PMI-ACP 敏捷專案管理師認證暨實務課程
104學習
分子生物學
掌握基因結構、蛋白質合成及細胞功能的基本原理，能進行DNA/RNA分析、基因定序及蛋白質檢測等實驗操作。這項技能在生技、醫藥研發、診斷檢測及農業應用中具高度價值，有助於開發新藥、疾病診斷工具及生物改良產品。具備此能力的人才，能精準解析分子層次的生物機制，提升研發效率與創新能力，符合產業對專業技術與實驗數據解讀的需求。
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
打造高投入團隊：遊戲化工作設計與激勵機制實作班【9/17】
Onshape實戰工場：探索創新設計的無限可能
工作方法進化論 首部曲
AI驅動的創新管理實戰：打造高效、創新的智慧型企業【11/03】
AI 協思簡報術｜從模糊點子到精準說服的提案策略
淬煉提問技術啟動引導思維
人工智慧-深度學習【本課程為線上課，報名後專員會提供上課資訊】
【天下學習｜線上課】AI 高績效協作｜人才逆分工，未來職場新法則
人工智慧時代必備-資料科學入門
精選證照
考取專業證照，讓能力被市場看見
敏捷專案管理師PMI-ACP
PMI-ACP® 是由國際專案管理學會（PMI®）推出的國際級敏捷專業證照，考試依據 PMI 最新全球實務分析（GPA）與任務分析（JTA）設計，並全面採用 PMI 官方授權教材與標準化教案，由 PMI 授權培訓夥伴（ATP）依一致規格授課，確保學員具備全球一致且高品質的專業素養與實務能力，真正接軌國際敏捷職場，建立跨框架整合思維與高品質交付能力的國際專業標準。
PMI-ACP® 融合 Scrum、Kanban、XP、Lean 等多元敏捷方法，強調跨產業應用能力與情境判斷能力，涵蓋敏捷轉型引導、產品價值創造、團隊協作效能與持續改進等核心能力。強化產品開發與交付角色的整合思維，使證照更貼近快速變動的市場需求，成為企業推動敏捷轉型與提升交付品質的關鍵戰力。
適合對象包括產品負責人（PO）、Scrum Master、專案經理、敏捷實踐者，以及已取得其他敏捷認證、希望建立更完整敏捷能力架構的專業人士。
PMI 國際專案管理學會
SSE AI 提示詞工程師
[ 引領AI時代的語言設計專家認證 ]
隨著生成式人工智慧（Generative AI）快速崛起，從文字生成、圖像創作、音樂編排到自動化工作流程，「提示詞（Prompt）」設計能力已成為駕馭AI的關鍵技能。而「Prompt Engineer（提示詞工程師）」作為新興且高度需求的職業角色，正逐漸在學術界與職場上嶄露頭角。 AI Prompt Engineer 國際認證應運而生，旨在建立一套標準化、系統性的評量機制，協助學習者掌握與AI互動的語言設計邏輯，具備實務操作能力與創造性思維，為進入AI產業奠定堅實基礎。
Silicon Stone Education (SSE)
Generative AI Studio
線上課程約8小時
本課程將介紹 Vertex AI 上的 Generative AI Studio，說明如何用此產品設計生成式 AI 模型的原型及自訂生成式 AI 模型，以利您在應用程式中使用模型的功能。課程中，您可以透過 Generative AI Studio 示範教學逐步認識 Generative AI Studio，並瞭解產品功能、選項與使用方式。課程最後，您可以在實作研究室應用所學，並進行測驗來評估學習成果。
完成此活動，贏取徽章！向世界展示您掌握的技能，拓展雲端領域的職業之路。
課程目標：
● 說明 Generative AI Studio 的功能。
● 介紹 Generative AI Studio 的選項。
● 使用 Generative AI 語言工具。
Google
GCIH
GCIH（GIAC Incident Handler）證照專注於資安事件處理與應變能力，涵蓋威脅辨識、攻擊分析及漏洞利用技術，強調實務操作與事件調查技巧，適合資安分析師及應急團隊提升快速反應與防禦能力，確保企業資訊安全有效防護。
SANS Institute
人工智慧：機器學習 Python
人工智慧研究如何使機器具有類似人類學習及解決複雜問題、抽象思考、展現創意等能力，是能讓事物變更聰明的科技。其研究範圍包含了：電腦視覺、語音工程、自然語言處理、移動與控制等。做為人工智慧體系的一部分，「機器學習」是一種資料科學的技術，也是實現人工智慧的一種方式，從資料中學習，獲得辨識或預測新進資料的技能，以協助電腦預測未來的行為、結果和趨勢，其技術廣泛應用在不同領域。
財團法人電腦技能基金會TQC+人工智慧：機器學習的題目設計包含：「監督式學習」、「非監督式學習」、「機器學習應用」等必備的知識及技術，運用不同機器學習方法進行實際案例之分析預測。
財團法人中華民國電腦技能基金會
AI-HR認證
AI-HR認證班將帶領您進入生成式AI的世界，並探索其在HR領域的各種可能。
★生成式AI介紹：了解生成式AI的基礎知識，並探索其在人力資源中的應用。
★HR數據洞察力：學習如何透過數據分析提升決策品質，並預測組織需求。
★HR流程梳理與優化：掌握最新的HR技術，優化招募、訓練和績效管理等人力資源流程。
★人資流程自動化：利用AI工具自動化日常HR任務，提高效率和準確性。
★HR職能發展與實務應用：擴展您的HR職能，並將生成式AI實際應用於工作中。
★組織變革與AI專案管理：學習如何領導AI專案，並推動組織進行AI轉型。
社團法人中華人力資源管理協會
精選貼文，掌握第一手知識
從精密加工到模具開發——新北高工模具科：打造工業之母的專業技術工程師
從孩子手中的樂高積木、日常使用的手機殼，到汽車零件與精密電子產品，這些看似毫不相關的物品，背後卻有著共同的製造關鍵——模具。模具不僅決定產品的外型與精度，更是大量生產不可或缺的技術，因此被譽為「工業之母」。走進新北高工模具科，從傳統車床、銑床到高階五軸加工機與塑膠射出設備，學生不只學習操作機械，更要從設計圖面出發，親手完成精密零件，甚至開發自己的產品。
從台積電工程師到技職教師，洪宜芳主任的教育之路
新北高工模具科主任洪宜芳，畢業於國立中央大學機械研究所，並取得國立臺灣師範大學博士學位。投入教職前，他曾在台積電擔任五年製程工程師，累積半導體產業的實務經驗。談起轉換跑道的契機，來自求學時期深受高職導師蔡秋明的啟發，讓他始終對教育工作懷有熱忱，最終決定離開科技業，投入技職教育，至今已在新北高工任教約15年。
樂高積木怎麼做出來？揭開「工業之母」的秘密
「你能無時無刻在家享受著模具帶來的便利，但家裡卻不會擺任何一副模具。」洪主任用一句話，道出模具產業與生活的緊密關係。
他以樂高積木為例，想要大量生產尺寸一致、能夠精準組裝的積木，就必須先製作模具，再透過製造程序生產。無論是寶特瓶瓶蓋、眼鏡框，還是各式3C產品零件，背後都可能運用模具技術。
因此，模具科不只是學習金屬加工，更要理解如何將產品構想轉換為設計圖面，經過精密加工、組裝與測試，打造符合規格的模具。
三年課程循序漸進，從機械製圖到產品開發
新北高工模具科的課程採取由淺入深的學習方式。高一著重機械製圖與基礎加工，學生先學會閱讀圖面、理解尺寸與空間關係，再透過車床、銑床、磨床、鑽床及基礎銲接等實習，將設計轉化為實體零件。
高二進階學習CNC數值控制加工，接觸電腦輔助製造（CAM），將設計轉換為機器能執行的加工指令，提升加工效率與精度。
高三則整合三年所學，投入模具製作與專題實作，並依興趣選擇模具設計、數控加工、沖壓模具或塑膠模具等實習方向，逐步完成模具開發與組裝。
圖片：學生模具作品
全國高職首臺五軸加工機，挑戰高階精密製造
新北高工模具科的一大特色，就是五軸加工技術。洪主任介紹，學校早在民國98年便引進全國高職首臺五軸加工機，當時設備價值約700萬元。
相較於一般三軸CNC銑床，五軸加工機增加兩個軸向旋轉運動，能從更多角度加工複雜的立體工件。學生須先具備三軸加工基礎，才能在高三進一步學習高階加工技術。
此外，模具科也開設機械手臂選修課程，提供機械群學生接觸自動化技術的機會，拓展AI智慧製造的學習視野。
圖片：五軸加工機設備機臺
模具結合電機技術，跨領域專題屢創佳績
模具製造不只需要機械加工，也能與電機控制技術結合。洪主任分享，模具科經常與電機科合作專題，由模具科負責機構設計與零件製作，電機科則運用電控專業，讓作品具備自動化功能。
例如，曾有五位學生組成跨科團隊，結合PLC可程式控制器與機械搬運概念，完成自動化相關專題，並在全國專題實作競賽獲得佳作。
透過跨領域合作，學生不僅能發揮各自的專業優勢，也能提早體驗產業中不同技術分工協作的模式。
從黑皮料到精密成品，陳同學找到實作成就感
對高二陳同學而言，選擇模具科的契機，除了學校距離住家較近，也受到學校官網介紹影片及新穎設備的吸引。
然而，剛入學時，她對工廠實習其實有些抗拒。「一開始會覺得進工場手會黑，而且工場沒有冷氣。」但隨著逐漸熟悉加工技術，想法也慢慢改變。
最讓她有成就感的是高一的模具基礎實習。從原本的黑皮料開始，經過加工、量測與修正，最後完成符合尺寸、能夠組裝的作品。
過程中也曾遇到挫折。陳同學坦言，剛開始不熟悉X、Y、Z軸與尺寸計算，一個數值出錯，就可能讓整件作品不符合要求，甚至曾因此拿到不及格的成績。所幸在老師帶領下，透過反覆練習與量測，她逐漸掌握技巧，也從原本的抗拒，轉變為享受完成作品的成就感。
三年挑戰四張證照，世界金牌教練培育專業人才
專業證照是新北高工模具科的重要培育方向。洪主任說明，學生高一可報考模具工丙級，高二挑戰銑床相關丙級證照；高三則能依興趣與能力，進一步報考CNC銑床及塑膠模具乙級證照。學校也安排假日輔導課程，協助學生累積實作經驗。
除了證照培訓，科內更有曾獲世界技能競賽金牌的教師投入選手培育。學生從高一便有機會參與課後訓練，經過選拔與長期培訓，逐步挑戰全國技能競賽及工業類科學生技藝競賽。
洪主任認為，成為優秀選手不只需要技術，更需要耐心、自律與抗壓能力，才能在反覆練習中持續突破。
圖片：模具科選手培訓室
不只當模具工程師，升學與職涯選擇更多元
模具科畢業後，並不只能就讀模具相關科系。洪主任說明，學生可選擇機械工程、機電工程、模具工程等領域，未來投入精密加工、產品製造、模具設計，甚至半導體產業，擔任設備或製程工程師；也有學生接手家族工廠，朝創業與經營管理發展。
喜歡動手做、好奇產品如何誕生？模具科等你來挑戰
什麼樣的學生適合就讀模具科？洪主任認為，只要對動手實作有興趣，喜歡研究物品如何製造，或具備基本空間概念，都很適合嘗試。雖然機械製圖需要立體想像能力，加工也涉及基礎數學計算，但這些能力都能透過課程與實作逐步培養。
從一張設計圖、一塊金屬材料，到精密零件與完整模具，新北高工模具科讓學生在三年學習中，逐步累積專業技術，也為未來升學、就業與產品創新開啟更多可能。
精選 【英檢】全民英檢報名倒數！中級1/30開考、11/23截止，一日考聽說讀寫一次搞定
求職履歷、升遷、部分公職與企業甄選，常會要求或採認英檢成績。如果你打算在明年初拿到全民英檢（GEPT）成績，這個月就要完成報名：116 年 1 月的初級、中級場次，報名都在 11 月截止。
📅 11 月截止的三個場次（116 年 1 月考試）
1️⃣ 初級 聽讀：1/9（六）考試｜報名至 11/20｜報名費 630 元｜成績 1/21 公布
2️⃣ 中級 聽讀：1/30（六）考試｜報名至 11/23｜報名費 900 元｜成績 2/26 公布
3️⃣ 中級 一日考：1/30（六）考試｜報名至 11/23｜報名費 2,530 元｜成績 3/5 公布
報名期間從 10/20（中級）開始，考試通知 1/20 發送。以上日期皆為官網公告，實際以財團法人語言訓練測驗中心（LTTC）最新公告為準。
💡 什麼是「一日考」？
全民英檢傳統上分兩階段：先考聽讀，通過後再報考說寫。一日考則是把聽、說、讀、寫四項合併在同一天考完。
．適合誰：時間有限、想一次拿到完整四項成績的上班族；或履歷、甄選需要「聽說讀寫」完整成績的人
．費用：2,530 元，剛好等於中級聽讀 900 元＋說寫兩項 1,630 元
．取捨：一天考四項比較耗體力，成績也比只考聽讀晚一週公布（3/5 vs. 2/26）
🤔 該報初級、中級聽讀，還是中級一日考？
．職缺只寫「具英檢中級以上」，但沒指定四項：可先報中級聽讀，費用較低、成績較快
．需要完整聽說讀寫成績，或不想分兩次排時間：選中級一日考
．英文基礎還不穩：先從初級聽讀開始，1/9 就能考，1/21 出成績
．錯過 1 月場：中級下一次聽讀在 5/8（報名 2/1～3/12），說寫在 4/17、18（報名 1/29～3/5）
✅ 報名前 3 件事
1. 確認目標單位要的是哪一級、要不要四項都有成績
2. 準備好報名資料與照片，上 LTTC 全民英檢官網線上報名、繳費
3. 繳費後到官網確認報名成功，1/20 記得查考試通知
⚠️ 三個常見錯誤
❌ 以為還有時間：初級 11/20、中級 11/23 就截止，別拖到最後一天才報名
❌ 只看總分：全民英檢各分項都有通過門檻，不能只靠強項拉分
❌ 一日考不先練體力：四項連考，平時就要練習整份計時作答，口說和寫作也要一起練
✏️ 從現在到 1/30，約 12 週怎麼準備？
．第 1～4 週：做一份完整模擬題，找出最弱的一項
．第 5～8 週：聽讀每天固定練，寫作每週至少寫 2 篇並請人看
．第 9～11 週：口說錄音自評，整份計時模擬
．最後一週：調整作息、確認考場與證件
📚 104學習免費英檢課程，可以先看
．【免費課程】5分鐘看懂全民英檢：級數差異、使用時機與報考方式
https://nabi.104.com.tw/course/104nabi/4d79891f-b2e3-457e-ab25-000a02de6e78
．【免費課程】全民英檢初級入門 第1堂｜初級考試地圖：考什麼、怎麼通過、如何準備
https://nabi.104.com.tw/course/104nabi/bab55772-8818-462d-adde-167fa9818c39
．【免費課程】全民英檢初級入門 第2堂｜聽力重點：聽懂問題，抓住關鍵資訊
https://nabi.104.com.tw/course/104nabi/4dd6f9d7-81e1-4e3f-bf66-3bd8dcaa68db
．【免費課程】全民英檢初級入門 第4堂｜寫作重點：先寫完整句，再連成短段落
https://nabi.104.com.tw/course/104nabi/30c601be-46bf-4218-99a2-c7b2d9ea21ae
你準備報哪一級？會選兩階段考還是一日考？歡迎留言分享你的英檢計畫！
資料來源：
．財團法人語言訓練測驗中心 全民英檢官網 測驗日程：https://www.gept.org.tw/
※ 報名期間、費用與考試規定以 LTTC 官網最新公告為準。
機電工程系（上）｜想當鋼鐵人背後的工程師？讓機器動起來的超能力！｜高雄科技大學｜科系真心話
如果鋼鐵人不是電影角色，而是一門學問，那它的核心就是「機電工程」！高雄科技大學機電工程系師生帶你走進讓機器「聰明動起來」的世界，從樓梯變電梯的生活比喻，到會養「機械狗」的真實實驗室，如果你對動手做、創新實驗和未來科技都充滿熱血，這一集將帶你揭開機電系如何結合機械、電機與電子，打造未來的智慧科技！
🎤主持人 Emily 安芷嫻 🎙來賓 高雄科技大學機電工程系：薛博文主任、蔡秉宏同學、陳佑柱同學
點擊了解本集章節
03:06 機電系在學什麼？電動車、機器狗自己動手設計
04:51 迷思破解：機電系同學很會修家電？女生適不適合讀？
10:27 「機械、電機、電子、機電系」差在哪？鋼鐵人幫你分清楚
18:23 系上分組：精密 vs. 智慧自動化 還有 1600 噸衝床！
27:59 讀機電系最難忘的課是？從理論到實戰，親手做出發電機！
37:53 跨領域互助才是王道！想讀機電系，打好這些基礎就對了！
收聽這集，你會知道——
「機電、機械、電機、電子……」這幾個科系名稱是不是讓人傻傻分不清？許多人一聽到「機電工程系」，腦中浮現的畫面可能是拿著螺絲起子修理家電，但實際上，機電系學生是打造能「自己動起來」的智慧機具，例如機器人、機械狗與自駕車的幕後工程師。
用鋼鐵人秒懂機電、機械、電機的差別
機電系學生的學習內容是如何讓大型機具精準運作，課程會接觸電子電路與機械設計，但重點在整合「動力、控制、結構」，讓一個系統能自動運轉。
高科大機電工程系薛博文主任用電影「鋼鐵人」比喻：
機械系造的是「身體」——結構與材料
電機系造的是「肌肉」——驅動與動力
電子系造的是「大腦」——晶片與感測器
機電系，則是統整所有部分，讓機器能精準運轉
也就是說，只要是「會動」的智慧裝置，像工廠機械手臂、移動機器人，都離不開機電工程的應用。
你是用科技的人，還是創造科技的人？
薛主任分享，有些人喜歡享受科技，但也些人想要自己創造科技。如果你總是想「這東西是怎麼做出來的？我也想試試看」，那就會是適合機電工程的人格特質。
另外，機電工程系在普通大學與科技大學都十分常見，普大主要強調理論與原理，問的是「為什麼」， 科大強調應用與實作，問的是「怎麼用」，例如普大研究「為什麼F=ma」，科大研究的則是「怎麼用F=ma做出機械手臂」，兩種訓練方向不同，未來工作類型與發展路徑也會相應不同。
機電工程，是讓想像動起來的學問
機電系畢業後的出路相當廣，包括自動化工程師、機器人研發、半導體設備整合、智慧製造、醫療輔具設計等。這些行業不僅需求高，也常與最新科技接軌。
機電系結合了機械的力、電子的腦與程式的魂，是一門讓創意真的「動起來」的學問。如果你想從使用科技的人，變成創造科技的人，機電系會是個值得你深入了解的起點。
歡迎點擊，收聽本集完整訪談內容
【延伸資源】
✨ 104人力銀行發起「實習打工故事競賽」活動，邀請你寫下自己的打工或實習經驗，無論是有趣的好笑的、收穫滿滿的、充滿血淚的，只要500字故事再加上一句個人金句，11/9 前上網投稿，就有機會獲得最高獎金 20,000 元，前 100 名早鳥報名還能直接獲得 LINE POINTS 100 點 👉 https://students104.pse.is/87y5sh
課業、打工、社團、愛情學分你都歐趴了嗎？歡迎收聽【青春通識課】陪你探索自己成為喜歡的樣子✨
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
Claude Code Subagent怎麼用？3分鐘建好第一個子代理，判斷何時該多Agent分工
一個任務想同時檢查安全性、效能和測試，只能一件一件問AI？本文說明Subagent（子代理）的分工模式，帶你用一個Markdown檔建立第一個官方Subagent，再用一張表判斷什麼任務適合多Agent協作。本文節錄自《Claude Code全攻略》。
文／曾慶良（阿亮老師）
本文目錄（點擊可快速前往）
什麼是Subagent？官方Subagent、自製Orchestrator差在哪？建立第一個官方Subagent：直接寫.claude/agents/檔案Subagent適用情境：什麼任務適合多Agent協作？【進階提示詞】讓Claude Code幫你建好Orchestrator
編按：本文收錄Subagent觀念與官方Subagent實作；以Python自製Orchestrator的逐步教學未收錄，文末附「進階實作提示詞」，可直接讓Claude Code幫你建好。
什麼是Subagent？官方Subagent、自製Orchestrator差在哪？
一般使用Claude Code的互動是一對一的：你問一個問題，Claude回答，然後再問下一個。
Subagent（子代理）改變了這個模式：
你的指令
↓
Orchestrator Agent（協調者）
├──> Subagent A：分析安全性
├──> Subagent B：分析效能
└──> Subagent C：分析測試覆蓋率
↓（三個同時執行）
Orchestrator 收集結果，合併報告
（圖／博碩出版《Claude Code全攻略》）
為什麼要用多Agent？
速度：3個任務同時跑，比依序執行快3倍
專注：每個Agent只做一件事，提示詞更精準
隔離：一個Agent失敗不影響其他Agent的結果
規模：一個人管不完的工作，交給Agent軍團
「Subagent」其實有兩種
在Claude Code的語境裡，「Subagent／子代理」這個詞指兩件不同的東西，別混在一起：
官方Subagent自製Orchestrator本體.claude/agents/*.md 定義檔（YAML frontmatter + system prompt）你自己寫的Python腳本執行方式在互動session內，由主Agent自動委派或你明確指名用 claude --print 開多個獨立進程平行呼叫上下文每個Subagent有獨立context，結果回傳主對話每個進程完全獨立，由腳本收集輸出適合重複使用的專職角色（審查員、測試員、文件寫手）大量平行任務、CI/CD整合、跨專案批次處理
官方Subagent是Claude Code內建、最正規的子代理機制（下文會帶你從零建立）；自製Orchestrator則是當你需要一次派遣大量Agent、或把Claude塞進自動化管線時用。
建立第一個官方Subagent：直接寫.claude/agents/檔案
若走「Python orchestrator + --print CLI」的程式化路線，可以一次派遣大量Agent平行工作。但你的第一個Subagent不應該寫Python——官方Subagent只是一個Markdown檔案，3分鐘就能建好。
舊版備註：舊版Claude Code曾提供 /agents 互動式精靈（7步驟引導建立Agent），該精靈已於v2.1.198（2026-07-01）移除。現在的做法是直接建立定義檔，反而更快、更透明；細節以官方文件為準。
官方Subagent的本體是一個放在以下位置的Markdown檔案：
位置範圍適合場景.claude/agents/（專案根目錄下）只有目前專案能用跟專案綁定的Agent（如Flask app的API tester）~/.claude/agents/所有專案都能用跨專案通用的Agent（如「程式碼審查員」）
第一次練習建議放專案級，玩壞了不會影響其他專案。
建立資料夾與定義檔
# Windows PowerShell（在專案根目錄下）
New-Item -ItemType Directory -Force .claude\agents
notepad .claude\agents\security-reviewer.md
# macOS / Linux（在專案根目錄下）
mkdir -p .claude/agents
nano .claude/agents/security-reviewer.md
（圖／博碩出版《Claude Code全攻略》）
security-reviewer.md 完整內容（可直接貼）
---
name: security-reviewer
description: 安全性審查專家。當使用者要求檢查安全漏洞、SQL injection、硬編碼密碼、eval/exec 濫用、輸入驗證問題時使用此 agent。
tools: Read, Grep, Glob
model: sonnet
---
你是一位資安專家，專門審查 Python 程式碼的安全性。
分析範圍：
- 注入攻擊（eval、exec、shell injection、SQL injection）
- 敏感資料處理（明文密碼、硬編碼金鑰、個資）
- 不安全的函式使用
- 缺少輸入驗證
輸出格式：Markdown 報告，每個問題標注嚴重度（🔴嚴重/🟠中等/🟡輕微）、檔案與大約行數、問題描述、具體修正建議。
只報告確定的問題，不要猜測。
（圖／博碩出版《Claude Code全攻略》）
frontmatter欄位說明：
欄位作用填寫要點nameAgent的識別名稱小寫加連字號，如 security-reviewerdescription決定觸發時機主Agent根據這段描述判斷「什麼時候該委派給它」，把使用情境寫清楚tools允許使用的工具最小權限原則：安全性審查只需要讀（Read、Grep、Glob），不給Write/Edit/Bashmodel使用的模型sonnet（平衡，推薦）/ opus（最強）/ haiku（最快最省）/ inherit（跟主Agent相同）
模型怎麼選：安全性審查建議sonnet（對應目前的claude-sonnet-5）——haiku（claude-haiku-4-5）太簡略容易漏掉細節；opus（claude-opus-4-8）或旗艦fable-5留給真正需要深度推理的任務，這類審查用不到。
觸發你的Subagent
存檔後重新啟動Claude Code（讓它重新讀取agents資料夾；是否需要重啟以實際版本為準），有兩種觸發方式：
自動委派：你的要求符合description描述時，主Agent自動把工作交給它
明確指名：直接說「用security-reviewer幫我審查calculator.py」
這裡拿calculator.py當練習對象，裡面故意留了eval()、shell=True等資安問題。你也可以換成手邊任何一支.py。
[模擬]觸發該Agent的對話：
> 用 security-reviewer 幫我審查 calculator.py
● security-reviewer(審查 calculator.py 的安全性)
完成
發現 2 個問題：
嚴重：calculate_from_string 使用 eval() 執行未驗證輸入
存在任意程式碼注入風險，建議改用 ast.literal_eval()
中等：run_calculator_script 以 subprocess.run(..., shell=True) 執行外部指令
若 script_path 來源可控則有 shell injection 風險，建議改為 shell=False 並拆成清單
（圖／博碩出版《Claude Code全攻略》）
官方Subagent vs.自製Orchestrator：什麼時候用哪個？
你的目標推薦方式第一次建Subagent練手.claude/agents/定義檔（本文示範）重複呼叫同一個專職Agent.claude/agents/定義檔即可一次平行派遣3+ 個AgentPython orchestrator整合進CI/CD pipelinePython orchestrator跨專案複用同一套Agent定義檔放~/.claude/agents/
結論：先用定義檔把「一個Agent一個職責」的概念跑通；自製Orchestrator是進階用法，學會了能應付更大規模的協作場景。
Subagent適用情境：什麼任務適合多Agent協作？
不是所有工作都適合Subagent架構。這張表幫你判斷：
情境建議架構原因分析一個檔案的bug單一Agent任務小，不值得overhead同時分析多個面向（安全/效能/測試）Multi-Agent面向獨立，可平行處理50個檔案，每個需要翻譯Multi-Agent大量獨立子任務寫一個複雜的功能，步驟有依賴單一Agent步驟有前後依賴，無法平行每天掃描新增的PR定時Orchestrator結合Routines定時執行跨語言文件翻譯（10種語言同時）Multi-Agent（10個）語言翻譯互相獨立
核心原則：任務之間沒有依賴關係、可以獨立完成，才值得用Multi-Agent。
【進階提示詞】讓Claude Code幫你建好Orchestrator
複製以下提示詞，直接貼進Claude Code開始操作。提示詞裡的檔名／路徑是示意，請換成你自己專案裡實際存在的。
開始前，請先確認兩件事：
系統已裝Python 3——Orchestrator是Python腳本。先驗證 python --version（沒反應試 py --version）。
claude指令在PATH裡——腳本會呼叫claude。先在終端機直接打 claude --version，確認叫得動。
Step 1：建立Orchestrator腳本
請幫我建立 orchestrator.py，能夠同時啟動 3 個子 Agent 分別執行：安全性掃描（偵測硬編碼密碼和 SQL injection）、效能分析（統計函式長度和巢狀層數）、測試覆蓋率報告。完成後合併三份報告輸出總結。
Step 2：執行並驗證結果
請執行 orchestrator.py，等待所有子 Agent 完成後，顯示最終整合報告，並標出最需要優先修正的問題。
節錄自：博碩文化《Claude Code全攻略：從一句話到部署上線，打造你的AI Agent開發團隊》／曾慶良（阿亮老師） 著
推薦閱讀：
Claude Code越聊越笨？4個指令管好「上下文」，用量60%就該主動壓縮
商務Email好難回？用Claude Skill建回信SOP，4大類型自動判斷
「Skill」和「提示詞」差在哪？6大差異與SKILL.md寫法一次看
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']
AI代理工時達人的6倍，注意力成瓶頸！從Anthropic內部研究看3個協作提醒
AI交出成果的速度愈來愈快，你卻忙著確認方向、檢查內容、回覆下一步？開發Claude的Anthropic研究自家員工後發現，AI代理執行時數達員工工時的6倍，人的注意力反而成為產出瓶頸。《104職場力》延伸整理3個提醒，帶你重新安排與AI協作的方式。
文／104職場力
本文目錄（點擊可快速前往）
AI代理執行時數達人的6倍，為何注意力成瓶頸？產出增加，員工從「做事」轉向「管AI」提醒1：交給AI前，先決定要它做什麼、怎樣才算做好提醒2：產出增加，驗收方式也要調整提醒3：把注意力留給重要決定、讓團隊知道下一步從「做事」到「管AI」，判斷力要在工作中累積
「AI都幫忙做了，為什麼還有這麼多事要處理？」
同時請AI查資料、整理報表、寫提案，成果很快就送到眼前，接著卻是一連串需要你回應的問題：資料可靠嗎？哪個方向值得繼續？這份內容能交出去了嗎？
Anthropic在10月發布的內部報告〈How employment is changing at Anthropic〉，觀察到這種工作變化。研究分析公司的人事資料、AI使用紀錄、產出指標、員工問卷、行事曆與面試評分表，並訪談17名員工，追蹤AI如何改變工作與用人需求。Anthropic也指出，公司的部分用人做法有其特殊條件，這份研究提供了觀察工作變化的案例。
AI代理執行時數達人的6倍，為何注意力成瓶頸？
報告指出，到了2026年8月，員工指派的互動式AI代理累計執行時數，約為員工工時的6倍。這個比較加總了代理及子代理的執行時間，員工工時則按人數及每週40小時估算。AI代理可以連續執行多個步驟，例如使用工具、修改程式、測試與整理結果。這裡的執行時數計入推論與主動使用工具的時間，排除超過30分鐘的等待。
另一方面，AI代理仍經常需要人的回應。Anthropic發現，在互動式、多輪工作階段中，約8成經過時間是在等待人類輸入。閱讀量也帶來考驗，依互動式代理輸出的文字量及每分鐘閱讀250個英文單字推估，即使是非技術部門，要讀完這些輸出，也需要超過半個工作週。
一邊是等人回應的代理，一邊是不斷送到眼前的成果。報告因此指出，人的注意力成了代理產出的瓶頸。有工程師形容，自己面對的是一整支不斷要求他注意的Claude大軍。
產出增加，員工從「做事」轉向「管AI」
Anthropic觀察，工程師人均程式碼提交頻率約為半年前的5倍，業務成交更多客戶，法律部門也處理更多合約。研究追蹤同一位員工的表現，也發現採用AI工具後，產出隨之增加；公司同期快速成長，則是理解這些變化的重要背景。
省下的時間，也讓員工重新安排工作。一位業務人員表示，自動化接手了原本約20%的任務，包括起草郵件、串接客戶管理系統；一位招募人員則利用AI協助尋找人才、追蹤申請及分析資料，轉而投入面試設計與候選人互動。
值得注意的是，員工開始花心力安排AI如何工作。2026年4月的內部問卷中，20%的受訪者在開放式回答裡，提到自己的角色從執行工作轉向管理Claude。報告也記錄了員工撰寫代理指令、建立監控工具，以及安排代理互相檢查產出的做法。
報告將這類圍繞AI工作流程的建置與管理，稱為「後設工作」（meta-work）。它在平均員工互動式Claude工作階段中的占比，從2025年秋天的10%升至2026年春天的22%，增加超過一倍。
當工作開始包含安排AI任務、審查大量成果，以及處理接踵而來的決定，上班族可以怎麼準備？以下《104職場力》從委派、把關與協調，整理出3個提醒。
提醒1：交給AI前，先決定要它做什麼、怎樣才算做好
當工作逐漸轉向「管AI」，第一步就是把任務說清楚。
Anthropic報告中的一個產品設計團隊，原本負責撰寫Claude.ai問候語等產品文字，後來建立了引導代理生成內容的脈絡資料，再轉向設計提示詞與模型評估。他們把對產品文字的判斷，轉成指引AI產出、評估成果的依據。
Anthropic在2025年12月的另一份內部研究也發現，受訪工程師傾向把容易驗證、出錯代價低的工作交給AI，策略與需要組織脈絡的判斷則留給自己。
這種轉變需要工作者先理解需求，再把自己的判斷轉成AI能執行的規則。
對一般上班族而言，可以從寫清楚任務目的與完成標準開始。例如要請AI「做一份競品分析」，還需要說明許多條件：要比較哪些品牌？資料範圍要觀察多久？分析要幫助團隊選活動主題，還是決定預算？
交辦前，可以先想清楚3件事：
用途：這份成果要幫誰做什麼決定？
標準：必須有哪些內容、資料與來源？
確認時機：遇到什麼問題，需要先停下來問你？
以行銷工作為例，可以這樣交辦：「請整理A、B、C等3個品牌最近半年的公開活動，比較目標客群、主打訴求及優惠方式，每項附上來源與日期。先交比較表，等我確認後再提出活動建議。」
先確認資料與比較方向，再往下發展提案，能讓修改發生在較早的階段。工作範圍愈清楚，AI也愈容易沿著你需要的方向執行。
提醒2：產出增加，驗收方式也要調整
AI能快速交出多份報告或多個版本，檢查工作也需要重新安排。
Anthropic研究檢視同一位員工、同月份、同一程式碼目錄下，代理與員工直接撰寫的程式碼，未觀察到後續刪除或還原比例的差異。這是研究採用的品質觀察指標；報告也指出，程式碼品質有許多面向，AI錯誤可能更難察覺。
這項做法提供了一個實用方向：依工作內容設定驗收重點，讓檢查有明確依據。
延續競品分析的例子，例如價格需要核對幣別、方案與促銷期間；「這個品牌主攻年輕客群」則要檢查是否有資料依據。數字正確與分析合理，需要分別確認。
建議依照任務列出交付前的檢查項目：
整理資料時，要求附上原始來源、資料日期及尚未確認的項目。
製作報表時，要求保留計算方式，方便重算關鍵數字。
撰寫對外信件時，優先核對價格、時程、承諾及公司立場。
提出分析建議時，分開呈現已知事實、推論與假設。
也可以請AI在交付時，先列出需要確認的問題，作為審查清單的起點，再依原始資料與工作要求，檢查是否還有遺漏。最後，記錄連同交代、修改及檢查在內的總時間。持續使用幾次後，便能看出哪些任務確實節省時間，哪些需要調整流程。
提醒3：把注意力留給重要決定、讓團隊知道下一步
AI同時處理多項工作，也可能同時向你提出多個問題。每一項都要求回應，卻未必同樣重要。
Anthropic員工開始建立監控與彙整工具，管理代理的產出及要求。人與人的討論也持續存在：員工會議時間中位數較一年前增加20%，不帶人的技術職員工也增加16%。公司擴張與職務組成變化是背景因素，受訪者則指出，複雜問題仍需要人一起討論、決定。
報告也指出，決策紀錄會影響代理能否取得最新脈絡。團隊在會議中改了方向，就需要更新相關文件，讓後續工作沿用正確資訊。
可以從以下做法開始：
錯開需要判斷的任務。啟動AI任務時，先想哪個階段需要你確認，把要大量判斷的任務錯開，留出閱讀與決策時間。
把重複規則留下來。例如報表使用哪些欄位、資料缺漏時如何標示，下一次工作便能沿用已確認的要求。
交接時附上目前狀態。交出AI協助完成的提案，簡短說明哪些資料已核對、哪些問題待確認、需要誰決定，以及由誰往下執行。
主管也需要把審查與協調納入時程，訂清楚優先順序與最後確認的人。產出加快之後，團隊要一起安排好接下來的判斷與交付。
從「做事」到「管AI」，判斷力要在工作中累積
工作內容改變，Anthropic評估人才的重點也跟著移動。研究分析面試評分表後發現，技術職評語愈來愈常提到自主性與判斷力；非技術職則更常討論候選人是否以客戶與組織使命為重。
這些變化，也伴隨初階技術職占比下降：自2025年初以來，初階人員占技術部門的比例從21%降至14%，占技術職新進人員的比例則從27%降至9%。如何讓新人取得實作與學習機會，成為企業需要面對的問題。
對上班族而言，可以從每一次與AI協作的過程累積判斷：交辦前，先寫下自己的分析；收到成果後，比較差異、查明理由；完成工作後，記錄哪些做法有效、哪些問題需要補足知識。這些經驗，會成為下一次設定任務與驗收成果的依據。
當AI代理承接更多工作，人的注意力該放在哪裡？從想清楚任務、驗收成果，到和團隊做出決定，每一步都需要工作者運用專業，也在過程中持續學習。
（資料來源：Anthropic）
推薦閱讀：
AI亂象！95%企業被「工作垃圾」拖垮，你的團隊也有Workslop雷包嗎？
AI導入成敗看中階主管！5種卡關管理風格，你的團隊中哪種？
AI代理人時代，勝負不在AI多聰明！林之晨：關鍵在組織消除落地摩擦力
實驗室新突破！Google AI突破癌症研究瓶頸 開啟跨域職涯新風口
近日Google與耶魯大學的研究團隊攜手發表了一項令人振奮的成果：他們開發出一款能「讀懂細胞語言」的AI模型、成功預測出一個具有潛力的新型癌症療法途徑，並已在實驗室中獲得初步證實，這項發現不僅為抗癌藥物研發帶來一線曙光，更展示了大型AI模型在加速科學發現上的巨大潛力。
文／《104職場力》
本文導覽
研究背景：關於免疫療法的瓶頸「冷腫瘤」Google研發「細胞語言模型」C2S-Scale接下戰帖出乎意料！AI鎖定Silmitasertib，給出嶄新發現實驗室證實，silmitasertib能成功讓冷腫瘤「發熱」50%AI「革新藥物研發效率」對跨領域人才和未來職涯的深遠啟示
研究背景：關於免疫療法的瓶頸「冷腫瘤」
在癌症免疫治療中，一個核心概念是讓患者自身的免疫系統去攻擊癌細胞，但因為許多腫瘤屬於「冷腫瘤」（Cold Tumors），以至於它們就像披上隱形斗篷一樣，無法被免疫系統偵測和辨識，自然能躲過攻擊。
想解決這個問題，讓冷腫瘤「發熱」（Hot），也就是迫使癌細胞展現出能被免疫系統識別的「抗原呈現」（Antigen Presentation）信號，是免疫治療策略的關鍵目標，如果能找到一種方法「放大」這些信號，就能有效提升免疫療法成功的機率。
Google研發「細胞語言模型」C2S-Scale接下戰帖
為了克服這項挑戰，Google研究團隊基於Gemma，打造了Cell2Sentence-Scale 27B（簡稱C2S-Scale）模型，其核心能力是理解「單一細胞的語言」，如同理解人類的文本語義一樣。
研究人員給C2S-Scale的艱鉅任務是：找出一個只能在腫瘤環境中已經存在微弱免疫信號（例如低劑量干擾素，Interferon）時才發揮作用的「條件式放大器」，讓原本微弱的信號能有效增強。
該模型採用了一種「雙情境虛擬篩選」的方式進行推測：
正向免疫情境： 輸入帶有低劑量干擾素信號的真實病患腫瘤樣本數據。
中性免疫情境： 輸入單純隔離的癌細胞數據（不帶免疫背景）。
研究團隊模擬了超過4,000種藥物在這兩種情境下的作用，並要求模型預測哪些藥物只在第一種情境下能增強抗原呈現。
出乎意料！AI鎖定Silmitasertib，給出嶄新發現
沒想到，C2S-Scale模型直接給了研究人員大驚喜，它推理出一項過去科學文獻中從未被明確報導過的全新組合與機制：silmitasertib（一種CK2激酶抑制劑）只有在「正向免疫情境」下能大幅提升抗原呈遞作用，但在「中性情境」下則幾乎沒有效果。
這代表AI模型並非只是分析或重複已知知識，而是可以真正產生出可供實驗驗證的新科學假設。
實驗室證實，silmitasertib能成功讓冷腫瘤「發熱」50%
得到新假設後，研究團隊隨即至實驗室進行驗證，他們刻意使用人類神經內分泌細胞模型進行測試，這種細胞是模型在訓練過程中完全沒見過的類型，希望更能確保結果的公正性。
實驗結果完全證實AI的預測：
單獨使用silmitasertib，對抗原呈現無影響。
單獨使用低劑量干擾素，效果有限。
同時使用silmitasertib與低劑量干擾素，抗原呈現信號產生顯著的協同放大效應。
根據實驗數據，這種組合治療能使抗原呈現作用提高約50%，足以讓腫瘤更有效地被免疫系統識別，C2S-Scale模型的預測還真的成功找到了新型的「干擾素條件式放大器」，提供將「冷腫瘤」變「熱」的潛在新途徑。
AI「革新藥物研發效率」對跨領域人才和未來職涯的深遠啟示
雖然這項研究還未進到臨床試驗，但已展現出大型AI模型（如C2S-Scale）在生物醫學發現上的核心價值，它能快速生成有實際根據的科學假設，大幅縮短新藥研發週期，並為開發高效的組合療法奠定基礎。
這項突破標誌著AI與生物科技的關鍵交匯點，同時也清晰預示了未來的職場趨勢：
跨域人才需求暴增：傳統的生物學家或醫藥研發人員，現在必須具備計算機科學、數據分析甚至大型語言模型（LLM）的應用能力。能夠理解「細胞語言模型」並將其應用於實驗設計或臨床資料分析的「AI生物學家」將成為炙手可熱的職位。
研發週期大幅縮短：過去需要耗費數年進行的藥物篩選與假設驗證，在AI的協助下能被壓縮到數月甚至數週，這將加速生技、製藥公司對研發效率與數位化工具的投資。
新的職能誕生：除了傳統研發職位，企業將需要更多「生物資訊學家」、「AI模型工程師」（MLOps for Biology）等職位，專門負責維護和擴展這些複雜的生物AI模型。
由此可知，人工智慧不僅是提升工作效率的工具，更已成為開啟科學新發現的鑰匙，對於所有追求職涯成長的人來說，掌握數據與AI思維，是進入下一波生物科技與醫療創新浪潮的關鍵入場券。
（參考資料來源：How a Gemma model helped discover a new potential cancer therapy pathway）
廣達、緯創徵召量子電腦人才！台灣電子五哥研發落地加速搶人
2026-07-19 經濟日報記者王郁倫 記者吳康瑋攝影 由聯合新聞網授權轉載
電子五哥廣達（2382）、緯創（3231）開徵量子電腦工程師職缺，顯示硬體廠商正從前期探索跨入著手研發，廣達徵召人才鎖定量子電腦系統內部架構設計到外部控制電腦數據讀取專才，而緯創徵才範圍更大，從晶片封測到軟硬體整合全面徵才，兩家兆元大廠布局量子電腦策略似乎正與AI伺服器布局有高度一致性。
台灣科技產業下游開始布局量子科技，緯創跟廣達都開始徵召量子科技人才，其中，緯創設定人數無上限，徵求人才內容從硬體系統線路設計、晶片封裝與量測架構、超低溫實驗平台規劃維運、微波控制器設計與讀取到核心量子裝置實驗，如位元相干時間改良（讓電腦運算更穩定更持久），最後是軟硬體整合改良。
緯創徵召量子人才的廣度極大，也凸顯布局量子電腦技術的企圖心，期望從晶片模組到整體系統都掌握。緯創董事長林憲銘日前接受《經濟日報》提問時表示，對量子電腦技術將是自研與投資雙軌並行。
林憲銘更透露，將購買一座32量子位元的超導量子機器，與AI伺服器進行連線運算測試，未來也不排除爭取IBM 等量子系統代工或關鍵零組件製造商機。故此次大舉開出量子電腦職缺，也顯示其自建量子運算中心下半年將加速啟動。
[joblist_plugin title='【緯創 量子相關】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=%E9%87%8F%E5%AD%90%20%E7%B7%AF%E5%89%B5' amount='1']
廣達此次開出1～2位量子人才需求名額，強調需要出差，符合業界觀察廣達常派出工程師到美國量子新創Rigetti Computing總部交流合作消息，廣達此次徵才要求主要包括量子硬體系統設計優化、量子控制線路、控制程式及資料分析工具、執行量子實驗做量子系統較準及參數設定，該部分人才技能偏向後段硬體面。
[joblist_plugin title='【廣達 量子相關】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=%E9%87%8F%E5%AD%90%20%E5%BB%A3%E9%81%94' amount='1']
金寶電子（2312）與國際大廠SEEQC合作室溫電腦控制平台，在電子業下游跑得相當快，下半年第一版本將展開測試，董事長許介立也透露，除超導體新創，目前也廣泛跟其他技術業者合作比方離子阱，目前投資國外新創已有2~3家，未來會持續透過此方案擴大量子電腦布局。
對此，鴻海（2317）董事張慶瑞表示，台灣產業確實開始動起來！他日前曾發言擔心台灣量子人才環境不足，除缺乏產業留才，導致培育的人才畢業後面臨無處可去，只得去台積電（2330）就職或出國就業窘境。
在政府合併AI新十大建設推動方案中，量子技術已被列為三大AI關鍵技術之一，與矽光子及機器人位階相當，政府也從2022～2026年五年內投入80億元打造業合作平台，建立量子國家隊。
張慶瑞日前接受訪問指出，本土培養的量子人才約有150至200人，畢業後卻面臨沒有量子產業可以效力。該問題能否隨廣達、緯創及工研院都開出量子人才職缺而獲得解決將是未來可關注重點。
[joblist_plugin title='更多【量子電腦】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=%E9%87%8F%E5%AD%90%E9%9B%BB%E8%85%A6' amount='1']
從科學實驗操作到產業應用——新竹高工化工科的專業養成現場
讀化工科，是每天待在實驗室做實驗嗎？需要很會化學，才能讀化工科嗎？高中三年裡，學生究竟會學到哪些專業能力？未來又有哪些升學與職涯方向？這一次，我們走進新竹高工化工科，透過戴曉玫老師與高三學生的分享，看見化工科從基礎化學、實驗操作到產業應用的學習歷程，也重新認識技職教育裡那些關於細心、耐心與精準的訓練。
化工科和想像中的不一樣：學生進入後才發現的事
「我原本以為進來之後，會一直做化學實驗，但後來發現不是只有化學。」高三的彭同學談起三年前填志願時的想像，語氣裡帶著一點笑意。真正開始上課後，他才發現，化工科除了實驗，還需要面對大量計算、物理概念與反覆驗證的實作訓練。
「後來發現物理跟計算其實更多。」高三的蔡同學則提到，因為家人建議，加上國中時自然科成績不錯，他選擇進入新竹高工化工科。但真正開始上課後，他才慢慢理解，化工其實不是單純「做實驗」，而是一門需要細心、邏輯與耐心的專業。這樣的學習跟想像的落差，或許是許多剛進入化工科的學生們都會遇到的情況。
新竹高工創校於民國三十三年，化工科是校內歷史最悠久的科別之一。多年來始終維持每年級單班制，也延續著重視扎實訓練的教學傳統。從高一開始，學生便要同時面對專業理論與實作課程。
圖：新竹高工化工館實拍
從高一到高三：化工科的課程與實作日常
高一時，學生會學習普通化學、有機化學與普通化學實習；到了高二，則進一步接觸分析化學、基礎化工與化工裝置等專業科目，同時搭配分析化學實習與有機化學實習。高三則進入儀器分析、工業分析等更貼近產業現場的內容。
任教多年的戴曉玫老師表示，化工科和一般高中最大的不同，在於學生很早就需要進入實驗室操作。「我們的實習課三年都有，高二之後的實作會更多。」在戴曉玫老師眼中，化工科最重要的能力，並不只是考試成績，而是學生能否建立「精準」與「細心」的習慣。
圖：學生於實驗課進行實作
「因為化工實驗裡，一個小地方錯了，最後結果就可能完全不一樣。」彭同學與蔡同學都提到，印象最深刻的實驗是『維他命C檢定』。這項實驗需要反覆滴定、觀察顏色變化，並精準控制藥劑比例。
「最難的是顏色判斷。」蔡同學說。有時候只差一點點，整份結果就會失敗。
而彭同學則認為，真正困難的，是失敗之後如何重新找出原因。「我會先冷靜下來，再重新回想每一個步驟，思考到底是哪裡出了問題。」一次次反覆操作、檢查的過程，也慢慢成為化工科學生的日常。
戴老師觀察，現在許多學生習慣快速接收資訊，但化工科其實很需要長時間思考與閱讀理解能力。「現在很多題目，不是背公式就好，而是要看得懂題目，再去分析問題。」因此，除了數理能力外，耐心與穩定度，往往才是學生能否適應化工科的重要關鍵。
技職教育裡的重要能力：細心、耐心與安全意識
在所有能力之中，「安全意識」是老師最重視的一件事。從學生第一次進入實習工廠開始，老師便會反覆進行安全教育，包括工作服規範、藥品操作、器材使用與廢液處理等。
圖：新竹高工化工科教室環境照
「很多事情平常沒發生時，會覺得沒什麼，但真的出事就來不及了。」戴老師說，她接著提到，曾有學生在實驗後，不小心碰到尚未冷卻的器材而燙傷，也因此更加重視實驗服與長褲等安全規範。
除了課程與實驗，新竹高工化工科每年也會培訓學生參加全國工科技藝競賽。學生從高二開始接受長時間訓練，不只需要反覆練習實驗操作，也必須培養高度專注力與抗壓性。
戴老師觀察，很多學生其實不是不會，而是容易因為急躁而出錯。「化工很需要耐心，你可以大膽嘗試，但一定要細心。」而這樣的訓練，也讓學生慢慢理解，化工學的不只是化學知識，還包括分析問題與修正錯誤的能力。
從半導體到食品產業：化工科的未來出路
彭同學表示，自己未來希望朝材料研發或製程優化方向發展；「我比較想往食品方向看看。」蔡同學則對食品相關領域更有興趣。事實上，化工背景的出路相當廣泛。從半導體材料、電子化學、生技醫藥，到食品檢驗、環境工程與材料研發，都與化工專業有關。
不過戴老師也坦言，「如果真的很排斥數學、理化，或不喜歡細心操作，會讀得比較辛苦。」但她也認為，正因為化工科的訓練過程扎實，學生在三年裡學到的，不只是課本上的知識。
「他們其實是在學習怎麼解決問題、怎麼面對失敗，還有怎麼對自己的操作負責。」或許，這也是技職教育迷人的地方，它讓孩子在一次次實作與修正中，慢慢找到自己的方向，也理解什麼叫做真正的專業。
或許對許多人來說，化工不是第一時間會想到的科系，但走進新竹高工化工科後會發現，它其實與生活及產業息息相關。從半導體、材料、生技到食品與環境工程，只要與化學應用有關的領域，都能看見化工人才的身影。化工科的升學方向也相當多元，包含化學工程、應用化學、食品科學與環境工程等相關科系，而這三年的專業訓練，也成為學生未來銜接升學、產業與職涯的重要基礎。
開箱化工科學習日常！更多科系探索，歡迎追蹤104高職生IG
在 Instagram 查看這則貼文 104高職生（@104v.hs）分享的貼文
從微觀分子到綠色永續未來──北科附工化工科
在精密科技的現代，化學工程早已不只是傳統印象中的試管與燒杯，而是支撐半導體、生醫科技與精細檢驗的重要基石。位於桃園的北科附工化工科，學生在這裡不僅要面對微觀的化學分子，更要學習工廠級的製程操作與精密儀器分析。
化工不只是化學：追求效率與邏輯的「工程」學科
「許多人常將『化學』與『化工』混淆，其實兩者本質有很大的不同。」本身即畢業於北科附工化工科的張翰林科主任給出了精闢的見解。他指出，化學著重物質組成、性質與反應機制；而化工則進一步思考如何將這些反應在工廠中穩定、安全且有效率地實現。
換言之，化學是理論的基礎，而「工程」才是化工科真正的核心主軸，整個科系三年的訓練都圍繞著提升製程的效能而努力。為了達成這個目標，北科附工化工科的三年課程有著階梯式的規劃：
年級 學習領域 實務與應用方向 高一 普通化學及實習 奠定扎實的化學基本功與實驗室基礎操作 高二 分析化學、化工裝置 接觸工廠設備，摸索混合器與蒸餾原理 高三 有機化學、高分子化學 探討石化材料反應與特殊聚合材料特性
面對日益複雜的產業技術，張翰林主任特別點出一個常見迷思：「許多人認為化工科只是學習化學知識，其實化工是一門以化學為基礎、以工程應用為核心的專業。」除了化學原理之外，學生還需要學習熱力學、流體力學等基礎化工專業。
因此，邏輯推理與數理基礎的重要性往往不亞於化學。張翰林主任也提醒，隨著產業日益國際化，許多設備規範、技術文件與研究資料皆以英文呈現，良好的英文能力也將成為銜接未來職場的重要利器。
圖：學生參與實作課程
三年淬鍊：透過專業證照證明
學校在各階段皆融入了明確的課程目標，讓學生從中獲得成就感：高一輔導考取勞動部「化學丙級」、高二挑戰「化工丙級」，到了高三則挑戰難度頗高的「化學乙級」。張翰林主任表示，科內的化工丙級通過率可達八成，而難度較高的化學乙級，每年也都有五到七成的通過率。除了證照，學校每年也會推派選手參加「全國高級中等學校學生工業類技藝競賽」的「化驗」職種。
實驗白袍用意何在？安全第一考量
在面對各類化學藥劑與精密機具時，張翰林科主任強調「安全」始終是第一鐵律。他分享了一個常被學生忽略的細節：許多學生覺得穿實驗白袍是為了裝酷，但其實白袍有著至關重要的防護作用，白色的布料只要一沾到酸鹼液體或染料，馬上就能看見，學生可以在第一時間脫下處理，保護身體不受傷害。嚴謹的安全紀律，是化工科學生上課的首要原則。
圖：學生穿著實驗白袍進行實驗
生活中的驚險，好在有化工專業
目前就讀高三的林郁燦同學，分享了日常生活中驚險的插曲：「有次看到家人想拿鹽酸跟漂白水一起洗廁所，我馬上制止，因為這兩者反應會產生有毒的氯氣！」回憶起準備化學乙級證照的過程，他坦言這是一場心理與技術的雙重考驗，其中一個項目要配製快20瓶藥品來測定水溶液中的磷含量，時間非常緊迫，如果做得不夠快，或者做出來的數據跟標準值差很多都不行。在這種「做得快又做得準」的反覆訓練中，成功淬鍊出他在壓力下精準操作的職人精神。
產學接軌與未來藍圖：生技醫藥與多元升學路
為了拉近產學距離，學校積極推動產學合作，張翰林主任與桃園在地的「信東生技」藥廠洽談合作，安排有意願的畢業生在大學入學前的暑假前往實習。不僅讓學生提早認識職場生態，也為他們的未來履歷添上亮眼的一筆。
在升學表現上，北科附工化工科的出路十分多元。常見目標包含台灣科技大學、台北科技大學的化學工程系或材料工程系，甚至也有學生跨領域選擇雲林科技大學的文化資產維護系，展現跨域發展的彈性。
邏輯與實務兼備的新世代職人
「化工專業在國中階段較少接觸，因此所有人的起跑線都是一樣的。只要三年肯認真投入學習，許多學生都很有機會挑戰前幾志願。」張翰林主任表示，北科附工化工科透過扎實的理論、嚴謹的檢定與實作，打造成具備細心、耐心與邏輯判斷力的跨域人才。無論未來他們是走入半導體大廠擔任製程工程師，還是投身生技醫藥領域，在這裡培養出的硬實力與科學素養，都將成為他們接軌全球市場、迎向無限可能的堅實底氣。
開箱化工科學習日常！
更多科系探索，歡迎追蹤104高職生IG
在 Instagram 查看這則貼文 104高職生（@104v.hs）分享的貼文
南華大學資工系學生自研AI健康系統 走入社區實踐青銀共融
【嘉義訊】為落實大學社會責任（USR），南華大學「擴展國際慢城學習—營造永續宜居城鄉生活」計畫團隊，於日前至嘉義市東區興仁社區發展協會，舉辦「青銀共融智慧健康活力營」。活動最大亮點是現場使用的多套AI智慧健康檢測與訓練系統，皆由南華大學資訊工程學系學生自主設計、開發與研究。在指導老師陳萌智助理教授帶領下，10位資訊工程學系學生將課堂所學轉化為實用科技，帶領社區長輩體驗智慧健康檢測，展現學以致用的實踐成果。
2026-11-03 南華大學 發布
活動規劃三項AI智慧健康體驗，分別從身體姿態、運動強度及反應能力等面向，引導長輩認識自身狀態，透過互動提升健康意識。首先，運用學生自主研發的骨架捕捉演算法，透過鏡頭即時分析身體姿態與平衡狀況；其次，結合數位視覺介面與體感互動，引導長輩進行肢體伸展及運動體驗；最後，透過學生團隊開發的互動遊戲軟體，讓長輩在輕鬆有趣的過程中，進行反應力與肢體協調訓練。學生全程耐心陪伴、逐步引導，讓長輩在科技互動中感受健康促進的樂趣。
南華大學資工系學生自研AI健康系統，學生引導長輩進行符合個人適當強度的肢體伸展。（圖／南華大學提供）
指導老師陳萌智表示，此次活動不僅是USR在地關懷的具體實踐，也是學生結合理論與實務的重要成果。從演算法設計到AI互動系統開發，所有體驗工具皆展現資工系學生自主研發與專題研究的能力。透過走入社區，學生不僅能驗證所學，更能進一步理解科技如何回應真實需求，將專業轉化為服務社會的力量，體現青銀共融與學用合一的教育價值。
南華大學資工系學生自研AI健康系統，社區長輩體驗 反應力體感遊戲。（圖／南華大學提供）
參與活動的長輩對各項科技體驗充滿好奇，對學生自主開發的健康系統與互動遊戲讚不絕口，直呼現在的大學生真厲害！學生親切、細心地協助操作，也讓長輩在愉快的互動中認識自己的健康狀況，感受科技帶來的便利與樂趣。
南華大學資工系學生自研AI健康系統，走入社區實踐青銀共融，長輩們熱情參與。（圖／南華大學提供）
南華大學校長高俊雄表示，面對AI科技快速發展，學校積極鼓勵學生將專業知識與創新技術應用於真實場域，更透過USR計畫串聯教學、研究與在地實踐，將科技創新成果帶入社區、回應地方需求，不僅可培養學生的實作能力與跨域思維，也讓科技發揮實質的社會價值。未來，南華大學將持續結合智慧科技、健康促進與跨世代交流，深化大學與地方的連結，讓學生在實踐中累積經驗、發揮專業所長，攜手營造健康、友善且永續的宜居社區。
延伸閱讀｜資工系畢業，出路有多廣？▸ 學長姐最多投入半導體製造業（14.3%），其次是電腦軟體服務業（11.4%）▸ 擔任韌體工程師，資歷3～5年月薪約5.6萬～8.2萬▸ 26%畢業後繼續升學，私立大學資工研究所畢業月均薪約7.7萬▸ 職場常用工具：C++、Java、Python、MySQL想看更多學長姐出路與薪資？→ 104升學就業地圖：南華大學 資訊工程學系（資料來源：104升學就業地圖，2026年10～11月更新）
有任何收穫或想分享的，都來和大家一起聊聊吧！