SolidWorks零組件機構設計
104學習
Inventor
具備創新思維，能夠提出獨特且實用的解決方案，並將想法轉化為具體產品或流程。擅長觀察問題背後的本質，勇於挑戰現有框架，推動技術或方法革新。此技能在研發、產品設計及策略規劃等領域尤其重要，有助於提升企業競爭力與市場差異化。擁有此能力的人，通常具備強烈好奇心、持續學習的態度，以及跨領域整合的能力。
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
Blender 3D遊戲建模
SketchUP + VRay 室設3D出圖｜初階課
ZBrush3D公仔建模必修七堂課
質感商業空間：SketchUP高效出圖｜進階課
掌握Claude Code從零打造企業級全端開發應用實戰班
成為 AI 科學家｜機器學習好簡單，輕鬆讓你一手掌握資料科學實作 10 大技巧
AI邊緣運算實作TensorFlowLite for MCU【本課程為線上課，報名後專員會提供上課資訊】
不用畫也能設計！AI 繪圖：打造品牌視覺的提案實戰
【免費課程報名】技術開發技能1-3 提示工程最佳實務 : 有效利用 Claude 3 | 完課紀錄回傳履歷表
精選證照
考取專業證照，讓能力被市場看見
Inventor 國際認證
Autodesk公司自2006年9月起引進全球統一的認證考試體系，考試由Autodesk總公司提供全世界統一標準的考試內容，並於通過考試後，頒發全球通用的認證證書。Autodesk認證考試分為理論基礎測試和操作繪圖測試兩部分，考試題目由Autodesk題庫中隨機抽取，對考生的獨立操作能力和獨立解決問題的能力進行綜合測試。通過認證考試的學員將獲得由Autodesk公司統一頒發的認證考試國際證書。通過認證的學員，可以獲得Autodesk原廠核發的國際證書、E-Logo、並會在Autodesk 認證官方網站公佈考取資料。
通過Autodesk Inventor 國際認證，表明您已經掌握參數化、變數化設計的方法，具備完成從概念草圖、實體造型、裝配設計、到出工程圖等整個機械設計流程的完全設計能力。讓您在能找到更多滿意工作機會的同時，也為您職業生涯的提升增加了一個非常重要的籌碼。
Autodesk
Inventor ACU 原廠國際認證
Autodesk國際原廠認證通行全球，為業界廣泛認可的專業國際認證，跨越建築工程、製造業、基礎設施、傳媒娛樂等百種行業。此認證須操作Autodesk軟體－建立、修改與查詢資料檔案，並完成指定工作，進而解出問題的答案。
AutodeskCertifiedUser(ACU)原廠國際認證優勢：
1.由Autodesk原廠專家出題，題目最符合原廠軟體設計角度
2.本土中文化考題，最符合本地軟體、業界使用習慣
3.全球連線即測即評系統
4.真正原廠核發證照
5.真正跨國的國際證照
Autodesk
App Inventor程式設計核心能力
因應知識經濟與文創產業的時代來臨，各產業均發生結構性的變化，「設計」所帶來的附加價值與影響也日趨明顯。為了不淹沒在此一浪潮中，台灣產業界對於設計能力的提升，產生了迫切的需求。優秀而充足的人力是企業提升設計能力的根基，為提供產業界符合新時代的專業人才，本會推動「TQC+ 專業設計人才認證」，藉由嚴謹的認證職能體系架構與專業完善的考試服務，培育出符合企業職場需要的人才。
‧為國際級證書，獲印度國家電子資訊科技學院（NIELIT）採認。
‧以「專業設計領域任職必備能力」為認證標準。
‧認證內容涵蓋「工程設計」、「視傳設計」、「軟體設計」、「電路設計」、「建築設計」、「跨域設計」等六大專業領域。
‧擁有整合知識體系與專業技能的認證架構，是最貼近實際使用環境與就業需求的證照。
財團法人中華民國電腦技能基金會
TQC+ ID-App Inventor程式設計核心能力
為提供產業界符合新時代的專業人才，認證依照職場人才需求趨勢推動「TQC＋專業設計人才認證」，藉由嚴謹的認證職能體系架構與專業完善的考試服務，培育出符合企業職場需要的人才。
財團法人中華民國電腦技能基金會
SSE AutoCAD Essential
AutoCAD是國際最為流行的電腦輔助設計軟體，影響所及對於建築、室內設計、機械設計、IC/電路設計…等都是以AutoCAD為主要的軟體工具之一。
如果你希望從事相關的設計工作，那麼AutoCAD將是你絕對必要的軟體工具，而擁有AutoCAD相關的證照將不只是你職場生涯的加分，而更是一種必要的認證與資格檢定。
本測驗為AutoCAD的基礎檢定，通過這份檢定，代表已經具有操作AutoCAD繪製一般工程圖的能力，可以往特定專業領域做進一步的實務操作；也代表著你擁有了進入電腦輔助設計界最重要的證明。
Silicon Stone Education (SSE)
精選貼文，掌握第一手知識
用AI快速做商品廣宣圖：Manus AI一鍵生成視覺文案行銷素材，電商小編必學
電商和社群小編每天都和時間賽跑，如何用AI快速產生高品質的商品廣宣文案與視覺圖片？本文以Manus AI示範，只要上傳隨手拍的產品照，輸入簡單的需求，就能自動產生專業的文案與圖片！跟著詳細步驟教學，讓AI工作成為行銷工作的最佳夥伴，本文節錄自《用AI做設計》。
文／施威銘研究室
本文目錄（點擊可快速前往）
電商小編的救星！隨手拍的照片也能變成廣宣圖【Manus AI】用AI自動產生廣宣文案及圖片
電商小編的救星！隨手拍的照片也能變成廣宣圖
在電商快速發展的時代，品牌商與代理商經常需要做各種產品廣宣，並進行多平台的行銷推廣。然而，專業攝影往往得花大量的時間與資源，對於忙碌的電商小編來說，並非每次都能安排專業的攝影。
現在有了AI即使是隨手拍的產品照，都能輕鬆轉成廣宣素材，重點是不用自己去背、想文案，只要上傳照片就能在短時間內完成。
隨手拍的桌上型電扇，背景雜亂、光線不佳。透過AI的處理，馬上變成一張廣宣素材（圖／旗標出版提供）
【Manus AI】用AI自動產生廣宣文案及圖片
【使用AI】Manus
電商小編與社群小編每天都在和時間賽跑，得產出大量高品質的廣宣文案與視覺圖片。面對不斷湧現的行銷需求，該如何在有限的時間內，產出吸睛且符合品牌調性的內容？AI正是你的得力助手，只要上傳隨手拍的產品照，輸入簡單的需求，就能瞬間產生專業的文案與圖片，減輕工作負擔。底下我們以Manus AI做示範。
Manus：https://manus.im/home
【Step 1】
請開啟網頁瀏覽器，輸入「https://manus.im/home」網址，連到manus網站，這是一個通用型的AI網站，可以幫你解決各項工作及生活中的問題，進入網站後點選畫面右上角的開始使用鈕，接著使用Google帳戶註冊即可開始使用各項服務。
按下開始使用（圖／旗標出版提供）
點選Google帳戶或使用Apple ID註冊（圖／旗標出版提供）
【Step 2】
首次註冊會得到1000免費積分以及每日登入的300積分，你可以先用免費積分試用各項功能，再決定是否付費（註：官方贈送的免費積分可能會隨時變動，在此僅供參考）。
首次註冊、登入會得到免費積分，請按下知道了關閉此訊息（圖／旗標出版提供）
【Step 3】
接著，在輸入框中輸入你的需求（提示語），在此我們想將隨手拍的照片製作成促銷廣告。
輸入需求（請製作一張直幅的促銷廣告，文字使用繁體中文）+上傳檔案
輸入需求並上傳檔案（圖／旗標出版提供）
【Step 4】
送出需求後，manus就會開始處理，大約等個20多秒就會生成圖片及廣告文案。
自動生成廣告文案、生成兩張圖供我們參考，點選縮圖可放大瀏覽（圖／旗標出版提供）
自動去除照片中雜亂的背景，並加上文案，可惜文字大多是亂碼（後續可使用影像處理軟體來修改）（圖／旗標出版提供）
廣告文案包含主標題、副標題及產品特點，這些都是AI自動產生的（圖／旗標出版提供）
【Step 5】
由於AI生成的中文字大多為亂碼，在此我們可以將AI生成的圖片及文案下載到電腦裡，後續再用影像處理軟體來修改文字。
（圖／旗標出版提供）
下載檔案（圖／旗標出版提供）
下載後的檔案為壓縮檔，會存放在電腦中的Downloads資料夾，解開壓縮檔就可以進行後續的修改（圖／旗標出版提供）
【Step 6】
你可以使用AdobeExpress或是Photoshop的生成填色功能，將中文亂碼的部份去除並與背景融合，再自行輸入文字。
AdobeExpress：https://www.adobe.com/tw/express/
Photoshop：https://www.adobe.com/tw/products/photoshop.html
（圖／旗標出版提供）
【TIP】如果覺得要刪除中文亂碼並與背景融合很麻煩，你也可以直接將manus生成的圖餵給ChatGPT，請它「生成一張去除文字的圖」。這樣後續只要輸入文字就可以了。
節錄自：旗標出版《用 AI 做設計：沒時間？沒素材？沒靈感？就 Call AI 救援》／施威銘研究室 著
推薦閱讀：
AI生成圖卡教學！ChatGPT打造專屬社群配圖，告別圖片荒
「模糊照片背景」免費AI工具推薦！輕鬆告別雜亂、重點更聚焦
ChatGPT-4o更新圖片生成模式升級！照片Q版貼圖、漫畫生成怎麼做？
ChatGPT生成Excel圖表不卡關！xy軸設定、中文顯示問題輕鬆搞定
精選 推薦 : 豈止證照而已！跨域知識大串聯，打造屬於自己的能力系統
這段Podcast 是專訪Nabi iPAS 證照講師 陳正健（CCChen）如何透過經濟部 iPAS 產業人才能力鑑定，成功建立跨領域的專業系統。他至今已累積取得涵蓋 AI 應用、淨零碳規劃、智慧生產、食品保穫及品牌企劃等五大領域共 14 張證照。
CCChen強調，證照不應僅是孤立的紙本證明，而是應將所學知識與工作實務及數位工具深度結合，以提升解決複雜問題的職場競爭力。他分享了運用 AI 工具輔助學習與時間管理的策略，並以此帶動家人參與，展現出自主學習的正面能量。
他鼓勵專業人士打破學科框架，藉由跨域考證建構個人能力地圖，從而因應智慧化與永續轉型的產業趨勢。這些內容不僅記錄了他的轉型歷程，也為求職者與企業提供了關於人才培育及職涯成長的實務參考。
歡迎收聽▼
https://youtu.be/bUZXvx9eZk0?si=6a4q234WUnAABWiQ
CCChen 老師課程 :
【直播課程＋限時回放】iPAS AI應用規劃師（初級）- 第三梯考前衝刺班｜8/5（三）20:00–21:30 線上直播講座｜104獨家iPAS AI考證衝刺 https://nabi.104.com.tw/course/104nabi/4f6e498b-dee3-4fab-935d-64c781840c9c
【2026年－考試筆記(V1版本)】iPAS AI應用規劃師初級｜全科攻略ｘ考點精華ｘ擬真題庫｜104學習
https://nabi.104.com.tw/course/104nabi/07779700-a980-43d2-8b34-bae808edea61
iPAS AI應用規劃師【中級】衝刺班｜命題精析 × 實戰解題 × AI刷題｜104獨家iPAS AI考證衝刺
https://nabi.104.com.tw/course/104nabi/3987ebea-3686-4f67-a292-c46c3cc2128e
「數據／資料工程師」12個必備技能、推薦職缺、證照進修
大數據時代來臨，企業數位轉型的需求應運而生，因此數據工程師（資料工程師）在企業中所扮演的角色也日益重要。本文盤點要成為數據工程師，強烈推薦要學的 12 項必備技能。一起來看看【數據工程師】工作日常以及104人力銀行上有數據工程師工作機會。
成為數據工程師的 12 項必備技能（點擊可跳至章節）：
基本技能（程式語言與資料架構）
網路概念
資料庫 Database
數據湖 Data Lake 與物件存儲
數據倉儲 Data Warehouse
分散式系統
數據處理
機器學習 Machine Learning
作業編排管理
前端與儀表板
後端框架
自動化與部署
如何開始數據工程師之路？了解數據工程師工作日常
【數據／資料工程師】推薦職缺
【數據／資料工程師】職場常見證照整理
【數據／資料工程師】職場再進修課程推薦
文／LnData 麟數據科技
數據工程師的必備技能樹 (Source: Anuj Syal)
一、基本技能
首先，以下是最基本的必修技能，也是想進入這個行業需要的優先入手技能，包含：
SQL：SQL即「Structured Query Language」，也稱做「結構化查詢語言」，是一種用於管理和查詢關聯式資料庫的語言，用於處理和操作大量數據。它允許數據工程師對資料庫執行各種操作，如數據檢索、修改和定義，且幾乎所有資料庫和數據倉儲都使用SQL。
程式語言：數據工程師必備技能當然包括使用不同的程式語言來處理數據，如 R、Scala、Java等，但首推 Python，因為Python容易上手，並且擁有許多免費且開源的資料科學工具和資源，使其成為處理數據相關工作的理想選擇。不僅如此，Python還有豐富的開發者社群，讓你輕鬆找到相關的學習資源和解決問題的方法。
Git：即「Global Information Tracker」，Git是版本控制的重要工具，可以追蹤、保存和管理軟體代碼的所有更改和操作，幫助資料工程師協作開發數據工程項目，並確保團隊成員之間的協同工作，可避免有人亂改或誤刪代碼。
Linux指令和Shell腳本：Linux是一種常用的作業系統，數據工程師經常使用它來處理數據，常見的版本如Ubuntu、Fedora。熟悉Linux命令（例如cd、pwd、cp、mv等）和Shell腳本可以幫助數據工程師自動化任務、管理伺服器和處理大量數據。
資料結構和演算法：數據工程師需要對資料結構（Data Structures）和演算法（Algorithms）有足夠的理解和解決問題的技能，以優化數據處理和分析。初學者可透過初級到中難度的LeetCode問題進行練習。
二、網路概念
由於現在大半數據都在線上，因此工程師常需接觸與處理VM（虛擬機）、伺服器和 API（應用程式介面），而此時就需要對 IP（互聯網協議）、DNS（域名伺服器）、VPN 等基本網路概念有基本了解。
API（應用程式介面）概念示意( Source: Geeks For Geek)
三、資料庫
資料庫是按照數據結構來組織、存儲和管理數據的倉庫，相關概念包含：
基礎知識：資料庫是存儲數據的空間，包含表（Table）、行（Column）、列（Row）、鍵（Key）、連接（Join）、合併（Merge）和模式（Schema）等基本概念。
SQL：雖然前面提過了，但要知道在使用這些資料庫時，SQL可說是最泛用也最不可或缺的語法，因此這邊再提一次。。
ACID：是原子性（Atomicity）、一致性（Consistency）、隔離性（Isolation）、持久性（Durability）的縮寫，旨在確保數據操作的有效性和穩定性。
資料庫建模：指在設計資料庫時考慮如何組織資料的過程，包括星型模式、平面設計和雪花模式等不同方法。
資料庫擴展：包括垂直擴展和水平擴展，它們用於增加資料庫的性能和容量。
OLTP與OLAP：OLAP（在線分析處理）、OLTP（在線交易處理）是不同類型的數據處理系統。OLTP是設計用於處理日常業務交易和交互式操作的系統；OLAP則是設計用於分析和探索大量數據的系統。
關係型資料庫：Relational Database，是大多數應用程式使用的傳統資料庫，用於結構化數據。常用的資料庫有PostgreSQL和MySQL。
非關係型資料庫：Non-relational Database，也稱為NoSQL資料庫。跟傳統的關聯型資料庫不同，它們不使用固定的表格模式，而是以更靈活的方式存儲數據，適合處理大量非結構化數據。非關係型數據還可分為三種類型：
鍵值資料庫：如Redis、DynamoDB、FireBase
圖形資料庫：如Neo4j、ArangoDB
寬列資料庫：如Apache Cassandra、Google BigTable
常用的關係型資料庫 MySQL
四、數據湖 Data Lake 與物件存儲
數據湖是一種大規模集中式數據存儲系統，它允許組織以原始、半結構化或非結構化的形式存儲數據，而無需建立嚴格的資料結構。這意味著數據湖可以包含來自不同來源、不同格式和不同質量的數據，可以是文本、圖像、影音等，也包含報表、視覺化、資料分析、機器學習等轉換後資料。
數據湖通常使用分佈式或物件存儲（Object Storage）系統來存儲大量數據，如Hadoop HDFS、Amazon S3等。數據以原始文件或對象的形式存儲，每個對象都包含數據本身、元數據（metadata）和唯一識別子。這種方式使得數據能夠以平面結構組織，並且具有元數據以描述數據的特徵和用途，能夠更好地管理和查詢數據。
五、數據倉儲 Data Warehouse
數據倉儲（Data Warehouse）是一種專為組織和管理大量數據而設計的數據存儲和管理系統。它的主要目標是將來自不同來源的數據整合到一個統一的、易於查詢和分析的資料庫中，以支持企業的決策制定、報告和分析需求。例如 Google 的 BigQuery、AWS Redshift、Azure Synapse、Snowflake、ClickHouse 和 Hive。須了解的相關概念包含：
SQL（略）
規範化與非規範化：在數據倉儲中，數據可以以規範化（Normalized）或非規範化（Denormalized）的方式進行組織和存儲，具體選擇取決於業務需求和查詢性能的考慮。規範化主要為求消除數據中的冗余或不一致性；而非規範化則是將數據合併到一個表中以提高數據更改速度。
OLAP與OLTP（略）
六、分散式系統
包含大數據、Hadoop、分佈式文件系統、MapReduce等概念。在分散式系統中，多台機器（稱為節點或伺服器）組成叢集並共同協作，這些機器可以在不同的地方執行，彼此通信並共同完成任務。分散式系統的好處是可提高性能、可用性和擴展性，同時減少單點故障的風險。
由於其複雜性，這些系統擁有各自獨立的技術組件。因此，為了開發與佈署這些系統，數據工程師需要使用叢集管理技術或工具，如Kubernetes、Databricks，或者自行建立Hadoop叢集等。此外，還有許多開源技術可供利用。
Kubernetes 也稱為 K8s，是一個熱門的分散式系統開發和支撐平台(Source: DevOps Mojo)
七、數據處理
數據處理是指使用程式語言來轉換數據的過程，這包括清理數據以及驗證數據的準確性。在進行數據處理時，通常會使用各種工具和框架，具體選擇取決於任務的性質和規模。
以下是一些常用的數據處理工具和框架：
Pandas：Pandas是一個好用的Python套件，常被用於處理和分析數據。它提供了豐富的數據結構和函數，適合用於數據轉換和清理。
SQL：（沒錯，又是它）由於多數數據倉庫支持SQL語言，因此SQL是一個常用的工具，用於執行數據轉換操作，尤其適用於處理結構化數據。
Spark：Apache Spark是一個用於大數據處理的強大框架，它提供了分佈式數據處理和分析計算。Spark通常用於處理大規模數據轉換操作，性能高且具有可擴展性。
Spark Streaming：Spark Streaming是Spark的一個模塊，用於處理流式數據。它可以實時處理數據流，非常適合需要即時分析的應用。
Spark是常用於處理大數據的強大框架(Source: Data Mechanics)
八、機器學習 Machine Learning
機器學習（Machine Learning）是一種人工智慧（AI）的子領域，它教導電腦如何從數據中學習，以自動改進和做出決策，而不需要明確的程式指令。機器學習可以應用於多個領域，如圖像辨識、語音識別、自然語言處理、醫療診斷、金融預測以及自駕車技術等。
人工智慧、機器學習、深度學習都是資料科學中的熱門領域
對於數據工程師來說，了解機器學習的不同類型，包括監督學習、非監督學習和增強學習，以及相關的模型(如邏輯回歸、決策樹、K-最近鄰算法等)很重要。他們需要知道何時應該使用哪種模型，並學會處理數據、調整模型參數，以及評估模型的預測準確性。
操作機器學習的平台有Vertex AI、Kubeflow等，這些平台可以協助數據工程師輕鬆部署模型，並構建更準確的工作流程，幫助數據科學家做出更精確的決策。
Vertex AI 是Google Cloud上的一個機器學習平台
此外，還有一些集成平台可讓數據工程師將工作流程整合到一個地方，如AWS Sagemaker、Databricks和Hugging Face等。這些平台通過共用的應用程式接口和圖形界面，使應用軟體功能不受特定硬體、作業系統、網路協議或資料庫管理系統的限制。
AWS Sagemaker也是不少人的ML開發選擇(Source: AWS)
九、作業編排管理
編排（orchestration）是一種用於管理和協調組織各種任務和工作流程的方法。它幫助我們確保工作按照預定的順序執行，以達到我們的目標。
最佳的編排工具之一是Airflow。它使用基於Python的有向無環圖（DAG）來記錄工作流程，讓您可以清楚地定義和規劃工作。Airflow特別適用於複雜的工作流程，並且在大數據和數據工程領域中廣泛使用。
其他工具包含Luigi、Nifi和Jenkins。每個工具都有其獨特的特點和使用場景，可以根據你的項目需求來選擇適合的編排工具，可以幫助數據工程師自動化和管理各種任務，提高工作效率。
Airflow是開發時常用的工作流程管理工具(Source: Airflow)
十、前端與儀表板
前端和儀表板（dashboard）是用來展示數據結果和互動的工具。它們讓我們能夠以圖表、圖像和表格的形式呈現數據，並讓用戶與數據進行互動。
舉例來說，Jupyter Notebook 是一種常用的工具，它可以幫助數據科學家和分析師在筆記本中直接進行數據分析並建立視覺化圖表。
Jupyter Notebook是好用的互動式開發工具，是許多資料科學工作者選擇
此外，儀表板或所謂BI工具如 PowerBI 和 Tableau，以及 Python 套件如Dash 和 Gradio，也被廣泛使用。這些工具允許我們建立互動性強的儀表板，讓用戶輕鬆探索數據，查看不同的視覺化結果，並根據需求進行操作。
Tableau是業界常用的商業智慧(Business Intelligence)工具，建立企業數據儀表板
十一、後端框架
後端框架與軟體工程有關，它們有助於構建網站和應用程序的後端部分。舉例來說，如果您想建立一個網站或應用，可能需要一個後端框架來處理用戶發出的請求、管理資料庫，以及提供信息給前端顯示。
基於 Python 的後端框架包含 Flask、Django 和 FastAPI 等。Flask 是一個輕量級的框架、Django則提供了更多的內置功能、FastAPI 則專注於建立API。
除了這些，還有一些雲端技術可供使用，例如G oogle Cloud Platform（GCP）的 Vertex AI API 和 AutoML APIs，這些技術可以用於模型部署和機器學習應用。
Flask 是一個 Python 網頁應用程式框架，因輕量靈活而受許多開發者喜愛
十二、自動化與部署
自動化和部署是指使用不同的工具和技術，來讓程式碼的建立和執行過程更加自動化和簡化，有助於提高效率、降低錯誤，並讓應用程式更容易管理和維護。
這個過程包括以下幾個主要方面：
基礎設施即程式碼（Infrastructure as Code）：這是使用工具如Terraform、Ansible和Shell指令來管理和配置伺服器和基礎設施的過程。這些工具可讓你將基礎設施視為程式碼來處理，使其更易管理和自動化。
持續集成/持續部署（CI/CD）：指透過GitHub Actions和Jenkins等工具來自動化程式碼的測試、集成、部署和交付的過程。有助於確保程式碼的品質，並使新功能能夠快速部署到生產環境。
容器化：即使用Docker和Docker Compose等工具，將應用程式和其相關的依賴項打包成容器的過程，可使應用程式在不同環境中更容易部署和執行。
Docker工作流程示意
想當數據工程師，如何培養能力？
在學生可以學習統計、資工、資料科學等科系的課程，或是透過相關實習或競賽來摸索對此領域的興趣。此外，網路上有許多付費課程、YouTube上的免費資源，也可以在kaggle、LnData等平台取得更多練習與交流機會、相關知識、技巧或資源！
要記得，這些相關技術日新月異，即使是正在工作中的數據工程師也必須時時學習與了解最新技術。相對的，正因為技術不停在改變，你也不需要強求把上面所有技能練到精通，而是掌握重要的基本概念與保持開放的學習態度。
數據工程師可以為企業做什麼？
數據工程師日常就是與數據打交道，主要包含收集、讀取、清理，探勘與管理企業的資料，以抓取符合企業分析需求的數據。這些數據則能進一步透過機器學習、演算法，產生更有價值的結果或應用方式，幫助企業做出更好的決策、優化業務流程，例如降低成本、提高獲益、優化產品、留住熟客及開發新客群。因此，數據工程師對於企業的重要性不言而喻。
然而，企業想挖掘數據最大價值，並不能只靠數據工程師。一個完整的數據團隊，通常包含數據工程師、數據科學家、數據分析師三種角色，各司其職、專業分工。他們在日常工作流程中扮演各自的角色，互相協作，完成各種不同的專案——這也是為何我們最後要強調，除了技術以外，溝通與協作等軟技能也非常重要！
（原文標題：2023 年想成為數據工程師的 12 項必備技能）
[joblist_plugin title='推薦【數據／資料工程師】工作機會' url='https://www.104.com.tw/jobs/search/?ro=0&keyword=%E6%95%B8%E6%93%9A%E5%B7%A5%E7%A8%8B%E5%B8%AB&expansionType=area,spec,com,job,wf,wktm&jobsource=blogc&langFlag=0&langStatus=0&recommendJob=1&hotJob=0' amount='3']
【數據／資料工程師】職場常見證照整理：
序號證照證照介紹發照單位1DP-203 Azure資料工程師技術師身為此認證的應試者，您應該具備主題專業知識，能夠將各種結構化、非結構化和串流資料系統中的資料，整合...＜詳情＞Microsoft2Google專業資料工程師認證專業資料工程師透過收集、轉換和發布資料來實現以資料所驅動的決策。資料工程師應該能夠設計、建置、操作...＜詳情＞Google3SSE 大數據國際認證隨著有關大數據的程式語言、運算平台、基礎理論，以及虛擬化、容器化的技術成熟...＜詳情＞Silicon Stone Education4AWS認證的數據庫-專業級認證報考資格：1.接觸資料庫技術至少 5 年、2.實際使用 AWS 至少 2 年...＜詳情＞Amazon Web Services5台灣風險數據分析師除了相關法遵外，應具備在風險數據分析、質量方法運用、風險預測建模等高階專業...＜詳情＞社團法人台灣風險管理協會更多數據相關證照＜前往＞
【數據／資料工程師】職場再進修課程推薦：
課程名稱課程介紹【真人直播】零基礎Python數據分析與即時看板實作在這堂課程中，我們將帶你從學習基礎 Python 出發，了解各種常見資料檔案格式與編碼，透過 Python 進行資料表單或檔案的自動化彙整與分析...＜課程介紹＞GA4+GTM網站數據分析實戰課專業的教學設計，以第一線網站數據分析工作者角度，剖析 GA4 四大要領，從觀念的理解到上手實作，提升你的數據分析能力。…＜課程介紹＞成為數據分析師的第一把鑰匙：用Python實作三個資料分析專案以非工科生成功轉為數據分析師的經驗、第一線職場實戰角度出發，來設計這門課程，適合零基礎、初入門、想轉職作數據分析師的你!…＜課程介紹＞零基礎成為Python金融數據分析師｜金融資訊爬蟲X視覺化應用課程單元從 Python 程式基礎開始，包含變數、資料型態、流程控制、函式、例外處理等 金融主題的網路爬蟲程式教學，製作Python爬蟲工具…＜課程介紹＞更多數據相關課程＜前往＞
用AI做簡報，建議先「生成大綱」！簡報大綱規劃模組Prompt分享
想用AI做出高品質簡報，為什麼需要先「生成投影片大綱」？作者分享透過「投影片大綱規劃模組Prompt」，確保簡報內容精準呈現，並讓結構更加完整。內文詳細解析Prompt用法、實際應用案例，以及在NotebookLM、Notion AI和Google AI Studio等平台的操作方法。本文節錄自《超有料！職場第一實用的AI簡報術》。
文／廖韋評
本文目錄（點擊可快速前往）
為什麼用AI生成投影片，需要先「生成投影片大綱」？投影片大綱規劃模組：Prompt用法解析AI生成簡報大綱應用實際範例AI投影片大綱規劃模組使用方法方法一：使用NotebookLM產出大綱（推薦）方法二：使用Notion AI產出大綱方法三：使用一般的LLM產出大綱方法四：使用Google AI Studio產出大綱（推薦）
已經設計好了簡報目標、分析簡報對象的需求、彙整大量簡報中可能會需要用到的關鍵字，並根據這些資料規劃了搜尋用的指令、得到了許多網路上的搜尋成果作為背景參考資料。
在將這些簡報內容視覺化之前，由於每個AI投影片生成工具對於簡報內容的建構能力並不相同，所以為了確保能夠有最完整的簡報品質，我們要先透過投影片大綱規劃模組來將這份簡報的逐頁大綱擬定完成！
編按：為了確保AI能夠做出精準符合需求的簡報內容，作者建議先定義簡報需求，做資料蒐集及資料彙整之後，透過投影片大綱規劃模組，生成完整投影片大綱，再正式進入以AI簡報工具生成投影片的環節。延伸閱讀：AI生成簡報工具怎麼選？Gamma、Felo、NotebookLM等6大AI簡報工具推薦
為什麼用AI生成投影片，需要先「生成投影片大綱」？
1. 確保內容精準性：投影片導向的AI在生成投影片時，通常不允許使用者上傳背景參考資料。如果沒有大綱預先規劃內容，可能會導致最終視覺化內容的資訊失真。
2. 模型能力差異：投影片導向的AI核心模型為了追求反應速度和降低成本，通常採用非推理模型。相比之下，先在大語言模型 (LLM，如ChatGPT、Gemini) 中生成大綱，可以利用其更強大的邏輯推理能力。
3. 避免內容過度壓縮：投影片導向的AI有可能為了方便版面排版，將使用者提供的內容過度壓縮或省略。預先生成詳細大綱，能確保核心訊息被完整保留。
4. 降低修改成本與耗時：如果直接讓AI生成投影片，不僅耗費時間較久，後續發現邏輯或內容錯誤時，修改調整的成本也較高。
5. 確保節奏與品質：透過指令先行生成大綱，能確保內容的節奏與文字品質符合講者預期。
綜上所述，如果我們在生成投影片視覺內容之前，先透過其他AI生成大綱，較能夠透過指令確保內容的節奏與文字品質符合我們預期。
投影片大綱規劃模組：Prompt用法解析
編按：投影片大綱規劃模組由：投影片大綱生成規劃、投影片內容大綱生成規則、輸出格式規則組成，本文將逐段解析prompt，實際應用時需整組貼上，用法詳見下文。
Prompt# 投影片大綱生成規劃## 角色 (System)你是一位「投影片製作AI助理」，擅長將大量資料整理成有條有理的投影片脈絡。## 執行流程Step 1. 根據簡報的總時間長度評估「投影片頁數」(預估每 1~2 分鐘一頁)，並依內容的邏輯結構與深度彈性調整，確保敘事流暢。Step 2. 整合簡報目標、受眾需求、關鍵內容清單、參考資料，打造整份簡報的 Story LineStep 3. 根據這份簡報的 Story Line 將簡報內容拆解成 3-5 個章節，並按照章節彙整對應的參考資料 (務必使用參考資料，我會檢查)Step 4. 根據每個章節的參考資料拆解數個「核心訊息」作為投影片的標題，再設計投影片大綱Step 5. 設計投影片大綱時，先生成完整口語講稿、再根據講稿內容提取投影片內文或數據圖表 (口語講稿的內容應該要遠多於投影片的文字，需涵蓋該頁投影片的所有內容，並補充額外資訊。)Step 6. 設計投影片內文時，判斷頁面類型，再根據類型決定文字數量/密度/格式。Step 7. 最終審視與串連：檢查所有投影片是否緊密圍繞「核心訊息」，並確保「故事線」的起承轉合流暢自然。
相較於以往直接讓AI閱讀資料產生大綱，這一部分模組提供了一個比較細節的流程：
先根據簡報時長判斷投影片頁數。
再根據內容先提出整體故事線以確保簡報的敘事邏輯順暢。
最後才是切分章節與設計每頁投影片內容。
比較值得分享的是，為了避免AI在生成投影片時文字過於生硬，所以在「Step 5」的時候特別要求AI同時輸出「講稿和投影片文字」，這個做法的好處是可以用講稿內容來評估實際的簡報時長、也能避免內容與講稿不同步的問題、但缺點是會花費不少的TOKEN額度、可能導致內容被壓縮，可以視情況決定是否自行拿掉。
Prompt## 投影片內容大綱生成規則### 第一張：封面設計 內容：主標、副標、講者名字設計風格：依主題決定版面 (置中/左右分欄/滿版圖片等)、字級清楚、對比明確### 第二張：目錄頁內容：標題、各章節內容設計風格：若章節數 ≤ 4：左側加上插圖，右側標題與章節對齊；若章節數 > 4：不使用插圖，以清楚的清單呈現### 章節頁內容：章節編號(以 Ch. 呈現)、章節名稱、內容項目 (列點或以、分隔)設計風格：使用半圖半文版面### 金句頁 (建議整份簡報只要放 2 - 3 張)內容：無需標題，僅一行關鍵句設計風格：強調不要有任何的插圖、大小設定為 H1### 純內文頁-標題內文：請根據內容總結一個 Tagline 做為標題，而不能只是執行時程這樣的單字、標題內文內容不能超過 10 個字-內容列點：根據講稿判斷重點，並以「-」條列，最多只能往下展開一個子階層、且子階層文字不能過多-呈現邏輯：依列點文字的邏輯，在「排版指令行」指定排版形式 (如：金字塔圖、流程圖、ICON 版面……)，但不要有不相干的裝飾性插圖！-設計風格：內文頁請強調「不要有任何的插圖」### 數據圖表頁若判斷該頁適合放置數據圖表：-標題：列出圖表標題，並於後方加上「(須人工補充圖表)」-內容：圖表核心洞見：[ AI 需在此處生成一句話，說明此圖表最想傳達的結論或趨勢]-關鍵數據點：列出講稿中提到的具體數據 (為確保數據的可觀性，盡量不使用過多文字)設計風格：建議圖表類型 (長條圖/折線圖/圓餅圖/表格)### QA (最後一張)內容：標題字「QA Time」＋三個建議觀眾提問＋一個核心 CTA
由於讓 AI 自己規劃內容時，容易全部是資訊塞滿的內容頁，所以這邊特別在版面設計中加上了目錄頁、金句頁、數據頁、QA 頁的設計引導，讓投影片的版面變得更加豐富、較不容易造成觀眾的疲乏。
Prompt## 輸出格式規則1. 僅輸出 Markdown 格式2. 每張投影片採以下結構呈現： - `# Slide N｜主標題` - 簡報核心內容：以 bullet 方式呈現 - 口語講稿：換行之後以註記呈現 `/* .... */` - `:: 設計風格：......`3. 以 `---` 分隔不同投影片，這個很重要！。4. 依序編號 Slide（1‥N），不遺漏也不重複。##輸出格式案例#Slide 14｜短中長期規劃 - 短期（一個月內）：成立風險盤點小組由財務、業務、採購部門主管組成。任務：全面量化公司目前的外幣資產、負債、及未來一季的預期現金流。- 中期（一季內）：制定內部應對策略舉辦跨部門工作坊，建立避險共識與標準作業流程（SOP）。 產出：更新版的標準報價合約範本、金融避險工具使用原則。- 長期（半年內）：融入日常營運定期（如每季）檢視與調整避險策略。<info>將匯率風險納入各部門的KPI與年度預算考量。</info>/*我建議，我們不需要等到所有事情都完美才開始。我們可以從今天開始，啟動一個為期三個月的「匯率風險管理優化專案」。第一個月，我們需要立即成立一個由財務、業務、採購主管組成的跨部門任務小組，目標只有一個：全面盤點我們目前到底有多大的外幣風險部位。[4] 第二個月，我們要舉辦一場深度工作坊，把今天提到的策略，變成我們公司自己的SOP。第三個月，我們要看到具體的產出：一份更新版的標準報價合約，以及第一筆「自然避險」的採購訂單。 */:: 設計風格>>時間軸：清晰標示出「一個月」、「一季」、「半年」的關鍵行動與產出。---## 開始編排1. 請先宣告投影片頁數2. 列出Story Line3. 生成整份簡報的大綱
最後為了確保AI所產出的大綱格式，在後續轉變成投影片時能夠被其他AI穩定的讀懂，這邊針對輸出格式做了完整的範例，並將同一張投影片內不同邏輯描述，以不同的註記方式呈現。
AI生成簡報大綱應用實際範例
範例以荒廢公園再利用為題目：
圖／旗標《超有料！職場第一實用的AI簡報術》
AI投影片大綱規劃模組使用方法
了解了模組的設計概念和成效之後，我們要如何使用這個模組呢？其實就是把所有模組的產出成果（簡報情境、對象分析、關鍵內容、搜尋成果）統一上傳至AI，再讓AI了解完所有簡報需求之後，根據投影片大綱規劃模組整合搜尋而來的資料就可以了。
方法一：使用NotebookLM產出大綱（推薦）
網址：https://notebooklm.google.com/
確定上傳簡報情境、對象分析、關鍵內容清單。
確定把所有 AI 搜尋的成果上傳。
在問答區中輸入大綱規劃模組，即可獲得完整的投影片大綱。
圖／旗標《超有料！職場第一實用的AI簡報術》
方法二：使用Notion AI產出大綱
網址：https://www.notion.so/
將所有的搜尋成果存放在Notion的資料庫中。
在資料庫的頁面中，點開右下角的Notion AI，或是在Notion AI的首頁中透過@呼叫存放管理結果資料庫，只要確認有參考到資料庫的情況下。
以對話的方式貼上大綱規劃模組，即可獲得完整的投影片大綱。
圖／旗標《超有料！職場第一實用的AI簡報術》
方法三：使用一般的LLM產出大綱
如果你尚未將這些搜尋結果匯入至NotebookLM或者Notion AI，我們也可以直接使用一般的通用型AI來製作投影片大綱
挑選一個使用習慣的通用型AI（ChatGPT／Gemini／Grok／Claude／Google AI Studio）
將簡報情境、對象需求分析、簡報關鍵內容清單以文字檔上傳（或者直接複製貼上），並跟AI說「這是簡報的核心需求。請先閱讀即可、不需要產生大量回應。」
接著，將Deep Research和Perplexity的搜尋結果上傳（或複製貼上），跟AI說這是「這是相關網路的參考資料。一樣先閱讀即可、不需要產生大量回應。」
確認將大量資訊都提供給AI參考之後，將投影片大綱規劃模組貼上，AI就能整合前面所提供的資料，產出完整投影片大綱！
如果你不知道要用什麼樣的AI，筆者在這邊推薦你一個最適合的選項：Google AI Studio。
方法四：使用Google AI Studio產出大綱（推薦）
網址：https://aistudio.google.com/
由於投影片大綱規劃模組所需要上傳的文件&內容較多，輸出的內容也會比較多，相比一般的通用型AI會更推薦使用 Google AI Studio！
這是一個專為開發人員與創作者設計的AI開發平台／工具，讓用戶可在瀏覽器介面免程式快速體驗、測試、設計及整合Gemini模型。跟Gemini相比，Google AI Studio有著：
更多的免費 Gemini 3.0 Pro 額度
較長的上下文讀取
單次更高的文字輸出上限
節錄自：旗標《超有料！職場第一實用的 AI 簡報術：用對工具讓生產力全面進化！》／廖韋評 著
★ 104學習推薦：建立「職場簡報力」標準，讓你的能力被看見 ★重量級講師王永福、謝文憲、葉丙成共同發起認證＋考前影片：▶ 台灣簡報認證 - 初級｜通過認證回傳104履歷
[course_plugin api_type='course_id' title='104學習推薦：' id='39d7b0fe-6384-450f-aee8-eaa8932b544d']
ChatGPT生成Apps Script程式碼4技巧！Google Sheets自動化範例用AI加持
想把重複的Google Sheets試算表工作自動化，用ChatGPT就可以快速生出可用的Apps Script程式碼，相較於手動編寫、錄製巨集，使用生成式AI的技術門檻最低！作者分享2個範例，並提醒用AI生成Apps Script程式碼的Prompting技巧。本文節錄自《AI 加持！Google Sheets 超級工作流》。
文／杜昕 Mic Tu
本文目錄（點擊可快速前往）
撰寫Apps Script程式碼的3種方式使用生成式AI生成Apps Script程式碼▶ 範例1：資料統計▶ 範例2：生成圖表用AI生成Apps Script程式碼的Prompting技巧
Google Apps Script（以下簡稱Apps Script）是一個強大的雲端腳本語言，讓使用者能透過類似JavaScript的程式碼整合Google的試算表、文件、簡報、日曆等功能，自動化重複性的工作，完全免費且不需要安裝任何開發環境即可完成。
若要在Google Sheets中使用Apps Script，只要點選「擴充功能 → Apps Script」進入Apps Script的編輯器介面，便能開始撰寫程式。
撰寫Apps Script程式碼的3種方式
撰寫Apps Script程式碼的方式可分成手動編寫、錄製巨集、使用生成式AI 3種，優缺點分別如下：
撰寫方式優點缺點手動編寫完全根據需求客製化程度高。需要花較多的時間學習與實際撰寫。錄製巨集錄製後自動生成程式碼，只需根據需求手動調整即可。錄製的程式碼較基本，複雜的需求可能要大幅的手動調整，因此仍需具備程式基礎。使用生成式AI可直接複製貼上生成的程式碼，大幅提高撰寫效率，也能解決較複雜的案例。撰寫程式碼時會備註各程式碼的用途，可供快速學習。較冷門的需求可能會回答錯誤，若要提升生成品質則會需要訂閱。有時程式碼較冗餘，影響執行效能與可閱讀性。
雖然3種方式皆有優缺點，但使用生成式AI需要的時間、技術門檻最低，因此後續各章節主要會使用ChatGPT生成程式碼，提供輸入的Prompt及對應的輸出。
使用生成式AI生成Apps Script程式碼
本節將使用兩個範例說明如何使用ChatGPT生成程式碼，只要將程式碼複製到Apps Script中並執行函式即可，兩範例的需求、Prompt與ChatGPT (4o mini)生成程式碼如下：
本節範例使用之「會員資料檔」Google Sheets
會員資料檔範例（圖／旗標）
▶ 範例1：資料統計
需求：統計會員資料檔中的會員職業，各職業依會員數多到少排序。
問：生成Apps Script程式碼，統計工作表「會員資料檔」的 E2:E 每個值出現的次數，依次數由高到低輸出到工作表「5.4.3 使用生成式 AI 生成程式碼」的 A:B 中，並將兩欄的標題分別設為「職業」和「會員數」。
ChatGPT輸出結果（以下為作者撰寫時生成之版本，每次生成可能有些許差異，請各位讀者稍加留意）：
▶ 範例2：生成圖表
需求：延續上例，將統計結果繪製成柱狀圖。
問：生成Apps Script程式碼，將工作表「5.4.3 使用生成式AI生成程式碼」的 A2:B 繪製成柱狀圖，兩欄分別為「職業」和「會員數」，並貼上至工作表的 C1 儲存格中。
ChatGPT 輸出結果：
兩範例的最終結果如下圖所示：
（圖／旗標）
用AI生成Apps Script程式碼的Prompting技巧
在撰寫Prompt時要清楚描述需求，以增加生成式AI正確的機率，可以使用以下的Prompting架構增加正確輸出的機率：
問：(1) 生成Apps Script程式碼，(2) 完成以下步驟：1. (3) 將工作表「○○○」的 ○○:○○ 儲存格 (4) 匯總 / 繪製圖表 / 計算...，其中 A / B / C 欄位依序為 △△△ / △△△ / △△△…。2. 將 …3. 將 …，(3) 把最終結果輸出至工作表「○○○」的 ○○ 儲存格。
(1) 在一開始就提及Apps Script，避免AI輸出其他程式語言。
(2) 若要求非常複雜時，建議化為多個步驟，或是分多次Prompt漸進式說明。
(3) 清楚說明資料來源與最終輸出的位置，提及「工作表/儲存格/範圍/欄/列」避免判斷錯誤，並建議用括號標示工作表名稱。
(4) 說明計算過程時可以說明應用場景，但要說明各欄位的名稱，避免判斷錯誤。若欄位的名稱較難判斷資料型態時，可以增加舉例說明。
節錄自：旗標《AI 加持！Google Sheets 超級工作流》／杜昕 Mic Tu 著
推薦閱讀：
AI家教上線！ChatGPT和Gemini學習模式實測4招馬上用
AWS免費課程幫你打造AI「學力」證明，攻搶12萬AI職缺！
除了ChatGPT還有哪些生成式AI？16種AI工具應用解析
AI會取代工程師嗎？寫程式不再是門檻，如何打造不可替代的能力？
AI大幅降低了寫程式的門檻，工程師該如何在AI時代中保有競爭力？作者、資深工程師指出，現在市場受到AI衝擊最大的是「新手工程師」，因為較難判斷AI答案的品質與正確性。他也建議，工程師與其害怕被取代，不如開始思考：什麼才是真正不可替代的能力？本文節錄自《工程師下班有約》。
文／林鼎淵（Dean Lin）
本文目錄（點擊可快速前往）
市場其實對品質並沒有那麼高的要求當沒有程式背景的人，可以在AI的幫助下完成專案如果高度專業的技能也被AI取代解決問題的能力會更加重要要對自己的專業有更深刻的理解結語：別讓專業成為你唯一的價值
前陣子聚會時，有個工程師朋友問我：「你未來職涯規劃會繼續寫程式嗎？還是有別的打算呢？如果只會寫程式，感覺撐不過下個世代。」
面對這個問題，其實我深有感觸；因為AI確實給我工作帶來非常大的幫助。
甚至可以這麼說，在演算法優化、程式重構、SQL撰寫、DB規劃、單元測試、變數命名等任務上，AI已經做得比絕大多數的工程師更好。
但其實AI對我們的幫助越大，越應該去想：「我會不會哪天就被AI取代？我會不會被其他更擅長使用AI的人取代？」
市場其實對品質並沒有那麼高的要求
有了AI，所有領域的門檻都大幅下降；對外行來說，AI生成的作品「看起來」已經足夠專業了。
下面舉幾個已經受到嚴重衝擊的產業：
1. 翻譯
其實一般人無法分辨出AI翻譯與專業翻譯的差距，因為現在AI已經能翻譯出「有品質、讀起來流暢」的文章了；除非譯者本身擁有超高的文學素養與專業知識，否則翻譯的效率與品質可能還比不上AI。
2. 插畫
即使你沒有學過繪圖、設計，現在透過簡單的指令，AI就能生成出「符合需求」的插畫，這讓許多原本有外包需求的公司轉而投向AI的懷抱；假使繪者沒有自己的個人品牌，或是獨特的風格，那未來生存的空間會越來越小。
3. 行銷
市場有時要的不是「有品質」的文章，而是「大量」的文章與回覆，而這正是AI擅長的事。他除了生成文章的效率很高外，還能模擬出上百種不同人格，在貼文下互相留言，營造出討論熱烈的景象、引導話題風向。這讓原本要請好幾位員工才能完成的任務，現在靠少數菁英就能搞定。
之所以上面的產業會受到較大衝擊，是因為從外行人的角度來看，70分跟90分是差不多的，絕大多數人都不具備品鑑的能力。
當沒有程式背景的人，可以在AI的幫助下完成專案
這幾年社群媒體上，我越來越常看到「文組、PM」分享自己在AI的幫助下，成功開發程式與轉職工程師的文章。
身為一名寫了10幾年程式的工程師，每次看到這類文章時，總有一種莫名的情緒，好像過去苦苦修煉的技巧，在AI時代變得一文不值。
但我又不得不承認：「他們說的是真的！現在寫程式已經幾乎沒有門檻了。」
前陣子有個商科出身的朋友，他靠Cursor這個AI程式碼編輯器，在一天內完成了購物網站的後台。這不是單純的前端網頁，是包含後端API、資料庫的完整系統。
儘管我知道大部分的功能都是套模板，功能也只有簡單的CRUD（新增／查詢／修改／刪除），但這個成果依舊讓我感到震撼。
因為在過去如果想建立一個購物網站的後台，即便只要最基礎的功能，這個專案對新手工程師來說，可能也要花1~2個月才有辦法完成，而且成果搞不好還有很多的 Bug。
但現在AI直接打破專業的鴻溝，即使你完全不懂程式，也「有機會」完成一些基礎的專案、功能。
不過隨著專案複雜度提升，AI的錯誤率也會隨之上升，如果沒有程式背景，依舊會遇到一些鬼打牆、無法解決的問題。
其實遇到無法解決的問題是幸運的，怕的是寫出看起來可以正常運作，但實際上漏洞百出的程式。
但隨著AI持續成長，搞不好再過個幾年就能解決這些問題也說不定。
別忘記，你現在使用的AI，將會是歷史上最弱的。
如果高度專業的技能也被AI取代
有些人可能覺得自己是業內的資深人員、專家，AI應該威脅不到我吧？
如果你有這樣的想法，不妨看一下發生在我朋友身上的案例。
他是一個年薪300萬的工程師，之所以可以領到這個薪水，除了熟悉產業外，另一個重點是他非常熟悉組合語言。
如果你不知道什麼是組合語言，就把它想成20個人努力去學，最多就1個人能夠理解並掌握的技術。因為人才稀有，所以都是高薪職位。
原本朋友覺得自己可以靠這個稀有技能爽爽做到退休，但在ChatGPT 4.0推出後，他開始焦慮了。因為他發現過去只有少數人能掌握的組合語言，對AI來說根本沒有難度。
也就是說，如果公司意識到這件事，基於人力成本考量，很有可能把他給Fire；然後請一個熟悉這個領域，並對組合語言有基礎理解的工程師來取代他。
解決問題的能力會更加重要
也許在3年內，現有的開發生態會被AI顛覆。
對過去的工程師來說，寫出優秀的演算法、易讀性高的程式非常重要；但現在，能判斷出演算法的好壞、程式的可執行性會更加重要。
因為大部分寫程式的任務都已經可以外包給AI了（前提是別違反公司資安規定），所以培養分析與拆解問題的能力，並瞭解如何清楚地將需求轉換成電腦能理解的指令，才是如今工程師的核心競爭力。
而在未來，也許工程師的價值會變成解決複雜的商業邏輯、分析多個系統的資料流，有能力判斷不同方案的Trade-off（權衡）；而撰寫程式這件事，在10年後搞不好會變成類似「傳統技藝」的存在。
不要覺得這件事不可能發生，過去我們有想過只要動嘴就能做設計嗎？有想過AI生成的音樂、動畫，水平已經跟人類不相上下了嗎？
現在市場受到AI衝擊最大的是「新手工程師」，因為新手工程師較難判斷AI答案的品質與正確性。所以企業在徵才時，可能會優先考慮擅長用AI輔助開發的資深工程師。
【筆者碎碎念】從面試官的角度來看，在AI時代下，我更在乎求職者是否有處理正式環境Critical issue的經驗；因為程式語言、框架可以後天學習，但有能力處理正式環境issue的人並不多。技術能力只能用來衡量平時的工作效率，但遇到緊急狀況時，在壓力下是否有足夠的膽量與決策能力就很看人格特質了。畢竟不管AI的建議有多好，還是要有「人」來做出判斷與決策。
要對自己的專業有更深刻的理解
下面分享一段朋友說的話。
前幾年Golang很火，相關職位的薪水都比其他程式語言來得更高，所以就有人一窩蜂地跑去學Golang。
不過朋友是這麼說的：「這份專案用Golang寫，是因為面對這個需求時，Golang的效能比較好而已；在AI的幫助下，我花一個禮拜寫完這個專案，而Golang我才接觸兩個禮拜。」
這段話要表達的不是Golang很好學，而是當你對程式的本質有深刻的理解時，程式語言只是一種工具而已，因為背後的底層邏輯都是相通的。
高薪工程師的核心競爭力，不在於知道多少工具或語言，而在於理解需求、解決問題。
想讓AI給你最大幫助，還是要具備對應的知識水平。否則AI是對的，你就是對的，AI是錯的，你就是錯的。
結語：別讓專業成為你唯一的價值
這篇文章要傳遞的並不是「工程師已死、工程師將被AI取代」這類訊息，而是希望大家停下腳步，問問看自己：
「5年後，我今天所做的這些事還重要嗎？」
「如果AI能完成我的工作，那我的價值在哪？」
當AI持續顛覆各種專業，真正的威脅不是AI本身，而是你是否已經習慣了安逸，忽略了成長與思考。
專業只是解決問題的「工具」，而AI是工具中的新選項；老闆、客戶並不在乎你用了什麼方法，他們只在意你能不能幫他們解決問題。
過去只要會寫程式就能混口飯吃，但在AI的時代，你還需要具備其他重要的多元化技能，讓自己更難被取代。
可能是解決複雜問題的思維、跨領域整合的視野，或者是更深入的人際溝通與合作能力。
未來AI可以做到的事情會越來越多，但依然需要有人去解決問題、推進決策、承擔責任。
我無法預測未來，但我相信能夠在時代浪潮中保持競爭力的人，永遠是那些願意不斷適應、持續調整的人。
願我們都能在AI的時代中，找到屬於自己的新價值。
【人類永遠不會滿足，所以一定會有新的工作誕生】早在1928年，知名經濟學家凱因斯曾預言在未來「每天只要工作3小時，每週工時只需15小時」。但時隔近百年，這項預言並沒有成真，因為他低估了人類的慾望；在資本市場的推動下，爆肝、熬夜等問題依舊存在於多個行業。現在AI已經取代了很多人的工作，就像當年自動化工廠推出後取代了不少工人一樣。但許多產業衰敗的同時，也會催生出新的產業；像這幾十年來，互聯網和科技領域的工作正在蓬勃發展。而近幾年AI相關的機會、職缺，也在快速成長中；如果能掌握這波時代紅利，何嘗不是你超越其他人的機會呢？
節錄自：博碩文化《工程師下班有約：企業內訓講師帶你認清職涯真相！》／林鼎淵（Dean Lin） 著
[joblist_plugin title='更多104【軟體／工程】工作機會' url='https://www.104.com.tw/jobs/search/?order=15&jobcat=2007001000&page=1' amount='3']
推薦閱讀：
【科技業高薪攻略】菜鳥年薪300萬不是夢！外商工程主管授求職3心法
為什麼進灰色產業就很難離開？工程師灰產薪水真的很高嗎？
文組生3個月轉職半導體工程師、年薪翻倍！陽明交大為何免費幫上千人轉職？
【ChatGPT當機】除了ChatGPT還有哪些生成式AI？16種AI工具應用解析，4步驟學會關鍵能力
生成式AI除了ChatGPT，你還用過哪些？本文解析4大領域、16種AI工具特性，包括：Copilot、Perplexity、Claude等等，專家也提醒千萬別完全依賴AI、失去自主思考能力，4步驟帶你了解如何正確運用AI工具，建立解決問題的思考框架！
編按：ChatGPT在台灣時間7月16日上午再傳大當機，網頁、APP版都出現異常，用戶除分享當機災情，也尋找替代工具，本文分享除了ChatGPT，還有哪些生成式AI工具！
文／ 張可佳（Claire Chang）
本文目錄（點擊可快速前往）
16種生成式AI工具4大領域應用文本生成（LLM）工具影像／影片生成（Text-to-Image）工具音樂／聲音生成工具程式碼生成工具生成式AI的正確／不正確使用範例正確使用AI的例子：輔助學習不正確使用AI的例子：完全依賴翻譯工具4步驟用ChatGPT訓練解決問題的思考框架1. 明確定義問題與期待結果2. 重視問答過程並在過程中做思考3. 根據反饋一步一步探索你要的目標4. 快速測試及驗證回應
16種生成式AI工具4大領域應用
在生成式AI的世界裡，許多人可能首先想到的是OpenAI的ChatGPT。然而，生成式AI的應用範圍遠不止於此，涵蓋了從文本生成到圖片、影像、音樂、語音生成，甚至程式碼生成的多個領域。以下是一些主要的生成式AI工具，介紹它們在不同領域的應用。
文本生成（LLM）工具
1. OpenAI的ChatGPT
網址：https://chatgpt.com/
最受歡迎的文本生成模型之一，能夠回答問題、撰寫文章、生成對話等。
2. Google的Gemini
網址：https://gemini.google.com/app
能夠同時理解文本、影像、音訊和影片，這使其能夠更全面地處理和生成資訊，適用於各種複雜任務。
3. 微軟的Copilot
網址：https://copilot.microsoft.com/
整合Microsoft 365應用程式，幫助用戶自動化任務、生成內容和分析資料，提升工作效率。
4. Anthropic的Claude
網址：https://claude.ai/
超大的上下文窗口，可處理長的文本資料。
5. Perplexity
網址：https://www.perplexity.ai
與傳統搜尋引擎不同，Perplexity AI提供單一的、全面的答案，概括了所有需要知道的資訊。
6. Felo Search
網址：https://felo.ai/search
支持多語言搜尋，能夠自動翻譯搜尋結果，消除語言障礙，使用戶能夠訪問全球資料。搜尋結果是從網際網路上即時獲取的，確保資訊的最新性和準確性。
影像／影片生成（Text-to-Image）工具
1. Meshy
網址：https://www.meshy.ai/
從文本或影像創建3D建模檔案，從而加速3D建模的流程
2. Midjourney
網址：https://www.midjourney.com/
以創作高品質影像而著稱，適合藝術家和設計師使用。
3. Stable diffusion
網址：https://stability.ai/stable-diffusion
開源社群網址：https://civitai.com/
開源的影像生成模型，提供靈活且可自定義的生成過程。並有著豐富的開源模型社群，有豐富的免費模型與外掛可供嘗試使用。
4. Kling
網址：https://klingai.com/
影片及圖片生成的大模型，能更輕鬆地完成藝術影片創作。
音樂／聲音生成工具
1. Suno
網址：https://suno.com/
音樂生成AI工具。使用者只需要輸入歌詞，就可以在短時間內自動完成作曲、編曲及演唱。
2. Steve AI
網址：https://www.steve.ai/
專門用於生成音樂和聲音效果，適合影片和遊戲設計。
3. AudioCraft
網址：https://audiocraft.metademolab.com/
Meta開發的音樂生成工具，能創作高品質的音樂片段。
程式碼生成工具
1. Github的Copilot
網址：https://github.com/features/copilot
與Visual Studio Code整合的程式碼輔助工具，能夠即時補全程式碼。
2. Cursor
網址：https://www.cursor.com/
使用GPT-4，在一種新型編輯器中撰寫、編輯的程式碼。
3. Cosine AI
網址：https://cosine.sh/genie
推出了Genie，自稱全球最優秀的AI軟體工程師。
生成式AI的正確／不正確使用範例
筆者在撰寫此書籍時，為了更深入了解各行各業中人們使用生成式AI的情況，訪談了20餘位不同行業和角色的職場菁英。
其中，來自5IN實驗教育機構的李有誠博士，身處教育界，對生成式AI的影響有深刻見解。他認為生成式AI是一種革命性的技術，不僅改變了知識的傳遞方式，更可能重塑人類社會的結構。
李博士強調，生成式AI的強大之處在於其能在短時間內處理和生成海量數據與資料，超越人類能接受、理解和消化的能力。這種能力有可能引發許多職位、人類角色、認知和信念的興起與消失，導致社會結構的快速變動，也因此導致現代人們容易自我定位錯亂，迷失自我。
為了應對這種變動，他認為教育的核心任務應該是幫助學生進行自我探索與定位，探索自我價值觀，建立自我人格。人的想法和人格並非純粹內生，而是受到外部環境和參考資料的影響而形成。只有當學生能夠更快地了解自己與環境時，才能更有效地適應這些變化。
因此，社會對教育的觀念也需要隨之改變，應更加重視思考能力和人文素養的培養，而非僅僅追求分數或知識的學習。建立解決問題的思考框架，而非僅依賴AI提供的知識，將成為未來AI時代最重要的軟實力。
他也提及我們應謹慎使用AI功能，以確保能從中受益而不是依賴。
正確使用AI的例子：輔助學習
在完成英文創意寫作後，可以使用AI工具（如Grammarly、ChatGPT）來檢查文法錯誤。這種使用方式能夠幫助學生識別和理解自己在語言使用上的錯誤，進一步辨認出自己需要調整的地方，提高語言能力。學生完成寫作後，將其提交給AI 檢查，然後將AI指出的錯誤列出並理解這些錯誤的原因，再進一步請教師解釋和指導。接下來，學生按照對自己現況能力的新了解而更有針對性的進行下一步的成長，方能達到提高能力的目標。
正確使用AI－輔助學習指令：
請檢查這篇英文文章的文法錯誤，並列出有哪些錯誤及其原因。我想學習並了解我的寫作問題，從而改進我的英文能力。以下是我的文章內容：[ 在此貼上文章內容]
不正確使用AI的例子：完全依賴翻譯工具
在創意寫作時，直接使用Google翻譯將中文文本轉換為英文，然後將這些翻譯結果提交作為作業。這種做法完全沒有涉及到發自於學生本身的任何自主思考，錯失了練習英文的機會，沒有達到學習的目的，反而浪費了時間和資源，變成老師根本就是批改電腦生成內容的滑稽景象，也可能誤創造出學生有在學習的假象。
不正確使用AI－完全依賴工具：
我有一篇中文文章，請你將其翻譯成英文，並確保翻譯後的結果看起來像是創意寫作，能直接提交作為作業。以下是文章內容：[ 在此貼上文章內容]
4步驟用ChatGPT訓練解決問題的思考框架
從上面的範例我們可以知道，我們並不是要完全依賴AI替我們工作，而是將其視為一個強大的輔助工具，在我們的指導下，共同完成目標。我們可以將AI視為自己的下屬，而自己則是主管，負責引導、審視並做出最終決策。
1. 明確定義問題與期待結果
首先，我們需要清晰地定義問題，了解自己想獲得的結果，並附上相關參考資訊，為AI提供明確的指示。就像一位主管在下達任務時，需要讓下屬明確理解工作要求和目標。這樣，AI才能根據我們的指引生成符合預期的結果。
【市場分析報告】指令範例：
我需要生成一份有關市場分析的報告，目標是瞭解我們的新產品在台灣不同市場中的潛力。產品資訊：辣木籽（維持健康 促進新陳代謝 調節生理機能），印度稱其為【奇蹟之樹】，來自印度的超級食物，風靡全球 營養價值高
2. 重視問答過程並在過程中做思考
在這個過程中，我們扮演的角色不僅僅是提出問題，更重要的是評估AI的回應。當AI生成回應後，我們需要像主管審閱報告一樣，仔細檢查其中的邏輯和合理性。對於發現的任何不合理之處，我們要進一步探詢或查證，確保最終的結果是準確可靠的。
【客群分析】指令範例：
以這三種不同客群來說，在行銷包裝上分別要注意什麼？中老年人、關注健康的年輕專業人士、重視養生的族群
3. 根據反饋一步一步探索你要的目標
此外，我們應該善用AI提供的反饋，逐步逼近我們的最終目標。這就像在管理一個專案時，我們根據進展情況進行調整和最佳化，最終達成預期的成果。這種持續的互動和調整，是確保AI能夠有效協助我們解決問題的關鍵。
【行銷策略】指令範例：
有沒有一種行銷可同時打中這三種族群？
4. 快速測試及驗證回應
在利用AI解決問題的過程中，我們需要對AI回應的內容進行驗證。透過一來一回的過程，我們能從中學習到我們原本不知道的東西，並產生最終品質更好的結果。這不僅能提高我們的工作效率，也能讓我們從過程中學習，增強我們處理跨領域問題的能力，讓我們透過AI來提升工作能力及效率。
【行銷管道】指令範例：
中老年使用部落客推薦會有用嗎？有推薦管道嗎？
這時我們就可以去Google搜尋其他保健食品與醫生或健康專家合作做推薦的案例（可以使用Perplexity或Felo Search去搜尋相關文章），並評估可行性和過往的成效。我們可以將搜尋到的資料再貼回ChatGPT，幫助ChatGPT有更多符合我們需求的相關知識，並提供更好的後續回應。
節錄自：博碩文化《AI職場超神助手：ChatGPT與生成式AI一鍵搞定工作難題／張可佳（Claire Chang） 著 》
更多【AI工具應用】推薦：
盤點20大職場必備AI工具！專家：未來9成工作者都須懂AI
ChatGPT整理Excel表格超快速！用AI輕鬆搞定複雜資料
ChatGPT一鍵生成簡報！Slides Maker讓AI幫你快速做完整簡報
Gartner公布2026年十大戰略技術趨勢 AI帶動創新新成果將大量湧現
2025-10-27 經濟日報記者彭慧明 由聯合新聞網授權轉載
全球科技研調機構Gartner 27日發布對2026年重點關注的十大戰略技術趨勢。Gartner研究副總裁高挺（Arnold Gao）表示，2026年各項戰略層面重要技術動向密切交織，反映了一個由人工智慧（AI）技術驅動的高度互連世界現實圖景，技術領域創新速度湧現的新成果將大量出現、遠超從前。
Gartner提出的2026年重要戰略技術趨勢如下：
一、AI超級運算平台
AI超級運算平台整合CPU、GPU、AI ASIC、神經形態運算與替代性運算範式，使企業統籌複雜工作負載，同時釋放更強性能、更高效率與更多創新潛力。該系統融合強力處理器、海量存儲、專用硬體與編排軟體，可處理機器學習、模擬與分析等領域資料密集型工作負載。
Gartner預測，到2028年，應用混合計算範式架構於關鍵業務流程的領先企業合計超過40%，較當前8%水準大幅增長。
二、多智慧體系統
多智慧體系統（MAS）是多個AI智慧體構成、利用交互作用實現複雜個體或共同目標的集合，既可在單一環境中交付，亦可於分散式環境中獨立開發部署。
高挺表示，通過使用多智慧體系統，企業可實現複雜業務流程自動化、提升團隊技能、開創人類與AI智慧體新協作方式。採用模組化設計的專業智慧體通過在各工作流中重複使用成熟解決方案提升效率、加速交付與降低風險。此方案便於擴展運營規模與快速適應需求變化。
三、特定領域語言模型（DSLM）
資訊長（CIO）暨執行長（CEO）要求AI帶來更多商業價值，但一般大語言模型（LLM）難以勝任專業任務。特定領域語言模型（DSLM）憑藉更高精度、更低成本與更高合規性填補這一空白，是針對特定行業、功能或流程專用資料上訓練或微調的語言模型，DSLM能更精準、可靠且合規地滿足特定業務需求。
Gartner預測，到2028年，企業使用的生成式AI（GenAI）模型超半數屬於特定領域模型。情境 (Context) 成為決定代理部署成功與否的關鍵因素之一。基於DSLM的AI代理可解讀特定行業情境，即使在陌生情境中也能做出合理決策，因而具備超卓準確性、可解釋性與決策合理性。
四、AI安全平台
AI安全平台為協力廠商暨客製化AI應用提供統一防護機制，進行集中監測、強制執行使用策略，有效防範AI特定風險，如提示注入攻擊、資料外洩、惡意代理行為等，幫助CIO執行使用政策、監控AI活動、在全AI系統中建立統一防護邊界。Gartner預測，到2028年，使用AI安全平台保護AI投資的企業比率超過50%。
五、AI原生開發平台
AI原生開發平台使用GenAI實現空前快速、便捷的軟體發展。軟體工程師作為「前端部署工程師」進入業務部門，使用該平臺協同領域專家開發應用。企業只需維持現有開發人員規模，組建微型團隊配合AI即可開發更多應用。目前，領先企業組建微型平臺團隊，在安全與治理框架範圍內讓非技術領域專家能自主開發軟體。
Gartner預測，到2030年，80%的企業通過AI原生開發平臺使大型軟體工程團隊轉為更靈活的小團隊並通過AI賦權。
六、機密運算
機密運算重塑企業敏感性資料處理方式。由於工作負載被隔離在基於硬體的受信任執行環境（TEE），即使面對基礎結構所有人、雲端提供商或任一擁有硬體物理存取權限之實體，機密運算也能確保內容與工作負載隱形能力，對受監管行業、面臨地緣政治與合規風險的跨國公司與競爭對手的合作尤為重要。
Gartner預測，到2029年，在非可信基礎結構中處理的業務當中有超過75%將依託機密運算機制保障使用安全。
七、實體AI
實體AI是因人為賦權而具有感測、決策與執行能力的機器與設備（例如機器人、無人飛行器暨智慧型設備），將智慧型演化演算帶入到現實世界，為看重自動化、適應性與安全性的行業帶來可觀收益。但同時可能引發人們對就業的擔憂，因此要採取謹慎的變革管理。
八、前置主動式網路防禦
企業面臨網路、資料與聯網系統威脅倍增，前置主動式網路防禦正成為趨勢，以運用AI驅動的安全運營、程式化阻斷與欺騙技術在攻擊者行動前就實施干預，以預測手段實現防護。Gartner預測，到2030年，CIO從被動防禦轉向主動防護，前置主動式網路防禦解決方案將占企業安全支出總額一半。
九、數位溯源
企業日益依賴協力廠商軟體、開放原始程式碼與AI產生內容，數位溯源驗證已成為一項重要需求。數位溯源指對軟體、資料、媒體暨流程來源、所有權與完整性進行驗證的能力。企業可使用軟體物料清單（SBoM）、認證資料庫、數位浮水印等新工具驗證與追蹤供應鏈中的數位資產。
Gartner預測，到2029年，在數位溯源方面投入不足的企業會面臨高達數十億美元的制裁風險。
十、地緣式遷移
地緣式遷移指企業因考慮到地緣政治風險而將資料與應用從全球公有雲遷出至主權雲端環境、區域雲端服務商或自有資料中心等本地平台。主權雲端這一概念曾僅限銀行與政府機構，如今因全球局勢動盪加劇而影響各類企業。
Gartner預測，到2030年，歐洲暨中東地區將有超過75%的企業把虛擬工作負載遷移至降低地緣政治風險的解決方案，2025年還不足5%。
[joblist_plugin title='更多104【AI工程師】工作機會' url='https://www.104.com.tw/jobs/search/?order=15&jobcat=2007001020&page=1' amount='3']
如何成為後端工程師？精準掌握必備核心技能＆職涯精進攻略
你是否想轉職成為後端工程師，打造更穩定、具成長性的技術職涯？無論你是剛開始學習程式語言的新手，或正在尋找明確學習方向的職場工作者，這份後端學習地圖將幫助你掌握後端工程的核心技能、實戰經驗與職涯發展路徑。透過系統化的學習規劃與專案實作，你將更有信心地踏入後端領域，成為職場中真正被需要的技術人才。
文 /【104學習精靈】
本文目錄（點擊可快速前往）
後端工程師是什麼？和前端、全端工程師有什麼不同與優勢之處？掌握後端工程師的核心能力：必備工具技能 x 學習路徑 x 軟技能轉職後端工程師的學習策略後端工程師薪資行情與職涯發展後端工程師的挑戰與機會
後端工程師是什麼？和前端、全端工程師有什麼不同與優勢之處？
🎯 後端工程師工作內容
後端工程師（Backend Engineer）主要負責伺服器端的邏輯開發，包括資料庫管理、API 設計、伺服器架構以及系統效能優化。他們確保前端應用程式能夠順利與後端系統交互，並提供穩定的數據與服務。
🎯相近職類比較：DevOps、全端、前端、後端工程師差別
職位主要負責技術負責範圍後端工程師（Backend Engineer）伺服器架構、API 設計與串接、資料庫管理、效能優化負責後端邏輯、數據清理，確保前端能夠存取正確的資料前端工程師（Frontend Engineer）HTML、CSS、JavaScript、React、Vue負責 UI/UX 設計，開發與使用者互動的前端界面全端工程師（Full Stack Engineer）前端 + 後端技術能獨立開發完整應用，涵蓋 UI、後端 API、資料庫管理DevOps 工程師（DevOps Engineer）Docker、Kubernetes、CI/CD、自動化部署負責開發與運行環境的部署、監控與維護，提升開發效率
🎯 為什麼選擇後端開發？
後端開發是資訊產業中穩定且高度需求的領域，適合對邏輯、架構、系統思維有興趣的學習者投入：
就業市場穩定成長：隨著數位化轉型普及，後端開發職缺在各行各業皆有需求，從新創到大型企業都有穩定徵才。
強調邏輯與架構設計：後端工程著重資料儲存、伺服器溝通、API 設計等，適合喜歡系統設計與架構思考的人。
職涯彈性大：從初階後端工程師到系統架構師，甚至 DevOps、SRE、資安領域都有後續延伸路徑。
遠端與自由接案機會多：後端開發技能通用性高，較容易接國際案或轉為遠距工作者。
AI 與資料應用的基礎：資料庫管理、API 串接、運算效能等能力，也可延伸應用至 AI 系統部署或資料工程等新興領域。
🎯 誰適合轉職後端工程師？
後端開發適合各類背景者，關鍵在於邏輯思維、學習動機與持續投入：
✅ 設計/前端背景：具備良好使用者體驗與前端邏輯，轉後端可成為 Full-Stack 工程師，提升職涯彈性。
✅ 商管背景：邏輯能力佳且理解商業流程，適合轉後端結合業務邏輯，強化企業系統開發應用。
✅ 理工背景（如物理、數學）：邏輯與抽象能力強，容易掌握資料結構與演算法，是進入後端的優勢群體。
✅ 非資訊領域自學者：只要有堅強動機與自律力，透過系統性訓練與專題實作亦能成功轉職。
✅ 現職 IT 工程師（如測試、維運）：已具備技術背景，轉入開發領域有明顯加速效益。
✅ 資料分析師：熟悉資料處理與 Python，轉向後端可擴展資料處理與系統部署的完整技能鏈。
掌握後端工程師的核心能力：必備工具技能 x 學習路徑 x 軟技能
🧭 後端工程師技能、工具分類表
語言與工具資料處理與資料庫API 設計與架構DevOps 與部署基礎Python / JavaScript / Java / GoGit / GitHub / GitLabSQL（PostgreSQL / MySQL）資料庫基礎觀念REST APIHTTP 基礎了解部署概念核心*熟悉後端框(SpringBoot, Django, Express, Gin)*熟悉語言設計模式撰寫可讀性高的程式NoSQL（MongoDB / Redis）基本資料模型設計身分驗證（JWT / OAuth）API 文件設計（Swagger）*Docker 容器化*CI/CD 自動部署 進階*多語言協作力*程式效能優化*高效能資料庫設計*索引分片與備援策略GraphQL / gRPC微服務架構（CAP / CQRS / Event Sourcing）Kubernetes、服務網格（Service Mesh）監控與日誌系統認證*程式語言認證 (例如Python 程式設計證照PCAP）*個人作品集AWS Database SpecialtyMongoDB 認證*API 設計課程證*書專案開發經驗（如 Hackathon）*AWS Certified DevOps Engineer*CKA（Kubernetes Administrator）▲ 後端工程師應具備技能、工具能力、職涯指引表，點選不同技能會對應到相關課程。
後端工程師學習地圖與路徑（搭配AI工具）
🔰 初學者階段（0–6 個月）
✅ 目標：熟悉基礎程式語言與網路知識，能夠開發基本 API。
📌 學習內容：
選一門後端語言（Python / JavaScript / Java）：選一門主流語言打好程式基礎，進入開發世界。
Git 與版本控制（GitHub / GitLab）：讓你能有效保存、回朔與分享你的程式碼。
理解網路基礎與 HTTP 協議：理解網站如何運作與資料如何傳輸。
SQL 資料庫（PostgreSQL / MySQL）：學習資料查詢語言，管理網站背後的資料。
REST API 開發：學習建立網頁服務的後端接口。
Python 程式設計能力 - 線上免費檢測
📌 AI 工具應用：
ChatGPT 協助語法學習與除錯：快速解釋語法、找出 bug、提供程式碼建議。
GitHub Copilot 協助寫基礎 CRUD 程式碼：協助補上程式片段。
📌 備選學習：
Go 語言：效率高但語法嚴謹，對初學者略具挑戰。
Node.js（JavaScript 後端）：若未來想走全端路線可以學。
✅ 適合考取的證照：
Python 程式設計證照（PCAP）
ITS (Information Technology Specialist, IT 資訊科技專家認證
Oracle MySQL Database Developer
AWS Certified Cloud Practitioner（雲端基礎，有助於未來學 DevOps）
[course_plugin title='Python課程' keyword='Python 輕鬆上手學' amount=1]
[course_plugin title='後端工程師入門課程' keyword='成為後端工程師' amount=1]
🚀 中階階段（6–12 個月）
✅ 目標：熟悉進階 API 設計、資料庫優化，學習 DevOps 工具。
📌 學習內容：
學習後端框架 (Express、Spring Boot、Django、Gin) ：掌握常用的後端框架。
身份驗證與授權（JWT、OAuth）：幫使用者安全登入，讓資料不被偷看。
NoSQL 資料庫（MongoDB、Redis）：適合儲存彈性格式的資料或快取機制。
Docker 容器化：讓你的程式「打包好、帶著走」。
CI/CD 自動部署（GitHub Actions）：程式更新後自動上線，省時又省心。
📌 AI 工具應用：
使用 AI 幫你產生 Dockerfile 與 CI/CD 配置：不懂也能靠 AI 輔助上手。
協助設計 API 架構與資料庫 schema：加速設計與重構過程。
📌 備選學習：
GraphQL：適合複雜資料查詢，但非所有團隊使用。
gRPC：適合內部高效通訊場景，小型專案可暫不碰。
Jenkins（較舊型 CI/CD 工具）：學習成本高，可視需求使用。
HATEOAS（超媒體 API）：學術價值高，實務上較少見。
✅ 適合考取的證照：
MongoDB Developer Certification
Docker Certified Associate (DCA)
Microsoft Azure Fundamentals (AZ-900)
HashiCorp Terraform Associate（如學有餘力涉略基礎 IaC）
[course_plugin title='後端工程師中階課程' keyword='接案必學 ◆ 邁向更專業的App開發' amount=1]
🏆 進階階段（12 個月以上）
✅ 目標：學習架構設計，提升可擴展性與效能。
📌 學習內容：
微服務架構（CAP 理論、CQRS、Event Sourcing）：學會如何將大系統拆小管理，處理資料一致性問題。
Kubernetes 與服務網格（如 Istio）：讓多個服務能自動部署與協調運作。
高效能資料庫設計與分片策略：設計能承受高流量的資料系統。
系統監控與安全性實踐（如 Prometheus、Grafana）：確保系統穩定、安全運作。
📌 AI 工具應用：
AI 幫你設計 YAML 檔與架構圖：快速理解與部署分散式架構。
系統瓶頸分析助手：用 AI 分析 log 或效能資料，加快除錯與優化。
📌 備選學習：
Istio 等 Service Mesh 工具：適合大型微服務團隊，維護成本高。
Event Sourcing：較進階模式，建議有實務需求時再深入。
✅ 適合考取的證照：
Certified Kubernetes Administrator (CKA)
AWS Certified Solutions Architect – Associate
Google Cloud Professional Cloud Architect
DevOps Engineer Professional（AWS / Azure）
[course_plugin title='後端工程師進階課程' keyword='Java進階專業｜前後端整合開發與應用' amount=1]
5個後端工程師應具備的軟技能特質：
邏輯思維與問題解決能力
能夠理解業務需求並轉化為系統邏輯，並針對錯誤快速找到根本原因。
【小測驗】來測測看自己的問題解決技巧 👉 問題解決 - 職能檢測｜104學習精靈
溝通與跨部門協作能力
後端工程師需與前端、產品經理、DevOps 甚至業務單位協作，良好的溝通有助於準確理解需求與回報技術限制。
【小測驗】來測測看自己的溝通能力技巧 👉 溝通協調 - 職能檢測｜104學習精靈
學習與自我成長動能
後端技術（如框架、資料庫、API標準）快速演進，必須持續學習與更新知識。
細心與責任感
後端處理大量資料及邏輯，細節錯誤容易引發資安問題或系統錯誤。
時間管理與自我管理能力
在遠端工作日益普遍的環境下，自律與時程安排變得尤為重要。
轉職後端工程師的學習策略
🎯 初學者或轉職者的學習策略
轉職或初學後端工程，建議採取階段式、任務導向的學習策略，以下列點歸納：
設定明確學習階段：分為基礎語言（如 Python/JavaScript）、資料庫應用、框架學習（如 Django、Node.js）、部署維運。
專案導向學習：每學完一個階段，就進行小型專案驗證所學，例如 Todo List、部落格、會員系統等。
培養問題解決能力：鼓勵查文件、逛論壇、問 ChatGPT，建立獨立解決 bug 的習慣。
學習版本控制與團隊協作：掌握 Git、GitHub、簡單 CI/CD，增加求職競爭力。
善用 AI 工具輔助學習：例如用 ChatGPT 解釋程式碼、Copilot 寫樣板、Kaggle 或 LeetCode 練習邏輯。
參與社群與實戰活動：參加黑客松、Open Source 專案、小型 Freelancer 案，強化實務經驗與人脈。
建立個人學習履歷：記錄學習歷程、撰寫技術部落格、整理 GitHub 作品集。
🎯 不同領域的客製化學習策略對照表
學歷背景優勢可能挑戰調整建議資訊相關科系已具備基礎程式能力、學科知識缺乏實務經驗、專案規模小強化實作專案與部署經驗，參與社群或實習累積履歷非資訊理工（如數學、物理）邏輯與數學能力強，適應資料結構與演算法快缺乏開發環境熟悉度與應用場景理解著重環境建置、框架與資料庫應用，透過實作強化「業界語感」設計/前端背景了解 UI/UX 與前端邏輯，轉職成為全端潛力大對資料結構與後端語法較不熟悉從 API 串接、簡單後端框架入手，逐步學習資料庫與後端設計邏輯商管/人文背景商業邏輯與跨領域溝通力強，善於理解用戶需求技術門檻高、邏輯訓練少以高階語言（如 Python）為起點，結合專案題材（如 CRM、報表系統）學習效果更佳在職 IT 工程師（測試、維運）已熟悉技術工具與環境、具系統性思維缺乏開發流程與程式架構設計經驗透過轉任內部開發專案或小型 App 開發練習，搭配設計模式與框架學習資料分析/AI 轉職者熟悉資料邏輯與語言（如 Python）、了解資料流缺乏完整系統建構經驗補足後端架構設計與部署技巧，從資料處理串接 API、Flask、FastAPI 切入
後端工程師薪資行情與職涯發展
後端工程師薪資概況
📌台灣後端工程師薪資
初階（3年以下經驗）：月均薪約6.2萬。
中階（3- 5年經驗）：月均薪約 6.5 萬。
高階（5-10年經驗）：月均薪約7.3萬。（以上資料來源：104薪資情報）
📌影響薪資的因素
技術棧與專精程度熟悉高效能架構（如微服務、分散式系統）、熱門語言（如 Go、Rust）、或 DevOps/雲端技能者，薪資會更高。
產業領域與公司規模金融科技、AI、新創、外商薪資通常優於傳產與一般中小企業。
作品集與實戰經驗有實際上線專案、參與開源、或技術部落格者更具競爭力。
證照與專業認證（如 AWS Certified、Kubernetes、GCP）對某些企業或外商來說是加分項。
英語能力與跨國協作經驗能與國際團隊溝通的工程師更受青睞，也更容易爭取外派或海外遠端工作機會。
英文能力 - 線上免費檢測
後端工程師的職涯發展路徑
🔵 技術專精路線（Individual Contributor / IC Path）
從「後端工程師」起步，專注於技術深度與系統設計，逐步升級為具備橫向影響力的技術專家。
▶ 初階 / 中階後端工程師（Backend Engineer）
負責功能開發、資料庫操作、API串接與單元測試。
▶ 資深後端工程師（Senior Backend Engineer）
擁有跨模組開發與維護經驗，熟悉系統效能優化、API 設計規範。
✳️ 學習前端技術 → 全端工程師（Full-Stack Engineer）
技能補充： React/Vue、Node.js、前後端整合、RESTful/GraphQL。
應用情境： 適用於產品團隊需快速開發 MVP 或技術創業者。
✳️ 提升系統架構能力 → 系統架構師（Software/System Architect）
技能補充： 微服務設計、DDD、API Gateway、資料一致性、可觀測性（Observability）。
應用情境： 適用於中大型系統升級或技術重構專案。
✳️ 學習 DevOps → DevOps 工程師（DevOps Engineer）
技能補充： GitOps, Jenkins, GitHub Actions, Docker, Ansible。
應用情境：經由緊密的開發＋運營合作，使企業更高效推出高品質產品。
▶ 全端工程師（Full-Stack Engineer）
獨立開發從 UI 到 API 再到資料庫的完整功能。
▶ 系統架構師（System Architect）
負責設計全系統技術藍圖，定義模組邊界、資料流設計與技術選型。
✳️ 進階發展 → 技術總監 / Technical Director
職責： 統籌技術方向，領導技術專案與架構決策，跨部門協作。
技能補充： 領導力、溝通簡報、技術戰略思維、預算與風險管理。
▶ DevOps 工程師（DevOps Engineer）
專精於部署、CI/CD、環境自動化。
✳️ 進階發展 → 雲端工程師（Cloud Engineer）
職責： 能設計具備高可用性與彈性的雲端基礎架構。
技能補充： 深耕 AWS/GCP/Azure 架構與雲原生技術（如 K8s、Terraform）。
🟢 團隊管理路線（Team & People Management）
此路線適合有溝通、協調與人員培育熱情者，從帶小團隊到參與公司策略。
▶ 後端 Team Lead / 技術主管
同時參與開發與團隊管理，負責人力分配、專案交付與人員指導。
技能補充： Agile/Scrum、敏捷儀表板管理、1-on-1 輔導技巧。
▶ 技術經理（Engineering Manager）
管理多組技術團隊，協助產品規劃、技術優化與跨部門協作。
負責團隊招募、績效制度設計、技術資源管理。
▶ 技術總監（Technical Director）或 VP of Engineering
結合技術與策略視角，影響公司中長期技術方向。
需要具備技術深度 + 商業理解力。
🟠 技術轉職／橫向拓展路線（Cross-functional Path）
探索其他工程領域，發揮後端背景延伸價值，適合追求多元發展者。
▶ 資料工程師（Data Engineer）
優勢：
熟悉 API 設計＆模組化架構：資料平台的模組設計類似微服務設計邏輯。
熟悉系統效能：幫助處理大規模資料運算與資源調度。
熟練程式語言(如 Python、Java)：可快速上手資料工程工具
可有效打造 ETL 流程、管理資料倉儲、支援 AI/ML 任務。
技能補充：
資料處理：Spark、Kafka、Airflow、dbt
資料庫：PostgreSQL、ClickHouse、BigQuery、Snowflake
資料管線：ETL/ELT流程設計、Data Lake、Data Warehouse 架構
編程與基礎統計：Python、SQL、資料品質檢查
職涯發展路徑流程圖
🔹 總結路徑圖說明
(起點)
後端工程師
│
├── A. 學習前端 → 全端工程師
├── B. 提升架構能力 → 系統架構師
│ └── 技術決策 → 技術總監
└── C. 學習 DevOps → DevOps 工程師
└── 深入雲端架構 → 雲端工程師
哪些產業需要後端工程師？
後端工程師幾乎是「所有數位服務產業的基礎職位」，以下是常見產業範疇：
📌電商與零售：處理會員系統、購物流程、庫存管理、金流串接等核心後台邏輯。📌金融科技（FinTech）：開發支付、帳戶、交易、驗證等安全敏感的服務。📌社群與內容平台：如論壇、影音平台、交友 App，後端負責資料儲存、帳號系統與推薦演算法等。📌SaaS / B2B 企業服務：提供線上系統給其他企業使用，如 CRM、HR 系統。📌物流與運輸：如外送、倉儲、車隊派送，依賴大量 API 串接與資料即時處理。📌醫療與健康科技：處理病例、預約、穿戴裝置資料等，需高度資安與資料完整性。📌遊戲與娛樂產業：遊戲帳號、伺服器同步、排行榜、商城等核心功能皆由後端處理。📌政府與公部門資訊系統：如戶政、健保、交通資訊等數位服務。
後端工程師的挑戰與機會
🚀 6個常見的後端工程師挑戰
技術複雜度高：需同時掌握資料庫設計、系統效能、資安與架構邏輯。
看不見的貢獻：成果不如前端「有畫面」，但卻是維運的關鍵，常常被低估。
資安責任重大：系統若當機、資料異常，後端通常是第一個要排解問題的人，需確保數據安全，防止攻擊與資料洩漏。
需快速跟上技術演進：如容器化（Docker）、微服務架構、雲端部署等都不斷更新
高效能與擴展性要求：需設計能夠處理大量請求的系統，確保穩定性與效能。
跨團隊協作：需要與前端工程師、產品經理、DevOps 團隊密切合作，確保系統順利運行。
🌟 後端工程師4大機會
可轉職多種技術職：例如 DevOps、技術主管、架構師，或橫移到前端/全端。
全球需求穩定成長：任何需要「運作」的數位產品，都需要後端支撐。
遠端與海外機會多：因後端較少受地域限制，常見國際合作或海外招募。
進可攻、退可守：進可發展高階技術領域如 AI 後端、大數據平台，退可穩定就業於各類企業內部系統開發。
延伸閱讀：
產品經理 - 學習地圖(上)：技能養成篇
成為雲端工程師的攻略指南：核心技能＆職涯精進完整解析
轉職前端工程師│工作內容、技能、薪水與職涯發展指南
數據分析師工作內容是什麼？薪水高嗎？技術能力與職涯發展指南
想當資料工程師？工作內容、核心技能、薪水、職涯發展完整解析
[joblist_plugin title='更多104【後端工程師】工作機會' url='https://www.104.com.tw/jobs/search/?jobsource=index_s&keyword=%E5%BE%8C%E7%AB%AF%E5%B7%A5%E7%A8%8B%E5%B8%AB&mode=s&page=1' amount='3']
前端工程師是什麼？薪水怎破100萬？完整攻略，附：台積電前端工程師工作心得
前端(Frontend)： 給人看的（介面、使用者體驗），網頁的畫面、按鈕、圖片、排版。
前端 (Frontend)是什麼？
這是使用者直接與之互動的部分，包括網頁的設計、佈局和內容。前端開發使用的技術包括HTML、CSS和JavaScript。
舉例來說：當你打開 104人力銀行，看到的畫面就是前端工程師控制的，包含不同裝置的畫面呈現～從電腦、平板或手機觀看，都是前端工程師需要留意的。
重要元素舉例
搜尋欄：讓你輸入「軟體工程師」並按下搜尋
職缺列表：顯示各種公司和薪資範圍
登入按鈕：點擊後彈出登入視窗
應徵按鈕：點了之後，系統會幫你送出履歷
前端工程師的薪水與薪水天花板
台灣整體而言前端工程師薪水中位數落在66.8萬~81萬間，天花板推估是91.3~101.6萬。
工作年資年薪中位數推估薪水天花板職缺1年以下66.8萬94.1萬1~3年71萬91.3萬3~5年78.1萬96.7萬5~10年81萬101.6萬資料來源 104薪資情報 有效樣本：575 資料更新：2025年02月10日
如何突破前端工程師的薪水天花板
選擇對的公司/產業
選擇薪水中位數高的公司：上市櫃公司年薪中位數、外商公司，公司獲利能力好，自然同樣的時間成本，能有更好的薪水保障。
選台灣重點產業：半導體業、科技業、金融業
台積電前端工程師工作心得
以下為講座精華節錄
薪水區間？年薪約30個月，新鮮人月薪約6萬。
加班很兇嗎？加班時數看跟的專案，配合專案前進。去年自己未超過100小時
公司內用的語言較多，不同的系統專案或對接的單位不同，要學習不同的語言
怎麼進台積電？平常就有寫技術部落格、每年參加IT鐵人賽、在104經營個人品牌(SEO權重優)
同事都是哪些人？（免費領取台積電工作心得與QA精華）
看懂遊戲規則：深耕5大能力，擁有更多選擇權
1.技術能力（Technical Skills），能否寫出高品質、可維護、效能優化的前端程式，並快速學習新技術應用在工作上，也能夠帶領內部技術前進（內部 Tech Talk 或自建部落格）
程式品質：乾淨、結構清晰、DRY、KISS、SOLID
效能最佳化：頁面載入時間、CDN快取、前端壓縮技術、降低不必要的 re-render
技術廣度與深度：獨立處理 CSS、JavaScript、框架（React, Vue, Angular）等核心技術、熟悉 TypeScript、State Management（Redux, Vuex）、處理前端安全問題（如 XSS, CSRF, CORS）
2.產品與專案影響力（Project & Product Impact），能有效率地完成任務，並確保產品的品質，過程中主動優化現有系統，提出新的技術方案，提升開發效率。
專案完成度：照時程交付、主動發現並解決問題、處理緊急問題
產品價值：功能是否真的提升了使用者體驗、A/B 測試或數據分析、減少技術債，提高長期維護性
3.開發效率（Development Efficiency），高效產出高品質的程式，主動提出更有效率的開發工具或流程，寫出自動化測試（如 Jest、Cypress），減少回歸測試時間。
時間管理：需求評估準確度、根據需求合理拆分任務，安排優先順序
程式碼管理：Pull Request（PR）清楚易讀、Code Review 積極參與給出建設性回饋
Debug 能力：利用 Log、DevTools、Profiler 進行高效率的問題解決
４.團隊合作與溝通（Collaboration & Communication），與其他工程師、PM、設計師、QA、數據分析師等合作單位順暢合作。指導新人、撰寫開發文件，幫助團隊快速上手。
跨部門溝通與 PM 討論需求，提供技術可行性建議與設計師合作，確保 UI/UX 最佳化與後端工程師協作，確保 API 串接順暢Code Review幫助同事提升程式碼品質接受別人的建議，改進自己的程式碼主動性主動提出問題或改善建議在團隊會議中有效表達技術方案前端工程師 團隊合作與溝通的重要性
5.創新與影響力（Innovation & Leadership），完成自己的工作外，帶來更大的影響。有能力也主動推動團隊技術決策，如選擇新框架、優化開發流程。
技術創新：引入新技術來提升開發效率、開發內部工具，幫助團隊節省時間
技術影響力：技術社群內分享知識、開源專案或貢獻
技術領導：在團隊中擔任技術導師、帶領技術專案
關鍵重點：績效不只是寫多少行程式，而是對產品和團隊的影響
開發速度：平均完成一個 Story（使用者故事）的時間
Bug 數量：新功能上線後的 Bug 率
PR 參與度：Code Review 的次數與回饋價值
前端效能：Google Lighthouse 分數、First Contentful Paint（FCP）
使用者行為變化：某個 UI 改版後，點擊率是否提升？
能力方法技術能力深入學習前端框架、優化效能、提升可維護性產品影響力確保開發的功能有助於提升使用者體驗開發效率提高 Debug 能力、善用自動化工具團隊合作提高溝通能力、參與 Code Review、幫助同事創新影響力參與技術社群、提出技術改進方案前端工程師的5大能力
前端用的技術
HTML 負責畫出網頁結構（像骨架）
CSS 負責排版與設計（讓它變美）
JavaScript 負責互動（讓按鈕能點、內容會變）
框架和庫：如React、Vue.js和Angular，這些工具可以幫助你更高效地開發複雜的應用程式。
響應式設計：確保網站在各種裝置上都能良好顯示，通常使用CSS框架如Bootstrap。
版本控制：如Git，用於管理和協作開發
前端工程師主要合作的夥伴
1. 後端工程師（Backend Developer）
👉 負責提供 API，讓前端能夠拿資料，確保功能運作
合作範例：你要做一個「應徵按鈕」，但這個按鈕要能讓使用者點了後，系統能自動送出履歷，這時候前端需要跟後端拿 API。討論 API 的格式：你問：「我這邊需要傳哪些資料才能應徵？」後端說：「你傳 user_id、job_id 給我，我幫你送出履歷」你：「那回應結果是什麼？我要顯示成功或失敗」後端：「如果成功，我回 status: success，失敗的話會給錯誤碼」💡 前端 + 後端 = 讓網站不只是畫面，而是能「動」起來！
3. 產品經理（PM, Product Manager）👉 負責規劃產品功能，確保開發方向符合商業目標合作範例：你做完了「應徵按鈕」，但 PM 突然跟你說：「我們希望這個按鈕能讓用戶自訂求職信」這時候你得確認：「這功能會影響到後端嗎？需要修改 API 嗎？」「這會不會影響現在的 UI 設計？」「會不會讓使用者體驗變得更複雜？」💡 前端 + PM = 確保開發出來的功能，真的是「使用者需要的」！
4. 測試工程師（QA, Quality Assurance）👉 負責測試系統，確保功能正常、不出 Bug合作範例：你開發完「應徵按鈕」，但 QA 測試時發現：BUG 1： 在 iPhone 上點擊按鈕沒反應？BUG 2： 送出履歷後沒有顯示成功提示？BUG 3： 按太快的話會連送兩次履歷？💡 前端 + QA = 確保使用者「真的能順利使用」功能！
5. 數據分析師（Data Analyst）👉 負責分析使用者行為，讓前端能做出更好的優化合作範例：你做了一個「首頁推薦職缺」功能，但數據分析師告訴你：「這個區塊的點擊率只有 5%！」 → 代表 UI 可能需要調整「使用者停留時間太短」 → 可能要加上動畫或更清楚的標題「A/B 測試顯示紅色按鈕比藍色好」 → 你需要調整設計💡 前端 + 數據分析師 = 讓 UI/UX 變得更直覺、更有效！
6. 運維/系統工程師（DevOps / SRE）👉 負責網站伺服器的運行與最佳化合作範例：你的前端代碼已經寫好了，現在要部署到正式環境可能遇到的問題：網頁載入速度太慢？ → DevOps 可能會幫你設定 CDN 加速按鈕點擊後沒反應？ → 可能是伺服器資源不足，需擴充某些用戶看不到最新版本？ → DevOps 需要清理快取💡 前端 + DevOps = 確保你的程式能「穩定、安全」地運行！
夥伴主要合作內容影響前端的地方後端工程師提供 API，讓前端可以拿到資料決定資料怎麼傳遞UI/UX 設計師設計畫面，確保用戶體驗影響網頁排版、按鈕設計產品經理（PM）決定功能需求與優先順序決定要做什麼、怎麼做測試工程師（QA）測試功能，找出 Bug確保程式正常運行數據分析師提供使用者數據，幫助優化 UI影響 UI 設計與功能調整運維/系統工程師（DevOps）負責部署、效能優化確保網站運行順暢前端工程師的合作夥伴
整理包／最熱門生成式 AI 大拚場 ChatGPT、Gemini、Grok、DeepSeek 各擅長什麼？
2025-06-24報導／經濟日報記者吳康瑋 由聯合新聞網授權轉載
生成式人工智慧（GenAI）技術迅猛發展，多款強大的AI工具幫助各行業提升工作效率。《經濟日報》為協助讀者了解各項AI工具，將「ChatGPT、Gemini、Grok、DeepSeek」等四大生成式AI列出，為讀者分析四款生成式AI的各自效能，就「開發者」、「訂閱費用」、「主要功能」及「擅長領域」等細項逐條分析。
AI工具確實快速提升效率，不過使用者也要注意，目前的AI工具不保證完全正確，甚至也會答非所問、提供錯誤資訊、或產生「AI幻覺」，使用者對生成的資料仍應有基本的辨識能力，避免AI工具謬誤。
各家生成式AI重點馬上看
ChatGPTGeminiGrokDeepSeek使用建議
ChatGPT
OpenAI的ChatGPT堪稱帶動GenAI風行的先驅，也有廣大用戶，付費企業客戶近期突破300萬戶，有免費與付費模式，每月20美元的ChatGPT Plus訂閱費每月20美元，用戶指出，付費版反應速度更快，用戶在使用ChatGPT時隨時擁有最佳的使用品質。
「資料分析」方面，ChatGPT的優勢在於將資料壓縮、精簡化，適合急需快速獲取關鍵訊息的使用者。「文案生成」上，適合創作個人化內容。「圖表製作」方面，ChatGPT的圖表較為簡單，但圖片較無法把文字一起生成出來，繪圖時整體構圖比較簡單。
網址：https://chatgpt.com/
ChatGPT小檔案
開發者OpenAI付費版費用每月20美元（約新台幣610元）主功能提供文本生成、對話回應、內容創作、翻譯、問題解答等多種功能擅長領域自然語言處理、文本生成、教育輔助、創意寫作、客服支持等
Gemini
Google DeepMind開發的Gemini專注於多模態學習，能同時處理文本、圖像和音頻數據。版本包括2.0、2.5和最新的2.5 Pro，推理和數據處理能力進步快速。Gemini 2.5 Pro提供更強大的計算能力和更高準確性，讓用戶在處理複雜任務時能獲得更佳體驗。付費版額外提供用戶包括2TB儲存空間、Gemini Advanced和其他AI功能。
「資料分析」方面，Gemini提供的內容易於閱讀，文法經過重新梳理，適合需要清晰解釋的使用者。在「文案生成」上，Gemini能一次生成多達15個標題，提供選擇建議，對於需要多樣化提案的用戶非常方便。「圖表製作」方面，Gemini 的完整度高，使用者可選擇不同的圖表類型，並能下載圖片、Excel或JSON格式的數據。
網址：https://gemini.google.com/
Gemini小檔案
開發者Google DeepMind付費版費用每月19.99美元（約新台幣650元），可免付費試用一個月主功能強大的推理能力，擅長處理複雜的問題和情境，能同時處理文本、圖像和音頻數據等多模態文件擅長領域AI推理、圖像理解、科學研究和技術開發
Grok
Grok是由X（前稱 Twitter）開發的生成式AI，專注於社交媒體內容的生成。最新版本Grok3提供更強大的功能，能即時生成與當前熱點話題相關的內容，結合社交媒體數據分析趨勢，提升用戶互動的實時性，成為品牌營銷和社交媒體管理的理想工具。
「文案生成」方面，Grok風格簡潔有力，類似科技周刊的風格，適合快速傳達訊息。「圖表製作」方面，Grok可以較為輕鬆的運用文字組成圖表，並附上有關的資訊數據，對於需要快速理解數據的使用者來說很實用。
網址：https://grok.com/
Grok小檔案
開發者應用程式X（前身為Twitter）付費版費用每月30美元（約新台幣970元）主功能即時生成與當前熱點話題相關的內容擅長領域社交媒體互動、內容創作、即時訊息生成和品牌營銷
DeepSeek
DeepSeek專注於資料搜尋和訊息檢索，開發商為位於中國大陸的「杭州深度求索人工智慧基礎技術研究」，中資避險基金幻方量化創立的人工智慧公司，創始人暨執行長梁文鋒持續致力將大陸AI技術推向全球市場，提供R1和R2兩種不同的服務模式。
「資料分析」方面，DeepSeek提供前言和總結，讓懶人可以快速理解內容。在「文案生成」上，DeepSeek的口語化風格能夠生成10個標題，附上創作理念和選擇建議，適合需要親民語言的使用者。「圖表製作」方面，DeepSeek使用文字排列呈現，提供Python程式碼，對於技術使用者來說相當便利。
網址：https://www.deepseek.com/
DeepSeek小檔案
開發者中國大陸企業「深度求索」付費版費用每100萬（輸入）tokens收費人民幣16元（約新台幣66.68元）主功能資料搜尋和訊息檢索，利用生成式AI技術提升搜索引擎的智能化，提供相關建議和訊息過濾功能擅長領域資料搜尋、訊息檢索、知識管理和數據分析
使用建議
生成式AI工具已經落地商業化，從自然語言處理到多模態學習、社交媒體互動及訊息檢索等多種服務都能提供，競爭也更加激烈。用戶可根據自己的需求，選擇最合適的AI工具，以提升工作效率與創造力。
綜合比較四款生成式AI後，提供讀者幾點建議。若需要多樣化的文案提案，可考慮Gemini；若喜歡口語化一點的表達，可選擇DeepSeek。AI繪圖方面，生成多幅圖片建議可使用Grok，若希望作品有較高的品質，可選擇Gemini。在「資料分析」方面，若希望能獲取較「簡潔明瞭」的資料，建議選擇「ChatGPT」，讀者若希望能得到比較容易理解的內容，應該選擇Gemini。
針對「表格整理」方面，若要以更快的速度掌握大致上的資訊，建議選用ChatGPT；若讀者希望在表格中能得到較「詳細」的內容，可考慮DeepSeek。針對「生成圖片」功能上，若讀者追求圖表要具有充分「完整性」的類型，建議使用Gemini。
推薦閱讀：
AI聽話卻沒懂你？OpenAI揭露AI「裝乖」假象與職場真風險
AI強勢取代！企業寧僱AI也不找菜鳥，今年畢業生有多慘？
除了ChatGPT，還有哪些生成式AI？16種AI工具應用解析
打造ChatGPT行政小助理：專屬AI助理幫你處理瑣碎行政工作
[course_plugin title='推薦AI相關課程' keyword='AI' amount=2]
AI協作的3個關鍵階段：節能、增能、賦能！
原標題：AI協作的3個關鍵階段：節能、增能、賦能！【聽見趨勢】
AI浪潮席捲而來， 工作型態正在改變，很多人對AI在工作中可能帶來的影響感到些許困惑和不安。不禁會問：「AI會取代我們嗎？」「如何用AI？」「從哪裡開始？」因為這些疑問，我們特別邀請在AI協作有豐富實戰經驗的小花老師，來進行分享。老師不僅有資訊背景，還是簡報溝通專家，融合與「資訊」及「人」的溝通洞察，給出許多應用AI的超實用建議！
文： 趨勢來賓 | 林稚蓉 小花老師
本文目錄：
與AI協作溝通的應用與挑戰
如何用AI優化企業作業流程
AI協作3階段：節能、增能、賦能
AI時代的人類角色：你依然是機長！
3個層次的工作思維 從哪裡開始使用AI
1. 與AI協作溝通的應用與挑戰
在AI工具的應用過程中，許多人最常遇到的問題是「如何讓AI回答更精準」。有時AI的回答看似離題，或者產生「幻覺」，讓使用者感覺比自己動手做還要更花時間。這種困境往往會讓初學者感到挫折，甚至放棄繼續使用AI工具。然而，這個問題的關鍵在於我們如何與AI進行有效溝通。
小花老師提到，因為自己過去資訊管理背景和簡報培訓經驗，因而對人機溝通有獨特的見解：「在資訊管理我們是要跟電腦講話，可是簡報培訓要講的是要跟人講話。而AI則是介於兩者之間，它需要明確的目的性、對方的邏輯性，以及精練易懂的表達方式。」基於這個概念老師分享了3個突破這些挑戰的關鍵方向：
方向1：理解AI提問的語法與邏輯
第一個關鍵方向是理解與AI溝通的基本語法和邏輯。老師提出生動的比喻：我們應該把AI視為一個「外國人」，而不是單純的機器。就像與外國人交談需要遵循特定的語法規則一樣，與AI溝通也需要掌握相應的「語法」。這包括了解官方提供的提示工程（Prompt Engineering）技巧，以及如何構建清晰、邏輯性強的提問。
「你不能把AI當做機器，你要把它當作是一個外國人，用他懂的語言，交流他懂的事情」。透過系統性地學習和運用這些溝通技巧，我們可以顯著提升與AI互動的效果。
將AI視為「外國人」而非機器，需要用特定的語法與之溝通
研究官方提供的提示工程（Prompt Engineering）技巧
掌握提問的基本文法和邏輯結構
104人資市集一站式幫你解決企業培訓，管理、AI職能、企業法遵>>
方向2：了解AI的能力與限制
AI技術雖然強大，但並非萬能。我們必須清楚認識AI可能產生「幻覺」，即一本正經地說出不準確的信息。同時，很多AI模型無法實時連網獲取最新信息，也可能在數學計算等特定領域表現欠佳。了解這些限制對於正確使用AI工具至關重要。「不是複製貼上就很容易就要上當了」老師提醒到「你要知道他可以做到什麼程度，他的限制又在哪裡，風險又在哪裡。」這種了解能幫助我們更準確地評估AI輸出的可靠性，並作出相應的調整和驗證。
持續關注AI功能的更新與發展
認識AI的局限，如無法上網、可能產生幻覺等
避免單純複製貼上，需要理解內容的正確性
方向3：善用不同AI工具的優勢
在當前AI工具快速發展的環境中，每個工具都有其特定的強項。例如，Chat GPT、Copilot、Gemini等工具各自擅長不同類型的任務。我們應該實際測試來了解每個工具的特點，並學會組合使用這些工具來達到最佳效果。「它們各自的強項，你都去嘗試過之後，你會發現工具是要多個東西組合之後，才會發揮你的效果。」這種組合使用的方法能夠彌補單一工具的不足，創造出更全面的解決方案。
小花老師分享了在金融業的實務應用案例：「像GPT或者是一些生成式AI，他們其實數學能力非常不好，會把數字當作文字來做處理。因此在進行數據分析時，我們建議將計算工作留在本機端進行，而使用AI來協助產生Excel函數公式再進行數據趨勢分析。」
每個AI工具都有其特定強項，如ChatGPT、Copilot、Gemini各有所長
多方嘗試不同工具，找出最適合的組合
透過工具組合來發揮最大效益
2. 如何用AI優化企業作業流程
在企業環境中，AI不僅是一個輔助工具，更可以成為提升工作品質的重要夥伴。小花老師認為，AI就像電力一樣「只要用到電的地方，都會有改善；同樣地，AI可以用在任何有關思考的部分，都可以帶來改善。」特別是在思考、企劃、溝通等需要創意發想的領域，AI的應用可以帶來顯著的效益提升。
然而，在運用AI工具時，企業必須特別注意資訊安全的議題。正如之前新聞報導三星員工將公司資料上傳至AI平台的事件，如何在提升效率與保護資料間取得平衡，是企業必須審慎考量的。以下分享幾個具體應用案例：
提升簡報製作效能
運用AI進行角色扮演，模擬不同聽眾的思維模式
針對不同對象客製化簡報內容和開場方式
提高提案的精準度和準備效率
提升規劃能力
老師分享了一個企業ESG工作計畫的實際案例：
運用AI進行利害關係人分析
模擬不同角色的需求和期待
透過管理顧問的角色扮演，擴展思考維度
根據各方意見制定具體執行方案
透過AI的協助，讓原本資歷較淺的員工也能在思考的廣度、深度和執行細節上有更好的表現。
3. AI協作3階段：節能、增能、賦能
AI的應用不應該是盲目追求新工具，而是要找到真正能夠為工作帶來價值的方式。老師觀察到，2023年人們熱衷於追逐各種新興AI工具，但到了2024年，企業的關注點已經轉向如何讓這些工具真正落地並解決實際問題。
老師以工具箱做比喻：「現在很多人手上都有很多AI工具，就像工具箱裡有很多螺絲起子，但卻不知道怎麼用這些工具來進行修理。」因此，重點不在於掌握多少工具，而是要培養使用情境的想像力，真正了解如何運用這些工具來解決實際問題。基於這樣的理解，AI協作可以分為三個階段，企業和個人可依據需求選擇適合的切入點：
節能階段：優化基礎工作流程
節能階段是AI應用的入門級別，主要針對那些耗時但相對單純的工作任務，這類工作的特點是幾乎人人都能完成，但往往需要耗費大量時間和精力，比如客戶發來一份PDF格式的報表數據，傳統做法需要手動重新輸入，不僅費時且容易出錯。但透過AI工具，可以快速將圖片中的表格轉換為可編輯的表格形式，這將大幅提升工作效率。
節能階段特別適合作為入門起點，因為這類任務相對簡單，容易看到明顯的成效。「當我們發現AI工具可以幫你省下這些瑣碎的時間，就會更有動力去探索其他的應用可能」。此外，這個階段的工作通常風險較低，即使出現錯誤也容易發現和修正，非常適合作為練習和熟悉AI工具的切入點。
增能階段：提升專業工作品質
進入增能階段後，AI的應用開始觸及到專業領域的核心工作。這個階段的特點是，使用者本身已經具備相關專業能力，而AI的角色是協助他們做得更好、更快、更精準。老師更分享了自己在製作簡報的經驗：「比如我需要幫客戶寫文案，我可以讓AI先產生多個版本的文案建議，然後基於我的專業判斷進行調整和優化。這樣不僅能激發更多創意靈感，也能大幅提升工作效率。」
這階段，AI不是取代人的專業判斷，而是透過提供更多選擇和可能性，幫助專業人士做出更好的決策。這種協作模式能夠顯著提升工作質量，同時也能為專業人士騰出更多時間專注於需要深度思考的任務。
賦能階段：開拓新的專業領域
賦能是AI協作的最高階段，善用AI輔助獲得新的能力和提升專業。在這階段，使用者能突破原有的專業限制，探索和掌握新的領域。小花老師觀察到，許多專業人士透過AI工具，成功地將自己的專業知識延伸到相關領域：「比如一個財務專家，可能過去只專注於數據分析，但透過AI的協助，他可以更容易地將這些專業知識轉化為易懂的視覺化報告，甚至發展出數據故事化的能力。」
賦能階段的關鍵在於，它不僅能提升效率、改善現有工作流程，更創造出新的可能性。善用AI專業人士可以更快地跨越學習曲線，建立起新的專業能力。這對於當今快速變化的職場環境特別重要，因為它讓終身學習和專業轉型變得更加可行。
免費申請試閱企業訂閱制課程！法遵、職能、AI通識課提升全員工競爭力 >> https://104ha.com/5CjvW
4. AI時代的人類角色：你依然是機長！
在AI時代，人類的角色定位至關重要。小花老師做了一個生動的比喻：「人的角色永遠是機長。即使現在的飛機很多部分都是由機器在操控，但為什麼還需要機長？因為機長要知道怎麼安全地把這些旅客帶到目的地，必須要應付突發狀況。」
這個比喻深刻點出人類在AI時代的核心價值：不是與AI競爭執行力，而是在掌握方向、判斷決策、危機處理等方面發揮獨特優勢。正如同機長一樣，我們不能把方向盤完全交給AI，而是要學會如何與AI協同合作，共同達成目標。
我們的核心職責
掌握方向：確定目標和願景
做出決策：判斷關鍵時刻的選擇
處理危機：應對突發狀況
承擔責任：為結果負責
3個層次的工作思維
工人思維：專注於完成具體任務
工頭思維：規劃設計與管理
建築師思維：理解需求，規劃願景
當AI變成每個人的標配，誰會產生更大更好的價值？就是懂人的人。—小花老師
5. 從哪裡開始使用AI
在面對AI工具快速發展的現狀，許多人感到困惑：究竟該從何處開始？是否要追逐每一個新出現的AI工具？在這部分老師觀察到，很多人在嘗試使用AI時往往陷入兩個極端：要麼因為害怕而遲遲不敢嘗試，要麼過度追逐各種新工具而失去重點。
老師強調，開始使用AI的關鍵不在於掌握多少工具，而在於找到適合自己的切入點，並且建立起正確的思維模式。「就像學開車一樣，一開始不需要了解引擎的工作原理，而是要先學會基本操作，逐步建立信心。」對於想要開始運用AI的個人或企業，小花老師提供了以下建議：
從工作情境出發
找出工作中的痛點
識別可能的應用情境
從簡單的任務開始嘗試
3個關鍵發展方向
了解AI：掌握潛能、限制和操作方法
了解人性：培養溝通能力和同理心
了解自己：釐清目標和行動意義
實踐建議
在使用AI之前，先靜下心來思考目標
清楚理解問題和需求
循序漸進，從節能階段開始
我們應該更加了解自己做這件事情對個人跟團隊的意義是什麼。當我們了解意義、了解目的時再去溝通，AI就不會胡說八道，它會順著這樣的意義感展開跟延伸。
透過小花老師的分享，我們可以看到AI不僅是一個工具，更是一個協作夥伴，協作過程關鍵在於我們如何正確定位自己的角色、如何善用AI特性，在提升效率的同時，也不斷強化自己的核心競爭力。AI時代，最重要的不是追逐所有新工具，而是找到適合自己的使用方式，並始終保持對專業與人性的關注！
業界最划算的企業培訓訂閱制方案！免費申請課程完整試閱 >>
超過7000+的HR都報名過的104人資學程！七大主題課程幫你系統化學習 >>
免費企業學習平台 x 培訓課程 = 零成本企業培訓自動化 >>
訂閱人資市集電子報獲得專家工作分享及產業新知 >>
加入104人資市集官方line獲得最新優惠及活動資訊 >>
有任何收穫或想分享的，都來和大家一起聊聊吧！