Git 速成攻略：2.5 小時變身版本控制達人
104學習
Git
是一套分散式版本控制系統，廣泛應用於軟體開發。能有效管理程式碼的版本變更，方便多人協作，同時追蹤歷史修改紀錄。具備分支管理功能，讓團隊可同時開發不同功能，避免衝突。熟悉這項技能，能提升開發效率與專案品質，成為軟體工程師及相關職位的基本要求。
提升你的實力，朝專業更進一步
精選課程
充實自己，讓能力持續成長
數位自動化團隊協作攻略｜Power Automate整合應用
AI助理GitHub Copilot | 提升前端開發效率
Agile 敏捷開發方法
打造高投入團隊：遊戲化工作設計與激勵機制實作班【9/17】
巧用PDCA 優化團隊效率！
基層幹部管理實務：提升現場指導力、強化團隊凝聚力【10/14】
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
Gemini 職場實戰應用課：不用寫程式也能把工作變快
AI 協思簡報術｜從模糊點子到精準說服的提案策略
精選證照
考取專業證照，讓能力被市場看見
GCIH
GCIH（GIAC Incident Handler）證照專注於資安事件處理與應變能力，涵蓋威脅辨識、攻擊分析及漏洞利用技術，強調實務操作與事件調查技巧，適合資安分析師及應急團隊提升快速反應與防禦能力，確保企業資訊安全有效防護。
SANS Institute
G7799
G7799證照為專業技能認證，主要涵蓋資訊系統整合與管理能力，強調在企業中有效運用資訊技術以提升營運效率及競爭力。持有此證照者具備系統分析、設計、實施及維護的綜合能力，能夠協調跨部門資源，確保資訊系統順利運作，並符合企業需求與安全標準。此證照適合資訊管理、系統開發及專案管理相關職位，提升求職者專業形象與職場競爭力。
SANS Institute
Sybase Certified Associate -- Adaptive Server Anywhere Developer
Sybase Certified Associate -- Adaptive Server Anywhere Developer 證照驗證持有人具備使用 Sybase Adaptive Server Anywhere 資料庫系統進行開發的基本能力，涵蓋資料庫設計、查詢語言操作及應用程式整合等技能，適合從事嵌入式資料庫解決方案開發工作。此證照證明持有者能有效管理及優化輕量級資料庫，提升系統效能與穩定性，適合在企業內部資料管理及應用開發領域發展。
Sybase
CCSE Plus NG with Al
CCSE Plus NG with AI證照專注於雲端運算與人工智慧技術的整合應用，涵蓋雲端基礎架構管理、AI模型訓練與部署，以及資料分析與安全性管理，培養具備跨領域技術能力的人才，適合從事雲端服務開發、AI解決方案設計與系統維運等職務，提升企業數位轉型競爭力。
Check Point
GSAE
GSAE（全球策略與分析專家）證照專為具備策略規劃與數據分析能力的專業人士設計，涵蓋市場趨勢解析、競爭策略制定及決策支持技術，強調實務應用與理論結合。持有此證照代表具備運用數據驅動策略思考，提升企業競爭力的專業素養，適合從事企業管理、行銷分析及策略規劃等相關職務。
SANS Institute
GCIA
GCIA（GIAC Certified Intrusion Analyst）證照專注於入侵偵測與事件分析，驗證持有人能有效識別網路安全威脅，分析攻擊行為並採取適當防禦措施。持有者具備深入理解網路流量、入侵偵測系統（IDS）運作原理及攻擊技術，能運用相關工具進行威脅監控與事件回應，提升企業資安防護能力。適合資安分析師及網路防護專業人員，強化實務操作技能與威脅辨識能力。
SANS Institute
精選貼文，掌握第一手知識
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]
精選 Claude 該選 Haiku、Sonnet、Opus 還是 Fable？三個問題選對模型，額度用更久
同一個問題丟給 Claude，有時又快又好，有時卻等很久、還把額度用光？
問題往往不在你的提問，而是模型沒選對。
打開 Claude 的模型選單，會看到四個名字。可以把它們想成四種同事：
Haiku：反應最快的助理，適合快速摘要、擷取重點（免費版可用）
Sonnet：什麼都能接的主力，寫作、分析、程式都行（免費版可用）
Opus：擅長深度思考的資深顧問，適合複雜研究與推理（Pro 以上）
Fable：能自己規劃、自己檢查的專案負責人，適合從零做出完整成品（付費方案）
能力越強，回答越慢，也越吃使用額度。拿 Opus 或 Fable 去做 Haiku 就能完成的事，只是白白燒掉額度。
選之前，先問自己三個問題：
1. 這件事要想多深？
查詞、摘要新聞 → 輕的模型就夠；比較企劃、找數據矛盾 → 需要深度思考
2. 做錯的代價多大？
內部草稿 → 錯了改就好；要給主管決策、要對外發布 → 用更強的模型，也要更仔細檢查
3. 要它自己做多久？
一問一答 → Sonnet 就很夠；從粗略想法做到完整成品 → 交給 Fable
記住一個原則：先輕後重，不夠再升級。
Haiku → Sonnet → Opus → Fable
另外，選單裡還有一個「Effort（思考深度）」：整理會議紀錄時調低，回得快；審合約、找風險時調高，想得更完整。
最常見的三個錯誤：
・什麼都用最強的模型
・答案不好只會換模型，卻沒先把需求講清楚
・只看答案長短，不看有沒有抓到重點
小練習：下面三件工作，你會各選哪個模型？
① 回覆客戶的簡單詢問
② 分析半年銷售數據寫成報告
③ 從零規劃一套新人訓練
（參考答案：① Haiku ② 先用 Sonnet，要給主管決策就升 Opus ③ Fable）
想看完整五分鐘影音說明，104學習免費課程「5分鐘學會挑選Claude模式」已經上線，免費報名就能看：
https://nabi.104.com.tw/course/104nabi/47f0bb26-3b67-4f8c-80f4-39dd215c0d01
也歡迎在留言分享：你平常最常用哪個模型？有沒有拿兩個模型比較過同一件工作？
資料來源：
Claude Academy〈Choosing the right Claude model〉
https://academy.claude.com/tutorials/choosing-the-right-claude-model
（模型版本與方案以 2026 年 11 月官方說明為準：Haiku 5.5、Sonnet 5.5、Opus 5.5、Fable 5.1）
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
ChatGPT基本文章生成術：企劃案、介紹文用AI快速完成
運用AI工具快速生成文章，可以用更高效、更簡單的方式完成高品質文章。本文解析如何使用ChatGPT生成基本文章，從企劃案撰寫到段落內容都能輕鬆創作，工作效率大加分！
文／陳冠霖（Brian Chen）
本文目錄（點擊可快速前往）
ChatGPT基本文章生成ChatGPT段落文章書寫
ChatGPT基本文章生成
有了ChatGPT帳號後，我們來看看如何進行文本生成吧！
情境範例：
今天上班，公司在經過幾個小時的開會，決定要開發一款新的懶骨頭沙發產品並上市販售。而撰寫產品企劃的重任像一顆石頭一樣重重的壓在你身上，而更可憎的是，老闆竟然要求你先將初版的企劃案寫出來，並在明天的會議上進行報告並討論。除此之外，你還被要求要在短時間內思考出懶骨頭沙發的優缺點、目標客群以及年齡層等各種面向的問題⋯⋯
此時就可以跟ChatGPT說：
我想撰寫關於新的懶骨頭沙發的產品企劃案，我希望能夠為我分析一下目前此類商品的優點與缺點以及缺點預計可以改進的方向、目標客群以及年齡、預期成本和預期收益等，並幫我根據這些架構進行條列以及撰寫出一篇約400字的文章。
之後就可以看到GPT的回覆，如圖4-4至圖4-6：
（圖／博碩文化提供）
是不是很厲害啊，俗話說萬事起頭難，但現在可以用AI幫你起頭之後，只需要根據這些架構草稿再慢慢去更改內容並撰寫出完整計畫就好了。在這過程中也可以持續使用AI工具來協助各位撰寫，所以在現在這個時代會使用AI工具真的會讓你在職場上的效率超級加倍！
題外話：目前版本ChatGPT會有免費使用GPT-4o生成的服務，當額度用盡就會變回GPT-4o mini生成。所以如果突然發現回覆內容感覺變弱就是GPT-4o額度用完啦。不過別擔心，免費額度是會補充的。
ChatGPT段落文章書寫
如果今天只是需要生成一個段落而已，當然可以使用ChatGPT來進行生成。
情境範例：
在經過一天的煎熬，終於等到要下班的時間了，但你看到老闆向你走過來，心中升起一絲不祥的預感。果然，老闆想要你在明天上班前提交一份關於Python程式語言的介紹，但你只是一個在辦公室為了三餐溫飽而努力的小職員，對於Python這個程式語言根本完全沒有頭緒，加班到很晚看了很多文章還是一頭霧水，焦慮到快要爆炸了⋯⋯
別擔心！在一切還沒變的糟糕之前，你可以直接求助無敵的ChatGPT，只需要在對話視窗中輸入：
請用500個字介紹Python這個程式語言，撰寫文章時請分成四個段落。
接著按下送出，等待ChatGPT回覆即可，以下圖4-7是ChatGPT的回覆內容。
（圖／博碩文化提供）
看到這段文章之後，你驚覺的發現似乎可以根據這段文章稍微修改一下，或者可以「請」ChatGPT協助代為修改，改完之後發現根本沒花太多時間，全部處理完之後終於可以準時下班了，灑花！
基本上各位可以根據自己的需求（或者老闆或老師對你的需求）來對GPT進行文字生成的指示，而各位可以看到生成後的文字底下會有5個小圖標，這5個小圖標由左至右分別為：
大聲朗讀：這個功能可以讓ChatGPT預設的語音來朗讀他的回覆。
複製：淺顯易懂，就是複製這段對話的內容。
重新生成：如果生成的文章你不喜歡的話，可以像慣老闆一樣要求ChatGPT重新生成喔，重新生成後可以選擇重新生成的結果更好、更糟或是沒差別，這個選擇會些微影響到之後生成時的結果，ChatGPT會盡量根據你喜愛的風格生成，並盡可能避免掉你不喜歡的風格，重新生成的結果就像圖4-8這樣。
（圖／博碩文化提供）
● 回應不佳：如果你不喜歡這段回應，可以點選此按鈕並選擇原因告知ChatGPT的回應哪裡需要再修正如圖4-9，這也或多或少的會影響到後續的生成方式。
（圖／博碩文化提供）
● 變更模型：目前可以選擇GPT-4o與ChatGPT-4o mini來進行生成。
另外，目前最新的模型是OpenAI o1，若有購買完整版的話可以再使用o1 preview 模型與o1 mini。惟因本書最終完稿時大約是2024年8月初，所以在OpenAI o1 推出後（2024年9月中）緊急更新了部分內文，故OpenAI o1的部分會放在附錄介紹！
以上就是一些基本的ChatGPT介紹了，各位可以根據這些基本的功能嘗試看看這項服務，相信學會使用ChatGPT一定能為各位後續無論是工作或是生活帶來更多的便利性。接下來我將會帶各位來看看更多的ChatGPT應用。
題外話：如果生成的段落文字過長，因為ChatGPT會有輸出限制，所以有時候輸出到一定程度就會中斷，此時可以輸入指令：「請接續上面的文章內容繼續生成」、「請繼續」、「請繼續生成」，來對ChatGPT下指令讓它繼續生成文章。
節錄自：博碩文化《即學即用！精選 30 招辦公室超高效 AI 生產術／陳冠霖（Brian Chen） 著 》
更多【實用AI工作術】推薦給你：
讓ChatGPT當求職教練！寫求職信、履歷建議、中英文面試練習指令
用AI快速寫Email！ChatGPT Writer、Copilot等中英文電子郵件生成
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
Claude Code Subagent怎麼用？3分鐘建好第一個子代理，判斷何時該多Agent分工
一個任務想同時檢查安全性、效能和測試，只能一件一件問AI？本文說明Subagent（子代理）的分工模式，帶你用一個Markdown檔建立第一個官方Subagent，再用一張表判斷什麼任務適合多Agent協作。本文節錄自《Claude Code全攻略》。
文／曾慶良（阿亮老師）
本文目錄（點擊可快速前往）
什麼是Subagent？官方Subagent、自製Orchestrator差在哪？建立第一個官方Subagent：直接寫.claude/agents/檔案Subagent適用情境：什麼任務適合多Agent協作？【進階提示詞】讓Claude Code幫你建好Orchestrator
編按：本文收錄Subagent觀念與官方Subagent實作；以Python自製Orchestrator的逐步教學未收錄，文末附「進階實作提示詞」，可直接讓Claude Code幫你建好。
什麼是Subagent？官方Subagent、自製Orchestrator差在哪？
一般使用Claude Code的互動是一對一的：你問一個問題，Claude回答，然後再問下一個。
Subagent（子代理）改變了這個模式：
你的指令
↓
Orchestrator Agent（協調者）
├──> Subagent A：分析安全性
├──> Subagent B：分析效能
└──> Subagent C：分析測試覆蓋率
↓（三個同時執行）
Orchestrator 收集結果，合併報告
（圖／博碩出版《Claude Code全攻略》）
為什麼要用多Agent？
速度：3個任務同時跑，比依序執行快3倍
專注：每個Agent只做一件事，提示詞更精準
隔離：一個Agent失敗不影響其他Agent的結果
規模：一個人管不完的工作，交給Agent軍團
「Subagent」其實有兩種
在Claude Code的語境裡，「Subagent／子代理」這個詞指兩件不同的東西，別混在一起：
官方Subagent自製Orchestrator本體.claude/agents/*.md 定義檔（YAML frontmatter + system prompt）你自己寫的Python腳本執行方式在互動session內，由主Agent自動委派或你明確指名用 claude --print 開多個獨立進程平行呼叫上下文每個Subagent有獨立context，結果回傳主對話每個進程完全獨立，由腳本收集輸出適合重複使用的專職角色（審查員、測試員、文件寫手）大量平行任務、CI/CD整合、跨專案批次處理
官方Subagent是Claude Code內建、最正規的子代理機制（下文會帶你從零建立）；自製Orchestrator則是當你需要一次派遣大量Agent、或把Claude塞進自動化管線時用。
建立第一個官方Subagent：直接寫.claude/agents/檔案
若走「Python orchestrator + --print CLI」的程式化路線，可以一次派遣大量Agent平行工作。但你的第一個Subagent不應該寫Python——官方Subagent只是一個Markdown檔案，3分鐘就能建好。
舊版備註：舊版Claude Code曾提供 /agents 互動式精靈（7步驟引導建立Agent），該精靈已於v2.1.198（2026-07-01）移除。現在的做法是直接建立定義檔，反而更快、更透明；細節以官方文件為準。
官方Subagent的本體是一個放在以下位置的Markdown檔案：
位置範圍適合場景.claude/agents/（專案根目錄下）只有目前專案能用跟專案綁定的Agent（如Flask app的API tester）~/.claude/agents/所有專案都能用跨專案通用的Agent（如「程式碼審查員」）
第一次練習建議放專案級，玩壞了不會影響其他專案。
建立資料夾與定義檔
# Windows PowerShell（在專案根目錄下）
New-Item -ItemType Directory -Force .claude\agents
notepad .claude\agents\security-reviewer.md
# macOS / Linux（在專案根目錄下）
mkdir -p .claude/agents
nano .claude/agents/security-reviewer.md
（圖／博碩出版《Claude Code全攻略》）
security-reviewer.md 完整內容（可直接貼）
---
name: security-reviewer
description: 安全性審查專家。當使用者要求檢查安全漏洞、SQL injection、硬編碼密碼、eval/exec 濫用、輸入驗證問題時使用此 agent。
tools: Read, Grep, Glob
model: sonnet
---
你是一位資安專家，專門審查 Python 程式碼的安全性。
分析範圍：
- 注入攻擊（eval、exec、shell injection、SQL injection）
- 敏感資料處理（明文密碼、硬編碼金鑰、個資）
- 不安全的函式使用
- 缺少輸入驗證
輸出格式：Markdown 報告，每個問題標注嚴重度（🔴嚴重/🟠中等/🟡輕微）、檔案與大約行數、問題描述、具體修正建議。
只報告確定的問題，不要猜測。
（圖／博碩出版《Claude Code全攻略》）
frontmatter欄位說明：
欄位作用填寫要點nameAgent的識別名稱小寫加連字號，如 security-reviewerdescription決定觸發時機主Agent根據這段描述判斷「什麼時候該委派給它」，把使用情境寫清楚tools允許使用的工具最小權限原則：安全性審查只需要讀（Read、Grep、Glob），不給Write/Edit/Bashmodel使用的模型sonnet（平衡，推薦）/ opus（最強）/ haiku（最快最省）/ inherit（跟主Agent相同）
模型怎麼選：安全性審查建議sonnet（對應目前的claude-sonnet-5）——haiku（claude-haiku-4-5）太簡略容易漏掉細節；opus（claude-opus-4-8）或旗艦fable-5留給真正需要深度推理的任務，這類審查用不到。
觸發你的Subagent
存檔後重新啟動Claude Code（讓它重新讀取agents資料夾；是否需要重啟以實際版本為準），有兩種觸發方式：
自動委派：你的要求符合description描述時，主Agent自動把工作交給它
明確指名：直接說「用security-reviewer幫我審查calculator.py」
這裡拿calculator.py當練習對象，裡面故意留了eval()、shell=True等資安問題。你也可以換成手邊任何一支.py。
[模擬]觸發該Agent的對話：
> 用 security-reviewer 幫我審查 calculator.py
● security-reviewer(審查 calculator.py 的安全性)
完成
發現 2 個問題：
嚴重：calculate_from_string 使用 eval() 執行未驗證輸入
存在任意程式碼注入風險，建議改用 ast.literal_eval()
中等：run_calculator_script 以 subprocess.run(..., shell=True) 執行外部指令
若 script_path 來源可控則有 shell injection 風險，建議改為 shell=False 並拆成清單
（圖／博碩出版《Claude Code全攻略》）
官方Subagent vs.自製Orchestrator：什麼時候用哪個？
你的目標推薦方式第一次建Subagent練手.claude/agents/定義檔（本文示範）重複呼叫同一個專職Agent.claude/agents/定義檔即可一次平行派遣3+ 個AgentPython orchestrator整合進CI/CD pipelinePython orchestrator跨專案複用同一套Agent定義檔放~/.claude/agents/
結論：先用定義檔把「一個Agent一個職責」的概念跑通；自製Orchestrator是進階用法，學會了能應付更大規模的協作場景。
Subagent適用情境：什麼任務適合多Agent協作？
不是所有工作都適合Subagent架構。這張表幫你判斷：
情境建議架構原因分析一個檔案的bug單一Agent任務小，不值得overhead同時分析多個面向（安全/效能/測試）Multi-Agent面向獨立，可平行處理50個檔案，每個需要翻譯Multi-Agent大量獨立子任務寫一個複雜的功能，步驟有依賴單一Agent步驟有前後依賴，無法平行每天掃描新增的PR定時Orchestrator結合Routines定時執行跨語言文件翻譯（10種語言同時）Multi-Agent（10個）語言翻譯互相獨立
核心原則：任務之間沒有依賴關係、可以獨立完成，才值得用Multi-Agent。
【進階提示詞】讓Claude Code幫你建好Orchestrator
複製以下提示詞，直接貼進Claude Code開始操作。提示詞裡的檔名／路徑是示意，請換成你自己專案裡實際存在的。
開始前，請先確認兩件事：
系統已裝Python 3——Orchestrator是Python腳本。先驗證 python --version（沒反應試 py --version）。
claude指令在PATH裡——腳本會呼叫claude。先在終端機直接打 claude --version，確認叫得動。
Step 1：建立Orchestrator腳本
請幫我建立 orchestrator.py，能夠同時啟動 3 個子 Agent 分別執行：安全性掃描（偵測硬編碼密碼和 SQL injection）、效能分析（統計函式長度和巢狀層數）、測試覆蓋率報告。完成後合併三份報告輸出總結。
Step 2：執行並驗證結果
請執行 orchestrator.py，等待所有子 Agent 完成後，顯示最終整合報告，並標出最需要優先修正的問題。
節錄自：博碩文化《Claude Code全攻略：從一句話到部署上線，打造你的AI Agent開發團隊》／曾慶良（阿亮老師） 著
推薦閱讀：
Claude Code越聊越笨？4個指令管好「上下文」，用量60%就該主動壓縮
商務Email好難回？用Claude Skill建回信SOP，4大類型自動判斷
「Skill」和「提示詞」差在哪？6大差異與SKILL.md寫法一次看
用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
從陌生到信任，空降主管帶領團隊的成功三步驟
空降主管要在新公司成功帶領團隊，挑戰重重，從建立信任到推動改變，每一步都需謹慎經營。文章指出三個關鍵步驟：先透過自我介紹與員工建立連結，化解疏離感；接著傾聽部屬需求，解決問題以贏得信任；最後辨識並妥善處理異心員工，維持團隊的整體效能。104人力銀行人資主管Sherry強調，空降主管的成功關鍵在於以人為本，當取得團隊信任並穩步達成目標後，便能在新環境中站穩腳步，帶領團隊面對更多挑戰。
文／104人力銀行人資主管 江錦樺
點擊前往關注優質主管職務？免應徵👉先跟HR聊聊
當我們轉職到新公司，要能成功融入團隊並不容易，而不但要融入團隊，還要帶領好團隊更是難上加難，這就空降主管所面臨的難關。團隊裡多是資深員工，他們期待繼續安逸地工作，或是有以為自己會被晉升成主管的員工，但硬深深被空降主管攔胡了，心中多有不甘…
這些都是空降主管加入新公司，帶領團隊後會遇到的課題。對於空降主管而言，除了搞定老闆，還要搞定的就是團隊成員，該如何開始?
第一步：開放自我降低疏離
當主管剛到任新公司時，Sherry建議在部門會議團隊成員都在的場合，空降主管先自我介紹，並非只是簡單說自己是誰，而是分享自己過去重要工作經歷、家庭狀況(ex.是否有小孩、多大)、興趣休閒(ex.假日喜歡旅遊、追劇)等，產生與同仁的連結，降低員工對主管的戒心後，才說明公司對他及團隊的期待(ex. 業務目標)，並營造跟大家在同一條船上的氛圍感。
第二步：傾聽部屬破解難題
接著開始安排與同仁1:1面談，除了可以跟部屬建立關係外，也可以馬上掌握部門遇到的問題，而這些問題若空降主管能逐步幫忙解決，那就易取得部屬的信任，相信這個主管是來幫忙的，不是來當官。Sherry看過某位空降CXO，他就發現目前部門在推動跨部門的工作上，與其他部門主管溝通比較辛苦，他就主動跟同仁說可視會議需要，安排他也一起與會溝通，他的行事曆開放給部屬都能輕易看到及預約，當你能幫助部屬解決常久以來的問題，相信他們就會信任你、跟隨你。
第三步：辨識團隊中異心人
空降主管經過前兩步後，應該90%的同仁已經認可你了! 但你發現所有人都動起來往前走，卻有一位同仁看似不卑不亢卻僅完成最低期待的工作，你希望他再往前一步、多做些多思考，他卻一堆藉口遲不肯動，或許他就是團隊中的異心人。若是有這樣的成員，建議直接找該員面談點出你的觀察，也請他說明其想法、了解其所重視的工作價值後，明確告知你的期待、建議，並再給予一段時間調整，若其態度仍不理想但績效屬低標，就只讓他負責團隊中基本、例行工作，而若屬於績效未標達者，則依令法進行處置ex.轉調單位、PIP、資遣等，有時適當汰換團隊成員，反而會讓整體團隊氛圍、效率更佳。
空降主管的挑戰不容小覷，Sherry認為「謀事在人，成事也在人」，要融入團隊的重點在取得部屬信任，而當能帶領團隊達成階段目標後，空降主管就有底氣，並慢慢站穩腳步，而與團隊的關係亦更融洽，相信就能成功面對各式各樣的任務！
（原文標題：從陌生到信任，空降主管帶領團隊的成功三步驟）
║關鍵人才專屬主管職缺推薦║
MIS 資安主管
MIS高階主管｜ IC設計相關業 ｜新竹縣市全區 10以上資訊資安經驗│資安環境建立，及工具survey 導SAP 經驗佳、MIS 團隊管理
人資高階主管
人力資源主管｜ 印刷電路板製造業(PCB) ｜桃園區10年以上工作資歷│負責管理集團大陸廠所有子公司HR、上市公司HR管理經驗
專案主管
國外業務主管｜ 其他電子零組件相關業 ｜新竹市10年以上工作資歷│國際市場網通系統產品銷售的經驗並具有事業部P/L管控能力
Flip Chip處級主管
工廠主管｜ 半導體製造業 ｜高雄市10年以上工作資歷│ Flip Chip mounter / underfill /水洗 Cleaning 等站別專精一站以上
品質暨營運高階主管
品管／品保主管｜ 光電產業 ｜八德‧大溪‧復興 10年以上工作資歷│面板業相關或資通訊產業10年以上品質主管經驗、熟悉品質管理系統
點擊前往關注優質主管職務？免應徵👉先跟HR聊聊
成為儲備人才│顧問推薦工作
人才求職│找優質職缺
104獵才顧問 官方網站
104獵才顧問 Facebook
104獵才顧問 LinkedIn
104獵才顧問YouTube
OpenAI發表AI助理dots！可愛角色全天候替你工作 1文看ChatGPT差異、啟用方法
2026-09-30 聯合新聞網科技編輯張明哲 由聯合新聞網授權轉載
OpenAI在DevDay 2026活動推出全新的AI助理dots ，由GPT‑6 Astra驅動，主打全天候運作、獨立執行並處理各種任務為自己做事的AI agents，在人機協作方式下，可以讓用戶可以把時間和心力留給自己。使用AI助理dots時，可以設定界限、追蹤進度，並持續參與需要用戶判斷的決策，另外也內建防護措施，避免把密碼暴露給模型使用。
dots和ChatGPT差異在哪裡？
應該有很多人好奇，OpenAI和dots的差異在哪裡。ChatGPT算是「聊天工具」，需要一直下指令去讓AI回應，簡單來說有點像是一問一答的方式在進行；而dots則是從聊天工具進化成主動跟進、持續追蹤、跨工具工作的「長時間代辦工作的AI員工」，讓dots變成核心能力。
dots主打全天候運作、獨立執行並處理各種任務為自己做事的AI agents，並可以設定界限、追蹤進度，並持續參與需要用戶判斷的決策，另外也內建防護措施，避免把密碼暴露給模型使用。（圖／翻攝自OpenAI官網）
dots是什麼？可跨平台協作延續對話
dots由GPT-6 Astra驅動、擁有自己的雲端電腦，能持續從用戶回饋中學習，進行全天候工作，OpenAI官方表示，dots可以連接超過4000個應用程式，並在ChatGPT網頁版、行動版、桌面版、簡訊、Slack或Teams，跨平台協作隨時和dots進行提問、探索想法、引導工作方向，甚至還可以進行語音對話，互動得愈多，也可以讓dots了解用戶的偏好及思考方式，提供協助。
OpenAI也把dots塑造可愛的卡通角色，像是綠色、黃色、粉紅色和藍色的dots，色彩顏色相當鮮明，讓使用上不會覺得冷冰冰。
dots提供安全保護機制
使用AI代理人最讓人擔心的就是隱私問題，dots會以ChatGPT的保護機制為基礎，針對可執行的工作提供額外的安全與隱私防護措施，用戶可設定界限、追蹤進度，並持續參與需要你判斷的決策。
官方提到，每個dots都在各自的雲端電腦上工作、具備內建規則，知道何時可自行採取行動，何時需要請求核准。用戶可以透過「自訂規則」允許特定操作、要求先取得核准，或封鎖這些操作，並可在「活動檢視」中追蹤進度，包括背景工作的進度，並視需要調整dot的工作方向。
（圖／翻攝自OpenAI官網）
官方表示，若用戶未點選連結核准時，電腦及其中的內容都會與dots保持隔離；登入支援的網站時，dots可以使用已儲存的密碼，不會將密碼暴露給模型。另外，若用戶未和dots進行互動時，它會進行「主動研究」，在背景尋找能幫上忙的事，不過只會在僅限讀取的工具使用已連接的應用程式，意味著dots無法控制用戶的電腦、變更應用程式內容。
除此之外，dots內建資安防護措施可以抵禦惡意指令，並監控可能造成危害的行為，若監控系統偵測到安全疑慮，就能暫停或停止dots的工作。
（圖／翻攝自OpenAI官網）
誰能用dots？
官方表示，即起會陸續開放給ChatGPT Pro與Business Premium使用者，而ChatGPT Enterprise需要等待工作區管理員啟用後，才能試用測試版。
而ChatGPT Pro或Business Premium方案已包含第一個Dot，不需要額外付費，且這些方案也包含處理更深入工作的額度，並在推出後的第1個月提供更高的用量上限，未來可新增更多dots處理工作、增加產量。
官方也提到，用戶與dots的對話不會計算在ChatGPT的用量限制，若用戶請dots在Codex或ChatGPT工作中啟動或管理任務時，這些任務才會計入用量限制。
如何啟用dots？
初次使用dots的用戶，可以在ChatGPT桌面應用程式或電腦的瀏覽器中建立第1個dots，連接應用程式，再讓它自我介紹。完成初始設定後，用戶就能在ChatGPT行動應用程式中傳訊息給它。
（圖／翻攝自OpenAI官網）
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
ChatGPT幫你跑寄信流程！實測串Gmail、Google Drive，寫信、附檔、批次寄送都能做
ChatGPT外掛串接Gmail、Google Drive可以做到什麼？本文示範如何把繁瑣寄信流程交給AI處理，實測用ChatGPT整理跨國會議資訊、搜尋指定附件、建立會前提醒信草稿，再依收件人批次建立並寄送Email。本文節錄自《ChatGPT上工了! 最強AI活用術》。
文／施威銘研究室
本文目錄（點擊可快速前往）
使用ChatGPT外掛程式幫你批次發會議通知【步驟1】請ChatGPT查找並讀取Gmail信件【步驟2】請ChatGPT前往Google Drive找到指定附件【步驟3】請ChatGPT連同附件建立Gmail信件草稿【步驟4】確認草稿後，交由ChatGPT分別寄出Gmail
使用ChatGPT外掛程式幫你批次發會議通知
我們以一個跨國會議的準備情境，教大家善用ChatGPT的外掛程式幫你完成繁瑣的工作流程。
使用工具：ChatGPT
網址：https://chatgpt.com/
外掛：本文以ChatGPT連接外掛程式「Gmail、Google Drive」為例
實測：使用ChatGPT外掛程式幫你批次發會議通知
讓ChatGPT透過外掛程式讀取郵件與附件後，整理出重點資訊
請ChatGPT前往Google Drive，找到指定附件
請ChatGPT將該附件加入信件中，建立會前提醒信草稿
確認內容無誤後，再個別寄送給參與會議的同仁
實測情境：準備與荷蘭總公司的產品上市會議
故事是這樣的，曜盛生活科技台灣分公司即將與荷蘭總公司召開線上會議，討論新款空氣清淨機AeroPure Mini 2在台灣的上市計畫。
會議前一天，總公司已透過電子郵件寄來通知，並附上3份全英文資料，包括議程、台灣市場上市進度表與全球行銷規範。相關行事曆活動也已建立，當中記錄台北與阿姆斯特丹的會議時間、參與者名單及線上會議資訊。由於資料分散在電子郵件、行事曆與不同格式的附件中，行政人員若逐一查找、翻譯和整理，往往需要在多個工具之間反覆切換，這次我們就決定要請ChatGPT來幫忙。
這次的任務有4個步驟，第一，讓ChatGPT透過已連接的外掛程式讀取總公司寄來的郵件與附件後，整理出重點資訊。第二，請ChatGPT前往Google Drive，找到指定的附件。第三，請ChatGPT將該附件加入信件中，建立一封要寄給台灣團隊的會前提醒信草稿。第四，確認內容無誤後，再個別寄送給參與會議的台灣同仁。
本例收到的是一封由總公司寄來的英文會議通知信。接下來，我們會請AI協助簡化信件內容，翻譯成中文版，再加上相關附件，最後寄給台灣分公司的同仁（圖／旗標科技）
簡單來說，今天示範的任務同時包含「讀取資料」與「執行動作」。首先來將落落長的大工程拆分成多個小任務，我們可以把任務拆成4個階段：查找並讀取Gmail信件 → 找到Google Drive中的附件 → 連同附件一起建立Gmail信件草稿 → 個別寄送提醒信。這樣才比較好掌控整體品質，即使中途出現錯誤，也比較容易回到特定步驟修改。
【步驟1】請ChatGPT查找並讀取Gmail信件
首先，請ChatGPT讀取那封總公司寄來的會議通知信件，再檢查看看ChatGPT有沒有理解錯誤。
【提示詞】@Gmail 請查看今天與荷蘭總公司召開的Q3 APAC Product Launch Review，讀取相關行事曆、電子郵件與附件。請先整理會議時間、參與者、會議目的、討論項目與需要決定的事項。
實際測試發現，有時不一定需要輸入「@」指定特定工具。只要提示詞中提到相關關鍵字，ChatGPT就可能自動連接對應的外掛，並開始執行相關任務。
先按@後輸入Gmail，連結到Gmail之後輸入提示詞，最後點擊發送（圖／旗標科技）
在AI整理出會議資訊之後，別忘了檢查有無錯誤喔（圖／旗標科技）
【步驟2】請ChatGPT前往Google Drive找到指定附件
接下來的情境是，除了要參加線上會議之外，台灣分公司當天還有其他事情要忙，因此也準備了一份「當日行程表」，方便台灣同仁掌握整天的工作安排。
問題是，這份行程表正躺在某位員工很深很深的Google Drive資料夾裡。與其花時間一層一層翻找，不如直接請ChatGPT前往Google Drive，幫忙把指定附件找出來！
如果不幸忘記確切的檔名？沒關係！我們給關鍵字，ChatGPT還是找得到。
【提示詞】@Google Drive 請前往我的Google Drive，搜尋與「台灣分公司、7月15日、當日行程表」相關的檔案
@Google Drive之後，給出關鍵字請它查找；ChatGPT輕鬆找到檔案，還附上Google Drive連結讓你快速瀏覽（圖／旗標科技）
【步驟3】請ChatGPT連同附件建立Gmail信件草稿
下一步，請ChatGPT建立一封寄給台灣團隊的會前提醒信草稿。提醒信除了列出會議時間、討論重點與會前準備事項，也要附上前一步找到的台灣分公司工作行程表。
順帶一提，雖然我們的最終目標是分別寄送給5位同仁，但如果一開始就直接建立5封草稿，後來才發現內容有誤，就得請AI同時修改5封信，處理起來反而麻煩。因此，這裡會先請AI建立一封總草稿。等我們確認內容沒有問題後，下一步再請AI將總草稿複製成5份，準備個別寄出。
【提示詞】請根據整理完成的資料，建立一封寄給台灣參與者的中文會前提醒信草稿。包含會議時間、Microsoft Teams會議資訊、會議目標、會前準備事項，以及剛剛你查找到的「0715台灣分公司當日行程表.pdf」附件。建立草稿就好，不要直接寄出。
有沒有注意到？從這裡開始，筆者已經不特別在提示詞中使用「@」指定工具了。因為實際測試發現，只要任務描述夠清楚，ChatGPT通常就能自行啟動對應的外掛來處理。
下好提示詞後，等待ChatGPT完成處理。接著前往已連結的Gmail信箱確認結果（圖／旗標科技）
太厲害了，ChatGPT真的在筆者的信箱建立了有附件的草稿（圖／旗標科技）
【小插曲】這時候還能更改內容嗎？假如這時總公司熊熊更改會議方式，原本規劃使用Teams開會，後來改成Google Meet，但信件草稿都準備好了，該怎麼辦？別擔心，這時仍然可以請ChatGPT協助修改草稿。只要提供新的會議資訊或連結，並明確說明要替換的內容，ChatGPT就能將更新後的資訊一併修改到草稿中。
【步驟4】確認草稿後，交由ChatGPT分別寄出Gmail
完成上述步驟，確認總草稿內容沒有問題後，就萬事俱備、只欠最後寄出了。接下來，我們可以把要寄送的名單提供給ChatGPT，請它依照這份總草稿，分別建立要寄給各位台灣同仁的信件草稿，並附上指定附件。
由於這個環節牽涉到實際寄信，我們提示詞可以寫得稍微仔細一些，特別要求ChatGPT先列出預計寄送的名單，讓我們檢查收件人是否正確。
【提示詞】根據前面整理完成的會前提醒信，分別為以下5位台灣同仁建立一封獨立的Email草稿：（放上收信人的稱謂、Email）每封郵件只能有一位主要收件者，不要將上述5人合併在同一封信中。每封信的副本都請加入：（放上要副本對象的稱謂、Email）請依照主要收件者的姓名調整信件開頭稱呼，其餘內容可以維持一致。記得每封信依然都要附上Google Drive中的「0715台灣分公司當日行程表.pdf」。請先建立5封草稿，不要寄出。完成後，逐封列出以下資訊供我確認：主要收件者副本收件者郵件主旨附件名稱請再次確認每封信只有一位主要收件者，而且5封信都已附上指定附件。
其實ChatGPT的Gmail外掛程式可以直接幫你寄信，只是如前面所述，我們建議最好先看過內容再寄出比較妥當，因此這裡只會請ChatGPT擬草稿。
請ChatGPT仔細檢查寄送對象，並整理資訊給我們確認（圖／旗標科技）
確實建立了要寄給每個人的個別草稿（圖／旗標科技）
等ChatGPT建立好多封草稿後，由我們親自確認沒有問題後，再請ChatGPT一次寄出這些郵件，就大功告成了。
確認沒問題後，請ChatGPT幫忙寄出郵件（省掉我們一封封點擊寄出的麻煩）；本次範例寄出5封信，ChatGPT大約花了40秒完成寄送指令。不過實際測試發現，Gmail端可能還需要再等1～2分鐘，才會顯示郵件已寄出（圖／旗標科技）
前往Gmail寄件備份，可以看到5封信件都已經成功寄出，完工！（圖／旗標科技）
節錄自：旗標科技《ChatGPT上工了! 最強AI活用術: ChatGPT Work×GPT 5.6》／施威銘研究室 著
Gartner公布2026年十大戰略技術趨勢 AI帶動創新新成果將大量湧現
2025-10-27 經濟日報記者彭慧明 由聯合新聞網授權轉載
全球科技研調機構Gartner 27日發布對2026年重點關注的十大戰略技術趨勢。Gartner研究副總裁高挺（Arnold Gao）表示，2026年各項戰略層面重要技術動向密切交織，反映了一個由人工智慧（AI）技術驅動的高度互連世界現實圖景，技術領域創新速度湧現的新成果將大量出現、遠超從前。
Gartner提出的2026年重要戰略技術趨勢如下：
一、AI超級運算平台
AI超級運算平台整合CPU、GPU、AI ASIC、神經形態運算與替代性運算範式，使企業統籌複雜工作負載，同時釋放更強性能、更高效率與更多創新潛力。該系統融合強力處理器、海量存儲、專用硬體與編排軟體，可處理機器學習、模擬與分析等領域資料密集型工作負載。
Gartner預測，到2028年，應用混合計算範式架構於關鍵業務流程的領先企業合計超過40%，較當前8%水準大幅增長。
二、多智慧體系統
多智慧體系統（MAS）是多個AI智慧體構成、利用交互作用實現複雜個體或共同目標的集合，既可在單一環境中交付，亦可於分散式環境中獨立開發部署。
高挺表示，通過使用多智慧體系統，企業可實現複雜業務流程自動化、提升團隊技能、開創人類與AI智慧體新協作方式。採用模組化設計的專業智慧體通過在各工作流中重複使用成熟解決方案提升效率、加速交付與降低風險。此方案便於擴展運營規模與快速適應需求變化。
三、特定領域語言模型（DSLM）
資訊長（CIO）暨執行長（CEO）要求AI帶來更多商業價值，但一般大語言模型（LLM）難以勝任專業任務。特定領域語言模型（DSLM）憑藉更高精度、更低成本與更高合規性填補這一空白，是針對特定行業、功能或流程專用資料上訓練或微調的語言模型，DSLM能更精準、可靠且合規地滿足特定業務需求。
Gartner預測，到2028年，企業使用的生成式AI（GenAI）模型超半數屬於特定領域模型。情境 (Context) 成為決定代理部署成功與否的關鍵因素之一。基於DSLM的AI代理可解讀特定行業情境，即使在陌生情境中也能做出合理決策，因而具備超卓準確性、可解釋性與決策合理性。
四、AI安全平台
AI安全平台為協力廠商暨客製化AI應用提供統一防護機制，進行集中監測、強制執行使用策略，有效防範AI特定風險，如提示注入攻擊、資料外洩、惡意代理行為等，幫助CIO執行使用政策、監控AI活動、在全AI系統中建立統一防護邊界。Gartner預測，到2028年，使用AI安全平台保護AI投資的企業比率超過50%。
五、AI原生開發平台
AI原生開發平台使用GenAI實現空前快速、便捷的軟體發展。軟體工程師作為「前端部署工程師」進入業務部門，使用該平臺協同領域專家開發應用。企業只需維持現有開發人員規模，組建微型團隊配合AI即可開發更多應用。目前，領先企業組建微型平臺團隊，在安全與治理框架範圍內讓非技術領域專家能自主開發軟體。
Gartner預測，到2030年，80%的企業通過AI原生開發平臺使大型軟體工程團隊轉為更靈活的小團隊並通過AI賦權。
六、機密運算
機密運算重塑企業敏感性資料處理方式。由於工作負載被隔離在基於硬體的受信任執行環境（TEE），即使面對基礎結構所有人、雲端提供商或任一擁有硬體物理存取權限之實體，機密運算也能確保內容與工作負載隱形能力，對受監管行業、面臨地緣政治與合規風險的跨國公司與競爭對手的合作尤為重要。
Gartner預測，到2029年，在非可信基礎結構中處理的業務當中有超過75%將依託機密運算機制保障使用安全。
七、實體AI
實體AI是因人為賦權而具有感測、決策與執行能力的機器與設備（例如機器人、無人飛行器暨智慧型設備），將智慧型演化演算帶入到現實世界，為看重自動化、適應性與安全性的行業帶來可觀收益。但同時可能引發人們對就業的擔憂，因此要採取謹慎的變革管理。
八、前置主動式網路防禦
企業面臨網路、資料與聯網系統威脅倍增，前置主動式網路防禦正成為趨勢，以運用AI驅動的安全運營、程式化阻斷與欺騙技術在攻擊者行動前就實施干預，以預測手段實現防護。Gartner預測，到2030年，CIO從被動防禦轉向主動防護，前置主動式網路防禦解決方案將占企業安全支出總額一半。
九、數位溯源
企業日益依賴協力廠商軟體、開放原始程式碼與AI產生內容，數位溯源驗證已成為一項重要需求。數位溯源指對軟體、資料、媒體暨流程來源、所有權與完整性進行驗證的能力。企業可使用軟體物料清單（SBoM）、認證資料庫、數位浮水印等新工具驗證與追蹤供應鏈中的數位資產。
Gartner預測，到2029年，在數位溯源方面投入不足的企業會面臨高達數十億美元的制裁風險。
十、地緣式遷移
地緣式遷移指企業因考慮到地緣政治風險而將資料與應用從全球公有雲遷出至主權雲端環境、區域雲端服務商或自有資料中心等本地平台。主權雲端這一概念曾僅限銀行與政府機構，如今因全球局勢動盪加劇而影響各類企業。
Gartner預測，到2030年，歐洲暨中東地區將有超過75%的企業把虛擬工作負載遷移至降低地緣政治風險的解決方案，2025年還不足5%。
[joblist_plugin title='更多104【AI工程師】工作機會' url='https://www.104.com.tw/jobs/search/?order=15&jobcat=2007001020&page=1' amount='3']
別只會開ChatGPT！寫企劃、查資料、解任務該找誰？全球數據揭職場AI的「真實專長」
為什麼同一份指令，換個工具效果差這麼多？本文帶你從Similarweb最新全球數據，拆解幾個主流AI的「隱藏性格」與分工邏輯，教大家用最高效率搞定所有職場任務！
文／《104職場力》
本文導覽
數據解密：從「對話習慣」看懂AI的真實定位Claude耐得住性子、能深度思考，最適合當「資深幕僚」ChatGPT是點子多、懂職場又懂生活的「全能特助」Gemini和Copilot講求效率，是很棒的「即時情報員」別忘了還有Perplexity！它是自帶資料來源的專業市調員職場高手用AI工具都採「混合雙打」策略！
打開AI對話框，明明輸入了各種詳細指令卻還是不停碰壁？
叫AI幫忙寫一篇嚴謹的專案企劃，它卻給了一堆空泛的漂亮話？
只是想查個技術名詞或快速對答案，它卻長篇大論回了800字？
寫程式或校對文件時，改到第3輪它就開始邏輯打架、亂燒Token？
當瓶頸過不去，很多人會直接下結論：「AI好難用，根本沒傳說中那麼神！」但扣除Prompt出問題外，還有一種可能是「你一開始就用錯工具」了！
在Similarweb在最新的《2026生成式AI版圖：AI搜尋的演進》研究報告中，分析了全球使用者的對話行為，其中一項數據指出：主流AI平台早已走出各自的「專長分野」，其背後的「受眾特徵到使用習慣」差異非常大。
數據解密：從「對話習慣」看懂AI的真實定位
Similarweb交叉比對了各平台使用者的「提示詞長度（Prompt Length）」與「單次對話的提示詞數量（Prompts per Session）」，繪製出底下這張AI分工圖，打破了「只用ChatGPT就能搞定所有事」的迷思。
圖片來源：Similarweb研究報告
從使用行為來看，不同平台在使用者心目中，早已演化成完全不同的「職場同事角色」。
Claude耐得住性子、能深度思考，最適合當「資深幕僚」
從數據來看，Claude的使用者每次輸入的提示詞長度是所有平台中最長的，而且單次對話的來回次數也直接拿下第一！再看這群人的背景，他們造訪大專院校與學術研究機構的比例，是一般網路用戶的整整25倍，造訪程式開發與商務專業服務網站的頻率也是別人的3倍之多。
這代表全球很多工程師、學者和專業經理人，早就把Claude當成處理燒腦難題的智囊團。
所以如果大家的需求是「架構龐大的年度企劃、消化上萬字的訪談與會議紀錄」，或是「寫複雜程式碼、抓出邏輯漏洞」時，可以使用Claude！它讀長文章跟邏輯推理的能力非常強，就算你一口氣丟給它好幾頁密密麻麻的背景資料和限制條件，它也不容易失憶或亂回答，能陪大家一輪又一輪地精雕細琢出嚴謹的成果。
ChatGPT是點子多、懂職場又懂生活的「全能特助」
觀察ChatGPT的對話數據，會發現它走的是「無所不聊的高頻率互動」路線，在熱門對話主題中，除了科技應用，佔比最高的還有行銷廣告、內容創作與商業法規在內的「專業服務」，接著是教育、娛樂，甚至連心理諮商也榜上有名；另外，它的使用者在生活消費、美食外送與時尚美妝等網站的造訪率，都高出平均2倍以上。
這些數據顯示ChatGPT是目前最深入大眾工作與日常的靈感發想機。
因此，當大家卡在「行銷文案想不出新梗、跨部門提案寫不出吸睛標題」，或是「不知道該如何委婉又得體地回覆一封棘手的客戶抱怨信」時，找ChatGPT來回拋接點子可能最有效率！它的語言組織力與情境適應力不錯，特別適合用在創意發想、快速產出初稿或模擬職場人際溝通的應對場景中。
Gemini和Copilot講求效率，是很棒的「即時情報員」
Gemini和Copilot跟前面兩種AI工具截然不同，它們在數據圖表是落在「提示詞最短、單次對話次數最少」的區間，這表示大家用它們不是為了聊天討論，比較像是丟出某個具體問題，並追求「問完、拿到答案、立刻轉身去執行」的節奏。
細看數據會發現，Gemini的使用者在網頁設計（4.8倍）、電腦資安（3.1倍）及硬體設備（2.2倍）等網站的黏著度特別高，偏向重視效率的科技族群。
這種工具性格，正好能完美搞定辦公室裡的零碎雜事，當職場人開會到一半突然要「快速查個冷門名詞定義、比對兩套軟硬體規格優缺點」，或是需要「搭配Google和微軟工具快速摘要Email與文件重點」時，Gemini和Copilot的優勢最明顯，因為只要指令明確，它不需要冗長的背景鋪陳也能用最快速度幫大家把零碎任務清空。
圖片來源：Similarweb研究報告
別忘了還有Perplexity！它是自帶資料來源的專業市調員
除了上面3種工具，圖表中還有一個不能漏掉的狠角色Perplexity，它的對話長度剛好卡在中間，大家用它也不是為了閒聊，通常都是帶著明確的調查任務來的。
根據報告數據來看，大家用它找最新資料的比例正大幅飆升，尤其在「旅遊規劃、商品比價、金融與市場分析」這類需要最新情報的領域，Perplexity附上即時參考連結的比例最高。
所以當大家需要「做競品調研、找產業最新數據」，或是被主管要求「報告寫的內容要附上可查證的資料來源」時，找Perplexity就對了！這類工具就在回答問題時會直接給參考出處，省去自己到處Google慢慢比對查證的時間。
職場高手用AI工具都採「混合雙打」策略！
看完各家AI的專長，你現在可能在想：「所以我到底該固定用哪一個？」
報告裡給出一個很有意思的現象，其實有高達95%的ChatGPT用戶，平常依然天天狂用Google搜尋；而且在主流AI之間，同時混用好幾款的人非常多！這項數據也點出一個關鍵：職場上的AI高手，都不是只會「死忠」用單一工具的人！
真正的神人都怎樣搭配？可以舉個例子供大家參考：
先開ChatGPT發想5個企劃點子
選定方向後，把架構丟給Claude擴寫成邏輯嚴密的大綱
寫到一半遇到不確定的市場數據，順手開Perplexity抓出正確出處
統整完寄出Email前，用Gemini或Copilot快速檢查重點有沒有漏掉
現在的AI就像各有所長的同事，所以有時比下對Prompt更重要的是「知道何時該派誰上場」！下次工作卡關、覺得AI怎麼又在胡說八道的時候，先別急著生氣，試著換個工具再問一次，也許就能找到正確的神隊友！
[course_plugin api_type='course_id' title='其他AI應用推薦課程' id='b6c9c165-0c8b-4eb7-b2a0-6a105afc5e24']
有任何收穫或想分享的，都來和大家一起聊聊吧！