Linux驅動程式【本課程為線上課，報名後專員會提供上課資訊】
104學習
ATL
Above The Line 是指具備主動解決問題、正向思考及負責任態度的能力。這種技能強調個人在面對挑戰時，不推諉責任，而是積極尋找方法改善現狀。具備此能力的人能有效溝通協調，主動學習並持續提升自我，對團隊合作及專案推動有正面影響。在台灣職場中，這種態度常被視為職涯成長和升遷的重要關鍵。簡言之，就是具備自我驅動力和正面思維，能帶動團隊向前邁進。
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
從零開始 Python × Ollama 實戰教學：打造企業本地LLM應用程式
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】
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
.NET開發資料庫應用系統全方位－ADO.NET與Entity Framework(.NET Core)攻略
ATLearning企業主管必修課
C# 從零開始前進.NET物件導向程式全攻略
AI工程師必學！用Streamlit打造 Python Web應用程式，零前端經驗也能上手！
最快入門與實作大型語言模型（LLM、DeepSeek）！做中學更輕鬆！
掌握Claude Code從零打造企業級全端開發應用實戰班
精選證照
考取專業證照，讓能力被市場看見
大型語言模型(LLM)課程認證
線上課程約8小時
這堂入門微學習課程說明大型語言模型 (LLM) 的定義與用途，以及如何調整提示來提高 LLM 成效。這堂課程也會介紹多項 Google 工具，協助您自行開發生成式 AI 應用程式。
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：
● 定義大型語言模型 (LLM)
● 說明 LLM 的用途
● 解釋「提示調整」
● 介紹 Google 的生成式 AI 開發工具
Google
LCA
LCA（Linux Certified Administrator）證照旨在驗證持有人具備Linux系統管理的基礎能力，涵蓋系統安裝、配置、維護與故障排除等技能。持證者能熟練操作Linux環境，管理用戶權限與檔案系統，確保系統安全與穩定運行，適合IT基礎建設、系統管理及相關領域的專業工作需求。
SAIR/GNU-Wave
MCSD for .NET
MCSD for .NET 證照代表具備使用微軟.NET技術進行應用程式開發的專業能力，涵蓋前端與後端設計、Web服務及資料庫整合等技能，適合軟體工程師與系統開發人員提升職場競爭力。持有此證照表示熟悉Visual Studio開發環境，能運用C#、ASP.NET等技術完成企業級應用，符合現代軟體開發需求。
尚未查核發照單位
MCPD
「微軟認證程式開發專家 (MCPD)」認證突顯您身為專家級的 Windows 應用程式開發人員、Web 應用程式開發人員或企業應用程式開發人員。 這些認證證明您能夠使用 .NET Framework 2.0 建立鎖定多樣化平台的豐富應用程式。
Microsoft
CLI
CLI證照旨在驗證持有人具備命令列介面操作與管理的專業能力，涵蓋基本指令使用、腳本撰寫、自動化流程設定及系統維護等技能。持證者能有效運用CLI工具提升系統管理效率，解決問題並優化作業環境，適合資訊技術、系統管理及網路工程相關職務，提升職場競爭力與專業形象。
IBM
基礎程式語言
基礎程式語言證照旨在驗證持有者具備基本程式設計能力，涵蓋變數、流程控制、陣列及簡單演算法等核心概念，適合初學者入門。透過理論與實務測試，證明能使用常見程式語言撰寫簡單程式，具備問題分析與解決能力，為進階程式設計及相關職涯奠定扎實基礎。此證照廣受資訊產業與教育機構認可，是進入軟體開發領域的重要入門資格。
尚未查核發照單位
精選貼文，掌握第一手知識
Relume 快速原型製作工具！幫助產品經理(PM)簡化流程、節省開發時間
Relume 是一款為設計師和開發者打造的工具，專注於加速網頁設計與開發的流程。它透過提供大量的 Webflow 模板和組件庫，幫助用戶在 Webflow 中快速構建網站。Relume 的核心特點包括：
1. 組件庫：Relume 提供數百種預設的 UI 組件，使用者可以直接在 Webflow 中拖放這些組件，像是按鈕、導航欄、表單等。這些組件遵循現代設計趨勢且高度可自訂，可以大幅縮短設計和開發的時間。
2. 範本與模板：用戶可以利用 Relume 提供的各種模板（例如登錄頁、作品集頁面、聯絡頁面等）進行快速搭建，免去從零開始設計的麻煩。
3. 協作功能：Relume 支援多人協作設計，這讓設計團隊能夠更輕鬆地管理專案，實時檢查和編輯內容。特別適合遠端工作環境的設計團隊。
4. 設計系統的支援：Relume 組件庫內的設計元素都遵循設計系統的原則，能夠保持設計的一致性，讓網站的 UI 保持專業和流暢。
5. 靈活的整合：Relume 與 Webflow 緊密集成，但它也支援將設計導出到其他平台，以便與更多的工具和流程相互結合。
這些功能讓 Relume 成為許多 Webflow 使用者和設計師的實用工具，特別適合快速製作網站和管理大型網站專案。
► 以下是 Relume 如何幫助 Product Manager (PM) 的要點：
➊ 快速原型製作：利用 Relume 的預設 UI 組件庫和模板，PM 可以迅速構建產品原型，用於概念驗證和用戶測試，特別適合在產品早期階段展示核心功能和設計方向。
➋ 提升設計與開發協作效率：Relume 的拖放式組件和範本能夠讓設計和開發團隊快速理解需求。PM 可以清楚展示需求，減少跨職能溝通中的誤解，並簡化審核流程。
➌ 快速市場需求驗證：PM 可以用 Relume 製作簡單的登陸頁或測試頁，迅速收集用戶反饋和數據，為市場需求驗證提供支持，並節省開發成本。
➍ 支援設計系統落地：Relume 的 UI 元素遵循設計系統原則，PM 可運用這些元素確保設計一致性，幫助團隊在跨平台產品上維持一致的用戶體驗。
➎ 簡化流程並節省時間：Relume 的模板和組件加速了設計和開發進程，協助 PM 更快速地推出產品 MVP（Minimum Viable Product），加快產品上市的時間。
通過 Relume PM 可以在設計和開發過程中更高效協作，加快產品推進速度，同時確保設計質量和一致性。
Figma Asset 是什麼？用來管理Components超方便，不要再傻傻複製貼上了
在Figma中，Asset（資產）是設計師用來管理和重用設計元素的強大工具。它可存放常用的樣式（Styles）、組件（Components）、變量（Variables）等，讓設計師能在不同頁面或專案中快速調用已設計好的資源。以下將詳細介紹Figma中Asset的功能。
▮Figma中的Asset概念
Asset主要包含以下幾個部分：
1. 組件（Components）
是Figma中可重用的設計元素，類似於設計模組或模板。例如，按鈕（Button）、導航欄（Navigation Bar）、圖示（Icon）等都可以作為組件被添加到Asset中。
2. 樣式（Styles）
包括顏色樣式（Color Styles）、文字樣式（Text Styles）、效果樣式（Effect Styles，如陰影、模糊等）。透過這些樣式，可以在設計中保持一致性，並快速套用或更新設計。
3. 變量（Variables）
是用來儲存和管理不同屬性值的工具，如顏色模式（Color Mode）、字體尺寸（Font Size）、間距（Spacing）等。變量可在不同情境下應用，讓設計更靈活。
▮如何使用Asset面板
Asset面板通常位於Figma左側邊欄內，並包含以下功能：
1. 創建和管理組件（Components）
- 建立組件（Create Component）：選中要設為組件的元素，右鍵選擇「Create Component」，或使用快捷鍵 Cmd/Ctrl + Alt + K。
- 組件的使用：在Asset面板中，可以拖曳組件到畫布（Canvas）上，重用已設計的元素。
2. 保存樣式（Styles）
- 文字樣式（Text Styles）：選中設計好的文字，點擊右側樣式面板的「+」按鈕，將其保存為文字樣式，方便後續使用。
- 顏色樣式（Color Styles）：設置顏色後，也可以將其存為顏色樣式，快速應用在不同元素上。
- 效果樣式（Effect Styles）：如陰影（Shadow）或模糊（Blur）等效果，也能被儲存並重用。
3. 變量的應用（Variables）
- 在資產面板中，設計師可以定義不同的變量組（Variable Sets），如亮色模式（Light Mode）和暗色模式（Dark Mode），並在不同情境下快速切換。
- 當需要修改整個專案的屬性（如顏色或間距）時，只需修改變量的值，其他引用了這些變量的元素都會同步更新。
▮Asset的優勢
1. 提高一致性（Consistency）
透過Asset中的樣式和組件，可以在整個專案中保持一致的設計風格，避免不同頁面間的風格不協調。
2. 加速設計流程（Design Process Acceleration）
重用已存的資產可以減少重複勞動，縮短設計時間。
3. 便於團隊協作（Team Collaboration）
Figma中的Asset是多人協作的重要工具，所有人都可以從Asset面板中調用相同的設計資源，保持專案風格的統一。
▮如何最佳化使用Asset
1. 分類管理（Categorized Management）
將組件和樣式進行分類（如按功能、頁面、元件類型等），方便快速查找和應用。
2. 定期更新（Regular Update）
確保組件、樣式和變量的資源是最新的，以免在不同版本間出現不一致的情況。
3. 使用設計系統（Design System）
建立完整的設計系統（Design System），將所有設計規範、元件和樣式都納入Asset中，便於長期的專案維護和拓展。
透過對Figma中Asset的靈活運用，設計師可以提升設計效率和品質。Asset不僅是個人設計的好幫手，也是團隊協作中不可或缺的工具。
不懂程式也能做官網？AI 網站架設系統推薦與選用說明
【常見問答先看】
Q：完全不懂 HTML，真的可以自己做網站嗎？
A：可以。這類工具的設計前提就是讓非技術人員操作。以管理王為例，官網說明內容由 AI 產生，版面以拖拉式區塊編輯器調整，不懂 HTML 也能自行維護。
Q：AI 產生的內容可以直接上線嗎？
A：建議把它當成初稿。AI 能很快產出結構完整的文字，但公司的實際服務內容、價格與聯絡方式，仍需要由了解業務的人確認與修正。
Q：網站做好之後，網域與 SSL 要另外處理嗎？
A：依管理王官網說明，網域綁定、SSL 憑證、RWD 適配、SEO meta 標籤與社群分享卡都屬於上線基礎設定，由系統協助完成。網域本身的註冊費用不在方案說明內，請另行確認。
Q：做出來的網站對搜尋引擎友善嗎？
A：官網說明採用伺服器端渲染的架構，並內建排名追蹤與 GA 安裝，屬於 SEO 友善的設計。排名結果仍取決於內容品質與競爭程度，無法保證。
看完這幾個問題，接下來從頭說明這類工具是什麼，以及怎麼評估。
【AI 網站架設系統是什麼】
AI 網站架設系統透過 AI 對話產生網站內容與版型，再搭配拖拉編輯完成網站建置。使用者描述自己的行業、服務與想呈現的重點，系統產出一個可用的初版，之後再用視覺化編輯器調整細節。
它主要解決兩個問題。一是起步門檻，過去做官網要先找設計、寫文案、談報價，往往拖上一兩個月。二是後續維護，網站上線後想改一段文字、換一張圖，不必每次都回頭找外包廠商。
【管理王的功能內容】
管理王由戰國策集團出品，以下依官網功能頁整理。
多產業範本：涵蓋企業官網、電商著陸頁、活動報名頁、餐廳官網、SaaS 產品頁、醫療診所等類型，可從接近自己需求的範本開始。
AI 文案生成：主視覺標語、功能介紹、客戶見證、常見問答等區塊，由 AI 一次產生繁體中文內容。
拖拉式編輯：以區塊編輯器調整版面，新增、刪除或移動區塊都用拖拉完成。
上線基礎設定：網域綁定、SSL 憑證、手機與平板的 RWD 適配、SEO meta 標籤，以及社群分享卡自動產生。
CRM 與分析整合：訪客留言可以自動進入業務人員的待跟進清單，並由 AI 分析訪客行為。
SEO 友善架構：內建排名追蹤與 GA 安裝，採伺服器端渲染技術。
其中 CRM 整合這一項值得留意。許多公司的官網表單只是寄一封信到公用信箱，之後有沒有人回覆無從得知。表單直接進入待跟進清單，等於把網站和業務流程接起來。
【適合哪些人】
一位剛成立工作室的室內設計師，需要一個能放作品與聯絡表單的網站，但預算有限，也沒有時間學架站。她用對話描述服務項目與風格，取得初版後換上自己的作品照片，當週就能上線。
另一家十五人的設備代理商，原有官網是多年前外包製作的，每次更新產品都要等廠商排程。行銷人員改用拖拉編輯之後，新品頁面可以自己完成，詢問表單也直接分派給負責的業務。
整體來說，新創公司、中小企業、個人工作室，以及需要快速製作活動頁或著陸頁的行銷團隊，都是適用對象。若網站需要高度客製的互動功能或複雜的會員系統，則應另外評估專案開發。
【AI 網站架設系統比較：三種路線】
在進行 AI 網站架設系統比較時，可以把選擇分成三類。
委外或自行開發：設計與功能的自由度最高，適合品牌形象要求高或功能特殊的網站。代價是時間與費用較高，後續修改也需要技術人員。
單點的架站工具：專注在網站製作，範本多、上手快。網站收到的詢問若要進入客戶管理或行銷流程，通常要再另外串接。
整合平台裡的架站模組：網站與 CRM、行銷、電子報共用資料，訪客留言直接成為名單。適合把網站視為業務入口，而不只是形象頁的公司。
評估時可以看幾個重點：AI 產生的繁體中文是否自然、範本是否涵蓋自己的產業、編輯器是否真的不需要技術背景、上線設定是否完整、SEO 基礎是否到位，以及表單資料的去向。資料存放地點也值得確認，管理王官網說明資料存放於台灣資料中心。
【AI 網站架設系統費用】
關於 AI 網站架設系統費用，管理王採方案計價，各系統內建於方案中，不需為單一系統另外付費。
免費方案 NT$0，永久免費，成員上限 10 人，儲存空間 1 GB，註冊贈 AI 點數 500 點（一次性），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，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。
年繳月費不打折，但加贈 2 個月，付 12 個月可使用 14 個月。AI 產生內容會使用 AI 點數，各方案每月提供的點數不同，選擇方案時可一併考量。需要客製化開發時為每小時 NT$1,000，加購教育訓練每小時 NT$2,000（最低 10 小時）。費用以 app.ai.com.tw 官網公告為準。
【上線前的檢查事項】
初版網站產生之後，建議依序確認以下幾點。公司名稱、地址、電話與服務項目是否正確，這些是訪客與搜尋引擎最先讀取的資訊。每一頁的標題與描述是否寫出該頁的重點，而不是沿用預設文字。圖片是否換成自家的實際照片，範本圖片雖然好看，但無法建立信任。手機上的版面是否容易閱讀，按鈕是否容易點擊。聯絡表單是否實際送出測試過，並確認有人會收到與回覆。這幾項都不需要技術背景，卻是網站能否發揮作用的關鍵。
【AI 網站架設系統推薦：我們的建議】
談到 AI 網站架設系統推薦，我們認為關鍵不在第一版做得多快，而在網站上線之後是否持續有人維護，以及訪客的詢問是否確實被接住。能讓行銷或業務人員自己更新內容、並把表單接進跟進流程的工具，長期價值會比較高。
戰國策集團深耕企業服務超過 25 年，服務超過 3 萬家企業客戶，管理王由台灣團隊開發與支援。建議先用免費方案產生一個初版網站，實際操作編輯器，再評估是否符合需求。如有疑問，歡迎來電。
管理王
AI.com.tw
0800-003-191
Vibe Coding × ASP.NET Core LLM 開發實戰班
AI 時代，程式不只是寫，還能「聊」出來！
學會 Vibe Coding，
讓你用自然語言操控程式、生成 API、打造 AI Agent，
真正結合後端工程 + AI 實戰。
🌟 你將學到
✅ 精通 C# / ASP.NET Core（MVC、API、雲端部署）
✅ LLM × Vibe Coding 實戰，從 Prompt 到應用落地
✅ AI Agent 開發、NLP、影像辨識、模型部署
✅ 使用 Azure / VS Code / Cursor 實作
✅ 分組 Side Project，實務專題製作
💡 課程特色
1⃣️ 小班真人線上（10 人以下），Discord 即時答疑。
2⃣️ 避開平日上班時間，便於在職者學習。
3⃣️ 全程錄影，缺課可回放
4⃣️ 真實專案模擬業界開發流程
🎯 適合誰？�想成為 AI 工程師的畢業生
✅ 有基礎的在職工程師
✅ 企業中高階主管。
✅ 創業想做 MVP 的產品人。
🗓️ 開課資訊
預計開課：2025/12月 平日晚上（日期另行公告）
課程時數：共計288小時 / 約32週
上課方式：全線上
⚡ 名額有限，立即報名，搶先升級你的開發力！
報名連結👇
https://user135527.pse.is/7ze3yz
ChatGPT可以產生流程圖嗎？用Excalidraw和ChatGPT快速搞定
面對複雜的活動企劃或行政流程時，往往不能只靠文字或口頭說明。這時，利用流程圖來視覺化資訊成為提升溝通效果的最佳解方。本文解析如何結合「ChatGPT」與「Excalidraw」，從文字、Mermaid語法到圖表，快速產製出結構清晰、專業美觀的流程圖，輕鬆應對各種工作需求。本文節錄自《30個必學的AI行政工作術》。
文／賴彥廷
本文目錄（點擊可快速前往）
Excalidraw＋ChatGPT快速產製流程圖【STEP 1】快速掌握Excalidraw的使用方式使用Excalidraw將文字轉為流程圖【STEP 2】ChatGPT改寫語法【STEP 3】快速產出流程圖【STEP 4】調整與匯出Excalidraw實際成果展示【升級技巧1】善用資料庫與範本功能【升級技巧2】開啟即時協作模式
你是否遇過這樣的情況？同事在會議上介紹一個即將舉行的活動企劃，雖然他講得滔滔不絕，大家還是難以掌握活動全貌和階段任務。又或者，遇到報帳、請款這類較繁瑣的行政事務時，因為不熟悉流程，常常要多次詢問負責的人，耗費大量的時間。
這些讓人摸不著頭緒的狀況，往往是因為僅靠文字或口頭說明，無法讓他人迅速理解。此時若能將資訊視覺化，就能順利提升溝通效率，而「流程圖」就是職場中最常用的視覺化工具之一。
儘管流程圖常見且實用，但是想將一個活動企劃或是行政流程改寫為流程圖，卻不是一件容易的事！我們需要先在腦內消化眾多資訊，再思考如何拆解與表達，接著用手動繪圖，一來一往會耗費許多時間和精力。
如果有一款工具能將文字敘述快速轉換成簡潔明瞭的流程圖，那該有多好！
Excalidraw＋ChatGPT快速產製流程圖
「Excalidraw」是一款線上製圖工具，除了提供各式便利的圖表繪製功能，更重要的是，透過AI的輔助，可以快速將文字內容轉換成邏輯清晰的流程圖，對於展示活動企劃、產品研發、專案管理等工作的「流程」與「步驟」都非常有幫助。
接著將介紹如何運用「Excalidraw」搭配「ChatGPT」，根據各種工作需求，快速產出流程圖。
【STEP 1】快速掌握Excalidraw的使用方式
Excalidraw是一款免費開源、容易上手的圖表繪製工具，特別適合用於繪製流程圖與架構圖。無需安裝程式，在瀏覽器上開啟即可使用。
先進入Excalidraw的官方網站：https://excalidraw.com/
使用介面非常單純，畫面上空白的區域就是讓我們繪製與編輯圖表的白板，而透過畫面上方的「工作列」，即可加入文字、線條、箭號等流程圖常用的元素，也可以插入圖片輔助說明。
AI自動繪製流程圖的功能則是包含在工具列的「更多工具」功能中。開啟後，將有幾種模式可以選擇：
文字轉圖表：透過簡單的描述，讓AI迅速將文字轉為流程圖。
Mermaid：Mermaid是一種專門處理圖表設計的語法，適用於流程圖、甘特圖、心智圖等圖表，Mermaid能以文字的方式清楚定義圖表內的文字、節點、連線方式等元素如何組裝，我們不必手動處理每個細節。
線框稿轉為程式碼：線框稿（Wireframe）是一種網頁設計或應用程式開發的草稿，用於表達產品的設計邏輯或排版架構。此功能多用於軟體研發相關的工作，此處不贅述。
實際應用時，「文字轉圖表」可以將我們口語化的敘述改寫為流程圖，便利又實用。但是根據經驗，遇到複雜的程序偶而會出現誤判（例如漏掉某個步驟）。此時改為使用「Mermaid」功能，即可精準針對需求製作流程圖。
使用Excalidraw將文字轉為流程圖
圖／商周出版提供
到這裡你可能會心生疑問：為了畫張流程圖還得花時間學習Mermaid語法怎麼寫，不是搬磚頭砸自己的腳嗎？
別擔心，這個問題全部交給ChatGPT！
【STEP 2】ChatGPT改寫語法
現在我們切換到ChatGPT，請它將文字轉成結構性的綱要，並用Mermaid語法規劃流程圖的細節。
為了讓ChatGPT的回答內容更加精準，可以在指令中善用兩個技巧：
請AI根據資料提取「流程重點」或是「關鍵步驟」。
限制以Mermaid語法輸出。
舉例來說，現在公司要辦理一場商業茶會，同事在會議上說明了籌備流程，我們可以將隨手寫下的內容直接丟給ChatGPT處理，輸入指令如下：
請根據以下活動說明提取流程重點，以Mermaid語法清晰呈現整個活動的流程。
活動說明：
最近公司準備推廣新型的雲端服務，總經理決定舉辦一場茶會，邀請潛在客戶參加。關於地點，我先呈報上次合作過的會議中心，如果總經理不滿意，我們再討論其他適合的地點，直到總經理說ok，再來預約，同時，也要聯繫外燴公司準備點心及茶飲。現在要分工處理茶會當天的幾個工作項目：邀請嘉賓、邀請媒體單位、預先準備新聞稿、安排支援人力。另外，在茶會結束前，大家互相提醒一下，別忘了拿出送給來賓的宣傳手冊。
ChatGPT回答：
graph TD
A [開始準備] --> B [報告會議中心選項]
B --> C {總經理是否滿意}
C --> |不滿意| D [討論其他地點]
D --> C
C --> |滿意| E [預約會議中心]
E --> F [聯繫外燴公司準備點心及茶飲]
A --> G [茶會當天準備]
G --> H [邀請嘉賓]
G --> I [邀請媒體單位]
G --> J [準備新聞稿]
G --> K [安排支援人力]
G --> L [茶會結束前確認宣傳手冊]
L --> M [活動結束]
上面的英文字母、箭號、括弧等符號就是Mermaid語法。請連帶其他文字內容，全部複製貼上到Excalidraw。
這個方法的優點是，我們不必絞盡腦汁思索該如何將文字轉為流程圖，用口語化的描述，甚至有點凌亂的隨手筆記，都能直接丟給ChatGPT，讓AI整理成清晰的架構。
【STEP 3】快速產出流程圖
接著再回到Excalidraw，開啟「Mermaid」功能，輸入上一步驟ChatGPT生成的內容後，右側「預覽」（Preview）視窗就會出現AI自動生成的流程圖，接著點選「插入」（Insert）來編輯圖表細節。
【STEP 4】調整與匯出
我們可以將AI生成的流程圖當作基礎，繼續調整內容或是進行美編。
例如，使用工具列的「繪圖」（Draw）添加手繪風格的圖案，或是用「插入圖片」（Insert Image）上傳輔助說明的照片。當然，我們也能自由切換流程圖內的文字字型、顏色、對齊方式等美編設計。
完成後，點選畫面上方的「設定」就能匯出這張精美的流程圖囉！
Excalidraw實際成果展示
圖／商周出版提供
所謂「一圖勝千言」，流程圖透過簡單的關鍵字、幾組線條就能說明一切。更棒的是，如今有了AI幫忙，想繪製一張專業的流程圖，彈指之間就能完成！
【升級技巧1】善用資料庫與範本功能
如果我們在工作中設計出一個獨特且實用的流程圖，希望未來還能繼續使用，只需要對著流程圖按右鍵「加入資料庫」，即可將這次的設計儲存到個人資料庫中。下次遇到同類型工作時便能直接取用。
更棒的是，我們還可以在「資料庫」裡面瀏覽各式各樣的美編素材、插畫圖樣，甚至是其他人設計的圖表模板，還能套用到自己的作品中。藉由這些資源，作品的視覺效果將會更豐富多彩。
【升級技巧2】開啟即時協作模式
如果需要與同事一邊討論一邊修改流程圖，可以點選畫面上方的「共享」按鈕，分享網址，就能立刻多人連線、共同編輯。
節錄自：商周出版《30個必學的AI行政工作術：搞定會議、行程、簡報、文書、圖表、影音、資料庫，事半功倍，準時下班！》／賴彥廷 著
更多【AI工作術】推薦給你：
4步驟學會運用AI關鍵能力！16種AI工具應用解析｜行銷策略指令範例
用AI快速寫Email！ChatGPT Writer、Copilot等中英文電子郵件生成
ChatGPT一鍵生成簡報！Slides Maker讓AI幫你快速做完整簡報
會議紀錄用AI怎麼做？會議逐字稿如何整理？｜AI語音轉逐字稿教學
用ChatGPT準備面試練習！AI履歷撰寫和模擬面試必學指令
NotebookLM 八大強大功能！節省80%資料處理時間
當AI從趨勢變為職場標配，懂得駕馭AI工具將是拉開專業差距的關鍵。Google推出的NotebookLM正是一款重新定義資料分析與知識管理的強大應用。本文將揭示NotebookLM的八大核心功能，從語音摘要到一鍵生成簡報，展示它如何不僅提升個人生產力，更能優化團隊協作與知識庫建立。這不只是一次工具教學，更是幫助您在AI時代保持領先競爭力的實戰指南。
文／人資市集
前言
在資訊爆炸的時代，我們經常面臨需要閱讀、分析和整理大量文檔或資料的狀況。無論是上百頁的研究報告、冗長的會議記錄，還是複雜的產品說明書，這些文檔往往成為工作中的一大痛點。相信大家都有為了要快速掌握大量資料而感到壓力山大，或者花費數小時整理會議記錄卻仍覺得效率低下，難以抓到重點！
Google推出的NotebookLM，正是為解決這些問題而生。這款強大的文檔分析工具能夠幫助你在短短幾分鐘內完成過去需要數小時甚至數天才能完成的文檔處理工作，讓你的工作效率提升到一個全新的層次。
文檔處理的挑戰及痛點：
資訊超載：需要閱讀和理解大量文檔，但時間有限
語言障礙：面對外語文檔時感到吃力
會議記錄負擔：花費大量時間整理會議紀要
資料整合困難：難以從多個來源提取和整合關鍵資訊
簡報製作耗時：需要花費大量時間將資料轉化為專業簡報
知識管理混亂：團隊間的知識共享和管理效率低下
真實應用案例：從455頁報告到完整分析只需幾分鐘
想像一下，你的客戶剛發來一份455頁的英文研究報告，希望你能在明天的會議前提供分析和建議。傳統做法可能需要你熬夜閱讀，或者乾脆放棄深入分析。
使用NotebookLM，你只需：
上傳PDF文件
等待系統自動分析（通常只需1-2分鐘）
直接向AI提問你感興趣的特定領域，如「請整理報告中關於食品行業的AI應用」
系統會立即從這455頁的文檔中提取相關內容，並以結構化的方式呈現給你，同時提供引用來源，確保資訊的準確性。你可以進一步要求系統生成簡報、心智圖或資訊圖表，幫助你在會議中清晰地展示這些發現。
最重要的是，NotebookLM會在每個回答後標明資訊來源，你可以點擊查看原文，完全避免了AI"幻覺"（無中生有）的問題，確保你的分析建立在真實資料上。
會議記錄的革命：從錄音到完整會議摘要
另一個常見痛點是會議記錄。傳統上，我們需要:
錄製會議
使用逐字稿軟件轉換成文字（通常需要付費）
手動整理成會議紀要
使用NotebookLM，這個過程被大大簡化：
上傳會議錄音（支持長達1.5小時的音檔）或YouTube連結
系統自動生成逐字稿
要求AI「製作會議記錄」
幾秒鐘內獲得結構化的會議整理，包含100字摘要、討論重點、結論和未來規劃建議
這不僅節省了大量時間，還確保了會議記錄的完整性和專業性。
NotebookLM的八大強大功能
NotebookLM不僅僅是一個文檔分析工具，它還提供了豐富的輸出形式，滿足不同場景的需求：
語音摘要：將文檔轉化為Podcast形式，讓你在通勤或運動時也能吸收知識
影片摘要：自動生成解說影片，以視覺化方式呈現文檔內容
心智圖：快速掌握文檔的核心脈絡和框架
報告：生成專業的報告文件，支持多種格式和語言
學習卡：將文檔內容轉化為互動式學習卡，幫助記憶和理解
測驗：自動生成選擇題，測試對文檔內容的掌握程度
資訊圖表：將數據和概念轉化為直觀的視覺圖表
簡報：一鍵生成專業簡報，省去設計和排版的時間
這些功能讓NotebookLM成為一個真正的一站式文檔處理中心，無論你需要什麼形式的輸出，都能輕鬆實現。
知識管理與團隊協作的得力助手
NotebookLM不僅適用於個人使用，還是團隊協作的理想工具：
每個免費帳號可建立100本筆記本，每本筆記本可放置多個文檔
支持筆記本共享，團隊成員可以訪問同一資源
所有筆記和生成內容都可以保存，形成知識庫
適合專案管理，所有相關文檔和討論都集中在一處
這使得NotebookLM成為企業知識管理的理想選擇，幫助團隊更高效地共享資訊和協作。
生活應用：家庭電子設備說明書管理
除了工作場景，NotebookLM在日常生活中也有實用價值。例如，你可以創建一個家庭電子設備說明書筆記本：
收集家中所有電子設備的說明書PDF
上傳到同一個NotebookLM筆記本
當設備出現問題時（如除濕機紅燈閃爍），直接向AI提問
立即獲得準確解答，無需翻閱厚重的說明書
這種應用大大簡化了家庭設備的維護和故障排除。
為什麼現在就應該學習NotebookLM？
隨著AI技術的快速發展，掌握NotebookLM不僅能提高個人工作效率，還能在職場中獲得競爭優勢：
節省80%的文檔處理時間：將原本需要數小時的工作縮短至幾分鐘
提升內容質量：生成專業的報告、簡報和圖表
增強知識管理：更有效地組織和共享團隊知識
降低語言障礙：輕鬆處理外語文檔
最重要的是，NotebookLM的許多高級功能（如資訊圖表、簡報）目前正處於Beta測試階段，免費提供使用，現在學習和使用是最佳時機。
不要讓文檔處理繼續成為你工作中的負擔。立即加入「AI超效文檔助手-NotebookLM × Gamma × Napkin 全攻略」這門課程學習，手把手掌握NotebookLM的全面應用，讓你的工作效率和成果品質都能提升到一個新的高度。
企業用戶歡迎申請課程免費試閱，並選擇「104人資市集 | 企業訂閱制方案」，課程每人每年最低33元起/堂，最低$10,000起搞定全公司整年度的AI導入培訓。亦可團購或授權課程，歡迎點擊下方專人諮詢。
免費試閱
了解方案
專人諮詢
提升員工帶動企業的成長！最划算的 AI 教育訓練方案首選>>
超過7000+的HR都報名過的104人資學程！求職成效提升至4.5倍！>>
成為人資市集Line好友獲得最新課程優惠及免費講座資訊>>
訂閱人資市集電子報獲得專家工作分享及產業新知 >>
用授權規則做好資源分配：如何在 DSLS 中限制特定裝置使用指定模組
【IT 管理必看】💡高價值 CATIA 模組總被搶佔？3 招教你用 DSLS 精準配置授權！
📥留言或私訊【CATIA DSLS】，立即獲取「設定教學」
「為什麼需要跑進階曲面或分析時，授權總是顯示額滿？」
「公司花大錢買的高單價模組，卻常常被非核心工作站佔用？」
達梭系統的 DSLS原生就具備強大的授權規則管控功能。掌握以下方法，就能將關鍵資源精準留給對的人：
🛠️ CATIA DSLS授權優化 解方：
1️⃣ 【精準防堵】白名單機制（Allow / Deny 規則）鎖定單價最高、數量最稀缺的模組，限定特定工程端主機名稱或帳號才可取用，徹底杜絕非核心單位的誤開與搶佔。
👉 在下方留言【CATIA DSLS】或直接【私訊我們】青騰顧問將發送「DSLS 設定教學」，並為您提供1對1企業 CAD/CAM 系統整合諮詢！
#CATIA #DSLS #達梭系統 #DassaultSystemes #授權管理 #IT管理 #CADCAM #青騰國際 #工程軟體配置 #製造業數位化
Claude Cowork怎麼用？要付費嗎？解析操作流程、權限設定及模型選擇
Claude Cowork怎麼用、需要付費嗎？本文解析Cowork與Chat模式差異、桌機版使用條件、操作流程、資料夾授權及安全機制，並比較3種模型的適用情境，幫助你選擇合適的AI工作方式。本文節錄自《Claude 萬用手冊》。
文／施威銘研究室
本文目錄（點擊可快速前往）
Claude Cowork要付費訂閱嗎？怎麼使用？Claude Cowork和Chat有何不同？安全風險解析Claude Cowork介面與2種授權模式Claude Cowork怎麼用？4步驟運作原理Claude Cowork模型怎麼選？適用情境對照
前一章我們透過Connector與Skill，讓Claude能讀取外部工具資料，並依照指定流程處理任務。不過在Chat模式中，Claude的行為主要停留在對話框裡，檔案上傳、結果下載與後續整理，通常仍需要由你手動完成。本章要介紹的Cowork模式，會把Claude從對話框往你的桌機或筆電（以下簡稱本機）再推進一步。它可以在你授權的範圍內讀寫本機上的指定資料夾，並把整理好的Excel、Word、簡報等成果直接放回你的電腦。
接下來，我們會從Cowork的基本操作開始，帶你認識Cowork專屬的外掛機制，並實際建立屬於自己的外掛。同時，也會說明Cowork在執行任務時的限制，讓你在使用前能先掌握它適合處理哪些工作，以及哪些情境需要特別留意。
Claude Cowork要付費訂閱嗎？怎麼使用？
使用Cowork模式前，請先確認你已升級到Claude Pro以上方案（需付費訂閱），並安裝最新版Claude Desktop。Cowork是桌機版獨有功能，網頁版與行動版無法使用。Claude網址：https://claude.ai/下載桌機版：https://claude.ai/downloads
Claude Cowork和Chat有何不同？安全風險解析
在操作Cowork前，我們先把它和前面介紹過的Chat模式做個對比，幫助理解兩者的定位差異。
Chat模式：適合一問一答、需要快速反饋的任務。Claude的輸出主要留在對話視窗中，檔案需要你上傳，結果也通常要由你自行下載、複製或貼到其他地方。它可以讀取你上傳的檔案，也能透過Connector取得外部資料，但不能直接到你的電腦裡讀寫檔案。
Cowork模式：適合多步驟、需要較長時間執行，或需要處理本機檔案的任務。它會自己規劃步驟、拆解任務，並在你授權的範圍內讀寫指定資料夾，最後把成果存回你的電腦。過程中你也可以隨時介入、暫停或修正。
看到這裡，你可能會有一個疑問：既然Cowork可以讀寫本機檔案，那會不會有安全風險？
實際上，Cowork並不是把Claude直接放進你的作業系統裡任意操作。Anthropic會為Cowork建立一個獨立的虛擬環境（沙盒），Claude執行的程式碼與Shell指令，都會在這個環境中運行，而不是直接作用在你的主機上。這樣做有兩個好處：第一，即使Claude在執行過程中產生錯誤檔案、安裝不必要的套件，或執行了不符合預期的指令，影響範圍也會被限制在虛擬環境內，不會直接作用在你的系統上。第二，Claude存取檔案採用白名單機制，只有你明確授權的資料夾，才會被掛載到虛擬環境中供Claude使用。換句話說，Cowork模式下的Claude雖然有手可以動，但這隻手僅能在玻璃箱內操作，而且玻璃箱只能伸進你打開的那幾個抽屜。
了解Cowork的基本定位後，接下來我們就進入Cowork介面，實際認識它的使用方式與運作機制。
Claude Cowork介面與2種授權模式
打開Claude Desktop後，將介面最上方的模式切換成Cowork，即可進入Cowork模式。
（圖／《Claude 萬用手冊》）
任務視窗選項說明：
New task：新建一個Cowork任務的入口
Projects：管理長期專案。每個專案能有自己的指令、檔案、排程與記憶
Scheduled：管理排程任務。在這裡可以查看、編輯、暫停或執行所有定期任務
Live artifacts：所有透過Cowork建立的Live artifact都會收納在這個頁面
Dispatch：跨裝置工作流的入口，可以從手機派任務給桌機處理
Customize：管理你目前安裝的Plugin、Skill與Connector
Claude的兩種權限模式
Cowork的存取權限提供兩種設定模式：Ask before acting與Act without asking。這兩種模式的差異，會直接影響Claude在執行任務時，是否需要先停下來等待你的同意。
Ask before acting（執行前先詢問）：Claude在動作之前會依照你在Connector中設定的Tool permission權限進行判斷。如果某項能力被設定為Need approval，Claude就會在執行到該功能時停下來詢問你，等你按下「允許」後才會繼續。這個模式適合你希望針對不同外部服務保留不同權限控制的情境。
Ask before acting（執行前先詢問）：當某項能力被設定為Need approval時，Claude會在任務執行過程中等待你的允許，才繼續執行。（圖／《Claude 萬用手冊》）
Act without asking（不詢問直接執行）：當選擇此權限模式時，畫面會跳出一個確認視窗，要求你在目前這個Cowork任務中，開放所有外部服務的能力限制。也就是說，這個任務下所有Connector的Tool permission會被強制視為Always allowed，讓Claude在執行時不會中途停下來等待確認。這種模式速度較快，但相對風險也較高，只建議在你完整監看任務流程，而且工作資料皆為可信來源時使用。
Act without asking（不詢問直接執行）：系統會要求在當前Cowork任務下，將全部Connector的權限都視為Always allowed，且任務執行過程中不會再針對外部服務操作逐一詢問。（圖／《Claude 萬用手冊》）
Claude Cowork怎麼用？4步驟運作原理
Cowork和Chat模式最大的差別，在於它不是接到任務就立刻回覆，而是以Agent（執行代理人）的方式運作。你給它一個目標，它會先規劃步驟，再依照計畫執行任務，必要時，它也會在過程中停下來向你確認。整體流程可以簡化成：Plan → Review → Execute（必要時Ask）。
什麼是Agent？
Agent可以理解為一種「以目標為導向」的AI系統。它和一般我問你答的Chatbot（聊天機器人，如Chat模式）不同，Chatbot多半由使用者一步步下指令；Agent則是在目標明確、邊界清楚的前提下，主動拆解任務、安排步驟、選擇工具，並持續推進工作。Agent通常具備三個核心特性：
目標導向：使用者給的是任務目標，而不只是單一步驟指令。
自主規劃：能自行拆解多步驟流程，不需要使用者針對每一步下指令。
工具整合與判斷：能依任務需求選擇工具，並在過程中判斷下一步該做什麼，例如分類檔案、選擇輸出格式，或決定是否需要向使用者確認。
【STEP 01】Plan：先產生執行計畫
你送出任務後，Claude不會立刻開始動作，而是先分析任務目標、需要處理的檔案、可能使用的工具，以及執行順序。接著，它會列出一份可見的工作計畫，讓你知道接下來打算怎麼做。
【STEP 02】Review：檢視與介入調整
計畫出現後，Claude不會停在原地等你確認，而是會直接依照計畫中的第一步開始執行。如果發現計畫方向不符合需求，可以隨時暫停執行，或在輸入框中要求Claude修改計畫內容。
這也是Cowork和一般Chat模式很不一樣的地方，你不必等它全部做完才修正，而是可以在任務進行中即時介入。
【STEP 03】Execute：開始執行並回報進度
進入執行階段後，Claude會依照計畫逐步處理任務，並在過程中更新每一步的狀態。你可以看到它使用了哪些工具、呼叫了哪些技能、產生了哪些檔案。整個流程不是黑箱操作，而是可以追蹤、檢視與介入的工作過程。
【補充】Ask：遇到不確定情況時暫停詢問
如果執行過程中遇到模糊或需要你判斷的地方，Claude不會直接猜測後繼續做，而是會暫停下來向你確認。例如執行規則不明確、輸出格式和任務描述有衝突等，它會提出問題，等你回覆後才繼續執行。
（圖／《Claude 萬用手冊》）
由於Cowork不是單純回答一句話，而是會經歷規劃、確認、執行、回報等多個階段，因此每次任務消耗的token通常會比一般Chat模式更高。任務越複雜、處理的檔案越多、執行步驟越長，模型成本也會跟著增加。因此，在使用Cowork前，除了理解它的執行流程，也要知道該怎麼選擇合適的模型。接下來，我們就來看Cowork模式中的模型選擇。
Claude Cowork模型怎麼選？適用情境對照
Cowork任務在執行過程中，Claude需要反覆判斷下一步、讀取中間結果、使用工具，並產出檔案。因此，模型選擇會直接影響三件事：執行速度、推理品質，以及配額消耗。簡單來說，模型越強，越適合處理需要複雜判斷與資料整合的任務，但通常執行速度較慢、配額消耗也較高；模型越輕量，速度和消耗量雖具優勢，但比較適合規則明確、變化較少的任務。
所以在選模型前，建議先問自己幾個問題：
這個任務需不需要複雜判斷？
如果只是批次整理、格式轉換、簡單分類，通常不需要太強的模型；若需要跨文件比對、找出隱含關聯等，就比較適合推理能力較強的模型。
檔案數量與內容長度多不多？
如果只處理少量短文件，輕量模型通常就夠用；若要讀取大量文件、長篇報告或多份資料交叉比對，就需要考慮模型的理解與整合能力。
任務流程會不會很長？
步驟越多，Claude需要判斷下一步、讀取結果、產出內容的次數也越多。這會拉長執行時間，也會增加配額消耗。
輸出結果是否為正式文件或長文本？
如果只是產生初步草稿、整理表格或固定格式摘要，可以選擇較輕量的模型；反之，要產出正式提案、長篇報告等高度精準的內容，就建議選擇能力較強的模型。
這是不是會重複執行的任務？
如果是每天、每週都會跑的排程任務，使用額度消耗會累積得很快。這類任務通常不建議一開始就使用高階模型。
也就是說，模型選擇的重點不在於越強越好，而在於是否剛好符合任務需求。下表整理Cowork介面中目前可用的三個模型系列與適用情境：
模型系列推理品質執行速度配額消耗建議使用場景Haiku系列適合簡單判斷最快最省規則明確、重複性高的任務，例如批次更名、簡單分類、欄位整理、固定格式摘要、把資料轉成指定格式Sonnet系列平衡穩定中等中等大多數日常Cowork任務，例如檔案整理、跨檔摘要、資料比對、Connector串接、產出Word/Excel/簡報初稿等Opus系列最強較慢最高需要複雜推理與整合的任務，例如大量文件交叉比對、合約條款差異分析、研究資料整理、長篇內容規劃與高品質撰寫
Cowork模型選擇的實務建議：
不確定該選哪個模型時，先用Sonnet，通常能兼顧輸出品質、執行速度與配額消耗。
任務規則越明確、格式越固定，就越可以改用Haiku以節省配額。
只有在需要跨資料推理、判斷細節或產出高品質內容時，再使用Opus。
Schedule這類定期執行的任務會累積消耗，通常不建議直接使用Opus。
節錄自：旗標《Claude 萬用手冊：Claude.ai | Desktop | Cowork | Code Mode | Design | Computer Use | Skills | Connectors | Plugins》／施威銘研究室 著
推薦閱讀：
憑借書證免費用GPT、Claude！教育部推「館館有AI」 擴及47所大學
「Claude Design」新登場！AI工具生成原型、簡報怎麼做和修改？
告別Token焦慮！Anthropic提供4個有效降低Claude Code成本祕訣！
AI大神Karpathy的「LLM Wiki」是什麼？改善工作流、打造知識複利
AI大神卡帕西（Andrej Karpathy）是特斯拉Autopilot神經網路架構推手、OpenAI共同創辦人，看看他如何運用「LLM Wiki模式」蓋出知識圖書館，這個模式的核心主張是，維護結構化知識庫的初期成本，會在成熟後帶來巨大的回報。
文／樂羽嘉編譯 由天下雜誌授權轉載
本文目錄（點擊可快速前往）
LLM Wiki是什麼？卡帕西的真知灼見三層知識架構LLM Wiki核心主張：複利效應的豪賭LLM Wiki實際上怎麼運作？怎麼用Obsidian建立你的LLM Wiki？建立LLM wiki的訣竅LLM Wiki有哪些優點？LLM Wiki有哪些缺點？
每次問AI問題、得到答案，然後AI就失憶，下一次提問從零開始，是不是感覺很可惜？看看「AI大神」卡帕西怎麼幫AI蓋圖書館、累積知識複利。
每一位AI工程師都打造過類似的檢索流水線。你對文件做嵌入、切片、儲存向量，提問時回傳相關切片、由Claude或ChatGPT模型合成答案。
這套流程確實行得通，但如果3個月後有人問了一模一樣的的問題，系統只會機械式重複相同動作，沒有從前一次互動學習到任何東西。
這正是傳統RAG（檢索增強生成）的缺點，也就是從不保留知識。系統永遠處於健忘狀態，每一次查詢都必須從零開始，空有能力卻無法成長。
有AI大神之稱的卡帕西（Andrej Karpathy）是特斯拉Autopilot神經網路架構推手、OpenAI共同創辦人，透過課程教會一整個世代工程師深度學習。卡帕西發現這個問題，提出了一種架構上截然不同的處理方案──「LLM Wiki模式」。
「LLM Wiki」是什麼？為什麼重要？
LLM Wiki是什麼？卡帕西的真知灼見
卡帕西使用軟體工程學的「編譯」（Compilation）來做類比。
當你編寫原始碼時，編譯器會把原始碼轉換為優化的二進位產物。你不會每次都直接執行原始碼，你會編譯一次，分發產物，然後根據需求，有效率地跑原始碼。編譯過程雖然昂貴，但之後每次使用都能獲得回報。
傳統RAG直接針對原始碼去跑，每次查詢都要重新閱讀相同的論文、重新切分相同的PDF、重新綜合整理相同的答案，等於每次請求時都在執行原始碼。
LLM Wiki模式則主張：先編譯你的知識。使用LLM閱讀你的來源資料，把內容綜合整理為結構化、互連的wiki頁面，然後針對這個「編譯產物」做所有查詢。綜合整理過程只發生一次，隨著補充更多來源增加、更新，預先組織好而且經過交叉引用的知識則能改善每次查詢品質。
這個編譯產物是一個wiki。不是資料庫，不是向量資料庫，是一組人類可讀、由 LLM維護的markdown檔案，一個概念一個檔案，有交叉引用、來源追蹤，透過Git做版本管理。
這是核心觀念的轉變，從「無狀態的檢索」轉向「有狀態、有複利效應的知識」。
三層知識架構
卡帕西的模式把知識組織為3個界限清晰的層級，每一層都明確的定位、嚴格的所有權模型。
第一層：原始來源（不可變層）
這是你的輸入層。包括研究論文、YouTube逐字稿、網路文章、會議記錄、部落格文章，任何你想讓系統學習的文本。把來源文件存放在sources/目錄下，當成不可變（Immutable）處理。LLM會閱讀它們，但絕不會修改，這些文本是推導出後續所有內容的基礎真理。
這種不可變性是刻意設計，有需要的時候你隨時可以從零開始重新推導出整個Wiki。
第二層：Wiki（由LLM維護）
這是模式的核心。Wiki是一系列*.md檔案的集合，每個概念、主題或實體對應一個檔案，完全由LLM維護。人類閱讀Wiki，但不直接編寫，每次有新資料來源時，由LLM自動綜合整理、更新。
每個Wiki頁面都有YAML Front Matter（markdown檔案頂端存放後設資料的區域），用來追蹤標題、標籤、出處以及最後更新時間。頁面之間使用 [[slug]] 標記互相引用，使知識圖譜以純文本的形式清晰呈現。
第三層：schema（治理層）
schema是一個JSON檔案，定義整個頁面宇宙：Wiki追蹤哪些概念、它們的縮略名（Slugs）、標題、單行描述，等於是LLM執行人類意圖的合約。
當你希望系統開始追蹤一個新概念時，只要在schema中增加一個PageSpec（頁面規範）就好。下次吸收相關來源時，LLM就會自動建立、填寫這個頁面。若你想停止追蹤某個內容，就從schema拿掉。schema是人類唯一需要主動管理的部分，下游的一切都是自動化的。
也就是說，人類負責定義哪些知識應該存在，LLM則負責組織、整理這些知識並保持最新狀態。
LLM Wiki核心主張：複利效應的豪賭
LLM Wiki模式的核心主張是，維護結構化知識庫的初期成本，會在成熟後帶來巨大的回報。
傳統RAG避開了這些成本，查詢時才做綜合整理，建構成本低、不需要設計 schema，但永遠不會變聰明。第1天和第1000天的同一個查詢，產生的答案品質完全一樣。
LLM Wiki逆轉這種取捨。匯入成本高、schema設計費神、維護需要定期校對，但維護了一年的wiki與全新的系統的品質差異極大，頁面佈滿交叉引用，答案融合了數十個來源，這種複利循環代表有價值的答案本身也成為知識庫的一部分。
LLM Wiki實際上怎麼運作？
LLM Wiki架構很極簡，只有三個要素：
一個存放markdown檔案的資料夾：這就是你的知識庫，可以包含任何內容：研究筆記、會議摘要、專案文件、讀書筆記、個人參考資料、有附註的程式碼片段。
每個檔案內部要使用統一結構：好的LLM Wiki會使用一致的內部格式，包含標題、簡短摘要、主題標籤（Tags），接著才是內容。模型利用這種結構來更快速定位相關資訊。
用Claude Code當查詢介面：你打開終端機，切換到Wiki資料夾，啟動Claude Code，對它提問。Claude Code會讀取所需的檔案、合成答案，按照要求更新或新增筆記。
就這樣，不需要資料庫、不需要向量嵌入（你想要也可以加）、不需要伺服器。只有檔案和一個強大的模型。
Claude Code特別適合這項任務，因為它能直接從你的本地檔案系統讀取檔案。你不需要把內容複製貼上到聊天視窗，只要告訴它筆記在哪裡、直接提問就可以了。
怎麼用Obsidian建立你的LLM Wiki？
你可以使用Obsidian這個本地優先markdown編輯器，來建立工作流。你的檔案都保存在本機硬碟中，Obsidian只是用來讀寫這些檔案的工具。
第一步：安裝Obsidian、建立vault（資料庫）
從官方網站下載 Obsidian，建立新的vault，放在你容易記得的位置，例如~/wiki或~/Documents/llm-wiki。
在Obsidian中，「vault」只是一個資料夾，裡面全部都是純markdown檔案。
第二步：定義筆記模板
一致性是讓wiki可查詢的關鍵。建立一個模板檔案_templates/note.md：
Markdown
# undefined
**Summary**: 用一句話描述這則筆記**Tags**: #topic1 #topic2**Created**: 2026-04-06T00:00:00+00:00**Last Updated**: 2026-04-06T00:00:00+00:00
---
## Content
在這裡寫主要內容
## Related Notes
- [[Note Title]]
不需要完全照這個格式，重點是每篇筆記都要有一行摘要（Summary）、標籤（Tags），這樣Claude就算完全不讀整個檔案，也能快速判斷相關性。
第三步：用大分類資料夾整理
不要過度設計，先從4到5個頂層資料夾開始：
plaintext
Copywiki/├── _templates/├── projects/├── research/├── reference/├── meetings/└── inbox/
inbox/ 用來放還沒整理的筆記，之後讓Claude幫你分類。
第四步：開始寫第一批筆記
把對你最重要的知識先搬進來，例如常查的資料、整理好的流程、研究過的概念、做過的決策與這樣做決策的原因，不要一次全部匯入，最自然的方式是遇到新資訊就慢慢加入。
第五步：安裝Claude Code
先安裝Node.js，然後執行：
Bash
npm install -g @anthropic-ai/claude-code
登入你的Anthropic帳號後就可以使用。
第六步：查詢你的Wiki
打開終端機，進入你的wiki資料夾：
Bash
cd ~/wikiclaude
然後可以問問題，像是：
我有哪些關於機器學習的筆記？幫我整理research資料夾中關於RAG系統的內容我要寫關於X的提案，有哪些相關筆記？找出提到雨傘公司的筆記、摘要關鍵論點
Claude會讀取你的markdown檔案，找出相關內容，給出有依據的回答，標註來源檔案，讓你可以驗證、深入挖掘。
建立LLM wiki的訣竅
寫摘要，不要只寫內容：每篇筆記開頭的一句摘要非常重要。Claude會先看這一行來判斷是否相關，花個10秒寫摘要，可以省掉模型讀錯文件的成本。
使用一致的術語：例如你有時寫「RAG」、有時寫「retrieval augmented generation」，模型可以理解，但是統一用詞會讓結果更乾淨。
建立筆記之間的連結：Obsidian的 [[wiki link]] 會建立筆記之間的關係，Claude可以沿著這些連結推理。連結愈完整，你的知識系譜就愈強。
筆記要聚焦：比起餵一篇1萬字的大雜燴，不如拆成10篇1千字的主題筆記。內容愈聚焦，愈好查詢。
使用 /inbox 蒐集想法：不一定要追求完美，你可以把粗略、雜亂的筆記丟進 /inbox，再請Claude幫你整理，例如「幫我看inbox資料夾，建議每篇筆記該分類到哪裡，並加上標籤」。
LLM Wiki有哪些優點？
知識會隨著時間累積產生複利。這是核心優勢，每一份資料都會豐富同一個Wiki頁面，改善後續的所有查詢。一個匯入50篇關於Transformer論文的Wiki，在回答相關問題時，回答的深度和交叉引用的密度，會遠超過只對同樣 50篇論文進行切片的RAG系統。Wiki的答案整合全貌，RAG則只會翻出最相似的切片。
Wiki變成熟後，查詢速度變快、變便宜。由於「綜合整理」發生在匯入階段而不是查詢階段，查詢過程就變成了針對預先組織好的材料進行「檢索＋生成」，那些吃力的LLM工作都已經事先做好了，包括理解來源、識別重點、撰寫清晰解釋、建立關聯。
人類能閱讀知識庫。所有的產物都是純markdown檔案，工程師可以閱讀、編輯、對Wiki進行版本管理。如果LLM寫錯了，你可以直接修正。Git歷史紀錄提供了完整的稽核軌跡，沒有難以除錯的不透明嵌入資料庫或向量儲存。
出處明確。每個wiki頁面都會記錄哪些來源文件有貢獻。如果一個頁面包含錯誤資訊，你可以追溯回原始來源。當某個來源更新或被證實不可信時，你清楚知道哪些頁面需要重新匯入資料。
規模運作提高成本效率。在重複的綜合整理調用中，系統提示詞的快取機制能大幅降低API成本，路由機制能防止不必要的頁面重寫。成本高昂的綜合整理工作已經在匯入時預先完成，所以每次查詢的成本非常低。
交叉引用的密度。隨著wiki持續擴充，頁面會累積用 [[slug] 形式指向相關概念的交叉連結，這就是用純文字實現的知識圖譜。wiki發展成熟後，這種可導航的知識結構對查詢很有幫助。
LLM Wiki有哪些缺點？
大規模資料匯入緩慢、昂貴。對於每個來源，流程至少會對每個相關頁面呼叫兩次Claude（路由+綜合整理）。若匯入一個包含50篇論文、產出10個wiki頁面的語料庫，呼叫Claude API的次數約是100到200次。這對個人知識庫可行，但對企業級的大規模匯入流程來說成本較高。這個模式是適合最佳化精心挑選的可策展知識，比較不適合用來大量匯入文件。
綜合整理的品質很依賴LLM。wiki的品質取決於用來整理內容的模型，如果模型誤解來源、錯誤地合併兩個概念、憑空產生不存在的關聯（幻覺），這些錯誤會寫進wiki，持續影響後續所有查詢。所以這一步需要仔細設計提示詞、定期執行deep lint檢查。
schema設計是一種負擔。決定要建立哪些頁面、如何命名、描述範圍怎麼界定都不簡單。設計不良的schema會導致：什麼都被判定為相關或什麼都抓不到，產生過於稀疏或過度膨脹的頁面。在新領域中，通常需要反覆迭代才能設計出好的schema。
線性掃描限制規模。使用NumPy計算餘弦相似度的扁平化嵌入索引，在頁數達到約500頁以前都很有效。超過這個規模後，延遲會惡化，需要引入近似最近鄰（ANN）索引工具（如 FAISS、ChromaDB或Weaviate）。若要擴展至混合檢索（BM25+向量檢索），則需要額外成本。
頁面過時風險。當你加入一個會大幅更新某個概念的新來源時，路由步驟應該要捕捉到、觸發「重新合成」，但如果頁面的schema描述太模糊或對齊不良，負責路由的LLM可能無法看出相關性，導致該頁面內容過時。雖然可以透過定期檢查程式碼或定期全面重新匯入來減少問題，還是需要主動維護。
缺乏即時知識。這個模式不是為了即時串流數據（如X推文、股市數據、新聞API）設計的，對於需要即時更新的知識領域，wiki模式反而會增加摩擦而非提升效率。
（資料來源：Medium、MindStudio）
（原文標題：AI大神教你改善工作流，用「LLM Wiki」打造知識複利）
推薦閱讀：
用AI做競品分析如何開始？7步驟看懂對手弱點，制定攻防策略
最新模型Gemini 3.1 Pro 7個「深度工作」必備提示詞
專家：但願你能早點知道的8個ChatGPT好用方法
比提示工程更重要，「上下文工程」Context Engineering怎麼做？
戰國策虛擬主機 vs Linode：WordPress 網站選哪個？台灣企業完整比較
Linode（現已更名為 Akamai Cloud Computing）是一家成立於 2003 年的美國雲端主機服務商，以 VPS（虛擬私人伺服器）和雲端運算服務聞名。對於開發者和技術人員來說，Linode 是一個有一定口碑的選項。但對於台灣的一般企業主來說，Linode 和戰國策虛擬主機之間的差距，在幾個關鍵維度上非常明顯。本文將完整分析兩者的差異，幫助你做出更適合自己業務的選擇。
Linode 的定位與核心特性
Linode 本質上是一個面向開發者和技術團隊的雲端基礎設施平台。它提供的是原始的計算資源——CPU、記憶體、儲存空間、網路頻寬——而不是一個「拿來就能用的 WordPress 主機環境」。
這個定位本身沒有問題，但它意味著：如果你想在 Linode 上架設 WordPress 網站，你需要自己處理伺服器設定、安全性配置、WordPress 安裝、資料庫設定、備份策略等一系列技術工作。對於沒有伺服器管理經驗的企業主來說，這道門檻相當高。
Linode 的主要限制與挑戰
第一個挑戰：技術門檻極高。Linode 提供的是 Linux 伺服器的 root 存取權限，這意味著你需要具備基本的 Linux 系統管理知識，才能在上面成功架設和維護一個 WordPress 網站。對於業主來說，這通常意味著需要額外雇用技術人員或花費大量時間自學。
第二個挑戰：無中文客服支援。Linode 的客服完全以英文為主，對於需要在台灣時區快速解決問題的企業主來說，語言和時差的雙重障礙往往讓問題的解決時間大幅延長。
第三個挑戰：沒有針對 WordPress 優化的管理介面。Linode 提供的是通用的雲端主機控制台，而不是 WordPress 特化的主機管理環境。這意味著很多 WordPress 特有的管理工作，在 Linode 上需要透過命令列或自行安裝管理工具來完成。
第四個挑戰：亞太地區節點有限。Linode 在新加坡有資料中心，但對台灣用戶來說，連線延遲仍然比本地主機更高。網站載入速度對 SEO 和用戶體驗都有直接影響，這個差距不容忽視。
第五個挑戰：費用結構複雜。Linode 採用按用量計費的模式，對於流量和資源使用不穩定的網站，月費可能難以預測。此外，要達到完整的 WordPress 主機功能，還需要額外配置各種服務，實際成本往往高於初始看到的方案價格。
戰國策虛擬主機的核心競爭優勢
相較於 Linode 的技術導向定位，戰國策虛擬主機從一開始就是為台灣企業主設計的 WordPress 主機解決方案，在幾個關鍵面向上有顯著優勢。
開箱即用的 WordPress 環境。戰國策虛擬主機提供完整的 WordPress 主機環境，讓你不需要從零開始設定伺服器。從申請到網站上線，不需要任何伺服器管理知識，大幅降低了技術門檻。
台灣在地伺服器與連線優勢。戰國策在台灣有本地伺服器基礎建設，讓台灣訪客享受更低的連線延遲和更快的網站載入速度。這對 Google 的 Core Web Vitals 評分和整體 SEO 表現有直接的正面影響。
全中文客服與技術支援。當你的網站出現問題，你可以用繁體中文和台灣在地的客服團隊直接溝通，不需要擔心語言障礙和時差問題。對企業來說，問題解決的速度就是業務運作的效率。
透明的固定費用結構。戰國策虛擬主機的定價結構清晰，讓你可以準確預算每個月的主機成本，不會有意外的流量超標費用或隱藏的附加費用。
完整的 WordPress 外掛和主題支援。在戰國策虛擬主機上，你可以自由安裝任何 WordPress 外掛和主題，包括 WooCommerce、SEO 外掛、頁面建構器等，完整發揮 WordPress 的生態系優勢。
從 SEO 視角的深度比較
對於認真做 SEO 的台灣企業來說，主機選擇對 SEO 表現的影響往往被低估。伺服器回應時間（TTFB）、網站載入速度、伺服器穩定性和正常運行時間，都是 Google 評估網站品質的重要指標。
在這個維度上，戰國策虛擬主機的台灣在地伺服器提供了明顯的優勢。相較於 Linode 在新加坡的節點，本地伺服器對台灣訪客的連線速度更快，這直接反映在 Core Web Vitals 的各項指標上。
此外，戰國策不只是一家主機服務商，更是台灣在 AI SEO 和 GEO（生成式引擎優化）領域有深厚積累的行銷顧問公司。選擇戰國策虛擬主機的企業，可以同時獲得技術基礎建設和行銷策略兩個層面的支援，這是單純的雲端基礎設施提供商如 Linode 完全無法提供的價值。
適合選擇 Linode 的情境
Linode 並非沒有其適用場景。如果你的團隊有專業的 DevOps 工程師，需要高度自訂的伺服器環境，或者正在開發非 WordPress 的應用程式，Linode 的彈性和技術深度確實有其價值。
但如果你的目標是架設一個以 WordPress 為基礎、認真做 SEO 和內容行銷的企業網站，並且希望在不需要深度技術知識的情況下快速上線並持續維護，戰國策虛擬主機是一個更貼近你實際需求的選擇。
適合選擇戰國策虛擬主機的情境
台灣中小企業和個人品牌，需要一個可靠、快速、容易管理的 WordPress 主機環境。電商業者，需要穩定的主機支撐 WooCommerce 或其他電商外掛的運作。內容行銷和 SEO 導向的企業，需要最佳化的台灣本地伺服器速度。重視在地化客服支援的企業主，不想在遇到問題時面對語言和時差的雙重障礙。
結論
Linode 是一個為技術人員設計的雲端基礎設施平台，而戰國策虛擬主機是一個為台灣企業主設計的 WordPress 主機解決方案。兩者的定位本身就不在同一個維度上。
對於台灣的企業主來說，如果你的核心需求是架設一個高效能、易管理、有本地支援的 WordPress 網站，戰國策虛擬主機提供的整體價值明顯優於 Linode 的通用雲端服務。
了解更多戰國策虛擬主機方案：https://www.nss.com.tw/wordpresshosting/
#虛擬主機 #Linode比較 #戰國策 #WordPress主機 #台灣主機 #SEO主機 #雲端主機 #網站架設
Claude怎麼用？免費版有什麼限制？Chat／Cowork整合了，最新方案及功能盤點
Claude有什麼特色？要付費訂閱嗎？本文整理Claude免費版與付費方案差異，包括2026年9月Chat、Cowork合併改版後的最新功能架構，以及Docs、Slides、Design及Claude Code功能的適用情境，幫助快速判斷怎麼開始用。
※更新日期：2026/09/21
文／《104職場力》整理
本文目錄（點擊可快速前往）
【2026年9月更新】Claude整合Chat與Cowork，並推出Docs、Slides功能Claude是什麼？適合用於哪些工作？Claude可以免費使用嗎？Claude最新訂閱方案與價格整理Claude有哪些功能？Chat／Cowork整合與付費功能比較Claude有哪些模型可以選？怎麼開始用Claude？以生成簡報PPT為例使用Claude要注意什麼？資料安全與人工查核
【2026年9月更新】Claude整合Chat與Cowork，並推出Docs、Slides功能
Anthropic於2026年9月16日宣布整合Claude的Chat與Cowork功能，並推出Docs、Slides工具。更新重點如下：
Chat與Cowork整合：過去使用Claude時，需要自行選擇「Chat」聊天、或切換到「Cowork」處理多步驟任務，功能合併後，使用者直接說明需求，Claude會自行依照任務需求回答問題，或執行研究、整理資料、製作檔案等多步驟工作。
新增Claude Docs：可在對話中建立文件，支援共同編輯、留言、加入圖表與視覺內容，並分享或匯出成果。
新增Claude Slides：可從筆記、報告或對話直接生成簡報，直接在Claude內編輯、播放，或匯出PowerPoint與PDF。
Claude Design整合進對話：可直接在對話中建立及修改設計、互動原型與視覺內容，原本獨立的Design入口也繼續保留。
哪些用戶可以使用？官方指出，Chat與Cowork的整合體驗正向Pro、Max用戶分批推出，涵蓋網頁、電腦與手機；官方預告Team與Free方案將陸續跟進；Enterprise組織變更前，會至少提前30天通知管理員。若用戶仍看到Chat與Cowork選項，代表帳號尚未切換新版。
Claude Docs、Slides與Design為付費方案的Beta功能，使用時會計入訂閱方案的用量額度；Enterprise用戶須依管理員設定開放。Claude Code仍保留獨立入口。
Claude是什麼？適合用於哪些工作？
圖／Claude
使用工具：Claude
網頁版：https://claude.ai/
電腦版：https://claude.com/download
手機APP：iOS下載、Android下載
Claude in Chrome：下載安裝（付費訂閱功能）
Claude是由Anthropic推出的AI助理，使用方式和多數生成式AI工具相同：可以用自然語言輸入問題、貼上資料、上傳文件，請它協助整理、分析、改寫、發想或產出內容，是能夠協助處理文字、資料與工作流程的數位工作夥伴。
Anthropic官方指出，Claude可以協助撰寫不同格式與風格的內容、學習新知、摘要長篇文字、撰寫程式、腦力激盪、翻譯，以及分析圖片與圖表。應用在職場上，可以運用於文章與Email改寫、長文件摘要、會議紀錄整理、企劃發想、資料比較、研究學習與程式輔助等工作。
Claude功能強項職場應用撰寫不同格式與風格的內容撰寫Email、文章初稿、簡報文字與社群文案 摘要長篇文字整理報告、會議紀錄、訪談內容與產業資料腦力激盪與討論不同觀點發想企劃方向、提案切入點與可能風險 學習新知解釋陌生概念、協助理解工作工具或專業知識翻譯語言翻譯信件、文章或跨國溝通內容建立與編輯檔案製作或編輯試算表、文件、簡報與PDF編寫程式碼撰寫、解釋與修改程式碼圖片與視覺資料分析解讀上傳的圖片或圖表，建立圖表、流程圖及互動式視覺內容多步驟任務代理交付需要多個步驟、跨檔案的工作，由Claude自行拆解執行排程工作定期產出摘要或報告
Claude可以生成圖片嗎？
和其他AI圖片生成工具不同，Claude不會直接產生照片或插畫。但Claude可以分析使用者上傳的圖片，並在對話中建立圖表、流程圖與互動式視覺內容，這些內容是以HTML與SVG產生。 因此，Claude較適合分析圖片與呈現資訊，而不是取代專門的AI生圖工具。
Claude可以免費使用嗎？Claude最新訂閱方案與價格整理
Claude可以免費使用，也提供付費訂閱方案。免費版採用基於工作階段的使用限制，額度每5小時重設一次。由於官方並未提供免費版每個工作階段固定可傳送的訊息數，實際用量會受到對話長度、任務複雜度、模型等因素影響。
與免費版相比，付費方案（Pro、Max、Team等）除了提供較高的使用容量，也包括Claude Code、Claude Docs、Claude Slides、Claude Design、Research等進階功能。
Claude個人方案比較
方案價格（美元）使用容量官方說明Free免費有限偶爾使用Pro$20/月；$200/年繳（約$17/月）標準定期使用Max 5x$100/月Pro每個工作階段的5倍經常用Claude處理各種任務Max 20x$200/月Pro每個工作階段的20倍每天大量使用，經常與Claude協作完成多數任務
圖／Claude
Claude用量怎麼計算？5小時與每週上限怎麼看？
需要注意的是，Claude的實際用量不以固定訊息數計算，而會受到對話長度與複雜度、使用功能、模型及思考程度影響；在claude.ai、Claude Code與Claude Desktop等介面的使用量，也會共同計入方案額度。以Pro、Max個人訂閱為例，每週上限於帳號指定的固定時間重設、工作階段用量每5小時重設；部分模型或功能可能另有使用限制，須以「設定＞用量」顯示為準。
至於如何評估「要不要付費訂閱Claude」？如果使用需求不高，Claude免費版已經能用基本功能，只是使用量有限制，當對話變長、任務複雜或使用頻率較高，就可能較快碰到用量上限。
而除了評估用量限制之外，由於Pro提供更多功能及模型，也可以評估是否需要多步驟任務、程式開發、深度研究或專案整理等進階功能。若經常需要排程工作，或使用Docs、Slides、Design製作與編輯成果，也可納入付費評估。
延伸閱讀：告別Token焦慮！Anthropic提供4個降低Claude Code成本祕訣
Claude有哪些功能？Chat／Cowork整合與付費功能比較
Claude正逐步將一般聊天與原Cowork的任務執行能力整合到同一個對話中。新版使用者不必先選擇模式；尚未更新的帳號，仍可依原介面使用Chat與Cowork。Claude Code主要用於程式開發；Docs、Slides與Design則分別支援文件、簡報與視覺設計。但免費版方案不包含Claude Code，需要訂閱用戶才能使用。
功能／工具官方說明方案支援平台Claude對話Chat及Cowork合併後的主要入口。適合快速提問、腦力激盪、撰寫初稿，也能直接交付複雜、多步驟的代理式任務，並產出完成的文件或成果免費版可用基本功能；付費方案提供較高用量網頁版、電腦版、行動版；Chrome側邊欄限付費方案Claude Code互動式程式開發助理，可讀取程式專案、撰寫與修改程式碼，並讓使用者即時檢視及批准變更Claude免費方案不包含Claude Code；可透過支援的付費訂閱使用，或另採API按量計費網頁版、電腦版、Cursor、CLI、VS Code、JetBrains
功能說明方案Claude Docs支援共同編輯、選取文字留言並請Claude修改，也能加入圖表與視覺內容；手機可提出建立要求及查看，編輯需網頁或電腦版；可匯出Word、PDF、Markdown與Google Docs付費BetaClaude Slides從資料或對話生成簡報，可直接編輯、播放，匯出PowerPoint、PDF或HTML，也可用連結分享付費BetaClaude Design建立與修改設計、互動原型與視覺版面，現已可從任一對話啟用；獨立入口仍保留付費BetaResearch針對問題進行多輪搜尋與資料分析，整合不同來源並附上引用，適合產業研究、資料比較與報告準備付費方案可用Scheduled排程任務，依指定時間重複執行資訊整理、摘要或報告工作。付費方案可用，雲端排程可在電腦離線時執行付費方案可用ArtifactsClaude產出的文件、簡報、設計與互動內容等成果免費版可用；Docs、Slides、Design目前另限付費方案Projects整理相關對話與文件免費版最多5個，付費方案不限
※分享限制：Docs、Slides與Design產出的成品都能以單一連結分享，分享範圍依功能及方案而異，開啟分享連結需有Claude帳號。其中，Claude Docs在Team與Enterprise方案僅限組織內分享
延伸閱讀：Claude Cowork怎麼用？要付費嗎？解析操作流程、權限設定及模型選擇Claude Cowork排程任務怎麼用？讓AI定時工作，自動產出報告教學Claude Design怎麼用？AI工具生成原型、簡報怎麼做？Anthropic設計師建議使用技巧
關閉電腦後，Claude任務還會繼續嗎？
雲端任務在關閉筆電後仍會在背景執行，排程任務也不需要裝置在線。但若任務需要存取電腦中的本機檔案、瀏覽器或應用程式時，則仍需保持電腦開機連線，並開啟Claude Desktop。
Claude還能在哪裡用？Chrome與Office整合
除了網頁、電腦與手機App，Claude也能直接進到日常工作的工具裡：
Claude in Chrome：瀏覽器擴充功能，開放付費方案使用。Claude可以讀取頁面、輸入文字、點擊連結、在頁面間導航與填寫表單，適合處理沒有API整合的內部系統或舊系統。（※使用瀏覽器代理功能時，仍建議避開涉及金流、帳號設定與對外發布的操作，並逐步確認Claude的每個動作）
Claude for Microsoft 365：提供Excel、Word、PowerPoint與Outlook的外掛，可在Microsoft 365應用程式中協助處理資料、文件與郵件；付費方案可用，其中Outlook目前為Beta。
【補充】Claude for Microsoft 365外掛，是在Word、Excel等應用程式內操作；Microsoft 365 Connector則是在Claude中連接Microsoft資料。兩者的使用資格不同，Connector也開放Free方案，但需符合工作帳號及管理員授權條件。
Claude有哪些模型可以選？
Claude的用量會受到所選模型影響。目前主要可用的模型如下：
模型主要定位免費／付費Claude Haiku 4.5快速、成本較低，適合較單純的任務免費與付費方案可用Claude Sonnet 5兼顧能力與速度免費與付費方案可用Claude Opus 5深度推理、複雜程式與多步驟工作付費方案可用Claude Fable 5.1更高難度推理、長時間執行的複雜任務付費方案可用，另有用量與計費規則比較以官方最新資訊為準，實際可選模型版本依方案、帳號介面及組織設定而異
建議一般職場文書、摘要與企劃工作，可先嘗試Sonnet 5，若需要深度分析或多步驟任務時，再切換到Opus 5。Pro用戶若要使用Fable 5.1，須以額外的按量計費額度支付，不包含在原訂閱用量中。
※Claude Mythos 5僅開放經審核的機構申請使用，一般訂閱者的模型選單中不會出現；對外開放的對應版本是加上防護機制的Claude Fable。
怎麼開始用Claude？以生成簡報PPT為例
第一次使用Claude，可以先從網頁版開始。進入claude.ai並登入帳號後，就能建立新對話，直接輸入問題、貼上文字，或上傳文件請Claude協助處理。
Claude原本就能建立可下載的PowerPoint檔案；2026年9月16日宣布推出的Slides，進一步提供在Claude內直接編輯、播放與分享簡報的流程。兩者都能協助製作簡報，但成果介面不同。
方法一、透過對話建立PowerPoint檔案
以下實作透過Claude對話建立可下載的PowerPoint檔案：
1. 登入Claude網頁版或電腦版
2. 建立新對話，說明簡報需求、提供參考資料
開啟新對話，輸入簡報需求，可以包括：主題、用途、目標讀者、預計頁數、內容架構、視覺風格等，說明越清楚生成結果會越貼近需求；若簡報需要根據既有報告、試算表、會議紀錄或研究資料製作，也可以一併上傳。如果公司有固定簡報格式，也可上傳既有簡報或品牌規範，說明希望參考的字體、色彩、語氣與版面。
舉例輸入提示詞：
製作提供給部門主管的專案進度簡報，根據上傳的資料，建立一份10頁的PowerPoint簡報（.pptx）。簡報請包含：封面、專案目標、目前進度、重要成果、關鍵數據、遭遇問題、風險、下一步行動與結論。每頁最多4個重點，每點不超過25字；適合以圖表呈現的數據，請製作成圖表。整體採簡潔專業的商務風格。只使用我提供的資料，原始資料沒有提到的內容請標示「待補充」，不要自行捏造。
如果想先建立簡報大綱，不必請Claude直接建立檔案，也可以要求：「先提出10頁簡報架構，等確認後再建立PowerPoint檔案。」
3. 等待Claude建立簡報並下載檔案
Claude會分析資料、規劃簡報結構並建立PowerPoint檔案。完成後，對話中會出現可下載的.pptx檔案。
圖／實測Claude生成簡報PPT結果
圖／實測Claude生成簡報PPT結果
4. 檢查內容或繼續要求修改
產出的簡報仍需人工檢查，確認數據、內容正確性，以及版面、圖表與文字是否容易閱讀。如果需要調整，可以在同一段對話中繼續下指令修改。
註：Claude內建PowerPoint Skill，當使用者要求建立簡報時，系統會在功能開啟的情況下自動判斷並使用，不必另外輸入Skill名稱。
方法二、使用Claude Slides（付費方案）
在對話中明確要求使用Claude Slides，或從輸入框的Output選擇簡報類型，也可由Artifacts範本開始。提供相同的資料與需求後，檢查Claude產出的投影片，直接編輯或透過對話要求修改，再於Claude內播放、分享連結，或匯出PowerPoint或PDF。
圖／明確要求使用Claude Slides產出的投影片，於Claude內可直接編修，也可播放、分享連結或匯出檔案
圖／使用Claude Slides產出的投影片，可於Claude內播放、分享連結，或匯出PowerPoint、PDF
功能比較建立PPT檔案Claude Slides主要成果可下載的.pptx檔案Claude內可持續編輯的簡報，並可下載檔案修改方式請Claude修改檔案或下載後編輯直接編輯投影片或用對話修改播放方式下載後用簡報軟體播放可在Claude內直接播放方案免費與付費方案可用付費方案Beta
【補充】Skills、Connectors與Plugins是什麼？
Claude在建立簡報、文件或試算表時，可能會自動使用Skills。Skills可以理解成Claude執行特定工作的「操作說明與工具包」，讓它能依照較固定的流程完成任務。
Anthropic目前提供PowerPoint、Word、Excel與PDF等內建Skills，開放免費版與付費方案使用。只要開啟「程式碼執行與檔案建立」功能，當使用者要求Claude建立PowerPoint簡報時，系統會自動判斷並使用相關Skill，不必另外輸入Skill名稱。
除了內建Skills，使用者也能建立個人Skill，例如加入公司的簡報規範、品牌色彩或固定報告格式，讓Claude日後依照相同標準產出內容。
Connectors則是讓Claude連接外部工具與資料來源。例如，連接Google Drive後，可以請Claude搜尋或整理雲端硬碟中的文件；連接Slack、Notion或其他服務後，Claude可在授權範圍內搜尋、讀取或分析資料；部分Connector也支援建立或修改內容，實際能力依服務與權限設定而異。
Plugins可把特定工作需要的Skills、Connectors等能力打包，讓使用者依職務或需求安裝，例如行銷、人資或資料分析工作。目前開放付費方案使用。
延伸閱讀：Claude Skills怎麼用？內建與個人Skill差異、適用情境及使用方式
使用Claude要注意什麼？資料安全與人工查核
若使用個人Claude帳號處理工作內容，需注意避免將企業機密資料輸入外部AI工具。不論是客戶個資、員工薪資、帳號密碼、API金鑰、未公開營運數據及機密文件，都不應直接貼進對話或任意開放存取權限。
另外也建議確認「對話是否用於改進模型」的設定：個人方案可在「Settings（設定）>Privacy（隱私）>Help Improve our AI models」自行開關。Team與Enterprise方案資料則預設不會用於模型訓練。
Claude產出的內容也可能包含錯誤、過時資訊或不存在的引用，應回到原始資料或官方來源確認，不能把AI回答當成唯一依據。
當Claude執行任務、存取檔案或使用外部工具時，可能對資料做出實際修改。建議只開放完成任務所需的資料夾，並替重要檔案保留備份，涉及刪除、寄送、公開發布或修改重要資料時，均應再次確認。
更多【AI工具應用】推薦：
AI大神Karpathy的「LLM Wiki」是什麼？改善工作流、打造知識複利
NotebookLM簡報可直接修改了！6招編輯方法改AI簡報，轉PPTX、線上都行
憑借書證免費用GPT、Claude！教育部推「館館有AI」 擴及47所大學
微軟、Meta加碼AI帶旺台鏈 鴻海、廣達、緯穎等受惠
2025-08-01 經濟日報季晶晶、葉亭均編譯、記者林薏茹 由聯合新聞網授權轉載
資料中心兩大巨頭微軟、Meta於30日公布上季財報與營運展望均優於預期，並同步看旺AI需求，透露在AI領域的投資已開始嘗到甜美果實，催動營運成長引擎，兩家公司並同聲高喊為把握龐大商機，後續資本支出會持續提升。
微軟、Meta同聲唱旺AI前景，都將加碼投資擴大資料中心投資，市場按讚，31日早盤股價均大漲，微軟勁揚4.6%，市值突破4兆美元，Meta更暴漲11.9%。法人看好將同步帶旺AI伺服器協力廠鴻海（2317）、廣達、緯穎、英業達等營運動能，相關個股昨天強漲表態，廣達、緯穎均大漲超過4%，鴻海也勁揚逾3%。
※ 原新聞發稿日為2025/8/1，新聞轉載日為2025/8/4
延伸閱讀：「初階工作」恐被AI取代？當科技巨頭高層都這麼說，我們該如何應對？
微軟執行長納德拉指出，AI技術的快速創新和廣泛應用，正推動微軟在多個業務領域實現突破性成長，Microsoft 365 Copilot和GitHub Copilot等AI產品使用者採用速度，已達到「前所未有」的水準，目前Copilot產品每月活躍用戶達1億。
微軟上季資本支出年增27%，達到242億美元，超乎預期，公司預估本季資本支出將達300億美元，創新高，主要用於興建資料中心以驅動AI服務。微軟財務長胡德高呼「將繼續投資，以把握眼前龐大的機會」。
微軟也首度公布Azure雲端運算業務完整營收數據，截至6月底止的2025年全年度，Azure及其他雲端服務營收超過750億美元，年增34%。
Azure上季營收成長39%，預估本季成長37%，優於預期，顯示微軟在AI領域的大舉投資逐漸產生回報，激勵31日早盤股價飆漲8%。
微軟強調，擴大資本支出對於克服供應瓶頸至關重要，這些瓶頸限制滿足AI需求的能力資本支出正略微轉向資料中心等「壽命較長」的資產。微軟上季（截至6月底的年度第4季）營收764.4億美元，年增18%；淨利年成長近24%、達272.3億美元，都優於市場預期。
▲ 圖片來源：聯合新聞網授權轉載
[joblist_plugin title='104【微軟】工作機會' url='https://www.104.com.tw/company/at2m1g0' amount='3']
微軟看旺AI需求之際，Meta也上調本年度資本支出下緣區間，全年資本支出預估提升為660億美元至720億美元（原先預期為640億美元至720億美元），以加強對人才、基礎建設、資料中心與能源需求的投資。
Meta財務長李蘇珊並透露，明年將是資本支出「同樣顯著」成長的一年，主要用於擴展生成式AI所需的伺服器，網路和資料中心建設。
Meta上季銷售優於預估，核心廣告業務持續強勁成長，同時對本季提出超乎預期的樂觀展望，顯示獲利動能足以支撐其大規模投資AI領域的計畫。Meta執行長祖克柏強調，穩健的廣告業務使Meta能加速投資AI搶市占，並已從新的生成式AI功能獲得「可觀」收入。
Meta並公布上季營收成長22%、達475億美元，高於市場預期的448億美元，其中廣告部門營收465.6億美元、也優於預期。本季營收估可達475億美元至505億美元，優於分析師平均預估的462億美元。
有任何收穫或想分享的，都來和大家一起聊聊吧！