104學習

結構化程式設計

這項技能指的是運用明確且有條理的方法來撰寫程式碼,強調流程的分解與模組化,避免使用跳躍式結構如GOTO,提升程式的可讀性與維護性。具備這能力能讓開發過程更有效率,錯誤率降低,也方便團隊合作與後續優化,是軟體開發中基礎且重要的技術。

9,095 個相關職缺

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

C# .Net Framework系統基礎實作攻略
C# .Net Framework系統基礎實作攻略
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
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
APCS程式檢定(C++)【本課程為線上課,報名後專員會提供上課資訊】
APCS程式檢定(C++)【本課程為線上課,報名後專員會提供上課資訊】
智能文件編輯:AI和Word的整合
智能文件編輯:AI和Word的整合
專案矩陣分析與應用技巧
專案矩陣分析與應用技巧
APCS程式檢定(Python)【本課程為線上課,報名後專員會提供上課資訊】
APCS程式檢定(Python)【本課程為線上課,報名後專員會提供上課資訊】
.NET開發資料庫應用系統全方位-ADO.NET與Entity Framework(.NET Core)攻略
.NET開發資料庫應用系統全方位-ADO.NET與Entity Framework(.NET Core)攻略
C# 從零開始前進.NET物件導向程式全攻略
C# 從零開始前進.NET物件導向程式全攻略
學程式也能很好玩:不背語法寫Java
學程式也能很好玩:不背語法寫Java
【線上課程】 Python 基礎程式設計|開外掛勇闖 Python 異世界
【線上課程】 Python 基礎程式設計|開外掛勇闖 Python 異世界

精選證照

考取專業證照,讓能力被市場看見

程式語言 (C/Python) |
TQC+ 程式語言C認證之測驗對象,為從事軟體設計相關工作1至2年之社會人士,或是受過軟體設計領域之專業訓練,欲進入該領域就職之人員。 TQC+ 程式語言Python 3認證之測驗對象,為從事軟體設計相關工作1至2年之社會人士,或是受過軟體設計領域之專業訓練,欲進入該領域就職之人員。 學科技能規範:無技能規範 術科技能規範: 1. 基本程式設計 2. 選擇敘述 3. 迴圈敘述 4. 進階控制流程 5. 函式(Function) 6. 串列(List)的運作(一維、二維以及多維) 7. 數組(Tuple)、集合(Set)以及詞典(Dictionary) 8. 字串(String)的運作 9. 檔案與異常處理
財團法人中華民國電腦技能基金會
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
物件導向視窗及資料庫程式設計 (Java/C#/VisualBasic) |
「物件導向視窗及資料庫程式設計」證照核心旨在驗證開發者融合物件導向理論、視窗圖形使用者介面與資料庫應用的綜合實務能力。不論使用 Java、C# 或 Visual Basic 語法,持證者皆具備利用類別與物件建構視窗應用程式的技術,並能熟練處理事件驅動程式設計。此外,持證者亦精通資料庫連線、SQL 指令操作及資料存取邏輯,具備將前台介面與後端資料庫無縫整合的關鍵職能,是企業評估現代視窗軟體開發與資料庫應用人才的專業客觀指標。
尚未查核發照單位
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
程式設計Visual Basic 2008 |
Visual Basic 2008證照驗證持有者具備使用Visual Basic 2008開發應用程式的基本能力,涵蓋程式設計語法、物件導向概念、事件驅動設計及資料庫連接等技能。證照強調實務操作與問題解決能力,適合希望從事軟體開發、系統維護及相關資訊工作者,提升就業競爭力與專業技術水準。
財團法人中華民國電腦技能基金會
基礎物件導向程式語言 (Java/C#) |
「基礎物件導向程式語言 (Java/C#)」證照旨在驗證初學者對於物件導向核心觀念與基礎語法的理解與實作能力。持證者已掌握 Java 或 C# 的基本邏輯、資料型態與流程控制,並能運用封裝、繼承及多型等基本物件導向特性進行初階程式設計與問題解決。此認證是進入軟體開發領域的重要基石,能證明持證者具備良好的邏輯思維與工程潛力,有效提升初入職場的競爭優勢。
尚未查核發照單位

精選貼文,掌握第一手知識

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
【104職場力】・AI

精選 開會、寫信、簡報、交接,AI幫完還是卡關?4種協作工作先想對方要什麼

會議紀錄寫很長,卻沒人說得清誰要做什麼?信改得很客氣,對方還是不知道要回什麼? 跟人協作的工作,AI最容易幫倒忙的地方,是它不知道「另一個人」需要什麼。 第二季四種協作工作,一樣共用同一個骨架: 1. 交代目的與標準:這份東西要讓誰做什麼? 2. 排好先後步驟:先拿中間產物,確認後再往下做 3. 要求附上依據:原話、資料來源、例外狀況,讓你能驗收 套到四種工作,各有一個先後順序: ① 整理會議|先抓決議,再寫紀錄 先列出這場會要拍板的問題,再請AI逐項整理決議、負責人、期限,附上原話;沒說清楚的標「待確認」,沒結論的另外列。 ② 寫難開口的信|先想對方怎麼回,再動筆 先交代雙方關係和這封信要對方做什麼,分開寫語氣和不能退讓的底線;寫完請AI扮收件人回一封,看看哪裡會卡住。 ③ 做簡報|一頁一句結論,先排故事線 每頁先寫一句結論,依問題、證據、建議排順序;再看聽眾要做什麼決定,把用不到的頁移出主線。 ④ 寫SOP與交接|讓AI先訪問你,再寫步驟 不要只給一個標題,請AI一題一題問你實際怎麼做;補上例外和判斷點,最後請它用新人的角度讀一遍。 最常見的三個錯誤: ・把逐字稿、客戶資料整份貼進去,沒先確認公司規定、去除個資 ・負責人、日期讓AI自己猜,沒找當事人確認 ・AI模擬的回覆、試讀,被當成對方已經同意 小練習:挑一件這週要跟別人協作的工作,先寫下這一句再交給AI—— 「這份東西是給__的,看完我希望他__。」 比較一下,和你平常直接說「幫我整理/幫我寫」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」第二季四堂已經上線,免費報名就能看: 第5堂|5分鐘學會用AI整理會議 https://nabi.104.com.tw/course/104nabi/2fefe44f-c3e6-4499-a854-b68cb7915b86 第6堂|5分鐘學會用AI寫難開口的信 https://nabi.104.com.tw/course/104nabi/3acb180b-67ff-45db-9d40-a90639d2f6e8 第7堂|5分鐘學會用AI做簡報 https://nabi.104.com.tw/course/104nabi/bfbe4983-6e83-40d3-bfee-4221376928c6 第8堂|5分鐘學會用AI寫SOP與交接 https://nabi.104.com.tw/course/104nabi/d9bb9851-a417-4d4c-abc5-58295acd2149 還沒看第一季(寫企劃、做研究、看數據、審提案)的話,也可以從第1堂開始: https://nabi.104.com.tw/course/104nabi/57aed01b-9d82-4438-b09e-e2367abc0207 也歡迎在留言分享:開會、寫信、簡報、交接,你最常卡在哪一種? 使用提醒:AI可能出錯,重要資訊請自行查證;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。
104學習・AI 趨勢報-科技愛好者的產地🤖

OpenAI 正式推出 GPT-5.2 — 讓 AI 從「回答問題」邁向真正的「完成工作」

最新發布的 GPT-5.2,是一個專為知識工作與專案執行而進化的重大版本。它不只是速度更快,而是更能在現實工作場景中交付成果,是企業導入 AI 時非常值得關注的里程碑。 五大核心亮點: 1.專業工作成品輸出能力全面提升 GPT-5.2 能協助製作試算表、簡報、程式碼與多步驟任務,產出的品質更接近專業人員標準。 2.更強的長文本與圖像理解能力 在處理大型文件、資料推理、流程拆解與跨工具任務時,整體可靠性與精準度明顯提升。 3.多領域知識工作全面升級 官方測試顯示 GPT-5.2 在 44 種不同知識工作上都展現更高的一致性與專業度。 4.更穩定的程式設計與邏輯推理能力 在複雜程式碼、架構規劃與問題排錯上表現更成熟,適合用於正式開發流程輔助。 5.企業導入 AI 的效益更加量化 更聰明的工具整合、更快的任務完成速度,意味著企業在成本、效率、產能提升上的投資報酬率會更明確。 整體觀察 GPT-5.2 代表著 AI 角色的轉變:它不再只是協助思考,而是真正能夠代替人力完成許多標準化、繁瑣、可程式化的知識工作。對需要提升效率、降低成本、快速擴張產能的企業來說,這是一個非常關鍵的技術節點。 完整資訊可見 OpenAI 官方: https://openai.com/zh-Hant/index/introducing-gpt-5-2/ 如果你想看我如何評估 GPT-5.2 對企業實務導入的影響,也可以留言,我會分享更多實際應用場景與策略建議。
林尚能・戰勝學院

.NET 開發者必看!學會滲透測試思維,加速修補資安漏洞並提升系統穩定性

恆逸開課時間查詢:https://www.uuu.com.tw/Course/Show/1501/1 恆逸學員徐英智: C# 全端開發兼顧穩定與資料安全 我目前在一家以軟體開發為主的科技公司擔任全端工程師,主要使用 C# 和 .NET 平台開發各類應用程式。工作上,我負責的範圍涵蓋後端系統架構設計到前端畫面的串接。我也會與美編人員、測試人員一起討論技術方案,並處理系統整合的問題。我們的客戶大多是公部門,因此系統在穩定性、擴充性及資料安全方面的要求都非常高。 🎯 藍紅軍攻防實務滿足工作所需 公司正在計畫投標更多不同領域的專案,在證照要求上需要有更多同事擁有 C# 相關證照。我覺得這門課最大的吸引力是內容非常完整,從防禦到攻擊的部分都有涵蓋,特別是針對藍軍防禦與紅軍攻擊等主題,都有搭配實務講解。這些正好是我目前工作上非常需要了解的內容。 🛡️ 從攻擊視角掌握資安防護精髓 講師的教學方式非常豐富,不只侷限於課本內容,而是從多個角度搭配實際案例來說明重點。印象最深的是在講解「程式撰寫的資安防護」時,講師不只是單純地說明理論與原則,而是透過實際的攻擊範例,來展示網站在有防護與沒防護時的差別。透過這樣的實作演示,我能夠更直觀地理解各種漏洞的成因與攻擊手法,也學會了如何在開發階段就建立正確的安全意識。這對我特別有幫助,因為我在工作中經常需要修補系統漏洞、分析滲透報告。課程讓我更清楚地了解滲透測試人員在檢測時的思維與方式,能更有效地從防禦角度思考問題,預先避免潛在風險。這樣的實務教學方式,讓我在資安防護上不再只是照著規範執行,而是真正了解背後的邏輯與意義。 🔍 Proxy 工具實戰應用發現潛在弱點 讓我印象深刻、甚至覺得意想不到的收穫,是學到了 Proxy 工具在滲透測試中的進階應用。以前我只知道這類工具能攔截封包做基本分析,但在課程中,講師深入示範了如何利用 Proxy 來模擬實際攻擊、測試網站的安全防護機制,這才讓我意識到這類工具的潛力。透過上課,我發現可以在專案系統上線前,先用這個工具自行進行測試,檢查是否存在漏洞或防護不足的地方,這不僅能提早發現問題,也能減少上線後修補的時間與成本。上完課的隔天,我立刻將這些方法運用到工作中,重新檢查過去負責的專案系統,找出一些過去未注意到的潛在弱點。實務操作的經驗,也幫助我在考證過程中,能更快速地判斷並找到問題的答案。 🚀 資安課程助學員快速理解攻擊手法強化防護爭取升遷 這門課對我工作的幫助可說是立竿見影。回到公司後,我剛好收到幾份滲透測試報告需要修補漏洞,便立刻回想課堂上學到的觀念與技巧。以前看到這類報告時,常需要花時間去理解攻擊手法與漏洞成因,但現在我能更快掌握滲透人員的思維角度,也能準確判斷問題所在,迅速找到程式中需要修補的部分並完成防護強化。更重要的是,這次的學習讓我對資料防護與網路架構的整體概念有了更深入的理解,能夠以更全面的視角來思考系統安全。我現在也能更直觀地提出自己的建議與想法,並主動分享課程中學到的資安觀念與防護技巧。最後,我希望自己能順利在下個月取得 CASE .NET 的證照,爭取公司提供的額外獎勵與升遷機會。 索取課程優惠:https://www.uuu.com.tw/Forms/CourseInfoRequest?courseId=CASENet&mediaSrc=104
精誠資訊恆逸教育訓練中心・資訊安全

30份檔案作文一次改完!Codex批次處理怎麼做?用「批次流水線5元件」自動產出總表

需要大量處理30份作文、50張發票、200份履歷,還在一份一份丟給AI嗎?本文作者以批次「批改作文」為例,拆解「批次流水線5元件」,教你用Codex建立可重用的批次Skill,跑完自動產出彙整總表;文末也整理了發票、履歷、合約3種行業的改法,可以直接對照。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) 目標:多檔案批次處理工作流不同職業完成後能拿來幹嘛?動手做前準備清單批次流水線5元件:缺一個就會出事動手實作:多檔案批次處理工作流3種行業版本:批次處理發票、履歷、合約 目標:多檔案批次處理工作流 「把30-100個檔案丟到一個資料夾,告訴Codex動作,多核心並行跑、失敗自動重試、跑完丟出summary.xlsx」,這是學完本文後你的日常。 輸入:input/內30個.docx(或.pdf / .jpg)。 輸出:output/內30個結果檔 + logs/batch.log + summary.xlsx。 阿亮獨家「批次流水線5元件」: 批次讀取 → 並行 → 進度 → 重試 → 彙整 5元件缺一不可。本文把它包成一個可重用的批次Skill,之後處理任何「N個檔案」需求,一句話就觸發。學完不只批改作文,發票OCR、履歷篩選、合約風險檢測都用同一套。 不同職業完成後能拿來幹嘛? 行業批次任務輸出教師30份.docx作文 → 評語30個.md + summary.xlsxSOHO50張發票.jpg → OCR50個.json + invoices.xlsxHR200份履歷.pdf → 5維評分每份.md + 通過/待面試/不通過名單律師50份合約.pdf → 風險條款每份摘要 + 整體評估.xlsx 動手做前準備清單 項目規格Codex CLI已裝,Codex CLI 、桌面App原始檔案30-100個同類檔案(.docx / .pdf / .jpg)檔案位置全部放在同一個資料夾單檔處理動作清楚知道「對單檔要做什麼」Python套件concurrent.futures、pandas、依檔型python-docx / pypdf / Pillow(Codex自動裝) 批次流水線5元件:缺一個就會出事 元件做什麼沒有的後果1 批次讀取掃描資料夾、過濾副檔名漏檔、誤讀2 並行多核心同時處理30份跑30倍時間3 進度每N份印一次「15/30」不知道卡住還是在跑4 重試單檔失敗最多3次1個壞檔讓整批停擺5 彙整個別輸出 + summary.xlsx30個檔不知道整體結果 兩種「並行」不要混為一談: 類型工具用在哪並行單位Python腳本層並行concurrent.futures一支Python程式同時跑8個檔案OS執行緒/行程Codex對話層並行Codex內部subagents一個Codex任務fork多個subagentLLM推理session 本章用「腳本層並行」:對30個檔案跑同一個邏輯,每個檔案不需要獨立的LLM推理。如果每個檔案都用subagent跑,會吃掉30倍token,慢又貴。subagent留給「30篇論文同時做深度摘要」這類需要獨立思考的任務。 補充:2026新利器spawn_agents_on_csv當你的任務確實需要「每一列開一個獨立分身去想」(例如30位學生各自寫一段深度個人化評語、300筆客戶各自產一份分析),Codex子代理人支援spawn_agents_on_csv,餵一份CSV,它會逐列派工給多個subagent,並可指定統一的輸出schema(設定寫在子代理人TOML)。判斷原則不變:同一套邏輯套N個檔 → 用本文的腳本層並行就好;每個檔要獨立思考 → 才動用spawn_agents_on_csv。 動手實作:多檔案批次處理工作流 步驟1:建環境 macOS / Linux: mkdir -p ~/batch-work/{input,output,logs} cd ~/batch-work Windows PowerShell: mkdir $HOME\batch-work\input mkdir $HOME\batch-work\output mkdir $HOME\batch-work\logs cd $HOME\batch-work 分成3個資料夾是好習慣:input只放原始檔(唯讀心態)、output只放結果、logs存執行紀錄,失敗時就知道去哪找錯誤。 手上沒有30份檔案可測? 也可以直接對Codex下指令:「幫我生30份500字模擬作文存成input/essay_01.docx ~ essay_30.docx,品質故意做出高中低差」。 把30個檔案丟進input/,注意3件事: 直接複製到input/,不要在裡面再分子資料夾,批次腳本預設掃單層 檢查副檔名一致(避免.docx跟.doc混在一起) 確認檔案數對: macOS / Linux: ls input/ | wc -l Windows PowerShell: (dir input\).Count (圖/博碩文化《ChatGPT × Codex全攻略) 步驟1-1:先建essay-feedback Skill(批次要呼叫的單檔工具) 這裡最容易卡住:步驟3的批次prompt會「每份套用essay-feedback Skill」,所以這支Skill要先存在,批次才有東西可以呼叫。它就是把「三段式思考(CoT)」批改流程包成Skill的小工具,現在花5分鐘就能建好。 建立方式:先用下方指令開一個Skill資料夾,再用記事本或VS Code在資料夾裡新增SKILL.md,貼上下方「essay-feedback 隨書附檔」的完整內容: # macOS / Linux mkdir -p ~/.agents/skills/essay-feedback # Windows PowerShell mkdir $HOME\.agents\skills\essay-feedback essay-feedback 隨書附檔: --- name: essay-feedback description: 批改一篇學生作文(.docx / .md / .txt)並產生 100-150 字個人化評語。觸發詞:作文批改、評語、essay feedback、作文評語產生器、批改作文。 --- # 作文評語產生器 ## Steps 1. 讀入單一作文檔(純文字、不含格式) 2. **Stage 1 step-through**: - 字數統計(總字數 / 段落數) - 主旨抓取(一句話總結這篇在寫什麼) - 結構分析(起承轉合 / 論點論據 / 時序) 3. **Stage 2 self-audit**: - 列 3 個「寫得好的地方」(必須引用原文片段,不可空話) - 列 3 個「可改善的地方」(必須具體、可執行) 4. **Stage 3 final answer**: - 寫 100-150 字評語:肯定 1 個強項 + 建議 2 個改進 + 勉勵 1 句 - 評語語氣:對國中小學生用鼓勵語氣;對高中以上用建設性語氣 ## Rules - MUST:評語必須引用作文原文(用「『...』」括起來,至少 1 處) - MUST:建議必須可執行(「下次寫人物時可以加一個具體動作」而不是「加油」) - MUST:字數 100-150(不可超過 150) - NEVER:「同學們」「你們」「大家」(這是給個人的評語) - NEVER:「應該」「必須」「一定要」(建議句改用「可以試試看」「下次或許」) - NEVER:在沒讀作文的情況下產評語(空檔案直接回報「檔案無內容」) ## Output Format ```text 【評語】 (100-150 字評語段落) 【強項引用】 原文:「...」 評:(一句話說明為什麼好) 【改進建議】 1. (具體可執行) 2. (具體可執行) ``` 核心是frontmatter的name: essay-feedback + description觸發詞,加上三段式批改流程與MUST/NEVER規則。 順帶一提,建立Skill有三種方式:$skill-creator引導式、macOS Codex App的Record & Replay錄製、手動建立資料夾,像這種內容已經寫好的小Skill,手動複製最快。 驗證有沒有生效,進Codex對話丟一句: 用 essay-feedback 跑一份測試作文(隨便貼 200 字進來) 看到「【評語】【強項引用】【改進建議】」三段結構化輸出 = 安裝成功。 (圖/博碩文化《ChatGPT × Codex全攻略) 步驟2:寫批次Skill 用「批次作文批改」當範例。SKILL.md路徑: ~/.agents/skills/batch-grade-essays/SKILL.md (user級;若要團隊共用改repo級.agents/skills/...。) 完整內容: --- name: batch-grade-essays description: 對資料夾下所有 .docx 跑「作文評語產生器」並彙整 summary。當使用者說「批次批改」「批次作業」「整批評語」「資料夾批改」時觸發。 --- # 批次作文批改 ## Steps 1. 掃描 ~/batch-work/input/ 下所有 .docx 2. 對每份: 2.1 讀取內容(python-docx) 2.2 套 essay-feedback(作文評語產生器)Skill 2.3 輸出 ~/batch-work/output/[原檔名]_評語.md 2.4 紀錄到 logs/batch.log 3. 並行處理(最多 8 個同時,依 CPU 核心數) 4. 失敗重試 3 次 5. 全完成產 summary.xlsx ## Rules - MUST:每檔獨立處理(一份失敗不影響其他) - MUST:失敗紀錄含原因(檔名 + 錯誤訊息) - NEVER:跑到一半放棄整批 - NEVER:覆蓋 output 已存在的檔案(除非加 --force) - SHOULD:每 5 份印一次進度 - SHOULD:跑完印「成功 X、失敗 Y、總耗時 Z」 ## Tools(依檔案類型選用) - .docx:python-docx - .pdf:pypdf(純文字 PDF);掃描型 → pdfplumber 或先 OCR - .jpg / .png:Pillow + pytesseract - .xlsx / .csv:pandas + openpyxl - 並行:concurrent.futures.ThreadPoolExecutor(I/O bound 如 OCR / API) ProcessPoolExecutor(CPU bound 如純運算) 註: I/O bound:卡在「等讀寫、等網路回應」的工作,例如OCR、呼叫API,適合用ThreadPoolExecutor。 CPU bound:卡在「純算數」的工作,適合用ProcessPoolExecutor。分不清就先用ThreadPoolExecutor,本文的檔案處理多半屬前者。 Rules是Codex的「品管SOP」,寫得越明確,AI越不會偷工。 步驟3:跑批次 先搞懂機制,別被SKILL.md的「2.2套essay-feedback」誤導:Python腳本本身不能「呼叫」另一支Skill。真正的分工是,Codex在對話裡對每份檔案套essay-feedback產出評語,concurrent.futures這類腳本層並行只負責讀檔、寫檔、記log這種I/O苦力。所以下面「觸發批次Skill」時,是Codex逐檔重跑審文工作流,不是一支Python迴圈自己把評語生出來。要離線排程無人值守時,改用codex exec逐檔驅動。 觸發Skill: 請執行「批次作文批改」Skill: - 輸入:~/batch-work/input/ - 輸出:~/batch-work/output/ - 並行數:8(4 核 CPU 改 4,看你機器) - 每份套用:essay-feedback Skill (步驟 1-1 已建好 ~/.agents/skills/essay-feedback/) - 每 5 份印進度 並行數不要設太高:設16-32容易被OpenAI rate limit擋掉,或記憶體會爆掉。先設定4或8試試看。 進度輸出長這樣: [batch-grade-essays] Start: 30 files, 8 workers [5/30] ok 001_王小明.docx [10/30] ok 002_李大華.docx [15/30] ok 005_陳小美.docx [20/30] FAIL 008_格式怪.docx (retry 1/3) [20/30] FAIL 008_格式怪.docx (retry 2/3) [25/30] ok 012_張小華.docx [30/30] ok 030_趙最後.docx ============ Summary ============ 成功:29 失敗:1 (008_格式怪.docx,重試 3 次仍 ERROR) 總耗時:1m 47s 詳見 logs/batch.log (圖/博碩文化《ChatGPT × Codex全攻略) 看到「成功X、失敗Y、耗時Z」三行 = 批次跑完,可以開始檢查失敗檔。 (圖/博碩文化《ChatGPT × Codex全攻略) 步驟4:驗收 + 處理失敗 + 彙整 數一下output: macOS / Linux: ls ~/batch-work/output/ | wc -l # 預期 30(或 29 + 1 失敗) grep "ERROR" ~/batch-work/logs/batch.log Windows PowerShell: (dir $HOME\batch-work\output\).Count Select-String "ERROR" $HOME\batch-work\logs\batch.log 數對就代表正常。如果少了幾份,查看log內的ERROR,把失敗檔名抓出來。 處理失敗檔(不要整批重來): 請看 ~/batch-work/logs/batch.log, 找出標記 ERROR 的檔案與原因。 對每個失敗檔: 1. 顯示原因(檔案損毀、格式不支援、套件版本不對) 2. 提出對策(修檔、跳過、改規則) 3. 只重跑這幾個失敗檔,不要動已成功的 請切記,不要整批重跑,因為已成功的會被覆蓋一次,浪費API額度。 產出summary.xlsx: 請產 ~/batch-work/output/summary.xlsx: 欄位(每檔一列): - 學生姓名(從檔名抓) - 字數 / 強項 / 改進項 - 評語連結(指向 output 內的 .md) - 處理時間(秒) - 狀態(成功 / 失敗 + 原因) 加 Excel 篩選器: - 可以篩「字數不足」 - 可以篩「需特別關注」 - 可以篩「狀態 = 失敗」 summary.xlsx長這樣: 姓名字數強項改進項評語連結耗時狀態王小明520結構清楚用詞貧乏001_王小明_評語.md3.2成功李大華380敘事生動字數不足002_李大華_評語.md2.8成功008_格式怪-----失敗 老師/主管1分鐘看完全部處理結果。 (圖/博碩文化《ChatGPT × Codex全攻略) 3種行業版本:批次處理發票、履歷、合約 SOHO版:50份發票OCR 項目怎麼改輸入50張發票.jpg / .png單檔動作OCR萃取「金額、日期、發票號、品名」輸出每張一個.json + 統合invoices.xlsx套件Pillow + pytesseract(或請Codex用視覺辨識) Codex可直接讀圖(在對話內attach圖檔當輸入),不一定要本機跑tesseract。歪斜、低解析的手機翻拍照,傳統OCR常吃鱉,先拿3張試Codex視覺辨識,跟pytesseract結果比一比,再決定整批走哪條路。 【注意】要走pytesseract路線,得先另裝Tesseract本體pip install pytesseract只裝了Python的橋接層,真正做OCR的Tesseract引擎要另外安裝(Windows下載官方安裝檔、macOS brew install tesseract、Linux apt install tesseract-ocr),還要加裝繁中語言包chi_tra。嫌麻煩就直接走Codex視覺辨識,省掉這一整串安裝。 HR版:200份履歷篩選 項目怎麼改輸入200份履歷.pdf單檔動作CoT + 評分Skill(5維評分 + 一句評語)輸出每份一個.md + summary(通過/待面試/不通過)並行建議4-8(pypdf解析PDF慢) 履歷含個資:用Codex評分時,履歷內容會送交OpenAI處理,不是純本機。先去識別化(遮掉姓名、電話、地址、身分證)再丟給Codex;要完全不外傳,就用Codex寫好的評分腳本自己在本機跑,並跑完刪對話歷史。 律師版:50份合約找風險 項目怎麼改輸入50份合約.pdf單檔動作三段CoT找風險條款(保密、違約、解約、智財權)輸出每份一份風險摘要.md + 整體評估表.xlsx並行2-4(保守,合約敏感寧可慢不要錯)隱私合約內容會經OpenAI,走Business / Enterprise方案(資料不作訓練、可簽DPA);極機密改用組織核可的離線工具,或先去識別化再跑 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
【104職場力】・AI

【ChatGPT當機】除了ChatGPT還有哪些生成式AI?16種AI工具應用解析,4步驟學會關鍵能力

生成式AI除了ChatGPT,你還用過哪些?本文解析4大領域、16種AI工具特性,包括:Copilot、Perplexity、Claude等等,專家也提醒千萬別完全依賴AI、失去自主思考能力,4步驟帶你了解如何正確運用AI工具,建立解決問題的思考框架! 編按:ChatGPT在台灣時間7月16日上午再傳大當機,網頁、APP版都出現異常,用戶除分享當機災情,也尋找替代工具,本文分享除了ChatGPT,還有哪些生成式AI工具! 文/ 張可佳(Claire Chang) 本文目錄(點擊可快速前往) 16種生成式AI工具4大領域應用文本生成(LLM)工具影像/影片生成(Text-to-Image)工具音樂/聲音生成工具程式碼生成工具生成式AI的正確/不正確使用範例正確使用AI的例子:輔助學習不正確使用AI的例子:完全依賴翻譯工具4步驟用ChatGPT訓練解決問題的思考框架1. 明確定義問題與期待結果2. 重視問答過程並在過程中做思考3. 根據反饋一步一步探索你要的目標4. 快速測試及驗證回應 16種生成式AI工具4大領域應用 在生成式AI的世界裡,許多人可能首先想到的是OpenAI的ChatGPT。然而,生成式AI的應用範圍遠不止於此,涵蓋了從文本生成到圖片、影像、音樂、語音生成,甚至程式碼生成的多個領域。以下是一些主要的生成式AI工具,介紹它們在不同領域的應用。 文本生成(LLM)工具 1. OpenAI的ChatGPT 網址:https://chatgpt.com/ 最受歡迎的文本生成模型之一,能夠回答問題、撰寫文章、生成對話等。 2. Google的Gemini 網址:https://gemini.google.com/app 能夠同時理解文本、影像、音訊和影片,這使其能夠更全面地處理和生成資訊,適用於各種複雜任務。 3. 微軟的Copilot 網址:https://copilot.microsoft.com/ 整合Microsoft 365應用程式,幫助用戶自動化任務、生成內容和分析資料,提升工作效率。 4. Anthropic的Claude 網址:https://claude.ai/ 超大的上下文窗口,可處理長的文本資料。 5. Perplexity 網址:https://www.perplexity.ai 與傳統搜尋引擎不同,Perplexity AI提供單一的、全面的答案,概括了所有需要知道的資訊。 6. Felo Search 網址:https://felo.ai/search 支持多語言搜尋,能夠自動翻譯搜尋結果,消除語言障礙,使用戶能夠訪問全球資料。搜尋結果是從網際網路上即時獲取的,確保資訊的最新性和準確性。 影像/影片生成(Text-to-Image)工具 1. Meshy 網址:https://www.meshy.ai/ 從文本或影像創建3D建模檔案,從而加速3D建模的流程 2. Midjourney 網址:https://www.midjourney.com/ 以創作高品質影像而著稱,適合藝術家和設計師使用。 3. Stable diffusion 網址:https://stability.ai/stable-diffusion 開源社群網址:https://civitai.com/  開源的影像生成模型,提供靈活且可自定義的生成過程。並有著豐富的開源模型社群,有豐富的免費模型與外掛可供嘗試使用。 4. Kling 網址:https://klingai.com/ 影片及圖片生成的大模型,能更輕鬆地完成藝術影片創作。 音樂/聲音生成工具 1. Suno 網址:https://suno.com/ 音樂生成AI工具。使用者只需要輸入歌詞,就可以在短時間內自動完成作曲、編曲及演唱。 2. Steve AI 網址:https://www.steve.ai/ 專門用於生成音樂和聲音效果,適合影片和遊戲設計。 3. AudioCraft 網址:https://audiocraft.metademolab.com/ Meta開發的音樂生成工具,能創作高品質的音樂片段。 程式碼生成工具 1. Github的Copilot 網址:https://github.com/features/copilot 與Visual Studio Code整合的程式碼輔助工具,能夠即時補全程式碼。 2. Cursor 網址:https://www.cursor.com/ 使用GPT-4,在一種新型編輯器中撰寫、編輯的程式碼。 3. Cosine AI 網址:https://cosine.sh/genie 推出了Genie,自稱全球最優秀的AI軟體工程師。 生成式AI的正確/不正確使用範例 筆者在撰寫此書籍時,為了更深入了解各行各業中人們使用生成式AI的情況,訪談了20餘位不同行業和角色的職場菁英。 其中,來自5IN實驗教育機構的李有誠博士,身處教育界,對生成式AI的影響有深刻見解。他認為生成式AI是一種革命性的技術,不僅改變了知識的傳遞方式,更可能重塑人類社會的結構。 李博士強調,生成式AI的強大之處在於其能在短時間內處理和生成海量數據與資料,超越人類能接受、理解和消化的能力。這種能力有可能引發許多職位、人類角色、認知和信念的興起與消失,導致社會結構的快速變動,也因此導致現代人們容易自我定位錯亂,迷失自我。 為了應對這種變動,他認為教育的核心任務應該是幫助學生進行自我探索與定位,探索自我價值觀,建立自我人格。人的想法和人格並非純粹內生,而是受到外部環境和參考資料的影響而形成。只有當學生能夠更快地了解自己與環境時,才能更有效地適應這些變化。  因此,社會對教育的觀念也需要隨之改變,應更加重視思考能力和人文素養的培養,而非僅僅追求分數或知識的學習。建立解決問題的思考框架,而非僅依賴AI提供的知識,將成為未來AI時代最重要的軟實力。 他也提及我們應謹慎使用AI功能,以確保能從中受益而不是依賴。  正確使用AI的例子:輔助學習 在完成英文創意寫作後,可以使用AI工具(如Grammarly、ChatGPT)來檢查文法錯誤。這種使用方式能夠幫助學生識別和理解自己在語言使用上的錯誤,進一步辨認出自己需要調整的地方,提高語言能力。學生完成寫作後,將其提交給AI 檢查,然後將AI指出的錯誤列出並理解這些錯誤的原因,再進一步請教師解釋和指導。接下來,學生按照對自己現況能力的新了解而更有針對性的進行下一步的成長,方能達到提高能力的目標。  正確使用AI-輔助學習指令: 請檢查這篇英文文章的文法錯誤,並列出有哪些錯誤及其原因。我想學習並了解我的寫作問題,從而改進我的英文能力。以下是我的文章內容:[ 在此貼上文章內容] 不正確使用AI的例子:完全依賴翻譯工具 在創意寫作時,直接使用Google翻譯將中文文本轉換為英文,然後將這些翻譯結果提交作為作業。這種做法完全沒有涉及到發自於學生本身的任何自主思考,錯失了練習英文的機會,沒有達到學習的目的,反而浪費了時間和資源,變成老師根本就是批改電腦生成內容的滑稽景象,也可能誤創造出學生有在學習的假象。 不正確使用AI-完全依賴工具: 我有一篇中文文章,請你將其翻譯成英文,並確保翻譯後的結果看起來像是創意寫作,能直接提交作為作業。以下是文章內容:[ 在此貼上文章內容] 4步驟用ChatGPT訓練解決問題的思考框架 從上面的範例我們可以知道,我們並不是要完全依賴AI替我們工作,而是將其視為一個強大的輔助工具,在我們的指導下,共同完成目標。我們可以將AI視為自己的下屬,而自己則是主管,負責引導、審視並做出最終決策。 1. 明確定義問題與期待結果 首先,我們需要清晰地定義問題,了解自己想獲得的結果,並附上相關參考資訊,為AI提供明確的指示。就像一位主管在下達任務時,需要讓下屬明確理解工作要求和目標。這樣,AI才能根據我們的指引生成符合預期的結果。 【市場分析報告】指令範例: 我需要生成一份有關市場分析的報告,目標是瞭解我們的新產品在台灣不同市場中的潛力。產品資訊:辣木籽(維持健康 促進新陳代謝 調節生理機能),印度稱其為【奇蹟之樹】,來自印度的超級食物,風靡全球 營養價值高 2. 重視問答過程並在過程中做思考 在這個過程中,我們扮演的角色不僅僅是提出問題,更重要的是評估AI的回應。當AI生成回應後,我們需要像主管審閱報告一樣,仔細檢查其中的邏輯和合理性。對於發現的任何不合理之處,我們要進一步探詢或查證,確保最終的結果是準確可靠的。 【客群分析】指令範例: 以這三種不同客群來說,在行銷包裝上分別要注意什麼?中老年人、關注健康的年輕專業人士、重視養生的族群 3. 根據反饋一步一步探索你要的目標 此外,我們應該善用AI提供的反饋,逐步逼近我們的最終目標。這就像在管理一個專案時,我們根據進展情況進行調整和最佳化,最終達成預期的成果。這種持續的互動和調整,是確保AI能夠有效協助我們解決問題的關鍵。 【行銷策略】指令範例: 有沒有一種行銷可同時打中這三種族群? 4. 快速測試及驗證回應 在利用AI解決問題的過程中,我們需要對AI回應的內容進行驗證。透過一來一回的過程,我們能從中學習到我們原本不知道的東西,並產生最終品質更好的結果。這不僅能提高我們的工作效率,也能讓我們從過程中學習,增強我們處理跨領域問題的能力,讓我們透過AI來提升工作能力及效率。 【行銷管道】指令範例: 中老年使用部落客推薦會有用嗎?有推薦管道嗎? 這時我們就可以去Google搜尋其他保健食品與醫生或健康專家合作做推薦的案例(可以使用Perplexity或Felo Search去搜尋相關文章),並評估可行性和過往的成效。我們可以將搜尋到的資料再貼回ChatGPT,幫助ChatGPT有更多符合我們需求的相關知識,並提供更好的後續回應。 節錄自:博碩文化《AI職場超神助手:ChatGPT與生成式AI一鍵搞定工作難題/張可佳(Claire Chang) 著 》 更多【AI工具應用】推薦: 盤點20大職場必備AI工具!專家:未來9成工作者都須懂AI ChatGPT整理Excel表格超快速!用AI輕鬆搞定複雜資料 ChatGPT一鍵生成簡報!Slides Maker讓AI幫你快速做完整簡報
【104職場力】・AI

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的主要功能Hooks、Skills、MCP、排程都學了,工作卻沒有變輕鬆?作者提醒「工具≠系統」,提供教師、工程師、研究者3種範本與藍圖模板,帶你用Claude Code設計專屬的AI工作系統。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) 工具學完了,系統還沒設計步驟1:盤點你的工作類型步驟2:3種典型使用者的系統設計步驟3:設計你的專屬藍圖步驟4:產出藍圖文件範例:王老師的AI工作流藍圖(教師版成品) 使用工具:Claude Code(需付費方案,免費版不能用) 安裝說明:Claude Code官方安裝說明 不想用終端機:下載電腦版,直接在桌面程式中使用Claude Code 工具學完了,系統還沒設計 學完Claude Code的所有主要功能,但工具≠系統——系統是「哪些任務由哪個工具負責、在什麼條件下自動觸發」的完整答案: 工具系統學了Hooks知道要攔截哪些操作、在哪些專案啟用學了Skills知道要建立哪些技能來服務你最常見的任務學了排程知道要讓哪些工作自動化、每週/每日跑什麼學了MCP知道要接哪些外部服務、接了之後做什麼 本章幫你把工具組裝成系統。 (圖/博碩出版《Claude Code全攻略》) 用詞約定:本章說的「排程任務」有兩種實作——官方Routines(Anthropic的雲端排程代理,/schedule建立)與本書自製排程框架(~/claude-routines/目錄+系統排程器)。藍圖裡只要寫清楚用哪一種即可,兩者可混用。 設計系統的心態,也跟著模型在變。早期用AI靠的是「寫一個好prompt換一個好答案」;到了Fable 5這種能長時間自主運作的模型,重點變成「設計一套能讓Claude自我修正、環環相扣的系統」。 步驟1:盤點你的工作類型 在Claude Code中輸入: 請幫我進行一個 AI 工作系統設計諮詢。 首先,請問我以下問題,一次問一個,等我回答後再問下一個: 1. 你的主要工作或學習領域是什麼? 2. 你每天最重複、最耗時的 3 個任務是什麼? 3. 你目前最大的工作痛點是什麼? 4. 你的技術背景如何(純文字使用者/ 會寫基本腳本/ 程式開發者)? 根據我的回答,你會幫我設計一套 AI 工作流藍圖。 (圖/博碩出版《Claude Code全攻略》) 驗證點:Claude一次只問一題、等你回答才問下一題;4題答完後它主動給出初版藍圖草稿。 步驟2:3種典型使用者的系統設計 根據不同角色,這裡提供3個系統設計範本供參考。範本中出現的/summarize、/apa等都是自訂指令,不是內建指令。 (圖/博碩出版《Claude Code全攻略》) 範本A:教師/教育工作者 痛點:備課耗時、作業批改量大、每學期重複建立相同格式的文件 教師 AI 工作系統 每日自動(排程任務): morning-brief: - 整理今日課程材料 - 生成當天課堂提問清單 每週自動(排程任務): assignment-review: - 掃描收到的作業資料夾 - 批量生成評語草稿(教師審核後使用) MCP 連接: - Google Drive:讀取課程資料 - Slack/LINE Bot:與學生互動 常用 Skills: - lesson-plan:生成課程計畫書 - quiz-generator:根據教材生成選擇題 - feedback-writer:生成個性化學生回饋 常用 Slash Commands(自訂指令): - /summarize:摘要一份教材 - /translate:翻譯英文資料 範本B:獨立開發者/工程師 痛點:Code Review費時、文件欠缺、重複性的設定和樣板程式碼 工程師 AI 工作系統 每日自動(排程任務): code-health: - 掃描新增的 TODO/FIXME - 報告昨日 commit 的簡短摘要 每 PR 自動(GitHub Actions): - Claude 自動審查並留言 MCP 連接: - GitHub:PR 審查、Issue 管理 - SQLite/PostgreSQL:資料庫查詢 Hooks: - PreToolUse:攔截 rm -rf 等危險指令 - Stop:任務完成提示音 常用 Skills: - auto-commit:生成 commit 訊息 - my-code-review:結構化程式碼審查 - doc-writer:生成函式文件 CLAUDE.md: - 語言:繁體中文 - 程式碼風格:PEP8 / Google Style - 禁止:直接執行生產環境的 DELETE 語句 範本C:研究者/寫作者 痛點:資料整理耗時、格式不一致、報告撰寫耗費大量時間 研究者 AI 工作系統 每次執行(Script): research-pipeline: - 輸入主題 → 自動生成報告草稿 - 輸出 Markdown + Word 每週自動(排程任務): weekly-digest: - 每週整理本週閱讀的文章摘要 - 輸出一份「本週閱讀摘要」 常用 Skills: - summarize-long:摘要長文 - rewrite:改寫語氣/ 格式 - reference-formatter:整理引用文獻格式 常用 Slash Commands(自訂指令): - /apa:轉換成 APA 格式 - /abstract:生成摘要 - /expand:擴充段落 步驟3:設計你的專屬藍圖 根據你的工作類型,用Claude Code幫你填入細節: 根據我的工作情境([填入你的工作領域]), 請幫我設計一份完整的 AI 工作流藍圖,格式如下: ## 我的 AI 工作系統藍圖 ### 🎯 設計目標 (節省時間在哪些地方?提升品質在哪些地方?) ### 📋 工作盤點表 | 高頻任務 | 目前耗時/ 週 | 自動化方式 | 預估節省 | ### 📅 自動化排程 | 頻率 | 任務名稱 | 做什麼 | 技術實作(官方 Routines / 自製 cron) | ### 🔌 MCP 連接 | 服務 | 用途 | 優先級 | ### 🎪 Skills 清單 | Skill 名稱 | 觸發情境(寫進 description) | 功能 | ### ⌨ Slash Commands(自訂指令) | 指令 | 功能 | ### 🔒 Hooks 設定 | 時機 | 觸發條件 | 做什麼 | ### 📋 CLAUDE.md 核心設定 (語言偏好、工作風格、禁止事項) ### 🔁 月度回顧(每月一次,直接回答這五題) 1. 哪個 Skill 最常用?(值得繼續維護) 2. 哪個 Skill 完全沒用?(可以移除或重構) 3. 有沒有重複做某件事超過 3 次?(應該自動化) 4. 有沒有哪個回答讓我覺得「它不夠了解我的情境」?(改 CLAUDE.md) 5. 這個月的費用/ 額度花在哪裡最多?(是否值得?) ### 🗓️ 實施計畫(今明後三步) 今天:(可以立刻做的) 本週:(這週內完成的) 本月:(一個月內建立的) 把「月度回顧」直接寫進藍圖,而不是另外記在腦子裡——這樣藍圖本身就內建了讓系統持續進化的機制。 步驟4:產出藍圖文件 讓Claude Code直接把藍圖寫成Markdown檔案: 請把我們剛才設計的 AI 工作流藍圖, 存成一個 ai-workflow-blueprint.md 文件, 放在 ~/Desktop/ai-workflow-blueprint.md。 同時加入今明後三步的具體實施計畫。 (圖/博碩出版《Claude Code全攻略》) 範例:王老師的AI工作流藍圖(教師版成品) 空白模板不好想像,下面是一位國中資訊老師照「步驟1~4」做完後的完整成品,可以直接拿去改: # 王老師的 AI 工作系統藍圖(2026-07 版) ## 🎯 設計目標 - 每週備課時間從 6 小時降到 3 小時 - 作業評語從「來不及寫」變成「每人都有個性化回饋」 - 每學期重複性文件(進度表、通知單)零手工 ## 📋 工作盤點表 | 高頻任務 | 目前耗時/ 週 | 自動化方式 | 預估節省 | |---------|-----------|-----------|---------| | 備課簡報與講義 | 4 hr | lesson-plan Skill + /summarize | 2 hr | | 作業批改評語 | 3 hr | feedback-writer Skill 批量產草稿 | 1.5 hr | | 週報與家長通知 | 1 hr | weekly-report 排程任務 | 0.8 hr | | 段考出題 | 2 hr(雙週) | quiz-generator Skill | 1 hr | ## 📅 自動化排程 | 頻率 | 任務名稱 | 做什麼 | 技術實作 | |------|---------|--------|---------| | 每日 07:00 | morning-brief | 整理今日課程材料+課堂提問清單 | 自製 cron(~/claude-routines) | | 每週五 16:00 | assignment-review | 掃描作業資料夾、產評語草稿 | 自製 cron(~/claude-routines) | | 每週日 20:00 | weekly-report | 彙整本週教學紀錄成週報 | 官方 Routines(雲端排程) | ## 🔌 MCP 連接 | 服務 | 用途 | 優先級 | |------|------|--------| | Google Drive | 讀課程資料、存產出文件 | 高 | | GitHub | 存放教材版本控制 | 中 | ## 🎪 Skills 清單 | Skill 名稱 | 觸發情境(寫進 description) | 功能 | |-----------|---------------------------|------| | lesson-plan | 「幫我備課」「做 XX 單元的課程計畫」 | 產出課程計畫書+講義大綱 | | quiz-generator | 「出題」「做測驗卷」 | 依教材產選擇題+答案卡 | | feedback-writer | 「寫評語」「批改回饋」 | 依作業內容產個性化評語草稿 | ## ⌨ Slash Commands(自訂指令) | 指令 | 功能 | |------|------| | /summarize | 摘要一份教材成一頁重點 | | /notice | 生成家長通知單(套固定格式) | ## 🔒 Hooks 設定 | 時機 | 觸發條件 | 做什麼 | |------|---------|--------| | PreToolUse | Bash 指令含 rm -rf | 阻擋(deny)並要求確認 | | PostToolUse | 所有工具 | 記錄到 activity.log(月報數據來源) | ## 📋 CLAUDE.md 核心設定 - 所有回應使用繁體中文 - 評語語氣:鼓勵為主、具體指出一個改進點 - 禁止:學生個資寫入任何產出文件 ## 🔁 月度回顧(每月最後一個週五) 1. 哪個 Skill 最常用? 2. 哪個完全沒用? 3. 有沒有重複超過 3 次的事? 4. 哪個回答顯示它不懂我的情境? 5. 額度花在哪最多? → 配合步驟 6 的月報提示詞,用 activity.log 數據回答,不憑感覺。 ## 🗓️ 實施計畫 今天:建 lesson-plan Skill、裝 activity.log Hook 本週:morning-brief 排程上線、Google Drive MCP 接通 本月:feedback-writer 調教到「八成評語可直接用」、跑第一次月度回顧 驗證點:對照這份成品檢查你自己的藍圖——每個Skill都有「觸發情境」、每個排程都寫了「用官方Routines還是自製cron」、月度回顧有排進行事曆。 節錄自:博碩出版《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 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 Claude Skills怎麼用?內建與個人Skill差異、適用情境及使用方式
【104職場力】・AI

【CATIA V5 教學】選擇性貼上功能|Paste Special 指令快速解說 #Shorts

在產品設計與 CAD 建模過程中,如何控制「複製貼上」後的資料關聯,往往是影響設計效率與協作品質的關鍵。 在 CATIA V5 中,「選擇性貼上 (Paste Special)」功能,提供了工程師更多的靈活度: .As Result With Link:保留來源連結,設計修改可即時同步 .As Result:僅保留幾何結果,避免後續干擾 .As Specified in Part:完整複製設計規格,適合延伸設計 這不只是「貼上」的選擇,而是 資料管理與設計策略 的一部分。
青騰CoolBee・3D軟體CAD/CAM教室:CATIA

寫AI提示詞不該有的5個壞習慣!OpenAI最新指南建議「放手讓AI發揮」

你在使用AI輔助工具時,是否也有「提示詞愈寫愈長、規定愈寫愈細、需求詳盡、細節極多」的毛病呢?過去人們總認為「提供愈詳細完整的資訊、AI給出的資訊將會更精準」,但是在OpenAI最新發布的「GPT-5.6 提示詞撰寫指南」中卻建議使用者「適時對AI放手」,別要求AI給出死板、簡潔、制式的答案,才不會變相限制AI的發展。 文/支琬清 由經理人授權轉載 本文導覽 1. 規則講3遍,效果不會更好2. 步驟寫死不留判斷空間,反而限制AI潛力3. 「保持簡潔」用過頭,AI的回答反而會漏掉重點4. 別要求AI所有步驟都要給你審核5. 換新模型就「打掉重練」,難以追蹤問題源頭別再對AI步步緊逼!適當放手反而效果更好 提示詞寫得愈長、規定愈細,AI的表現就一定愈好嗎? OpenAI在最新發布的「GPT-5.6 提示詞撰寫指南」中給出否定的答案。根據OpenAI內部針對程式代理(coding-agent)的評測結果發現,只要勇敢捨棄提示詞中重複的指令與多餘的範例,不僅能讓評測分數提升10~15%,還能大幅減少41~66%的總Token數,連帶省下33~67%的成本。 這份新指南顛覆了許多人撰寫提示詞的舊習慣,指南中,強調GPT-5.6在接收指令時,與其規定每一個死板的步驟,不如清楚定義「最終的結果」、「重要的限制條件」以及「成功的標準」,並放手讓模型自行選擇最有效率的路徑。 指南特別提醒,這組數字會隨任務不同而有落差,只能當作方向參考,實際成效要在自己的任務上重新測試才算數。 1. 規則講3遍,效果不會更好 許多人深怕AI聽不懂,喜歡在提示詞裡反覆強調同一件事。指南建議,開發者應該從一份已經能用的提示詞開始,逐步拿掉「重複陳述的規則」、「不影響行為的範例」以及「模型早已能穩定做到的流程指令」。 真正該留下的是,使用者期望的最終結果、成功標準與停止條件,以及「安全、商業邏輯、證據與權限」等核心限制條件。指南特別警告,留下來的指令必須檢查是否有邏輯矛盾;因為GPT-5級別的模型會嚴格遵守提示詞,規則互相打架反而比細節不足更容易讓輸出結果大暴走。 2. 步驟寫死不留判斷空間,反而限制AI潛力 另一個生成式AI使用者常犯的老習慣,是把任務拆成死板的固定步驟。指南建議,與其規定每一個步驟怎麼走,不如直接描述「最終目的」,並清楚定義「好的結果長什麼樣子」。 此外,千萬別濫用「永遠(ALWAYS)」、「絕不(NEVER)」或「必須(must)」等絕對用語。這些強烈字眼應該保留給真正的鐵律,例如安全規則或必填欄位;至於「要不要搜尋」、「何時該使用工具」這類需要判斷的情境,應該改為提供「決策原則」,讓模型自行選擇最有效率的路徑。 3. 「保持簡潔」用過頭,AI的回答反而會漏掉重點 如果你習慣在提示詞最後補上一句「請保持簡潔」,在 GPT-5.6 上可能得重新評估了。由於 GPT-5.6 預設的回答風格就比前一代(GPT-5.5)更加精煉,繼續套用這類籠統指令,有時會讓回答變得太短、甚至漏掉重要資訊。 OpenAI 建議透過 API 參數(text.verbosity)來設定整體的詳細程度(低、中、高),再根據特定任務提出要求。與其盲目要求 AI 回答簡短,不如給模型一個明確的優先順序:「優先保留完成任務所必需的內容,再來才是移除低價值的細節。」 4. 別要求AI所有步驟都要給你審核 在處理多步驟任務時,頻繁要求模型「先問我」、「等我核准」會讓原本安全的動作也被迫中斷。 指南建議,開發者應該制定一份精簡的政策:清楚列出模型可以「自主進行」的安全本地動作,例如讀取檔案、查看紀錄、修改範圍內的程式碼、跑測試等,不需要反覆要求確認。 只有在涉及「外部動作」、「破壞性行為」、「高成本動作(如採購)」,或「任務範圍擴大」時,才需要設立邊界,要求模型停下來取得授權。 5. 換新模型就「打掉重練」,難以追蹤問題源頭 當應用程式準備升級至GPT-5.6時,最忌諱的就是一次把整套提示詞、推理設定和工具組全部重寫。 正確的升級SOP是,先單純更換模型並保留原有的推理設定,用既有的測試案例跑一輪;接著再逐步拿掉過時的鷹架指令與用不到的工具;每做一次微調,就重新測試一次,最後才針對退步的地方補上最小幅度的修正指令。 如果一次全部重寫,一旦輸出結果不如預期,根本無從判斷問題是出在模型本身、提示詞內容,還是工具組的改動。 別再對AI步步緊逼!適當放手反而效果更好 綜觀這份GPT-5.6提示詞指南,OpenAI其實是在傳遞一個核心訊息,是時候放下對AI的「微管理(Micromanagement)」了。過去,許多開發者習慣把提示詞當成鉅細靡遺的程式碼來寫,深怕漏掉任何一個執行步驟;但面對能力大幅躍升的新一代模型,最好的做法反而是「抓大放小」。 未來的提示詞撰寫,將更像是在帶領一個高度專業的團隊: 你只需要給予清晰的目標、定義「成功的標準」,並劃定不可逾越的安全與權限邊界,剩下的執行路徑就放心交給AI去探索與發揮。 當然,簡化提示詞並不代表要盲目刪減。OpenAI在指南中一再強調,所有的優化都必須建立在「持續測試」的基礎上。不論是更換模型還是調整推理設定,都應該遵循「一次只改動一個變數」的科學方法,透過真實的測試案例來驗證成效。透過精準微調,開發者才能真正釋放GPT-5.6的潛力,在提升任務表現的同時,也達成省下大量Token與運算成本的雙贏局面。 資料來源:OpenAI 開發者文件;本文初稿由 AI 協助整理,編輯:支琬清 (原文標題:別再把提示詞寫成小論文!OpenAI最新指南點名5個該戒掉的老習慣) [course_plugin api_type='course_id' title='推薦課程' id='e9e13d08-2c6f-49b2-bae8-1e9418588041']
【104職場力】・AI

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]
【104職場力】・AI

別讓 Vibe coding產生的程式碼,成為你系統中的定時炸彈!

Vibe coding讓每個人都能做MVP,也加快了系統開發的速度,但你的系統變穩了嗎? 許多人依賴 AI 產出大量程式碼,卻在進入企業專案後引發災難: * 技術債爆炸: 缺乏 Clean Architecture 分層,AI 產出的程式碼散落在各處,改不動也測不了。 * 資安門戶大開: AI 不懂 OWASP Top 10,直接套用範例導致 SQL Injection 或 JWT 實作錯誤。 * 併發即當機: 缺乏對 Transaction Scope 與並行控制(鎖機制)的理解,資料一多就噴錯。 🚀 Vibe Coding 全端架構師養成班:教你如何「主導」AI,而非被 AI 誤導。 我們不只教如何用 Vibe Coding做出玩具專案, 我們教的是**「能真正落地的企業級應用系統」**: 🛡️ 安全防禦: 實作 2FA、RBAC 授權與 CVE 掃描,守住企業底線。 🏗️ 結構嚴謹: 從 Act I 的 Clean Architecture 到 Act II 的 DDD 概念 Service Layer。 📈 壓力測試: 使用 JMeter/k6 驗證高併發場景,確保系統不是紙糊的。 這不是一門Vibe Coding課,這是一場關於「系統穩定與安全性」的修煉。 🔗 拒絕技術債,成為真正能扛專案的架構師: https://user135527.pse.is/8kkmdj
X編・X School 軟體人才專業培訓機構

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
【104職場力】・AI

有任何收穫或想分享的,都來和大家一起聊聊吧!