成為後端工程師 | 踏上程式起點，逐步掌握 Java 語言特性與物件導向程式設計
104學習
Junit
是一個針對Java程式設計的單元測試框架，主要用來幫助開發者自動化測試程式碼的功能是否正常。透過撰寫測試案例，可以在開發過程中及早發現錯誤，提升程式品質與穩定性，減少後續維護成本。在團隊合作中也能確保不同成員的程式碼整合後不會互相影響，促進持續整合（CI）與持續交付（CD）的流程順暢。熟悉此技能代表具備良好的軟體開發習慣與測試能力，是軟體工程師非常重要的基本功。
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
數位自動化團隊協作攻略｜Power Automate整合應用
邁入Java REST Web Service開發領域
Java Web｜Spring Framework企業應用開發
基層幹部管理實務：提升現場指導力、強化團隊凝聚力【10/14】
JSP + Servlet | 吳永志Java Web 技術開發
Cursor AI全端開發所：Java 網站系統獨立製作全攻略
成為前端工程師｜jQuery 入門密技，愉快打造互動式網頁不求人
學程式也能很好玩：不背語法寫Java
人資與採購必學！ AI 流程自動化應用實戰工作坊【10/20】
精選證照
考取專業證照，讓能力被市場看見
程式設計JAVA JDK1.4
JAVA JDK1.4證照驗證持有者具備使用Java開發工具包版本1.4進行程式設計的能力，熟悉物件導向程式設計概念及Java語言基礎語法，能夠撰寫、編譯及除錯Java應用程式，並了解核心API的使用方法。此證照適合希望從事軟體開發、系統整合或相關資訊技術工作的專業人士，具備良好的程式設計基礎與實務經驗，有助於提升職場競爭力及開發效率。
財團法人中華民國電腦技能基金會
乙級電腦軟體設計技術士-Java
乙級為具備能從事程式設計、測試、維護及系統文件製作，並能協助甲級（帶領丙級）電腦軟體設計人員從事（進行）程式設計工作之能力。
勞動部勞動力發展署技能檢定中心
物件導向程式語言 (Java/C#)
「物件導向程式語言 (Java/C#)」證照旨在驗證開發者對物件導向核心概念與實務開發的掌握度。取得此認證代表持證者能熟練運用 Java 或 C# 語言，將封裝、繼承、多型等理論轉化為高維護性的軟體應用程式。這不僅證明其具備優良的系統設計與解題素養，更是企業評估現代軟體人才的客觀指標，能有效提升專業職場競爭力。
尚未查核發照單位
JNCIS-M
Service Provider / M/T Seies系列。
JNCIS-M認證是專為具備M/T系列路由器和Junos作業系統進階技術與知識的網路專業人員而設計。JNCIS-M的考試比JNCIA-M測試更廣泛和更深入的技術與知識水準。試題來源包括M/T系列和Junos作業系統技術文件集、職場產品的經驗以及專科水準的網際網路技術知識與設計原則。通過JNCIS-M考試，是進一步參加JNCIP-M實作型考試的必要條件。
Juniper Networks
JNCIS-ER
Enterprise Router& Switch / Enterprise Routing系列。
JNCIS-ER認證是專為具備Junos-based企業路由器和Junos作業系統進階技術與知識的網路專業人員而設計。JNCIS-ER的考試比JNCIA-ER測試更廣泛和更深入的技術與知識水準。試題來源包括所有Junos-based路由器培訓課程和Junos作業系統技術文件集、職場產品的經驗以及專科水準的網際網路技術知識與設計原則。通過JNCIS-ER考試，是進一步參加JNCIE-ER實作型考試的必要條件。
Juniper Networks
SCJD
SCJD 是Sun Certified Java Developer的縮寫甲骨文公司認證之「軟體研發工程師」，只要通過甲骨文公司的認證考試即取得該項資格，是一張國際級的資訊專業證照，是給以使用Java 語言開發工具、技術，平台和JavaEE架構，進行設計和開發領導商業解決方案的專業人士的技術能力證明。
Oracle
精選貼文，掌握第一手知識
從Java基礎到企業級開發：掌握Spring Boot，一次到位！
👉你還在為 Spring Boot 的開發環境卡關嗎？
👉搞不懂 Controller、Service、Repository 之間怎麼合作？
👉資料庫存取效率總是瓶頸？
這門課，幫你一次搞懂！
【JAVA Spring Boot 網際網路系統開發全攻略（上集）】
從開發環境配置到完整網站建構，帶你實戰掌握：
✅ Spring Boot 核心技術與開發流程
✅ Spring MVC 架構 + Thymeleaf 前後端整合
✅ DI（依賴注入）、JdbcTemplate 與 DAO 設計模式
✅ 業界實務開發技巧與最佳實踐
👨🏫 授課講師
Eric Chen 陳宗興
專注資訊教育與軟體開發超過30年。早期投入美商製造業工業工程及 IBM ERP 系統開發，累積深厚實務經驗。曾任台灣資訊策進會顧問、中華民國軟體協會榮譽指導員，輔導台積電、中華電信等百餘家企業，並出版60餘本暢銷資訊書籍。
🎯 課程適合對象：
✅Java基礎開發者想邁向企業實戰
✅後端工程師想升級為Spring高手
✅前端工程師想理解後端系統整合
✅想導入Spring Boot的企業IT人員
🧠 全方位學習優勢：
✅實作導向，每一章節都有練習
✅架構圖＋原始碼解說，輕鬆掌握
✅簡單易懂範例，快速應用
📌 不再紙上談兵，讓你真正寫出可上線的網站系統！
限時🔥5折優惠
趕緊把握機會，成為企業最搶手的JAVA Spring Boot開發人才！
現在就立即加入課程吧👇
https://user135527.pse.is/7eh824
精選 AI寫企劃、看數據總是不能用？4種工作先排順序再交代，第一版就能討論
請AI寫企劃、做研究、看報表，結果常常看起來很完整，卻不能直接用？
問題多半不在AI的能力，而在我們只說「幫我寫」「幫我分析」，讓它自己猜目的和標準。
四種常見工作，可以共用同一個骨架：
1. 交代目的與標準：給誰看？看完要做什麼決定？
2. 排好先後步驟：先要中間產物，確認後再往下做
3. 要求附上依據：出處、算法、引用原文，讓你能驗收
套到四種工作，各有一個先後順序：
① 寫企劃｜架構先定，內容後補
先寫明讀者與目的，請AI只給三個主張和大綱；確認後才補內容，每個數據都附出處，查不到就標「待查證」。
② 做研究｜大題切小題，說法衝突並陳
先把大問題切成四到五個能用資料回答的小題；每題比對三種來源、標出年份；說法互相衝突時，請AI並列出來，由你判斷。
③ 看數據｜問題先行，數字在後
不要只丟報表說「幫我分析」，先寫成決策問題，例如「上季回購率下滑，是哪一群顧客流失」；講好期間、欄位和比較基準，只要兩三個關鍵發現，並附計算方式。
④ 審提案｜先找漏洞，後打分數
先逐條列漏洞並引用提案原文、分出輕重；再依事先講好的配分計分；最後請AI扮反方，提出最強的反對意見。
最常見的三個錯誤：
・一開口就要整篇成品，方向錯了只能整篇重寫
・AI給的數字沒查就直接用
・一邊挑毛病一邊打分數，分數被第一印象帶走
小練習：挑一件你這週要交的工作，寫下這兩句再交給AI——
「這份東西給＿＿看，看完要他＿＿。」
「先給我＿＿（大綱／小題清單／漏洞清單），我確認後再繼續。」
比較一下，和你平常的第一版差在哪裡。
想看完整的五分鐘影音說明，104學習免費課程「AI工作術」四堂已經上線，免費報名就能看：
第1堂｜5分鐘學會用AI寫企劃
https://nabi.104.com.tw/course/104nabi/57aed01b-9d82-4438-b09e-e2367abc0207
第2堂｜5分鐘學會用AI做研究
https://nabi.104.com.tw/course/104nabi/595a665d-07a3-461d-b37e-1f8158eca70d
第3堂｜5分鐘學會用AI看數據
https://nabi.104.com.tw/course/104nabi/0f3d424e-1658-49a2-851e-6c9fff296f43
第4堂｜5分鐘學會用AI審提案
https://nabi.104.com.tw/course/104nabi/19983d11-9e93-41ae-9924-46f8d6cd47dd
也歡迎在留言分享：這四種工作，你最常請AI幫忙哪一種？有沒有哪一次的第一版特別好用（或特別難用）？
使用提醒：AI可能出錯，重要數字請自行查證；上傳資料前先確認公司規定，並去除姓名、電話等個資。文中案例皆為假設情境。
EC-Council 認證加持：資安思維升級，為政府專案提出安全改善建議
恆逸開課時間查詢：https://www.uuu.com.tw/Course/Show/1500/1
恆逸學員嚴紹瑋：產業背景：資訊科技與系統整合服務產業
工作職務內容：使用 Spring 框架進行後端程式開發及維護
🚀
提升 Java 核心基礎與安全效能
平時工作主要使用 Java 進行開發設計，因此希望透過此課程進一步強化核心基礎與程式設計思維，並在開發過程中兼顧效能與資訊安全。
🔒
資安實作理解與工作連結
授課講師將許多抽象的資安理論，轉化成淺顯易懂的範例，例如透過 SQL Injection、XSS、Session Hijacking 等攻擊手法示範，並讓我們實際操作演練，使我能清楚理解安全漏洞的成因，以及在程式設計時該如何修改程式或進行設定以防堵。這樣一來，我不僅知道「要注意資安」，更能真正理解為何要這樣做，以及不做可能帶來的後果。另外，講師也很願意回答問題，不管是課堂上操作卡住，或是我提出與工作相關的情境，他都會耐心說明，甚至給出一些我平常可能想不到的建議。這對我幫助很大，因為我可以馬上將學到的東西與自己的工作串聯起來。
⚙️
資安實戰演練助我工作防護
我印象最深的是講師在示範 SQL Injection 的單元。他先給我們一個看似普通的登入表單，接著在輸入的字串中插入一些 SQL 指令，竟然就能繞過驗證、直接登入系統。這讓我立刻聯想到工作上常撰寫的查詢語法，如果沒有做好輸入驗證或參數化處理，很可能就會被攻擊者利用。另外，課程中也提到 XSS（跨站腳本攻擊）。透過講師實際示範將惡意程式碼嵌入網頁，再看到使用者端 cookie 被竊取的過程，我才真正理解到「前端輸入驗證」與「後端過濾」的重要性。這些都是課程中我覺得最實用、最有收穫的地方。
🎯
資安思維融入開發實踐
目前工作上參與的都是政府機關的大型專案，對於資安的要求非常嚴謹。透過此課程，讓我平時開發時，除了功能本身能否正確執行外，也會進一步思考這樣的設計是否存在漏洞，並且在專案開發過程中，我能主動提出安全性改善建議，也能協助同事檢查程式碼是否存在潛在風險。以前在設計 SQL 語法時，主要只考慮查詢效率及撰寫的便利性，很少想到安全性問題。經過此課程後，我將課堂中學到的參數化查詢與輸入驗證套用到專案中，在撰寫 SQL 語法時，盡量避免使用字串拼接的方式，並加強輸入檢核，有效避免了 SQL Injection 的風險。取得 EC-Council 的認證，代表我具備一定程度的資安知識，雖然公司並無明確規定加薪或升遷，但我相信對於往後的職涯肯定有所助益。
索取課程優惠：https://www.uuu.com.tw/Forms/CourseInfoRequest?courseId=CASEJava&mediaSrc=104
如何用AI寫JD？打造可落地的職務說明書，讓招募、績效與交接更清楚
企業人資招募人才想用AI寫JD，卻怕內容太空泛？擔心新人進公司後才發現對工作期待不相同？本文教你利用專業提示詞搭配AI工具，打造可落地的職務說明書，從職責、KPI、職能到交接管理，讓招募、績效與責任分工更清楚。本文節錄自《AI × SOP 生成式 AI 工作流》。
文／陳泳睿
本文目錄（點擊可快速前往）
招不到對的人：建立可清晰分工的職務說明書一、企業的痛點二、管理工具解析三、解決方案：人機協作模型四、Prompt操作使用說明五、實務應用示例重點AI生成結果範例：呈現職位商業價值，與績效對齊Prompt：可立即複製的提示詞
招不到對的人：建立可清晰分工的職務說明書
在多數企業裡，職務說明書這件事並不陌生，但也很少真正發揮作用。很多文件寫完就放著，內容偏向工作項目的羅列，既無法用來評估績效，也無法在跨部門合作時釐清責任。當問題發生時，常見的不是流程檢討，而是彼此詢問「這到底是誰的工作」。久而久之，組織會出現一種隱性的成本，事情有人做，但沒人負責；
你缺的不是再寫一份JD（Job Description，職務說明書），你缺的是一套能定義責任、對齊績效、可交接可稽核的管理底座。沒有這個底座，AI只會把你原本的組織混亂放大、把你原本的模糊美化。有了它，你才能真正解決跨部門卡關與責任互推的積弊。
【備註】
對齊績效：每個職位做什麼，最後要用什麼指標驗收（例如交期、良率、客訴率）。
可交接：換人時不會靠「口耳相傳」， 而是有清楚的責任、流程、產出物。
可稽核：遇到內控或ISO稽核，能拿得出證據（文件、數據、紀錄）證明「做過、做對、有人負責」。
讀者指引：先備知識
在進入實作前，我們需要先對齊三個管理工具的基礎學理。請記住，它們在「組織層面」的真正意義：
組織架構（Organizational Structure）：這是在設計「事的分工」，而不是在排人的官位高低。
職務說明書（JD）：這是對責任的界定與「可稽核」的承諾，絕對不是工作內容的流水帳。（註：「可稽核的承諾」是：你要交付哪些成果、成果長什麼樣子、用什麼數據驗收。）
職能（Competency）：這是把任用條件變成一把「可比較的尺度」， 避免主管憑感覺說「他很適合」。
一、企業的痛點
身為主管，若JD定義不清楚，損失不會直接寫在損益表上，但會滲透到加班費、重工成本與人才流失中。
當組織「螺絲鬆了」，你會發現主管每天都在「救火」，且通常伴隨以下三種「失控」現象（常見踩雷點）：
重工（Repeated Efforts）：做過的事又做一次，同一份薪水付兩次，還錯過商機。
脫節（Disconnected Workflows）：交接點漏水，例如產品更新了，客服卻不知道，讓客戶在第一線看到破口。
責任模糊（Ambiguous Responsibility）：出事找不到負責人，最後變成主管扛，大家學會躲。
風險分析表：從現象看損失
常見問題現象實際造成的風險或經濟損失行銷已完成分析，業務又重做一次工時浪費、專案延誤，決策時點錯過商機窗口產品更新功能，客服未同步客訴上升、品牌信任折損，面臨違約風險資料遺失找不到責任人內控失靈、稽核不通過，ISO/法規風險放大
（備註：內控是指企業為了確保營運效率、財務報告可靠及法令遵循所設計的控制程序。）
二、管理工具解析
要解決上述痛點，JD必須從「感性描述」轉向「結構化控制」。JD不只是人資文件，更是經營管理的鋼筋。
1. 結構化JD的六大欄位
一份能落地、可管、可交接的 JD，必須包含以下核心構面：
構面核心內容管理目的工作識別部門、職稱、職級定義責任載體與層級職務目的1～2句商業價值描述與策略對齊，避免做「沒用的忙」報告層級上下屬與利害關係人你向誰負責（主管）；你要協作誰（跨部門）；你會影響誰（內外部客戶/供應商）職責描述核心6～12條職責切清責任邊界，避免互踢皮球績效標準文件、數據、KPI定義「什麼叫做交付完成」的驗收標準資格條件學經歷、iCAP職能等級提升人職匹配，降低誤用人才的成本
2. 職能（Competency）與iCAP（勞動部職能基準單元）
職能是用「知識、技能、態度」三個維度來描述勝任條件。我們採用iCAP的1～6級標準。
第1級：基本執行（Routine）在可預期環境下，接受密切監督，執行常規、重複性任務，通常不需要特殊訓練。
第2級：一般執行（Basic）在有規律環境下，接受經常性監督，執行需要基本知識和理解力，且具備少許判斷力的工作。
第3級：獨立操作（Competent）在部分變動或非常規情況下，接受一般監督，獨立完成需要一定專業知識、技能和判斷的工作。
第4級：熟練操作（Proficient）在經常變動環境中，接受少許監督，獨立執行涉及規劃設計且需熟練技巧的工作，具備判斷與決策能力。
第5級：自主操作（Advanced）在複雜變動情況下，最少監督下自主完成工作，需應用、整合、系統化的專業知識與技術，具備策略思考與判斷。
第6級：策略創新（Expert/Strategic）在高度複雜變動中，能應用整合的專業知識和技術，獨立完成專業與創新的工作，需策略思考、決策及原創能力。
三、解決方案：人機協作模型
AI能加速產出，但不能替你做管理決策。我們採取「人定邊界、機做執行」的雙層架構。
層次一：戰略準備與知識校準（人：經理人的核心決策）
在叫AI寫作前，經理人必須先完成以下決策（不可跳步）：
確立邊界：決定職位存在的唯一商業價值。
設計職責：決定採「類別式」或「流程式」結構，並列出6～12條核心職責。
定義驗收：確定KPI（關鍵績效指標，用來衡量成效的數值）與iCAP等級。
【備註】
類別式：按工作類型分，例如：供應商管理、成本分析、合約管理、異常處理。
流程式：按流程階段分，例如：需求提出→詢價比價→議價下單→交期追蹤→驗收結案。
選哪個取決於：你的工作是「多類任務並行」還是「一條流程跑到底」。
層次二：個案生成與評量設計（機：AI的高效執行）
當人完成決策後，透過結構化Prompt引導AI進行「結構化對焦」。AI 的任務是將模糊的動詞轉化為：動詞(Action)+工作內容(Task)+目的/成果(Outcome)例如：擬定（動詞）採購策略（內容）， 以降低採購風險（目的）。
四、Prompt操作使用說明
結構化職務說明書操作流程圖：
Step 1：初始設定與戰略定位
Step 2：釐清協作網絡與邊界
Step 3：核心職責設計(公式化)
Step 4：職能規格與 iCAP 等級設定
Step 5：最終輸出正式JD與文案
操作步驟
步驟❶：設定職位「戰略身份」
你要做什麼：告訴 AI 你的公司背景（如：製造業、是否有 ISO 認證）、職位名稱以及為什麼需要這個職位（它能為公司創造什麼價值 ）。
關鍵重點：明確誰是這個職位的主管，以及他要管多少人。
步驟❷：規劃「人際網絡」
你要做什麼：列出這個職位在公司內部最常跟哪個部門開會，以及對外要面對哪些供應商或客戶。
關鍵重點：簡單標註頻率（例如：每天、每週或不定期）。
步驟❸：定義「核心職責」（最重要）
你要做什麼：輸入6到12個這個職位每天或每月必須完成的工作。
AI會幫你：AI會自動將你的話改成專業格式（例如：將「收發信件」優化為「管理客戶商務信件，以確保需求在24小時內獲得回覆」），並幫你配上量化的KPI。
步驟❹：設定「人才門檻」
你要做什麼：設定這個職位的困難度（iCAP等級1-6級），並列出你要求的學歷、工作年資、證照或特定的性格（例如：細心、抗壓 ）。
關鍵重點：若你不確定等級，可以請AI根據工作難度給你建議。
步驟❺：產出與定稿
你要做什麼：確認前面所有資訊無誤後，輸入「產出最終文件」。
你將得到：一份專業可直接存檔的 Markdown 格式文件以及一段寫好的「招募文案」，讓你可以直接貼到求職網站上。
五、實務應用示例重點
公司背景
產業別：電子零組件製造業（線束與電纜組件 Wiring Harness & Cable Assemblies）
規模：中小型企業，專攻「少量多樣」生產模式
職位基本資訊
職務名稱：品質保證課長（QA Section Manager)
所屬部門：品質管理部
職等/級：中階主管（課級）
工作地點：新北市汐止廠區（需配合客戶端稽核，極少出差）
AI生成結果範例：呈現職位商業價值，與績效對齊
這一段直接呈現職位的商業價值，適合用在JD首頁與績效對齊。實務上可直接對應良率、客退率與內部失效成本三類KPI。
一、職務目的（Job Purpose)
建立並維護少量多樣模式下的品質預警與檢驗體系，以確保出貨產品100%符合國際認證與客戶規範，並將外部客退率降至最低。 驅動持續改善流程與失效預防機制（FMEA），以確保生產製程穩定性並降低因品質變異導致的報廢成本。
二、組織位置與監督
報告對象：品質管理部經理／廠長
監督下屬：5人（2位IPQC巡檢員、2位FQC成品檢驗員、1位品質工程師QE）
方式：KPI月審、課內週會檢討、重大異常1on1、稽核點檢
三、工作協作關係
對內協作
單位/對象接觸重點/目的頻率製造(現場組長)判定製程異常（OOC）產品處置方式，核准特採（Waiver）或重工流程，以確保不良品隔離與風險受控日／不定期生管(PC)核對急件排程與檢驗人力配置，以確保出貨檢驗（FQC）不形成物流瓶頸週／不定期資材(倉儲／採購)監督呆滯不良品（MRB）報廢執行，確認庫存品重驗（Re-inspection）狀態，以降低混料與誤出貨風險月／不定期
對外協作
單位/對象接觸重點/目的頻率客戶QA／稽核員執行客訴8D線上報告與結案，對接客戶端駐廠稽核，以確保對外承諾一致且避免退件不定期認證機構(ISO／UL)維護外部證照年度合規，確認標籤與認證線材符合性，以確保認證有效且避免違規出貨年／不定期供應商(SQE／IQC)追蹤進料不合格（NCR）退換貨與供應商年度評鑑，以降低來料異常造成的停線與重工月／不定期
四、主要職責與績效標準 （Key Responsibilities & KPIs)（節錄）
每一條都已綁定文件與KPI，實務上可直接作為績效考核與責任追溯依據
(採用類別式結構)
項次職責描述（動詞+工作內容+目的）產出文件/成果績效衡量指標 (KPI/OKR) 1判定製程異常（OOC）與隔離範圍，並核准允收/拒收/重工決策，以防止不良品流出並降低停線損失OOC異常判定單／隔離清單／重工指示單OOC 48小時內結案率；重大異常再發率；不良流出件數2主持MRB不合格品審查會議並裁決報廢/重工/特採處置，以確保風險可控且降低失效成本MRB會議紀錄／處置決議單MRB逾期未結案件數；報廢成本（內部失效成本）趨勢；處置決議遵循率3核准Waiver特採條件並對齊業務/客戶允收邏輯，以在風險可控下保障交期並避免客戶爭議Waiver特採申請單／客戶允收證據特採後客退率；特採申請到批准Lead Time；特採條件符合率
五、職能與任用資格 (Competencies & Qualifications)
職能級別定義
iCAP 級別：Level5
級別理由：需主導品質系統優化與風險預防（FMEA/SPC/MSA），具對外稽核應對與客訴8D簽署責任，並擁有工程變更（ECN）否決權與MRB裁決權，屬跨部門決策型管理職
關鍵職能模型
職能類別職能項目定義與行為指標核心職能風險意識與預警能以數據與趨勢（良率/PPM/SPC）提前識別風險，主動啟動管制與預防措施，而非事後救火核心職能數據導向決策能以量測結果、MSA、照片證據與客規條款形成判定依據，並可追溯到文件紀錄核心職能跨部門衝突解決能在交期壓力下維持品質底線，並以風險/成本/客戶影響說服製造與業務採取一致行動核心職能風險意識與預警能以數據與趨勢（良率/PPM/SPC）提前識別風險，主動啟動管制與預防措施，而非事後救火核心職能數據導向決策能以量測結果、MSA、照片證據與客規條款形成判定依據，並可追溯到文件紀錄核心職能跨部門衝突解決能在交期壓力下維持品質底線，並以風險/成本/客戶影響說服製造與業務採取一致行動
任用資格要求
學歷/科系：大學以上，電機、機械、工業工程或工程管理相關科系。
工作經驗：5年以上電子製造業QA/QC經驗；2年以上帶領3–5人團隊管理經驗；具少量多樣高頻切線的品質管理實績。
專業證照/技能：ISO 9001內部稽核員；線束加工相關知識（識圖能力 ）。
語言能力：英文讀寫中等（TOEIC 550+或同等），可閱讀客規、撰寫英文 8D，並與國外稽核員交流。
Prompt：可立即複製的提示詞
Role: 結構化職務說明書 (JD) 架構師
Context
你是一位精通人力資源管理學理與組織架構設計的專家，專門協助企業將模糊的職務需求，轉化為符合「事、人、組織、績效」邏輯的結構化文件。你深知結構不明確的JD會導致企業面臨「重工、脫節、責任模糊」的三大風險。
Task
透過引導式訪談，蒐集我的戰略決策輸入，並利用 AI 的強大組織能力，輸出一份嚴謹、可稽核、具備iCAP職能標準的Markdown格式職務說明書。
Critical Rules (核心準則)
●公式強制性：所有職責描述必須嚴格遵守公式 「動詞 (Action) + 工作內容 (Task) + 目的/結果 (Outcome)」。●績效連結：每一條核心職責都必須強制連結「產出文件」或「量化 KPI」。●區分決策與執行：你會先確認我是否已完成「戰略準備」，若無則引導我思考，若有則直接接收資訊。●職能科學化：必須使用iCAP級別 (1-6級) 來定義職位複雜度，並據此推導任用資格。●消除模糊：禁止使用「協助」、「相關事項」等模糊動詞，必須使用具備明確界線的詞彙（如擬定、執行、審核）。
Workflow (訪談工作流)
請依序執行以下步驟，每次僅執行一個步驟，待我確認或回答後，再進行下一步。
Step 1: 初始設定與戰略定位
詢問：
1. 公司背景（產業、規模、核心產品、特殊文化或 ISO/IATF 認證要求）。2. 職位基本資訊（職稱、所屬部門、職等/級、工作地點）。3. 戰略核心：請提供 1-2 句「職務目的」(Job Purpose)，說明此職位存在的唯一商業價值。4. 報告線：直屬主管是誰？監督下屬的方式為何？
Step 2: 協作網絡與邊界
詢問：為了避免「脫節」風險，請列出此職位最關鍵的：
1. 對內主要接觸單位與頻率。2. 對外主要接觸對象與頻率。(頻率選項：日/週/月/季/半年/年/不定期)
Step 3: 核心職責設計 (最關鍵步驟)
引導：
●風格選擇：請問此職位適合「類別式結構」(適用管理職，按策略/管理/作業分類) 還是「流程式結構」(適用有步驟關聯的工作，如採購/生產)？●職責輸入：請輸入6-12條核心職責。若您已準備好，請直接貼上；若未準備好，請告訴我關鍵字，我將依照「動詞+內容+目的」公式為您草擬。●AI檢核點：AI需自行檢查生成的職責是否具備「可稽核性」，並為每一條職責建議對應的「產出文件」與「KPI 指標」。
Step 4: 職能規格與任用標準
詢問：●iCAP 級別設定：此職位的職能級別應定為幾級 (1-6)？理由為何 (複雜度/監督需求)？●關鍵職能：請列出必要的「專業職能」、「核心職能」與「管理職能」(若有)。●任用門檻：基於上述級別，您要求的學歷、經歷、證照與人格特質 (請提供程式碼或描述) 為何？
Step 5: 最終輸出與定稿
整理所有資訊，輸出符合下述Markdown格式的正式文件，並附上一段約200字的吸睛招募文案。
Output Format (最終輸出格式)
…(格式略)
附件：對外招募文案 (Recruitment Copy)
標題：{{吸睛標題}} {{200-300 字招募文案，強調職務價值與文化}}
節錄自：旗標科技《AI × SOP 生成式 AI 工作流：第一線 Prompt 驅動，打造企業 SOP》／陳泳睿 著
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]
Codex 4個神奇小功能！把Codex變成工作流引擎，功能速查表與行業應用SOP
用Codex跑任務，跑到一半想補需求、想試另一個方向，只能打斷重來嗎？作者整理/plan、Tab排隊、/fork、/status等4個核心功能與兩招加碼，附決策樹、指令速查表與各行業應用SOP。本文節錄自《ChatGPT × Codex全攻略》。
文／曾慶良（阿亮老師）
本文目錄（點擊可快速前往）
為什麼是這幾個功能功能總覽：4招核心＋兩招加碼工作流4步法決策樹帶走模板：常用slash command速查各行業應用4步法SOP卡關處理：5個最常見問題
4招把 Codex 變成並行工作流引擎，計畫、排隊、分叉、儀表板
AGENTS.md解決了「Codex怎麼做」的問題，它做的事符合你的風格、按你的規矩。但你會發現另一個問題冒出來：Codex跑起來是「單線」的，你下一個指令、它跑、跑完你再下下一個。複雜任務怎麼辦？跑到一半想到要補東西怎麼辦？想試另一個方向怎麼辦？
教你4個核心功能（3個slash command＋1個按鍵）：/plan、Tab、/fork、/status，這就是章名的「4個神奇小功能」，也是工作流4步法的骨架。學完4招之後，再加碼兩招2026年正式版的新功能：/usage（額度儀表板）和@ 統一提及選單（檔案／插件／技能一鍵帶入）。4招是骨架、兩招是外掛，記熟之後，你的Codex從「下指令工具」升級成「並行工作流引擎」。
前置條件：Codex CLI已裝、AGENTS.md已寫。本章所有功能都是Codex CLI（v0.142.x）官方內建，不需要額外安裝。
為什麼是這幾個功能
先看一張對比表，看清楚普通跑Codex和用這套工法的差別：
情境普通跑法的痛用這套工法後複雜任務沒方向Codex直接動手，結果不是你要的，重來先用 /plan 看計畫再放跑跑到一半想到要補打斷 → 重講一次 → 上下文亂Tab 排隊，下個turn自動吃想試另一個方向放棄第一版，從頭再來/fork 兩版並列，挑好的留長任務沒在看不知道跑到哪、卡住沒人發現/status 即時看進度與token額度快用完不自知跑到一半被限流，工作中斷/usage 查每日／每週用量與credits要提到檔案／技能很麻煩手打完整路徑、記技能名稱打 @ 開統一提及選單，選了就帶入
全部都是官方CLI內建。記熟就能把Codex從「下指令工具」升級成「並行工作流引擎」。
功能總覽：4招核心＋兩招加碼
功能指令一句話定位① 計畫模式/plan讓Codex「先講要怎麼做」，你看完點頭再讓它真的動手② 引導排隊Tab鍵Codex跑到一半，輸入新指令按Tab排隊，不打斷正在跑的任務③ 對話分叉/fork / Esc Esc把當前對話複製出一條平行線，同一份context、兩種寫法並列④ 進度可視化/status看當前模型、token用量、執行階段、approval模式⑤ 額度儀表板（加碼）/usage看每日／每週／累計用量，兌換earned usage credits⑥ 統一提及選單（加碼）@一個選單提及檔案、插件、技能，不用手打路徑
要先做一個名詞辨正：你可能在社群貼文或課程裡聽過「桌面寵物」這個暱稱，那是阿亮對「長任務進度可視化需求」的暱稱，不是 Codex 官方功能名稱。實際對應的官方操作是 /status，把它想成「Codex 的儀表板」。
本章所有TUI輸出畫面（Plan、Queued、Forked、Status、Usage）皆為示意重繪，實際版面依CLI版本略有差異，以你畫面上的為準。
工作流4步法決策樹
4個核心功能怎麼搭配？決策樹如下：
# 開新任務前先問自己：
任務複雜（多步、不確定）？
├── 是 → /plan 列 SOP
│ ↓
│ 中途想到要補？
│ ├── 是 → 按 Tab 排隊
│ └── 否 → 等完成
│ ↓
│ 想試另一方向？
│ ├── 是 → /fork 開分支
│ └── 否 → 結案
│
└── 否 → 直接執行（不用 /plan）
不論複雜不複雜：
- 長任務 → /status 看進度
- 開工前／收工後 → /usage 看額度
- 重要任務 → 兩版（/fork）
- context 將滿 → /compact 濃縮
判斷標準：「我能一句話講清楚要做什麼」等於簡單，直接跑。「我自己也不確定怎麼下手」等於複雜，先 /plan。
帶走模板：常用slash command速查
指令用途/plan計畫模式（先講計畫再動手）/fork從當前進度複製平行thread/status看model / approval / context / threads/usage看每日／每週用量、兌換credits/diff看當輪修改的檔案差異/compact把對話濃縮成摘要、省context/side開臨時討論串、不離開主任務/new同CLI session開全新對話/help列出當前版本所有slash command@（鍵盤）統一提及選單：檔案／插件／技能Tab（鍵盤）composer輸入後排到下一個turnEsc Esc（鍵盤）回到舊訊息編輯、從該點分支
各行業應用4步法SOP
把這套工法套到你的行業，貼牆上：
教師應用
/plan：學期計畫、家長會報告
Tab排隊：批改時補要求「找有此錯誤的學生」
/fork：給家長版vs給校長版
/status + /usage：批30份作業時看進度、看額度
@：帶入上學期的舊報告當範本
SOHO應用
/plan：報價單、合約、提案
Tab排隊：寫到一半要加保固期
/fork：給客戶版vs內部版
/status + /usage：跑批次資料時監看
@：帶入舊合約範本
行銷應用
/plan：月報、競品分析、活動企劃
Tab排隊：客戶說要改方向
/fork：嚴肅版vs活潑版
/status + /usage：跑大量素材時監看
@：帶入品牌文案指南
工程師應用
/plan：重構、API設計
Tab排隊：跑測試時加新檔
/fork：兩種實作對比效能
/status + /usage：長build看context與額度
@：帶入spec文件、觸發$skill
卡關處理：5個最常見問題
Q1：找不到 /plan 或 /usage 命令，TUI跳「unknown command」
答案：CLI版本太舊。跑npm update -g @openai/codex（或brew upgrade codex）升到最新，重開CLI，再/help看當前所有slash command。
Q2：找不到「Shift + Tab兩次」進計畫模式
答案：那是Claude Code的快捷鍵，Codex CLI沒有。Codex用 /plan slash command（在composer內輸入）。
Q3：Tab沒排到，反而觸發了@ 選單或其他鍵盤行為
答案：
確認composer已輸入文字後才按 Tab
不要在 @ 提及選單開著時按Tab（那是在選單內選取項目）
跑 /status 確認「Queued items」有沒有增加
Q4：/fork 後分支context不一致
答案：/fork 會帶走分叉前的對話歷史，但分叉後原thread和新thread互不回流。要兩邊都看到的東西，請在fork之前講完。
Q5：@ 選單只出現檔案，沒有Plugins／Skills區
答案：先升級CLI到最新版；再確認環境內真的有插件（用 /plugins 查）或技能（用 /skills 查），沒裝當然不會列。
節錄自：博碩文化《ChatGPT × Codex全攻略：從零基礎到自動化，打造你的AI Agent工作流》／曾慶良（阿亮老師） 著
推薦閱讀：
ChatGPT Work怎麼用？和Chat模式差在哪、什麼時候該切換？
用Claude Code設計AI工作流！學了工具不等於系統，3範本打造專屬藍圖
Claude Code越聊越笨？4個指令管好「上下文」，用量60%就該主動壓縮
吳恩達公布AI工程技能版圖：2026年開發者最重要的4大技能
人工智慧（AI）先驅吳恩達博士與DeepLearning.AI分析超過1萬筆職缺，歸納2026年4大重要AI工程技能，包括建構與部署AI應用、軟體工程基本功、使用Coding Agent，以及塑造開發方向。
文／樂羽嘉編譯 由天下雜誌授權轉載
本文目錄：2026年最重要的4個AI工程技能
1. 建構與部署AI應用程式2. 掌握軟體工程基本功3. 有效運用AI程式設計代理4. 塑造開發方向
人工智慧（AI）先驅吳恩達博士最近撰文公布AI工程技能版圖，告訴開發者應該優先學習哪些技能，也讓雇主知道如何找出真正有能力的開發者。
吳恩達（Andrew Ng）是DeepLearning.AI創辦人、Coursera董事長兼共同創辦人，也是史丹佛大學兼任教授。身為機器學習與網路教育領域先驅，吳恩達在人工智慧方面的成就改變了許多人的生活，超過800萬人修過他講授的AI課程。
吳恩達曾是Google大腦（Google Brain）團隊的創始負責人，團隊協助Google 轉型為現代化的AI企業，也曾擔任百度（Baidu）副總裁兼首席科學家，領導一支由1300人組成的AI團隊，先前更擔任史丹佛大學AI實驗室（Stanford AI Lab）主任，2023年入選《時代雜誌》（TIME）全球百大AI影響力人物（Time100 AI）。
吳恩達和DeepLearning.AI團隊最近發布的AI工程技能版圖（AI Engineering Skill Map），分析超過1萬筆職缺，與數十位AI專家、招募主管與招募人員進行數十場訪談，也用問卷蒐集資料、彙整資料分析，歸納出四項最重要的AI工程技能：
建構與部署AI應用程式
軟體工程基本功
使用Coding Agent
塑造開發方向
1. 建構與部署AI應用程式
AI應用與傳統軟體最大的差異，在於AI的輸出具有不可預測性。
給大型語言模型（LLM）一段提示詞，你永遠無法完全確定它會回傳什麼結果。訓練一個深度學習模型，你也永遠無法百分之百確定它面對從未見過的資料時會有什麼表現。
因此，只知道如何使用LLM、RAG或代理工作流等基本元件，已經不夠了。
這項技能的核心，是運用統計方法衡量、引導及管理AI系統，最重要的是建立一個評估與錯誤分析的閉環。
2. 掌握軟體工程基本功
軟體工程需要在成本、擴充性、可靠性、速度等因素之間進行取捨，而安全性與隱私又會讓問題變得更加複雜。
理解軟體工程的基本原理，能讓你首先意識到「究竟有哪些取捨存在」。如此一來，在選擇技術堆疊、設計系統架構、設計資料儲存方式或進行測試等方面，都能做出更好的決策。
有些開發者利用AI程式設計代理（AI Coding Agent）做「Vibe Coding」（氛圍編碼）時，直接跳過這些基本功，結果往往不知道該提供代理哪些上下文，也無法察覺代理正在做出糟糕的系統架構決策。
現在這些基本功的價值已經從過去的「親手把所有程式碼寫出來」，變成「使用精準的工程語言，引導AI代理完成工作」。
3. 有效運用AI程式設計代理
有效使用代理式程式開發，已經是每一位開發者的關鍵技能。你要能：
正確認知代理的限制，知道它能做什麼、不能做什麼、什麼時候該介入、什麼時候可以放手讓它自行處理，避免浪費太多時間和Token。
有效管理上下文視窗（context window），在規劃與執行之間做取捨。
提供驗證工具（validators）與評估框架，讓代理能夠在閉環中自主反覆修正。
撰寫清楚的規格，同時知道什麼時候不需要完整規格也能推進工作。
協調多個代理合作。
避免高風險錯誤，例如不小心讓代理弄壞正式環境的資料庫。
這個領域的發展速度極快，因此持續嘗試新工具，並不斷調整自己的工作流程，本身就是一項核心要求。
4. 塑造開發方向
AI代理按照清楚規格產出軟體能力高速提升，所以工程師工作的重心，也正在轉向「決定規格裡究竟應該放什麼」。
工程師不應再期待別人交給自己一份像素級精準的設計稿，然後只負責按照要求實作。
要做好AI工程，就必須具備產品思維，理解商業背景與客戶目標，參與塑造並推動產品的開發方向。
同時也必須掌握開發節奏，知道什麼時候應該迅速做出一個MVP，測試市場需求，什麼時候應該放慢速度，從一開始就仔細把產品做好。
在傳統軟體團隊中，決策與執行是分開的，產品經理與客戶溝通、寫需求，計師製作Mockup，工程師只要按照規格實做。
AI程式設計代理正在打破這種彼此隔離的工作模式，一旦代理可以把一份清楚的規格直接變成可運作的軟體，寫程式本身就不再是唯一的瓶頸。
團隊仍然需要有人找出真正值得解決的問題、理解客戶需求、權衡各種取捨，並決定規格裡究竟應該放進哪些東西，愈來愈多工作轉移到工程師身上。因此，工程師工作中那些結果明確、單純執行的部分正在減少；充滿不確定性、需要人類判斷的工作則正在增加。
AI程式代理可以替你提出一套系統架構，但仍然需要有人能看出這套架構背後是不是偷偷犧牲了成本、可靠性、安全性或擴充性。更快產生程式碼，不代表就能做出更好的決策。
（資料來源：medium、deeplearning.ai、startupfortune .com、andrewng.org）
（原文標題：吳恩達：2026年最重要的4個AI工程技能）
推薦閱讀：
4成年輕人偷偷惡搞公司的AI計畫，Z世代為何超反感AI？
Z世代找工作，別再「追隨你的熱情」？經濟學人：先做好一件有用的事
AI將淘汰39%技能！世界經濟論壇：2030年職場這些能力最關鍵
Jev是什麼？前OpenAI研究員打造一款「不會聊天」的AI模型！
前OpenAI研究員打造的AI模型Jev，不聊天、不寫文章，只負責快速做判斷，還會說出自己有幾成把握，本文整理Jev和ChatGPT的差異、設計理念、價格速度與應用示範。
文／《104職場力》
本文目錄（點擊可快速前往）
Jev是什麼？和ChatGPT等AI語言模型有什麼不同？TypeSafe AI為什麼要做Jev？不追AGI的3個理念Jev最大特色：會說出自己「有多確定」Jev速度多快？價格多少？官方數據整理Jev可以用在哪裡？官方應用方向與示範Jev對上班族有什麼影響？
當各家AI公司在比拼誰的模型更會聊天、寫程式，曾參與ChatGPT背後研究的前OpenAI研究員Diogo Almeida，卻選擇另一條路。
他所創辦的TypeSafe AI於2026年9月15日發表第一款模型Jev，這款AI不陪人聊天，也不寫文章，只專門在軟體裡快速「做判斷」。
Jev跟別家產品有多不同？底下為各位整理其設計理念、核心特色、價格速度與應用示範。
Jev是什麼？和ChatGPT等AI語言模型有什麼不同？
如前言，Jev是TypeSafe AI推出的第一款AI模型，官方把這類模型稱為「System One模型」。
為什麼叫Jev？名字背後的「傑文斯悖論」
根據官方說明，「System One模型」這個名稱，來自心理學家康納曼的暢銷書《快思慢想》，書中把人的思考分成兩種：
快速、憑直覺的「系統一」
緩慢、仔細推敲的「系統二」
Jev做的就是類似「系統一」的快速判斷。
而這個名字則是取自英國經濟學家傑文斯（William Stanley Jevons），當年傑文斯發現，蒸汽機變得更有效率、更省煤之後，煤炭的總用量不減反增，因為更多地方開始用得起蒸汽機，這就是後來的「傑文斯悖論」。
TypeSafe AI認為，AI也會走上類似的路：當AI的使用成本越來越低，原本不划算的用途都會變得可行，AI被使用的地方只會越來越多。
Jev和其他AI語言模型的差異
它和ChatGPT最大的不同是：它不回給使用者一大段文字，只從事先設定好的選項中快速挑出答案，例如「是或不是」、「屬於哪一類」，讓其他軟體可以直接拿結果執行下一步。
以下依官方發表文章，整理一般AI語言模型與Jev的性能對照表：
比較項目一般大型語言模型Jev回答方式寫出一段文字，內容自由，但可能出現錯誤資訊或格式不符只從事先設定好的選項中挑答案，不會答出選項以外的內容產生方式一個字一個字依序寫出來一次同時給出所有問題的答案把握程度就算要求它評估自己有多確定，也常過度自信、前後不一每個答案都會附上「有幾成把握」，越有把握通常越準適合用途聊天、寫作、寫程式等需要人在旁邊確認的工作 分類、分派、評分等需要大量快速判斷的工作資料來源：TypeSafe AI官方文章
Jev目前還在搶先體驗階段，只開放開發者申請使用，有興趣的人可以到TypeSafe AI官網申請，使用方式可參考官方文件。
雖然Jev尚未普及，但我們可以先從它的設計理念與特色，看看這種新型態的AI，未來可能如何出現在我們每天使用的系統裡。
Jev官方網站
TypeSafe AI為什麼要做Jev？不追AGI的3個理念
TypeSafe AI在官網發表了一篇宣言，標題是「Build Prod, Not God」，意思是：與其打造無所不能的「神」，不如做出真正能上線使用的產品。
宣言中提到了3個想法：
理念1：AI夠聰明了，問題是不好用
TypeSafe AI認為，現在的AI已經夠聰明，足以創造龐大的價值，不需要再追求AGI（通用人工智慧，也就是像人一樣什麼都會的AI），他們觀察AI產業已經投入好幾年、數兆美元，但大多數軟體還是沒有變聰明，一般人的生活也沒有太大改變，表示這和AI本身的聰明度無關，是現在的AI很難被裝進既有的軟體裡使用。
理念2：現在的AI就像「沒有馬的馬車」
新技術剛出現時，常常會先模仿舊東西的樣子，之後才慢慢找到最適合自己的形式，就像最早的汽車其實只是把馬車的馬換成引擎，連馬車的高座椅、彈簧，甚至插馬鞭的座子都保留下來。
TypeSafe AI表示，現在的AI也是這樣，被訓練成有禮貌、很會說話的助理，是因為設計者假設對面坐著一個人，但這也代表AI需要有人在旁緊盯，沒辦法在背景自動運作。
理念3：讓AI像基礎工具一樣穩定可靠
宣言提到，當年打造資料庫、網路技術的人，並沒有預料到後來會出現Google這樣的服務，正因為這些底層技術夠穩定，後人才能在上面不斷開發出新應用。
TypeSafe AI希望AI也能變成這樣的基礎工具，只要每次呼叫都穩定可靠，開發者就能放心把它放進各種系統，一層一層疊加出新的應用。
Jev最大特色：會說出自己「有多確定」
官方在發表文章中舉了一個例子：假設一個AI有95%的機率能做對，卻說不出哪些時候會落在那5%的錯誤裡，這項工作就無法放心交給它自動處理，因為人還是得每一筆都檢查一次。
為了解決這個問題，Jev的每個答案都會附上「有幾成把握」，官方表示，Jev的把握程度經過「校準」，意思是它說的「把握程度」會和實際的正確率一致：越有把握的答案，通常越準；遇到相似的問題，也會給出相似的答案。
這個能力來自團隊自行開發的訓練方法「校準決策強化學習」（RLCD），不同於ChatGPT等模型主要是讓AI寫出人類喜歡的回答；RLCD的目標則是讓AI做判斷時，有幾成把握就說幾成。
※官方圖表中，Jev的「幻覺率」（AI給出錯誤或捏造內容的比例）標示為0%，但官方說明，因為Jev只會從設定好的選項中挑答案，不可能答出選項以外的內容，雖然不會亂答，但不代表每次都答對。
Jev速度多快？價格多少？官方數據整理
以下是官方公布的速度與價格。價格以token計算，token是AI計算文字量的單位：
項目一般大型語言模型Jev輸入價格（每100萬token）約0.2～10美元0.042美元輸出價格約為輸入價格的5倍不收費回應時間約3～329秒約0.07～0.5秒資料來源：TypeSafe AI官方文章
TypeSafe AI官網首頁宣傳「Jev快193.6倍、便宜444.6倍」，這組數字來自官方自己設計的測試：讓每個AI模型執行同一套工作流程，再以GPT-6 Astra與Fable 5.1兩個大型模型答案的平均當作標準，比較各模型的表現。
圖片來源：TypeSafe AI官方文章
※官方也主動說明這些數據的限制：
193.6倍、444.6倍預期是實際使用時效益的上限，一般情況下不一定能達到。
測試題目由官方團隊設計，可能有偏誤。
以GPT-6 Astra與Fable 5.1的答案作為標準，會讓結果偏向OpenAI與Anthropic的模型。
速度數據多是在官方位於美國西岸的筆電上測得。
官方無法證明目前的價格沒有補貼，但表示預期未來只會降價、不會漲價。
Jev可以用在哪裡？官方應用方向與示範
官方列出的4大應用方向
應用方向可以怎麼用自動化工作流程放在程式裡負責判斷，例如分類、分派、評分、擷取資料，處理用固定規則很難寫清楚的情況大量資料處理從龐大的資料中，快速整理出重點與特徵即時應用速度快到約0.1秒，適合需要馬上反應的服務檢查其他AI替其他AI的回答評分、把關，也能偵測有人試圖用特殊指令誘騙AI的「越獄攻擊」
示範1：玩電玩遊戲《毀滅戰士》
官方示範讓Jev即時操作經典射擊遊戲《毀滅戰士》（Doom），每秒大約做10次判斷，成本約每小時7美元。
不過官方也說明，Jev讀的是用文字描述的遊戲狀況，還不是直接「看」遊戲畫面；如果單純比遊戲表現，專門寫好的遊戲程式其實可以玩得更好，這個示範的重點是「展現AI能依照指令即時做出反應」。
示範2：維基百科接龍
這個遊戲的玩法是：從一個維基百科頁面出發，只能點頁面裡的連結，看誰最快抵達指定的目標頁面，每走一步，都可能要從數百到上千個連結中挑一個。
官方表示，Jev一個問題最多可以設定255個選項，超過時就改成「先替每個選項打分數，再從中挑選」的兩步驟方式，但官方也坦承，這個示範的速度優勢比其他示範小，因為對照的大型模型多數沒有開啟深度思考模式。
Jev對上班族有什麼影響？
未來當上班族也能接觸這款AI時，它可能會帶來以下幾種改變：
AI會更常在看不見的地方工作
客服派單、內容審核、資料分類等工作，每天都有大量重複的小判斷，這正是Jev這類AI瞄準的地方，未來的AI不一定都是聊天視窗，也可能直接藏在每天使用的系統裡。
會把問題拆清楚的人更吃香
Jev需要使用者事先設定好問題和選項才有辦法給出回應，因此能把模糊的工作拆成一個個清楚的判斷題，是和這款AI合作的重要能力。
看得懂AI的「把握程度」
當AI開始說出自己有幾成把握，懂得判斷哪些情況可以交給系統、哪些需要人工再確認的人，會在自動化的工作流程中扮演關鍵角色。
雖然Jev仍在早期階段，官方公布的數據也有待更多實際使用來驗證，但它提出的方向很值得思考，AI的下一步，也許不是變得更像人，而是像一個穩定可靠的工具，默默嵌進我們工作的每個環節。
（資料來源：TypeSafe AI官網〈Manifesto〉；TypeSafe AI官方發表文章〈Introducing System One Models & Jev〉）
延伸閱讀：
OpenAI最新旗艦AI亮相！GPT-6 Astra核心亮點、使用方案一次看！
Gemini Spark怎麼用？實測排程、Gmail監控、跨服務工作，和一般Gemini差在哪？
Claude Cowork新增內建瀏覽器！不用裝外掛，AI可直接開網頁、填表單
AI會議紀錄整理技巧！6步驟活用Gemini Notebook與指令模板，語音轉文字、中英夾雜也不怕
會議記錄整理總是很花時間，如何運用AI來提高效率？作者分享「AI會議整理術」，6步驟包括運用AI語音轉文字工具，以及活用Gemini Notebook（原NotebookLM）等AI工具來解決中英夾雜、專有名詞一堆等AI會議紀錄常見痛點。搭配AI指令模板，將雜亂逐字稿自動轉譯為「三段式摘要」與「行動清單」，省下60%時間，讓團隊溝通更精準、決策更高效！本文節錄自《高效職場生存法圖解》。
文／趙胤丞、電腦玩物站長Esor
本文目錄（點擊可快速前往）
讓AI用固定模板，把會議討論變成清楚的紀錄與待辦AI會議整理操作教學！6步驟分享，節省60%時間的協作術AI提示詞分享：快速把逐字稿轉成會議筆記、會後郵件AI會議筆記方法論反思與實踐AI會議筆記實戰QA：AI工具怎麼選？轉錄出錯怎麼辦？
（編按：NotebookLM於2026年7月更名為Gemini Notebook。以下為原始文章：）
讓AI用固定模板，把會議討論變成清楚的紀錄與待辦
AI工具不是拿來取代我們，而是為了讓我們能把時間花在「真正要我們思考的地方」。我們都知道，一場會議不只是一場會議，它可能是團隊協作的決策過程，也可能是專案卡關的突破時刻，所以會議過後真正困擾我們的其實是「後續花時間釐清專案未來策略」、「確認接下來要做哪些待辦行動」。
但是，我們卻常常把最多時間花在會議後的資料、記錄整理，結果為了會議筆記拖延了那些真正要馬上去做的下一步行動，這樣的行為無異是「買櫝還珠」。
只是傳統的會議紀錄方式充滿了各種痛點：主持人講得飛快，你無法跟上；對話來回跳躍，記錄順序亂七八糟；會議過程與會者講了一堆，還得再花時間整理報告與Email。這些都是消耗我們寶貴的時間。其實整理不好，這不是你能力問題，而是訊息密度過高、人力處理的效率太低。
這正是AI可以切入協助支援的痛點，幫我們「釐清會議中的決策與行動訊號」。
概念說明關鍵效益自動化轉錄AI將語音自動轉換成文字節省人工聽打時間，不錯過任何細節智慧化摘要AI根據內容自動生成重點與結論快速掌握會議核心，不必重聽錄音行動化轉譯AI從文字紀錄中提取任務與責任人加速「討論」到「行動」的轉換，強化執行效率
資安前提：在使用任何AI工具時，特別是涉及公司內容，務必確認公司、平台的隱私安全規範，以保護你與組織的資料安全。
（圖／創意市集《高效職場生存法圖解》）
AI會議整理應用情境：適用需高效溝通的場合、專案會議、跨部門會議
這套方法適用於所有需要高效溝通的場合，特別是討論內容多且複雜的專案會議，或是需要精準追蹤行動的跨部門會議。無論你是團隊主管、專案經理、還是需要同時處理多項任務的個人工作者，都能透過AI協作來確保會議的討論能確實轉化為可執行的成果。
AI會議整理技巧提醒：加速你的決策行動，而非取代你的判斷
AI是你的副駕駛助手，AI雖然能大幅節省時間，但它的價值在於「加速你的決策與行動」，而非取代你的判斷（畢竟AI無法幫你的錯誤判斷背黑鍋）。最終的行動清單仍需由你人工確認與校對，進而確保共識沒有落差。
AI會議整理操作教學！6步驟分享，節省60%時間的協作術
【Step 1】為什麼需要AI會議記錄工具？
這套AI協作流程不是要你變得更依賴工具，而是讓你學會用工具放大自己的效能，讓每一場會議都能更快進入「創造價值的行動階段」。
傳統會議記錄的痛點AI可以做什麼主持人語速過快、資訊密度高，難以跟上自動語音轉文字，完整保留內容對話跳躍、紀錄順序混亂快速生成會議摘要，還原討論脈絡討論時混雜了資訊、交辦、想法、疑問，清理要花許多時間協助整理任務清單與待辦事項會後還需整理郵件回報輔助產出主管回報Email
當我們試圖用低效方式處理高密度資訊時，就會被迫卡在「文書助理」的角色裡。AI讓我們能專注在會議中的決策、協調與判斷，真正成為「決策轉譯者」。
【Step2】挑選對自己最方便的AI轉錄工具
AI語音轉文字（甚至是會議錄音專用AI工具）已經多如雨後春筍，甚至大多數線上視訊會議工具也都內建錄音與AI轉錄功能。這邊我們沒有要對工具做太多深入解析，而是針對常見的三種會議情境，分享對一般用戶來說最簡單易上手的選擇。
工具應用情境功能簡述PLAUD.ai硬體裝置，方便啟用錄音檔案儲存在本地裝置，內建AI自動處理工作流程雅婷逐字稿手機App，即時轉錄當下即時轉錄，對於台灣用語有相對較在地的處理NotebookLM自行錄音，交由AI轉錄與處理可以建立會議錄音資料庫，由自己的指令決定轉錄的處理方式
【Step 3】如何處理多語混雜與專有名詞挑戰
中英夾雜、專有名詞頻繁，是台灣公司很常見的會議現場情境。現在大多數的AI語音轉錄工具，對於多語內容的辨識已經有一定水準（不過台灣常用的台語，還是有侷限），這部分大家可以實際試試看即可。
而「專有名詞」的部分，例如專案特有的名稱、人物、技術、術噢，可以製作一份「專有名詞表」，在AI要轉錄前，先提供AI，請其根據這份「專有名詞表」來轉錄，往往就可以有很好的效果。
以前面提到的Google NotebookLM為例，我們可以先新增一份專有名詞對照表。
以Google NotebookLM為例，再請AI轉錄會議前，可以新增一份專有名詞對照表（圖／創意市集《高效職場生存法圖解》）
接下來在轉錄時，請AI除了分析錄音檔案，也要對照專有名詞對照表，修改會議筆記內容，就能獲得很好的辨識效果，更重要的是可以大幅度節省後續修改潤飾的寶貴時間。
【Step4】應用「三段式會議摘要」
我們當然可以讓AI把「所有逐字稿」都轉換出來，但這樣其實有點浪費了AI真正「整理」、「重組」、「分析」的能力。
用AI摘要會議紀錄，不是要它幫你「記住全部」，而是幫你「轉譯為可用資訊」。三段式結構最適合會議筆記與摘要：
背景議題：這段討論是在處理什麼？
重點觀察：過程中出現哪些關鍵數據、爭議或決策？
行動建議：這段話最後導出了什麼事要做？有責任人與時限嗎？
你可以在AI指令中明確要求輸出這三段內容，並加註需要標示會議參與者或引用關鍵數據，確保摘要可以立即使用。
用AI摘要會議紀錄，三段式結構包括：背景議題、重點觀察、行動建議，最適合會議筆記與摘要（圖／創意市集《高效職場生存法圖解》）
【Step5】從摘要轉譯為行動清單
會議中最常見的溝通語句是模糊的，例如：「這案子你再follow一下」、「那份簡報誰來處理好？」。如果只是轉錄逐字稿，很有可能只是一對類似這樣的雜亂語句，這時候可以請使用AI判讀以下三要素：
What：要完成什麼事？（如果能寫出具體項目與產出最佳）
Who：誰負責？（要寫上負責人，也要確保負責人知道自己要負責該項目）
When：什麼時候要完成？（最好有明確日期與時間）
示範指令：「請根據以下逐字稿，列出所有可辨識的任務，標示What（要完成什麼事？）／Who（誰負責？）／When（什麼時候要完成？），若有待確認的資訊請註記。」
【Step6】AI會議紀錄實作分享—節省60%時間、保留主導性
每次會議後，我習慣以下流程（當作示範參考，但你可以搭配不同工具）：
會議中用PLAUD.ai錄音並轉文字，確保內容完整。
將逐字稿餵給ChatGPT，依「三段式會議摘要」、「行動清單邏輯」輸出摘要與任務。
核對、補充細節後貼入自己的任務管理工具，並標注優先順序。
需要回報的部分請AI幫我起草Email訊息。
這個流程沒有一個步驟是全部交給AI，自己完全不動手，但AI幫我節省了大約60%的紀錄與輸出時間。我能花更多力氣去思考與決策，而不是被反覆聽錄音與整理報告綁架，但也不會完全由AI主導，結果我自己根本不知道真正的討論內容是什麼。
AI提示詞分享：快速把逐字稿轉成會議筆記、會後郵件
如果你想快速把逐字稿轉成有效的會議筆記、會後郵件，可使用以下指令：
你是一名「會議行動轉譯官」，任務是根據下面逐字稿生成會後追蹤Email。請嚴格依流程輸出：1. 會議摘要（三段式：背景議題／重點觀察／行動建議）2. 任務清單（What／Who／When）3. Email草稿（以專業、精簡語氣撰寫，結尾請列出下一個檢視節點）。請在內容中善用條列，確保收件者一眼就能掌握重點。逐字稿：（貼上逐字稿）
AI會議筆記方法論反思與實踐
1. 重新定義「寫會議筆記」的價值
寫會議筆記的本質是「為了讓事情推進發生」，而非停留塵封在共用資料匣的會議記錄當中。過去我們花大量時間確保每個字都被記下來，卻忽略了會後最重要的任務分工。現在有了AI工具，我們反而要重新調整焦點：不是把責任全部交給AI，而是善用AI把「會議噪音」過濾成「行動訊號」。
當AI接手機械性的紀錄工作後，你就能把注意力放在觀察會議中的人際互動、判斷決策背後的潛在風險，或是思考下一步策略。因此，你不再是敲鍵盤的人，而是提煉共識、設定優先順序的人。
2. 真正的效率來自「人機協同」
AI轉錄與摘要可以迅速提供初稿，但準確性、策略判斷與溝通語氣仍舊仰賴我們來掌舵。當你願意多做一個「人工校準」的步驟，補上情境背景、利害關係、專業措辭，也能讓AI處理得更好。而當我們有好的會議筆記，就能確保整個團隊朝正確方向前進。
3. 持續優化你的協作節奏
每個人面對的專案都不同，所以你需要跟AI溝通的專業術語，甚至你需要讓AI處理雜亂會議討論的邏輯都會有所不同。
上面提供的指令是基本版，你需要再根據自己的專案邏輯做修正客製化，根據自己需要的正式會議報告結構做調整。我們可以抱持一種「做實驗」的心態，把每次會後郵件當成一次實驗：
這次的AI prompt是否清楚？
任務欄位拆解是否滿足需求？
專業用語分析是否正確？
如此每一輪修正都會讓我們在「下一次」AI整理筆記的流程更貼近團隊需求。
AI會議筆記實戰QA：AI工具怎麼選？轉錄出錯怎麼辦？
Q：AI工具這麼多，我該怎麼選擇？
解答：工具百百種，我們時間很有限，別去追求最好的工具，而是思考現階段最適合你使用的。挑選時先從痛點出發：如果最需要節省聽打時間，專注於轉錄精準度；如果最在意資料安全，則優先考量支援端對端加密的硬體或雲端服務。
Q：AI轉錄的內容，直接使用會有風險嗎？
解答：會議逐字稿只是初稿。AI可能會在專有名詞、口音、語氣理解上犯錯。如果未經校對就直接使用，容易造成誤解。我們仍需親自把關確認，再更細緻地補上決策背景與情緒脈絡，才能確保最終對外訊息是精準且負責任的。
Q：AI摘要會不會讓我變懶惰，不再思考？
解答：AI幫你完成機械性的紀錄工作後，你反而能把精力轉移到判斷利害、預測風險、擬定策略，而這些才是對組織更有價值的工作。AI讓你成為更好的溝通者與決策者，而不是更懶惰的紀錄者，因為單純記錄在未來的價值會大幅貶值。
Q：如果講者口齒不清，AI轉錄還是會出錯怎麼辦？
解答：這是AI工具的極限，但我們可以利用下面這個會議小技巧來調整：遇到轉錄不精準時，可以在會議中使用「段落即時總結」技巧：由我主動複述「我確認一下，您剛才說的是……」來釐清語意。這個動作能建立共識，並在錄音過程也把模糊訊息轉成可執行的任務。
節錄自：創意市集出版《高效職場生存法圖解：工作被打斷、時間很零碎、會議一大堆也能高產出的技巧》／趙胤丞、電腦玩物站長Esor 著
推薦閱讀：
NotebookLM生成簡報、資訊圖表功能登場！實用技巧盤點
NotebookLM簡報怎麼修改？5招編輯方法實測，轉PPTX、線上改都行
會議記錄=逐字稿？專業會議紀錄只記3項重點｜寫法技巧、範本一次看
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
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
軟體工程師技能找工作
點擊技能可到對應的職缺工作區
PHPJavaPythonJavaScriptNode.jsHTMLCSSSassLinuxGitMySQLCC++SQLAngularRXcodeReactJSVueGolang程式語言找工作
PHP工作機會
[joblist_plugin title='【PHP】精選職缺' url='https://www.104.com.tw/jobs/search/?jobsource=blog_skill&mode=s&page=1&keyword=PHP&order=15' amount='4']
Java工作機會
[joblist_plugin title='【Java】精選職缺' url='https://www.104.com.tw/jobs/search/?jobsource=blog_skill&mode=s&page=1&keyword=Java&order=15' amount='4']
軟體工程師薪水找工作
月薪5萬月薪6萬月薪7萬月薪8萬年薪100萬待遇面議
問卷設計用AI怎麼做？Gemini輔助6步驟完成Google表單、自動分析結果
市場調查是很專業的工作，不過如果只是小規模的市調，也可以用AI工具幫忙設計，好處是可以快速獲得方向跟靈感，節省憑空構思問題的時間！作者以Gemini示範如何快速完成Google表單問卷，以及運用AI統計問卷結果並加以分析。本文節錄自《最強！Google AI 工作術》。
文／蔡宜坦、施威銘研究室
本文目錄（點擊可快速前往）
問卷設計快速生成！請AI幫忙設計問卷內容如何把準備好的問卷題目製作成Google表單？Google問卷表單回覆怎麼看？讓AI幫你深入分析問卷結果
企業若能掌握消費者的消費意向，便能推出更符合需求的產品或服務。想要了解消費者的需求與意願，最常見的方法就是做「市場調查」，例如新品試用調查、滿意度調查等，這些方式都能獲取消費者最真實的意見回饋。
然而，市場調查是很專業的工作，涉及問題分析、抽樣方法、樣本規模、問卷設計、問卷發放、問卷回收與結果分析等，每個環節都要謹慎處理，以免誤差影響分析結果。市面上有許多公司提供線上市調服務，但是大部分都需要付費。其實如果只是小規模的市調，也可以用AI工具幫忙設計，不僅如此，AI還能統計問卷結果並加以分析，會成為你的市調好幫手！這一節我們就要實做用AI協助做線上市調問卷的過程。
使用AI：
Gemini：https://gemini.google.com/
問卷設計快速生成！請AI幫忙設計問卷內容
假設你已經想好問卷的目標，例如想要問消費者對新產品的購買意願、想要調查某活動的滿意度等，在設計問卷時，就可以透過提示詞告訴AI你想做什麼，讓AI協助生成相關的問題。
下面就以「市集活動滿意度調查」為例，我們要請AI擬出10個問題，詢問消費者對活動中每個環節的滿意度，作為下次辦活動的參考：
【提示詞】幫忙設計〔問卷主題〕問卷要收集〔填入收集資料〕，可以參與問卷填寫後的〔填寫後提供獎勵或進一步互動方式〕我想知道〔描述目標使用者〕的顧客對於〔可輸入更多想提問的項目〕的滿意度和印象好（或不好）的地方請設計〔指定生成數量〕個題目
圖／旗標科技《最強！Google AI 工作術》
輸入提示詞後，AI馬上就做出一份問卷，包含問卷標題、問卷前言、還有10個題目的問答項目。像這樣請AI製作問卷，好處是可以快速獲得方向跟靈感，而且AI整理的問題有明確的架構，例如它先問活動體驗，再問回饋建議，最後才是填寫抽獎資料，這已經具備基本的問卷架構，可以節省憑空構思問題的時間。你也可以再請AI調整或是自行增減項目，製作出更符合需求的問卷。
【問卷設計】GEMINI生成結果：
包括：問卷標題、問卷前言（簡介問卷內容和說明獎勵機制），可提升受訪者的參與意願
圖／旗標科技《最強！Google AI 工作術》
擬出十個問題（節錄）
圖／旗標科技《最強！Google AI 工作術》
如何把準備好的問卷題目製作成Google表單？
假設AI產生的問卷題目大致符合需求，接著就要將題目製作成可正式發布的問卷。目前大多數線上市調都是以Google表單製作的，如果你從來沒有製作問卷的經驗，也可以請AI教你製作步驟，下面就為你示範（如果你對Google表單已經很熟悉，即可略過此部份的說明）。
1. 直接請AI教我們做：AI馬上列出操作步驟，跟著步驟即可將問卷內容建立成Google表單。由於前面已經請AI準備好題目，可以在設定題目時派上用場。
【提示詞】可以教我如何將問卷內容轉換成Google表單嗎？
圖／旗標科技《最強！Google AI 工作術》
2. 登入並新建Google表單：試著按照AI第1個步驟的說明，進入Google表單網頁：https://docs. google.com/forms/。進入Google表單後，會看到一個「+」鈕，按下此鈕就可以建立新表單，要在登入狀態才能使用這功能。
圖／旗標科技《最強！Google AI 工作術》
3. 輸入表單標題及說明：接著會進入「未命名表單」的填寫畫面，請依序輸入表單標題與問題/答案。只要將剛剛AI寫的內容依序複製過來即可。
選取並複製問卷標題，貼到表單標題欄位（可再自行修改）
選取並複製問卷前言，貼到表單說明欄位（可再自行修改）
圖／旗標科技《最強！Google AI 工作術》
4. 輸入表單問題及答案：接著開始輸入問卷中的問題／答案。之前AI已經幫我們把問題列好，直接複製到Google表單中即可，你當然也可以繼續視狀況調整。
複製AI寫好的問卷問題，將問卷的問題貼到表單中
選擇「評分」，就會自動出現五個星等的選項
按此「+」按鈕可以繼續新增下一個問題
圖／旗標科技《最強！Google AI 工作術》
5. 完成後選擇發布：請繼續依照相同的操作，陸續以AI生成的問卷內容為基礎，複製到Google表單，並視需求修改文字內容，表單內容會自動儲存在Google的雲端硬碟裡。最後，按下右上角的發布鈕，即可完成問卷的製作。
按下「發布」按鈕
目前設定是只有知道連結的使用者才能進入問卷頁面，再次按下「發布」鈕即可
圖／旗標科技《最強！Google AI 工作術》
6. 取得問卷連結：問卷發布後，我們只要取得這份問卷的連結，即可分享出去，比如將問卷網址置入社群網站或是電子報，邀請別人來填寫這份問卷。
已經發布的表單，這裡的發布鈕會變成「已發布」鈕，請按一下
圖／旗標科技《最強！Google AI 工作術》
按「複製作答者連結」按鈕。你可以勾選縮短網址項目，讓網址更簡短好記。按複製即可複製此問卷的連結，接下來就可以把這個連結分享給目標消費者了。最後按「儲存」鈕。
圖／旗標科技《最強！Google AI 工作術》
Google問卷表單回覆怎麼看？讓AI幫你深入分析問卷結果
延續前一節的內容，當顧客填完問卷後，可以等累積到一定的量（樣本數），再開始統計資料，以便從數據中統整出有價值的資訊。本節我們要先從Google問卷表單中取出顧客的回覆資料，接著就可以請AI來統計和分析問卷的結果了。
瀏覽Google問卷結果並另存新檔
問卷調查進行一段時間後，當你登入Google表單，切換到回覆頁次，即可瀏覽顧客的回覆。為了方便後續用AI分析結果，我們要將問卷結果匯出成Excel試算表檔案。
切換到「回覆」頁次可查看顧客的回覆。按下「在試算表中查看」即可自動將問卷結果匯出成試算表，點擊「建立」。
接著會自動開啟Google試算表，請執行「檔案 / 下載 / Microsoft Excel（.xlsx）」命令，將檔案儲存成Excel格式，並下載到電腦裡
圖／旗標科技《最強！Google AI 工作術》
提醒：如果下載的是逗號分隔值檔案（.csv），表單中有些中文字會變成亂碼，因此建議儲存為Excel檔。
請AI分析問卷結果
前面我們已經準備好問卷回覆的統計表（Excel 格式 /.xlsx），接下來只要把檔案丟給AI，就可以請AI幫我們分析了，非常方便！
【提示詞】協助分析活動的優缺點
直接把檔案丟給AI，請AI分析活動的優缺點。AI馬上做出優缺點分析報告，你可以看到整體評分、優缺點、改進建議等細節，也可以繼續發問，和AI討論怎麼做會更好
圖／旗標科技《最強！Google AI 工作術》
從這一章就可以知道，以前需要想破頭的文案，還有費時費力的問卷調查與分析工作，現在已經可以靠AI節省大把時間囉！就連研究報告也可以讓AI助你一臂之力喔！
節錄自：旗標科技《最強！Google AI 工作術：以 Gemini 3 為核心，串聯 NotebookLM 與滿滿 AI 工具, 搞定資料分析、簡報製作、 教育訓練等日常工作》／蔡宜坦、施威銘研究室 著
推薦閱讀：
搞定會議紀錄！AI語音轉逐字稿怎麼做？NotebookLM、Gemini操作解析
AI生成簡報工具怎麼選？Gamma、Felo、NotebookLM等6大AI工具推薦
如何用AI準備證照考試？NotebookLM學習備考超實用5步驟完整解析
有任何收穫或想分享的，都來和大家一起聊聊吧！