本節做的）
對話中請Codex幫你生
Record & Replay，你手動把一連串網頁操作（點「作業繳交」標籤 → 過濾未讀 → 下載.docx）錄製一遍，Codex會把它存成可重播的Skill。像Gmail這種步驟固定、重複性高的流程特別適合這種方式，錄完再回頭微調SKILL.md補上護欄。搭配always-allow（總是允許）：把重播時重複跳出來的權限請求（例如每次都問「可以操作mail.google.com嗎」）設為「總是允許」，就不會一直被打斷，但只對白名單網域開always-allow，刪/寄/改既有資料這類敏感動作仍維持二次確認。
步驟2-B SKILL.md開頭：frontmatter與Scope
SKILL.md一定要以YAML frontmatter開頭（name、description是必要欄位，觸發詞寫進description，Codex才會自動觸發）：
---
name: auto-email-processor
description: 讀 Gmail「作業繳交」標籤內的未讀信，抓 .docx 附件，套 essay-feedback Skill 批改，寫回 Google Sheet「本學期_作業批改」。觸發詞：批次批改、處理交作業信、跑 email processor。
---
# auto-email-processor
## Scope
- 允許網域：mail.google.com、docs.google.com、sheets.google.com
- 禁止：其它任何網域
- 允許動作：讀信、下載附件、加標籤、Sheet 新增列
- 禁止動作：刪信、寄信、修改 Sheet 既有列
Skill的「身分證」段落，讓Codex知道「我可以做什麼、不能做什麼」。
步驟2-C 中段：四階段Steps
## Steps
### Phase 1 讀
1. 開新分頁到 https://mail.google.com
2. 點左側「作業繳交」標籤
3. 加「is:unread」過濾條件
4. 列出信件主旨與寄件者，不要點開
### Phase 2 分（過濾）
對每封信，符合所有三條件才處理：
- 寄件者是學生（你的學校網域，例：@school.edu.tw）
- 主旨含「作業」或「homework」
- 有 .docx 附件
### Phase 3 處（批改）
1. 下載 .docx 到 ~/Downloads/inbox-essays/
2. 從寄件者名 / 主旨解析學生姓名與作業主題
3. 呼叫 essay-feedback Skill 批改
4. 把回傳的「評語/ 字數/ 評分」記下來
### Phase 4 記
1. 開 Google Sheet「本學期_作業批改」
2. 新增一列：日期 / 姓名 / 主題 / 評語 / 字數 / 評分
3. 回 Gmail 標該信「已讀」+ 加「已批改」標籤
4. 寫一行 log 到 ~/codex-logs/email-processor.log
【補充】Phase 3那句「呼叫essay-feedback Skill」是哪來的？
這支批改Skill在「多檔案批次處理」篇建立過，該章resources/essay-feedback/有現成檔案，只要將其複製到~/.agents/skills/essay-feedback/就能被本章觸發。還沒建也能先跑通流程，把Phase 3第3步暫時換成這3行替代做法：
用Codex內建能力讀出.docx純文字內容
請Codex直接寫一段150字評語、估算字數、給A / B / C建議評分
把這三個值當成回傳結果往Phase 4傳（先能寫進Sheet，之後再換成正式的essay-feedback）
步驟2-D 末段：Rules護欄
## Rules
### MUST（必須）
- MUST 敏感操作前停下來問我（刪信、寄信、改既有列）
- MUST 處理失敗的信維持「未讀」、加標籤「需人工處理」
- MUST 每處理一封寫 log
- MUST 全程操作我這個帳號，不可切到別人的 Gmail
### NEVER（絕不）
- NEVER 自動回信給學生
- NEVER 跨網域操作（白名單以外）
- NEVER 刪除任何信件
- NEVER 修改 Sheet 既有列（只能 append）
## Tools
- Codex Chrome Extension（Gmail / Sheet 操作）
- Codex 內建 .docx 解析
- essay-feedback Skill（subagent 呼叫，來源見第三篇 CH19）
Skill寫完存檔。Codex下次看到觸發詞會自動讀SKILL.md。
準備測試素材：先讓信箱有東西可讀
Skill寫好了，但如果「作業繳交」標籤裡一封信都沒有，步驟3的測試就沒東西可跑。動手前先花3分鐘，自己造1～2封測試信，讓自動化有真實素材可讀。這步驟做完，跑步驟3才有意義。
準備1～2份.docx測試檔：隨手開Word（或Google Docs →下載為.docx）打一段假作文，存成例如：測試作文_王小明.docx。想更真實就做兩份、換個學生名。
自己寄給自己：在Gmail點「撰寫」，收件者填你自己的Gmail，主旨故意帶關鍵字（例：第八單元作文 作業繳交 王小明，一定要含「作業」讓Phase 2過濾條件吃得到），把剛才的.docx當附件夾進去，寄出。寄1～2封。
建一個標籤：Gmail左側sidebar往下拉找到「建立新標籤」，命名為作業繳交（就用這章Skill要讀的標籤名，別另取，不然Skill讀不到）。若動手前清單那步已經建過，這步跳過。
手動把測試信貼上該標籤：回收件匣，勾選剛剛那1～2封自寄信 → 點上方「標籤」圖示（或右鍵）→ 勾「作業繳交」。現在這個標籤底下就有真實的未讀作業信可供Codex練習了。
【提醒】用「自寄信」當測試素材最安全就算Codex跑歪了、標錯標籤，動到的也只是你自己建立的虛假信件，不會影響到學生真正交的作業。等步驟3測試通過，再放真實信件進來。
步驟3-A 跑1封測試（最關鍵的一步）
進Codex：
codex
輸入：
請執行 auto-email-processor Skill，但這次只處理 1 封測試：
1. 開 Gmail
2. 找到「作業繳交」標籤內第一封符合條件的未讀信
3. 完整跑完 Phase 1-4
4. 跑完後回報你做了什麼（步驟列表、最後 Sheet 寫了哪一列）
整個過程請在我面前跑、不要靜默。
每動一步先告訴我「我準備做 X」，等我說 OK 才執行。
【提醒】請全程盯著螢幕看！不要去泡咖啡、不要切到別的視窗。第一次跑就是要確認「它真的有照規矩來」。
步驟3-B 盯著看的時候要確認什麼？
Codex跑的時候，眼睛確認這6件事：
Codex開的是正確的Gmail標籤（不是收件匣全部）
它沒有點開不該點的信（例如沒有.docx的、或寄件者不是學生的）
下載.docx時沒覆蓋你既有檔案
批改完Sheet新增一列（不是修改既有列）
信件標為「已讀」+ 加「已批改」標籤，沒刪除、沒進垃圾桶
log檔有一行新紀錄
任何一項不對 → 立刻按Esc中止（在CLI內跑則按Ctrl + C）、修SKILL.md、再跑一次測試，不要現在就往步驟4前進。
步驟3-C 第一次跑常見的「走偏」
Q1：Codex點到收件匣不是「作業繳交」標籤
回答：Gmail介面更新時，標籤位置會變動。SKILL.md改成「在左側sidebar用文字找『作業繳交』再點」，不要靠固定位置。
Q2：把作文老師個人信也當成作業處理
回答：Phase 2過濾條件不夠嚴。再加「主旨必須有作業/homework」「附件必須是.docx」雙條件。
Q3：Sheet寫到錯的工作表（同一活頁簿有多張表）
回答：Skill補上「先點底部tab確認是『本學期_作業批改』再寫」。
Q4：標完「已批改」標籤後又標「重要」
回答：Codex在學Gmail介面，可能誤點。Rules補：「只加『已批改』標籤，其他不准動」。
步驟4-A 測試OK了，跑全部未讀
同一個Codex對話內輸入：
很好，剛才測試正確。現在請執行 auto-email-processor Skill
處理「作業繳交」標籤內所有未讀信。
需求：
1. 並行數：1（順序處理，方便我看）
2. 失敗自動重試 1 次
3. 重試仍失敗的信：加標籤「需人工處理」，跳過，繼續下一封
4. 全部跑完給總結報告：成功 N 封 / 需人工 N 封 / 失敗 N 封
5. 列出需人工的信件主旨與寄件者，方便我之後處理
開始。
「並行數1」會比較慢，但安全。等你跑過3-5次都OK再考慮加到2-3並行。
步驟4-B 預期看到的總結報告
✅ auto-email-processor 處理完成
成功批改：23 封
需人工處理：2 封
- 「期中作文.docx 附件損壞」 / 小明 <ming@...>
- 「忘記附檔」 / 阿花 <hua@...>
失敗：0 封
Google Sheet 已新增 23 列
Gmail 標記已讀 + 標籤「已批改」：23 封
標籤「需人工處理」：2 封
log 寫入 ~/codex-logs/email-processor.log：25 行
數字加總 = 標籤內未讀信總數 = Sheet新增 + Gmail標記 = log行數，四個數字對得起來就是完成。
步驟4-C 抽查Sheet內容是否正確
打開「本學期_作業批改」工作表
隨機挑3列，對應到原信件
檢查欄位：日期、姓名、主題、評語、字數、評分都對
檢查AI評語有沒有亂寫（這部分是essay-feedback Skill的責任，但這次順便抽查）
Gmail內隨便開一封看是否標籤「已批改」+「已讀」
看log檔最後幾行有ok:true
6項都對 = 整套流程信任度 +1。下次可以放心多並行、少盯著。
動手操作3大禁區
把這3個禁令寫在便條紙貼在螢幕上：
不操作金融帳戶：銀行、支付、券商、加密貨幣交易所，一律白名單外。不論看起來多簡單的「查餘額」也不行，因為AI沒辦法分辨「查」和「轉」之間只差一個按鈕。
不自動寄信給真人：草稿可以、儲存可以，但按下「寄出」這個動作絕對是你自己按。AI寄錯信沒辦法收回，後果你扛。
不超範圍：Skill寫了什麼就只做什麼。不要在同一個Codex對話「順便叫它做別的事」，授權邊界會模糊掉。要做別的就開新對話、重新設權限。
節錄自：博碩文化《ChatGPT × Codex全攻略：從零基礎到自動化，打造你的AI Agent工作流》／曾慶良（阿亮老師） 著
告別制式勞動，迎向 AI 時代人才的變革與重構
從 AI、大數據到雲端運算，智慧科技持續重塑企業運作模式，也同步改變科技人才的能力結構與職涯路徑。當技術不再只是工具，而是開始參與決策、流程與協作機制的設計時，企業對人才的期待，也隨之快速被改寫。隨著生成式 AI 進入科技研發現場，產業競爭的焦點，逐漸從單純的效能與技術規格面，轉向研發流程、協作效率與人才結構的重新配置。
文／104人力銀行
立即下載《2026科技業人才報告書-人才版》
本文導覽：
先定義後拆解，掌握工具且能同時進化的優勢
AI 不是取代能力，而是重新設計組織的槓桿
AI 改變的不只是工具，而是人才競爭的基準
無論是深耕資安領域的趨勢科技、由單點工具轉向 AI 驅動工作流程的KDAN 凱鈿、將服務版圖延伸至「新商務」場景的騰雲科技，亦或是持續推動流程優化的技嘉科技，皆不約而同指出：AI 並不是單一技術的導入，而是從根本上，重新定義工程師的工作方式與企業的選才邏輯。
先定義後拆解，掌握工具且能同時進化的優勢
趨勢科技指出，在資安產業中，AI 的導入不僅提升效率，更放大了攻防的速度與規模。企業真正需要的，已非能單純完成任務的工程師，而是要能理解問題、拆解問題，並知道如何運用 AI 讓產品與防禦能力持續進化的人才。「企業現在看的人才，不再是會不會寫 code，而是能不能用 AI 定義問題、拆解問題，並把它真正放進工作流程裡。」
這樣的轉變，使「會寫程式」逐步從門檻條件，轉變為一種基本能力。
KDAN 凱鈿則觀察到，企業選才的標準明顯被翻轉。過去對工程師的面試，多半以程式語言的熟悉度為主，然而當 AI 加入成為日常工具，真正拉開差距的，反而是思考邏輯和問題拆解的能力。「以前我們面試工程師，程式語言熟悉度大概佔六、七成，思考能力佔三、四成；現在幾乎倒過來。」甚至可以說，判斷能力及邏輯架構，已遠勝單一技術的掌握。能力結構之外，AI 也在重新設計工作流程本身。
AI 不是取代能力，而是重新設計組織的槓桿
面對 AI 帶來的轉型壓力，騰雲科技則是認為，企業需要的人才，除了熟悉新工具，得要能解構既有的流程與模式，並予以重新加以設計。「頂尖的人才必須完備能解構問題的智慧，將經年累月結痂的既有工作流程無情拆解，再結合新工具進行徹底重構，以此創造出破局的商業價值。」在如此框架之下，AI 並非取代既有能力，反倒成為推動組織再造的重要槓桿。
相較之下，在硬體與韌體研發領域，AI 帶來的影響則呈現不同面貌。
AI 的導入並非突然出現，而是建立在長期流程自動化與知識共享文化的基礎之上。技嘉科技表示，當標準化與重複性的工作逐步由工具接手，企業在選才的課題上，反而更回到人才的本質。「AI 並沒有讓工程師變得不重要或被取代，反而讓一件事變得更加清楚——當工具越來越強，人真正不可取代的，仍然是持續學習、理解問題，以及把經驗轉化為能被團隊延續的知識。」
也因此，雖分處不同產業與戰略位置的四家企業，卻給出近乎一致的答案——AI 確實已改變你我的工作流程與內容，也對工程師的角色重新定位，然而企業真正關注的，不是誰會被取代，而是誰能定義出與 AI 協作的新方式。
AI 改變的不只是工具，而是人才競爭的基準
當 AI 已能協助完成大量數據的整理、流程文件撰寫及程式生成，甚至是輔佐當下決策的研判時，隨之浮現的是一個跨越產業和領域的深層叩問——AI 會不會取代人類？
觀察四家受訪的企業，答案竟出乎意料地一致：AI 並不會讓「人」變得不重要，而是讓人才的價值重新排序。但首先被改變的是，企業對工程師角色的認知與理解。當標準化、重複性的工作逐步由工具接手，真正拉開差距的，不是技術的熟練度，而是能否理解問題、拆解流程，並持續與新工具共同進化的能力。
正如受訪者所指出：「不是 AI 會取代人，而是會用 AI 的人，會取代不會用 AI 的人。」對企業而言，這意味著選才邏輯正在改變；對求職者而言，也代表未來職場的競爭力，將來自於跨領域理解問題的能力，以及在變動之中持續重塑自身角色的位置。
立即下載《2026科技業人才報告書-人才版》
掌握更多科技業人才趨勢，大家都在看這些：
告別制式勞動、迎向職能重構：騰雲科技在 AI 時代的破局商業學
AI 時代，寫程式不再是護身符——KDAN 凱鈿重新定義「好人才」
AI 時代的研發現場：回歸人才特質，技嘉如何重新定義工程師的工作方式
在趨勢科技，唯一的競爭對手是駭客：AI 時代下，資安人才與研發現場的真實變化
Chrome 也能「一鍵自動化」了？Google 新推 Skills 功能：把常用 AI 指令變成固定工作流
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"
AEO是什麼？跟SEO差在哪，看完這篇就懂
這陣子被問到「AEO」的頻率越來越高，發現不少人把它跟GEO搞混，藉這篇整理一下AEO到底是什麼、跟SEO差在哪，方便大家釐清概念。
▍AEO到底是什麼
AEO（Answer Engine Optimization，答案引擎優化）核心邏輯是「以問題與解答為核心」做優化，目標是讓內容成為Google AI Overview、AI Mode這類答案版位的引用來源，而不只是追求傳統的排名。背後反映的是使用者行為的轉變：以前是輸入關鍵字，現在越來越多人直接提問，搜尋環境也從「看排名、拼點擊」變成「看答案、拼引用」。
▍AEO跟SEO差在哪
最大的差異在目標：SEO追求的是排名靠前、拿到點擊；AEO追求的是「被引用」，就算使用者沒有點進網站，只要內容被AI摘要引用，一樣能建立品牌曝光跟權威感。內容形式上也不一樣，AEO更看重內容能不能直接、精簡地回答問題，而不是靠篇幅堆疊。
▍AEO有什麼具體效益
比較明顯的幾點：可以搶佔零點擊搜尋的曝光機會、比純SEO更快看到效果（因為不用等排名慢慢爬升）、能提升品牌的權威感，也算是為下一步做GEO打基礎，畢竟AEO把內容結構化的工夫，GEO也用得到。
▍哪些內容特別適合做AEO
定義型（什麼是XX）、比較型（A跟B差在哪）、教學流程、清單型、FAQ問答，這幾種內容天生就適合被AI摘要引用，因為本身就是問題到答案的結構。產業上像教育、旅遊顧問、B2B軟體、高單價服務、YMYL（跟金錢或健康相關）領域特別適合投入。
▍實際可以怎麼優化
幾個具體做法：標題用問句呈現、內容開頭先給結論再補細節、格式排版要好讀（善用清單、表格）、加上Schema結構化資料、內容摘要放在顯眼位置，還有外部連結佈局也要跟著調整。
如果你也想搞懂SEO、AEO、GEO這三者要怎麼一步步升級操作，可以參考Rankking的文章：[AEO完整解析](https://ranking.works/knowledge/aeo/)
工研院親揭 「全球電信產業」面臨的4大關鍵趨勢
2025-03-14報導 經濟日報記者吳康瑋 由聯合新聞網授權轉載
全球行動通訊大會（MWC）作為移動通訊產業的風向球，今年吸引超過10.9萬人參與。為協助臺灣業者掌握國際趨勢並拓展商機，工研院14日舉辦「MWC 2025 展會直擊：AI 驅動未來通訊與智慧應用研討會」，聚焦 MWC 2025的關鍵議題—「開放」（Open）與「AI人工智慧」對電信產業未來發展的深遠影響。工研院指出，5G-Advanced （5G-A）階段的「5G+AI」將推動商用部署、加速產業轉型。未來，電信業者與設備商將透過開放技術與 AI，優化網路管理、提升用戶體驗，並推動智慧交通、無人技術、沉浸式購物等創新應用，為通訊產業帶來新商機。
工研院副總暨產業科技國際策略發展所長林昭憲表示，MWC 2025展會凸顯電信產業正加速邁向開放架構與AI創新應用。從5G-A發展到地空整合通訊技術，各大企業積極運用AI提升網路管理效率、優化應用場景，並推動電信服務的市場化。臺灣在全球硬體供應鏈中占據關鍵地位，然而，面對 AI 技術的快速演進，產業需加速推動AI創新體驗多元化，強化市場應用，提升AI在消費市場與企業端的滲透率。
隨著AI進入各行各業，臺灣應鼓勵產業跨界合作，將AI深入智慧製造、醫療、零售、車聯網等領域，打造高附加價值的解決方案。此外，在全球電信與科技業加速邁向AI驅動的數位轉型之際，臺灣可憑藉供應鏈整合優勢，加強與國際夥伴的技術合作，從硬體製造擴展至AI 軟體與應用服務，確保在全球市場中持續保持競爭優勢。工研院指出，今年展會聚焦四大關鍵趨勢：Open RAN與Open Gateway發展、AI驅動電信數位轉型、5G-A的應用創新與貨幣化，以及地空整合通訊技術演進。
關鍵趨勢一：透過「開放」實現全球互聯，重塑通訊產業生態
MWC 2025強調Open對電信產業未來發展的重要性，推動5G商用部署與變現。在Open概念下，Open RAN與Open Gateway是兩大核心技術。Open RAN方面，O-RAN聯盟持續推動RAN轉型，朝向開放、智慧化、虛擬化發展，確保互通性。目前已有29個準商用及商用案例、57個測試案例，並簽署17件合作備忘錄。O-RAN聯盟與3GPP合作，將開放架構標準與5G、6G融合，奠定AI應用基礎並提升安全性。未來將透過RIC技術優化網路管理，提升開放前傳網路性能，並應對AI安全需求。
Open Gateway方面，為開發者提供標準化的網路瀏覽權限，打破營運商之間的技術壁壘，加速創新應用落地，全球移動通信系統協會（Groupe Speciale Mobile Association, GSMA）在2023年發起的Open Gateway計畫已獲80%全球電信商參與，市場規模將達到3,000億美元。本次展會中，電信商Vodafone、Orange等展示Open APIs發展，NOKIA與Telefonica合作推出無人機管理API，Ericsson擴展生態系至13家國際電信商。未來將聚焦5G-A與AI結合，拓展垂直應用與新商機。
關鍵趨勢二：電信業借力「AI」從傳統產業轉型科技產業
「5G+AI」正成為從前端電信業者到後端電信設備商的核心成長動力，本次展會展現AI在垂直領域及行動通訊產業的應用潛力。除車聯網、運動賽事轉播、無人機等這類型強調低延遲性能的應用外，電信商也展出數位仿生、數位雙生、語言生成、水質分析及機器人等AI解決方案，並廣泛應用於智慧網路管理。AI技術主要透過智慧控制器（RIC）呈現，亦或是功能型的系統如節省基站能耗、調節網路流量、調整天線訊號發射方向等用途。從此次展出的AI應用與網路智慧管理成果可見，電信商正積極增強技術能力，利用AI創造額外收入，並加速向科技公司（Telco To Techco）轉型。
關鍵趨勢三：邁入5G-A時代，AI融合與電信服務貨幣化成重點
電信業與設備商積極合作，展示創新服務與商業應用。在消費場景方面，無人化技術成為未來商店經營的重要輔助，如藉由機器手臂補貨、自駕車、無人商店等；沉浸式購物體驗則採用了人形機器人、AI虛擬角色互動與導購，貨架則搭載感應辨識技術，能自動播放影音廣告或產品介紹，提升購物體驗。
近年來，電信營運商聚焦於娛樂與競賽領域，透過AI技術與數位轉播提升體驗，如國際賽事與演唱會的即時訊息強化、同步翻譯，並利用AI優化攝影機影像品質與視角，為觀眾提供更沉浸的觀賽體驗。治安維護、防災與救災也為電信營運商創造來自政府端穩定收益，電信營運商透過4G/5G、衛星通訊、無人機基地台等多元網路整合，支援治安維護、防災救災，確保大型活動通訊穩定，並應對災後復原需求。
此外，車聯網解決方案成為發展重點，車聯網與智慧交通擴展至無人機與電動垂直起降載具（eVTOL），打造立體交通環境，依賴路側感知與數據共享，並運用數位孿生技術預測城市交通，降低車禍、緩解壅塞、優化人流疏散，提升整體交通管理效率。
關鍵趨勢四：地空整合全覆蓋通訊具共識，次世代通訊技術摸索中前行
本次展會有超過20家廠商展示衛星相關的通訊服務、終端設備、立方衛星。相位陣列平板天線（Phased Array Flat Panel Antennas）為衛星接收主流，適用於窄頻IoT與低軌衛星寬頻。傳統衛星業者則探索多軌道整合，拓展航空、海運、採礦等應用。3GPP NTN發展成為衛星通訊的關鍵，預計Release 19標準確認後，業界將依3GPP NR NTN規範推進。歐盟衛星群計畫（IRIS²）將採多軌道300顆衛星組成通訊系統，Hispasat與SES等公司已展示相關技術。
展望6G通訊世代，地空整合與全覆蓋通訊成為趨勢。同時，通訊感知融合技術（Integrated Sensing and Communication, ISAC）應用於智慧居家照護逐漸受到重視，透過Wi-Fi監測老人、小孩與寵物動態。可重構智慧表面（Reconfigurable Intelligent surface, RIS）則用於解決通訊盲區，並已有商用產品亮相。
[joblist_plugin title='最新【電信產業】精選職缺' url='https://www.104.com.tw/jobs/search/?jobsource=joblist_search&keyword=%E9%9B%BB%E4%BF%A1&order=15&page=1' amount='5']
延伸閱讀：
遠傳電信用行動，許給員工一個實打實的幸福職場｜精選職缺
AI浪潮襲來！科技業台達電、中華電信人資更看這些「軟實力」
OpenAI的GPT-5和GPT-4差異在哪？有感變快、1圖看ChatGPT新舊5大比較
2025-08-08 聯合新聞網綜合報導 由聯合新聞網授權轉載
OpenAI最新發布的GPT-5即刻開放使用，且AI產生的幻覺更少，聯合新聞網《科技玩家》實測使用ChatGPT 時，明顯感覺GPT-5的對話和生圖速度都變得相當快，也難怪執行長奧特曼（Sam Altman）提到「GPT-5如同讓人感覺在跟各領域的專家對話，且是一位博士級的專家。」至於GPT-5和GPT-4 到底有什麼不同？直接讓ChatGPT的AI聊天機器人「自己分析自己」進行比較 。
或許有人不了解GPT-5和GPT-4不同之處在哪裡，OpenAI的人工聊天機器人ChatGPT提到，新推出的GPT-5和GPT-4其實是同一家族的成員，但「腦袋」架構和訓練方式有些升級，因此會有數項明顯差別：
1.速度與即時反應
GPT-5在處理問題時的反應速度更快，尤其是在長篇對話或多輪互動中，比 GPT-4 更容易保持流暢、不斷線，且整理大量資料或長文件時，GPT-5能更快給出結構化的結果。
2.對話記憶與延續性
GPT-5對上下文的掌握度提升，能更「記住」前面說過的細節並延續語境，減少中途「失憶」的情況，因此在長時間協助用戶翻譯、寫新聞或分析比賽時會特別明顯。
3.理解與生成的細膩度
GPT-5在處理中英混合等多語言，或是體育、財經等專業內容時的精準度更高，生成內容更貼近用戶的需求格式，整體下來比GPT-4更容易抓到用戶偏好的寫作風格與細節要求。
4.工具與即時搜尋能力
GPT-5可以直接用網路搜尋找尋最新資料，而GPT-4本身沒這功能（除非在特定版本或模式下開啟），像是要最新的最新體育新聞時，GPT-5就能即時處理查詢。
5.個性化互動
GPT-5因有記憶功能，可以記住用戶偏好，像是翻譯格式、寫作語氣、專注的運動項目等，所以長期對話會越來越符合用戶想要的風格；而GPT-4沒有長期記憶時，每次對話都要重新建立背景。
簡單來說，若用一句話比喻GPT-4和GPT-5，GPT-4是聰明的「客座顧問」，而GPT-5更像是「專屬助理」，會愈聊愈懂用戶心思，反應速度也快得多。
ChatGPT－GPT-5 vs GPT-4功能差在哪？
ChatGPT的GPT-5 vs GPT-4 功能差異比較：
面向GPT-5GPT-4回應速度處理速度快，長篇內容生成流暢，幾乎沒有延遲較慢，特別是長篇輸出時需要等待上下文記憶支援長期記憶，能記住你的偏好並持續應用無長期記憶，每次需重新建立背景多語言與專業內容中英混合翻譯精準，能依要求格式化翻譯正確率高，但需多次提醒格式最新資訊取得可用 Web 搜尋即時獲取最新消息無法直接取得最新資訊內容結構化能力能快速生成表格、摘要、段落分明的專業新聞稿有結構化能力，但需額外指令才會分段個人化互動能根據過往對話調整語氣與細節深度每次互動需重新設定語氣與細節偏好穩定性與連貫性長對話不易中斷主題，細節延續性佳長對話可能忘記前文細節思考與推理能力推理鏈條更長，能維持多步邏輯正確率推理能力強，但多層邏輯偶爾失準適應特殊需求可針對你的編輯習慣，長期微調輸出風格缺乏持續適應能力，每次需重建指令框架
AI 客服中心系統推薦：案件進度與服務品質的管理方法
【主管真正想知道的三件事】
客服主管每天關心的問題其實很固定：有沒有訊息被漏掉、每個案件處理到哪裡、客戶對這次服務滿不滿意。當詢問分散在 LINE、Facebook、Email 與官網對話時，這三個問題都很難回答。AI 客服中心系統的定位，是集中管理客服案件、處理進度與滿意度調查，讓整體服務品質可以被衡量與改善。本文著重在案件與品質管理的面向。
【管理王「AI 客服中心」的功能】
依據管理王官網功能頁，這項功能把分散在各管道的客戶詢問彙整到統一的收件匣，主要內容如下。
多管道統一收單。網站對話框、LINE 官方帳號、Facebook Messenger、Instagram 私訊與 Email 匯入同一個後台，客服不必在多個應用程式之間切換。
AI 機器人首答。串接企業知識庫，由 AI 回答營業時間、退換貨規則、運費等常見問題，深夜與假日也能回應。
真人接手。機器人無法處理的問題轉給專員，對話紀錄完整保留。同一位客戶從不同管道進線時，會被辨識為同一份檔案。
智能標籤與工單。AI 將對話分類為詢價、客訴、售後、退貨等標籤，複雜案件可開立工單並分派，系統追蹤回應時間與解決時間等 SLA 指標。
AI 學習回饋。專員修改過的回覆可成為標準答案，知識庫隨使用逐步充實。
滿意度量測。對話結束後自動發送評分與 CSAT、NPS 調查，主管可以掌握服務品質的數據。
【案件管理的實務做法】
工單是案件管理的核心。官網的問答提到，派發可依語意、客戶分級、客服技能、工作量與時段等邏輯進行。實務上可以這樣運用：退貨類案件交給熟悉流程的專員，重要客戶交給資深同仁，並為不同等級的客戶設定不同的回覆時限。
滿意度則是品質管理的依據。每月檢視趨勢，並依專員分別觀察，可以看出需要加強訓練的主題。官網也說明，出現負面評價時可透過 LINE 通知主管，讓主管及時了解並處理。
【情境】
一家自有品牌的電商，客服人員過去需要同時查看四個管道，偶爾會漏掉訊息。統一收件匣之後，所有案件都有狀態與負責人，主管每天檢視未結案的清單即可。
一家提供企業軟體的公司，希望重要客戶獲得較快的回應。依客戶等級設定派工與時限後，SLA 是否達成有紀錄可查，檢討時有所依據。
【選擇方式】
進行AI 客服中心系統比較時，可先區分三類做法。自建是以共用信箱與試算表記錄案件，成本低，但進度與時限難以追蹤。單點的客服工具功能成熟，部分以客服人數計價，LINE 的整合有時需要另外處理。整合平台讓客服與 CRM、訂單資料相連，專員回覆時能看到客戶過去的往來。
管理王功能頁建議的四個檢查點是：管道涵蓋是否完整、AI 的中文問答能力、工單派發邏輯是否靈活，以及與 CRM 的整合程度。
【建立客服管理制度的建議】
導入 AI 客服中心系統之後，建議同步建立幾項管理制度，工具才能發揮作用。
定義案件的類別與優先順序。哪些屬於一般詢問、哪些屬於客訴、哪些需要跨部門處理，分類越清楚，派發越準確，日後的統計也才有意義。
訂定回覆與解決的時限。依案件類別與客戶等級設定合理的目標，並確認團隊的人力能夠達成。時限訂得太嚴而做不到，反而失去管理的意義。
建立升級機制。超過時限或客戶情緒明顯不滿的案件，應該有明確的升級對象，由主管或資深同仁接手處理。
每週檢視未結案清單。停留過久的案件通常卡在其他部門的回覆，主管可以協助跨部門協調，而不是讓第一線人員獨自面對客戶。
運用滿意度資料。不要只看平均分數，低分的個案更值得逐一檢視，了解是流程、產品或溝通方式的問題，再回饋給相關部門。
維護知識庫。指定專人定期更新內容，尤其在價格、政策或產品異動時，確保 AI 與專員的回答一致。
這些制度不需要一次到位，可以先從分類與時限開始，再逐步補上其他項目。
【資料安全與系統串接】
導入任何管理工具，資料的保管方式都應該列入評估。依管理王官網的說明，平台採多層權限控管，可依組織、部門與個人設定可檢視的資料範圍，資料傳輸全程加密，重要操作留有紀錄可供追溯。資料存放於台灣，並可匯出為 CSV、Excel 或 PDF，企業對自己的資料保有掌握權。若公司已有其他系統，官網說明提供 REST API 與 Webhook 介面，可評估串接的可行性；較特殊的需求則可透過客製化開發處理。介面採響應式網頁設計，桌機、平板與手機都能操作，外出或居家辦公時同樣可以使用。
【AI 客服中心系統費用怎麼算】
管理王採訂閱制，各系統內建於方案之中，不需要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，註冊時贈送一次性的 AI 點數 500 點，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，並含 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。
年繳的月費不打折，但加贈 2 個月，也就是付 12 個月可使用 14 個月。若有特殊流程需要調整，客製化開發為每小時 NT$1,000；需要加購教育訓練時為每小時 NT$2,000，最低 10 小時。以上費用以 app.ai.com.tw 官網公告為準。
若使用 AI 電話客服，經濟型、商務型與旗艦型每月分別為 100、500 與 1,000 通，可依進線量評估。
【常見問答】
Q：AI 回答錯誤時怎麼辦？
A：官網說明，AI 把握度不足時會轉由真人處理，AI 的回覆會加以標示，專員可介入修正並將正確答案加入知識庫。
Q：舊系統的客服紀錄能匯入嗎？
A：支援以 CSV 等格式匯入，歷史對話可保留時間順序。
Q：滿意度調查如何進行？
A：對話結束後自動推送評分與調查，並可依月份與專員檢視。
Q：需要準備多少知識庫內容？
A：建議先整理最常被詢問的問題，再依實際對話逐步補充。
【給評估者的建議】
如果要給一個AI 客服中心系統推薦方向，我們會建議優先考慮能與既有客戶、訂單、帳務資料相通的整合平台，並且先小規模試用再擴大。管理王是戰國策集團出品的企業管理平台，集團深耕企業服務超過 25 年，服務超過 3 萬家企業客戶，台灣團隊在地支援，資料存放於台灣。需要協助評估時，可透過以下方式聯繫。
服務品質需要長期累積。有了AI 客服中心系統的案件與滿意度資料，改善才有明確的方向。
管理王
AI.com.tw
0800-003-191
寫AI提示詞不該有的5個壞習慣！OpenAI最新指南建議「放手讓AI發揮」
你在使用AI輔助工具時，是否也有「提示詞愈寫愈長、規定愈寫愈細、需求詳盡、細節極多」的毛病呢？過去人們總認為「提供愈詳細完整的資訊、AI給出的資訊將會更精準」，但是在OpenAI最新發布的「GPT-5.6 提示詞撰寫指南」中卻建議使用者「適時對AI放手」，別要求AI給出死板、簡潔、制式的答案，才不會變相限制AI的發展。
文／支琬清 由經理人授權轉載
本文導覽
1. 規則講3遍，效果不會更好2. 步驟寫死不留判斷空間，反而限制AI潛力3. 「保持簡潔」用過頭，AI的回答反而會漏掉重點4. 別要求AI所有步驟都要給你審核5. 換新模型就「打掉重練」，難以追蹤問題源頭別再對AI步步緊逼！適當放手反而效果更好
提示詞寫得愈長、規定愈細，AI的表現就一定愈好嗎？
OpenAI在最新發布的「GPT-5.6 提示詞撰寫指南」中給出否定的答案。根據OpenAI內部針對程式代理（coding-agent）的評測結果發現，只要勇敢捨棄提示詞中重複的指令與多餘的範例，不僅能讓評測分數提升10～15%，還能大幅減少41～66%的總Token數，連帶省下33～67%的成本。
這份新指南顛覆了許多人撰寫提示詞的舊習慣，指南中，強調GPT-5.6在接收指令時，與其規定每一個死板的步驟，不如清楚定義「最終的結果」、「重要的限制條件」以及「成功的標準」，並放手讓模型自行選擇最有效率的路徑。
指南特別提醒，這組數字會隨任務不同而有落差，只能當作方向參考，實際成效要在自己的任務上重新測試才算數。
1. 規則講3遍，效果不會更好
許多人深怕AI聽不懂，喜歡在提示詞裡反覆強調同一件事。指南建議，開發者應該從一份已經能用的提示詞開始，逐步拿掉「重複陳述的規則」、「不影響行為的範例」以及「模型早已能穩定做到的流程指令」。
真正該留下的是，使用者期望的最終結果、成功標準與停止條件，以及「安全、商業邏輯、證據與權限」等核心限制條件。指南特別警告，留下來的指令必須檢查是否有邏輯矛盾；因為GPT-5級別的模型會嚴格遵守提示詞，規則互相打架反而比細節不足更容易讓輸出結果大暴走。
2. 步驟寫死不留判斷空間，反而限制AI潛力
另一個生成式AI使用者常犯的老習慣，是把任務拆成死板的固定步驟。指南建議，與其規定每一個步驟怎麼走，不如直接描述「最終目的」，並清楚定義「好的結果長什麼樣子」。
此外，千萬別濫用「永遠（ALWAYS）」、「絕不（NEVER）」或「必須（must）」等絕對用語。這些強烈字眼應該保留給真正的鐵律，例如安全規則或必填欄位；至於「要不要搜尋」、「何時該使用工具」這類需要判斷的情境，應該改為提供「決策原則」，讓模型自行選擇最有效率的路徑。
3. 「保持簡潔」用過頭，AI的回答反而會漏掉重點
如果你習慣在提示詞最後補上一句「請保持簡潔」，在 GPT-5.6 上可能得重新評估了。由於 GPT-5.6 預設的回答風格就比前一代（GPT-5.5）更加精煉，繼續套用這類籠統指令，有時會讓回答變得太短、甚至漏掉重要資訊。
OpenAI 建議透過 API 參數（text.verbosity）來設定整體的詳細程度（低、中、高），再根據特定任務提出要求。與其盲目要求 AI 回答簡短，不如給模型一個明確的優先順序：「優先保留完成任務所必需的內容，再來才是移除低價值的細節。」
4. 別要求AI所有步驟都要給你審核
在處理多步驟任務時，頻繁要求模型「先問我」、「等我核准」會讓原本安全的動作也被迫中斷。
指南建議，開發者應該制定一份精簡的政策：清楚列出模型可以「自主進行」的安全本地動作，例如讀取檔案、查看紀錄、修改範圍內的程式碼、跑測試等，不需要反覆要求確認。
只有在涉及「外部動作」、「破壞性行為」、「高成本動作（如採購）」，或「任務範圍擴大」時，才需要設立邊界，要求模型停下來取得授權。
5. 換新模型就「打掉重練」，難以追蹤問題源頭
當應用程式準備升級至GPT-5.6時，最忌諱的就是一次把整套提示詞、推理設定和工具組全部重寫。
正確的升級SOP是，先單純更換模型並保留原有的推理設定，用既有的測試案例跑一輪；接著再逐步拿掉過時的鷹架指令與用不到的工具；每做一次微調，就重新測試一次，最後才針對退步的地方補上最小幅度的修正指令。
如果一次全部重寫，一旦輸出結果不如預期，根本無從判斷問題是出在模型本身、提示詞內容，還是工具組的改動。
別再對AI步步緊逼！適當放手反而效果更好
綜觀這份GPT-5.6提示詞指南，OpenAI其實是在傳遞一個核心訊息，是時候放下對AI的「微管理（Micromanagement）」了。過去，許多開發者習慣把提示詞當成鉅細靡遺的程式碼來寫，深怕漏掉任何一個執行步驟；但面對能力大幅躍升的新一代模型，最好的做法反而是「抓大放小」。
未來的提示詞撰寫，將更像是在帶領一個高度專業的團隊： 你只需要給予清晰的目標、定義「成功的標準」，並劃定不可逾越的安全與權限邊界，剩下的執行路徑就放心交給AI去探索與發揮。
當然，簡化提示詞並不代表要盲目刪減。OpenAI在指南中一再強調，所有的優化都必須建立在「持續測試」的基礎上。不論是更換模型還是調整推理設定，都應該遵循「一次只改動一個變數」的科學方法，透過真實的測試案例來驗證成效。透過精準微調，開發者才能真正釋放GPT-5.6的潛力，在提升任務表現的同時，也達成省下大量Token與運算成本的雙贏局面。
資料來源：OpenAI 開發者文件；本文初稿由 AI 協助整理，編輯：支琬清
（原文標題：別再把提示詞寫成小論文！OpenAI最新指南點名5個該戒掉的老習慣）
[course_plugin api_type='course_id' title='推薦課程' id='e9e13d08-2c6f-49b2-bae8-1e9418588041']
Codex 4個神奇小功能！把Codex變成工作流引擎，功能速查表與行業應用SOP
用Codex跑任務，跑到一半想補需求、想試另一個方向，只能打斷重來嗎？作者整理/plan、Tab排隊、/fork、/status等4個核心功能與兩招加碼，附決策樹、指令速查表與各行業應用SOP。本文節錄自《ChatGPT × Codex全攻略》。
文／曾慶良（阿亮老師）
本文目錄（點擊可快速前往）
為什麼是這幾個功能功能總覽：4招核心＋兩招加碼工作流4步法決策樹帶走模板：常用slash command速查各行業應用4步法SOP卡關處理：5個最常見問題
4招把 Codex 變成並行工作流引擎，計畫、排隊、分叉、儀表板
AGENTS.md解決了「Codex怎麼做」的問題，它做的事符合你的風格、按你的規矩。但你會發現另一個問題冒出來：Codex跑起來是「單線」的，你下一個指令、它跑、跑完你再下下一個。複雜任務怎麼辦？跑到一半想到要補東西怎麼辦？想試另一個方向怎麼辦？
教你4個核心功能（3個slash command＋1個按鍵）：/plan、Tab、/fork、/status，這就是章名的「4個神奇小功能」，也是工作流4步法的骨架。學完4招之後，再加碼兩招2026年正式版的新功能：/usage（額度儀表板）和@ 統一提及選單（檔案／插件／技能一鍵帶入）。4招是骨架、兩招是外掛，記熟之後，你的Codex從「下指令工具」升級成「並行工作流引擎」。
前置條件：Codex CLI已裝、AGENTS.md已寫。本章所有功能都是Codex CLI（v0.142.x）官方內建，不需要額外安裝。
為什麼是這幾個功能
先看一張對比表，看清楚普通跑Codex和用這套工法的差別：
情境普通跑法的痛用這套工法後複雜任務沒方向Codex直接動手，結果不是你要的，重來先用 /plan 看計畫再放跑跑到一半想到要補打斷 → 重講一次 → 上下文亂Tab 排隊，下個turn自動吃想試另一個方向放棄第一版，從頭再來/fork 兩版並列，挑好的留長任務沒在看不知道跑到哪、卡住沒人發現/status 即時看進度與token額度快用完不自知跑到一半被限流，工作中斷/usage 查每日／每週用量與credits要提到檔案／技能很麻煩手打完整路徑、記技能名稱打 @ 開統一提及選單，選了就帶入
全部都是官方CLI內建。記熟就能把Codex從「下指令工具」升級成「並行工作流引擎」。
功能總覽：4招核心＋兩招加碼
功能指令一句話定位① 計畫模式/plan讓Codex「先講要怎麼做」，你看完點頭再讓它真的動手② 引導排隊Tab鍵Codex跑到一半，輸入新指令按Tab排隊，不打斷正在跑的任務③ 對話分叉/fork / Esc Esc把當前對話複製出一條平行線，同一份context、兩種寫法並列④ 進度可視化/status看當前模型、token用量、執行階段、approval模式⑤ 額度儀表板（加碼）/usage看每日／每週／累計用量，兌換earned usage credits⑥ 統一提及選單（加碼）@一個選單提及檔案、插件、技能，不用手打路徑
要先做一個名詞辨正：你可能在社群貼文或課程裡聽過「桌面寵物」這個暱稱，那是阿亮對「長任務進度可視化需求」的暱稱，不是 Codex 官方功能名稱。實際對應的官方操作是 /status，把它想成「Codex 的儀表板」。
本章所有TUI輸出畫面（Plan、Queued、Forked、Status、Usage）皆為示意重繪，實際版面依CLI版本略有差異，以你畫面上的為準。
工作流4步法決策樹
4個核心功能怎麼搭配？決策樹如下：
# 開新任務前先問自己：
任務複雜（多步、不確定）？
├── 是 → /plan 列 SOP
│ ↓
│ 中途想到要補？
│ ├── 是 → 按 Tab 排隊
│ └── 否 → 等完成
│ ↓
│ 想試另一方向？
│ ├── 是 → /fork 開分支
│ └── 否 → 結案
│
└── 否 → 直接執行（不用 /plan）
不論複雜不複雜：
- 長任務 → /status 看進度
- 開工前／收工後 → /usage 看額度
- 重要任務 → 兩版（/fork）
- context 將滿 → /compact 濃縮
判斷標準：「我能一句話講清楚要做什麼」等於簡單，直接跑。「我自己也不確定怎麼下手」等於複雜，先 /plan。
帶走模板：常用slash command速查
指令用途/plan計畫模式（先講計畫再動手）/fork從當前進度複製平行thread/status看model / approval / context / threads/usage看每日／每週用量、兌換credits/diff看當輪修改的檔案差異/compact把對話濃縮成摘要、省context/side開臨時討論串、不離開主任務/new同CLI session開全新對話/help列出當前版本所有slash command@（鍵盤）統一提及選單：檔案／插件／技能Tab（鍵盤）composer輸入後排到下一個turnEsc Esc（鍵盤）回到舊訊息編輯、從該點分支
各行業應用4步法SOP
把這套工法套到你的行業，貼牆上：
教師應用
/plan：學期計畫、家長會報告
Tab排隊：批改時補要求「找有此錯誤的學生」
/fork：給家長版vs給校長版
/status + /usage：批30份作業時看進度、看額度
@：帶入上學期的舊報告當範本
SOHO應用
/plan：報價單、合約、提案
Tab排隊：寫到一半要加保固期
/fork：給客戶版vs內部版
/status + /usage：跑批次資料時監看
@：帶入舊合約範本
行銷應用
/plan：月報、競品分析、活動企劃
Tab排隊：客戶說要改方向
/fork：嚴肅版vs活潑版
/status + /usage：跑大量素材時監看
@：帶入品牌文案指南
工程師應用
/plan：重構、API設計
Tab排隊：跑測試時加新檔
/fork：兩種實作對比效能
/status + /usage：長build看context與額度
@：帶入spec文件、觸發$skill
卡關處理：5個最常見問題
Q1：找不到 /plan 或 /usage 命令，TUI跳「unknown command」
答案：CLI版本太舊。跑npm update -g @openai/codex（或brew upgrade codex）升到最新，重開CLI，再/help看當前所有slash command。
Q2：找不到「Shift + Tab兩次」進計畫模式
答案：那是Claude Code的快捷鍵，Codex CLI沒有。Codex用 /plan slash command（在composer內輸入）。
Q3：Tab沒排到，反而觸發了@ 選單或其他鍵盤行為
答案：
確認composer已輸入文字後才按 Tab
不要在 @ 提及選單開著時按Tab（那是在選單內選取項目）
跑 /status 確認「Queued items」有沒有增加
Q4：/fork 後分支context不一致
答案：/fork 會帶走分叉前的對話歷史，但分叉後原thread和新thread互不回流。要兩邊都看到的東西，請在fork之前講完。
Q5：@ 選單只出現檔案，沒有Plugins／Skills區
答案：先升級CLI到最新版；再確認環境內真的有插件（用 /plugins 查）或技能（用 /skills 查），沒裝當然不會列。
節錄自：博碩文化《ChatGPT × Codex全攻略：從零基礎到自動化，打造你的AI Agent工作流》／曾慶良（阿亮老師） 著
推薦閱讀：
ChatGPT Work怎麼用？和Chat模式差在哪、什麼時候該切換？
用Claude Code設計AI工作流！學了工具不等於系統，3範本打造專屬藍圖
Claude Code越聊越笨？4個指令管好「上下文」，用量60%就該主動壓縮
有任何收穫或想分享的，都來和大家一起聊聊吧！