機器學習實戰
104學習
scikit-learn
這項技能代表你具備使用Python進行機器學習的能力，能運用各種演算法來進行資料分析、分類、回歸及模型建構。對於數據科學、人工智慧或數據分析相關職位非常重要，能有效提升資料處理效率與預測準確度。掌握它意味著你能協助企業從大量數據中挖掘價值，支援決策制定，並具備實務操作機器學習專案的實力。
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
成為 AI 科學家｜提升 AI 實作能力必備，深度學習 TensorFlow 基礎與應用
【免費課程報名】技術開發技能 1-5 人人都可以是生成式 AI 的 Builder : Amazon Bedrock 介紹 | 完課紀錄回傳履歷表
【免費課程報名】技術開發技能 1-6 人人都可以是生成式 AI 的 Builder : Amazon Q 介紹 | 完課紀錄回傳履歷表
AI邊緣運算實作TensorFlowLite for MCU【本課程為線上課，報名後專員會提供上課資訊】
【免費課程報名】技術開發技能 1-2 開始採用生成式 AI: 提示工程,檢索增強生成與微調 | 完課紀錄回傳履歷表
【免費課程報名】技術開發技能1-3 提示工程最佳實務 : 有效利用 Claude 3 | 完課紀錄回傳履歷表
電腦視覺演算法之人臉辨識實戰【本課程為線上課，報名後專員會提供上課資訊】
打造你的專屬 AI｜3小時一對一 AI 工作模組化實作課
MCP Server讓AI走入實體世界：從零打造 MCP Server，一點都不難！
精選證照
考取專業證照，讓能力被市場看見
Scratch程式設計與邏輯思考
Scratch 程式設計與邏輯思考: 通過 Scratch 平台，培養程式設計和邏輯思考能力，適合初學者入門，創建互動式故事和遊戲。
Scratch是一種視覺化的編程語言，旨在以有趣和互動的方式教授編程概念和邏輯思維。對於初學者來說，Scratch尤其適合作為學習編程的起點。通過Scratch，學習者可以理解基本的編程概念，培養邏輯推理能力，為未來的編程學習打下堅實的基礎。
TIPCI臺灣國際專業認證學會
SSE AI 提示詞工程師
[ 引領AI時代的語言設計專家認證 ]
隨著生成式人工智慧（Generative AI）快速崛起，從文字生成、圖像創作、音樂編排到自動化工作流程，「提示詞（Prompt）」設計能力已成為駕馭AI的關鍵技能。而「Prompt Engineer（提示詞工程師）」作為新興且高度需求的職業角色，正逐漸在學術界與職場上嶄露頭角。 AI Prompt Engineer 國際認證應運而生，旨在建立一套標準化、系統性的評量機制，協助學習者掌握與AI互動的語言設計邏輯，具備實務操作能力與創造性思維，為進入AI產業奠定堅實基礎。
Silicon Stone Education (SSE)
NNCSE
NNCSE（國際神經網路與計算科學工程師證照）專為具備人工智慧與神經網路技術應用能力的人才設計，涵蓋機器學習、深度學習及數據分析等核心技能，強調理論與實務結合，適合從事AI系統開發、資料科學及智能自動化領域的專業人士。透過此證照，持有者可展現其在神經網路架構設計、模型訓練與優化的專業素養，提升職場競爭力及跨領域整合能力，符合現今產業數位轉型需求。
Nortel Networks
生成式 AI 技術開發技能證書
AWS 為協助個人突破職涯新價值，推出「AI 人才就緒計畫 」(AI-Ready Talent Development Program)，針對不同角色免費提供系列生成式 AI 課程、專業 AI 認證備考資源、AWS 生成式 AI 服務試用，更進一步協助您取得 AI 認證！
學習本課程，您將能了解提示工程、檢索增強生成與微調的最佳實踐、掌握生成式 AI 端到端流程建溝以及驅動 AI 流程須考量的數據、儲存與運算等基礎架構。還能進一步了解如何將 AWS生成式AI服務應用在實際營運情境。
AWS
負責任的AI技術課程認證
線上課程約8小時
這個入門微學習課程主要介紹「負責任的 AI 技術」和其重要性，以及 Google 如何在自家產品中導入這項技術。本課程也會說明 Google 的 7 個 AI 開發原則。
完成此活動，贏取徽章！向世界展示您掌握的技能，拓展雲端領域的職業之路。
課程目標：
● 掌握 Google 採用 AI 開發原則的理由。
● 瞭解機構為何需實踐負責任的 AI 技術。
● 瞭解專案各個階段中的決策如何影響負責任的 AI 技術。
● 瞭解機構如何針對業務需求和價值量身打造 AI 技術。
Google
Generative AI Studio
線上課程約8小時
本課程將介紹 Vertex AI 上的 Generative AI Studio，說明如何用此產品設計生成式 AI 模型的原型及自訂生成式 AI 模型，以利您在應用程式中使用模型的功能。課程中，您可以透過 Generative AI Studio 示範教學逐步認識 Generative AI Studio，並瞭解產品功能、選項與使用方式。課程最後，您可以在實作研究室應用所學，並進行測驗來評估學習成果。
完成此活動，贏取徽章！向世界展示您掌握的技能，拓展雲端領域的職業之路。
課程目標：
● 說明 Generative AI Studio 的功能。
● 介紹 Generative AI Studio 的選項。
● 使用 Generative AI 語言工具。
Google
精選貼文，掌握第一手知識
AWS助攻AI人才媒合 超過4.5萬人透過免費課程累積AI「學力」證明
AI相關職缺需求持續攀升，年成長9.1%，2025年第二季更突破12萬個AI相關工作機會。為回應市場熱度，104學習與AWS合作推出 「AI人才就緒計畫」，上線五個月已吸引超過4.5萬人次參與AI入門與進階技術的學習路徑，無論是商務應用、提示工程、生成式AI到雲端技術，皆成功帶動學習與求職行為轉換，逐步打造具備「學習力×科技力×溝通力」的AI人才生態圈。
文 /【104學習】
AI學習熱潮持續升溫 生成式AI與提示工程最熱門完課認證讓學員主動應徵率成長近2倍：AI技能提升求職行動力學力證明讓企業邀約面試數增加7成：學習紀錄成「辨識人才」指標挑戰AWS官方證照：打造被市場看見的競爭力
AI學習熱潮持續升溫 生成式AI與提示工程最熱門
由104學習與AWS合作推出的「AI人才就緒計畫」，包含兩大主題「商業應用技能」與「技術開發技能」，總共16堂、不到10小時的免費課程。該計畫自2025年7月在104學習課程中心上線以來，共吸引超過4萬5800人次參與課程，展現台灣職場對生成式AI、提示工程與雲端技能的高度需求。
在課程主題中，「商業應用技能」最受學員青睞，其中又以 「生成式AI如何顛覆您的工作模式」課程的學習人次最高，反應許多非工程領域的職場工作者，也開始積極導入AI工具提升效率與創造力。
[course_plugin api_type='course_id' title='AWS商業應用最受歡迎課程' id='553bc7bd-5e0e-48c4-af58-41ed7368ce15']
在「技術開發技能」主題部分，最受歡迎的則是「提示工程最佳實務：有效利用Claude 3」，協助工程師與技術人員掌握當前最主流的提示設計與生成式AI 應用技巧，進一步提升模型運算與內容生成的品質。
[course_plugin api_type='course_id' title='AWS技術開發最受歡迎課程' id='6c274081-2d28-4fe6-ad3b-997567c09734']
特別的是，當使用者在104學習完成AWS線上課程之後，系統將自動產出完課證明，並直接同步至使用者的104履歷表中，讓企業能一眼辨識求職者的AI能力。這項機制不僅提高求職者履歷的讀取率，也為學員帶來更明確的求職優勢。
完課認證讓學員主動應徵率成長近2倍：AI技能提升求職行動力
因此，除了超過4.5萬人次投入AI 技能學習之外，104 與AWS的AI人才就緒計畫，更因具備「學習紀錄回傳與履歷自動更新」功能，使求職者與企業兩端的行為皆出現顯著轉變。
在求職端，根據104學習的數據顯示，在「商業應用技能」主題中，以完成「打造生成式AI就緒組織」課程的學員求職行動力最積極，這些學員在獲得該課程的完課證明，學習紀錄自動同步至履歷後，在接下來三個月內，他們主動應徵職缺次數成長了195.4%，也就是說，完成生成式AI課程的學員，更願意多投幾封履歷。這項數據同時反應，具體的AI技能證明不僅帶來求職者的成就感，更能強化他們的信心，使其願意跨出舒適圈，投遞過去因技能門檻而不敢挑戰的職缺，AI 學習歷程因此成為促進求職行動力的重要推力。
[course_plugin api_type='course_id' title='完課後立刻推升求職行動力' id='10361c40-8284-4333-b589-b234b1c815bb']
學力證明讓企業邀約面試數增加7成：學習紀錄成「辨識人才」指標
在企業端，104學習觀察到相同趨勢。在「技術開發技能」課程主題中，完成「提示工程最佳實務 : 有效利用 Claude 3 」並擁有該學習紀錄認證的學員，在三個月內獲得的企業主動邀約面試次數提升68.8%。顯示企業在搜尋人才時，已優先鎖定具備AI技能學習歷程的履歷。104與AWS認證的學習紀錄成為企業招募時的重要指標，使其更容易辨識具備生成式AI、提示工程與雲端應用能力的即戰力人才。
這些數據不僅代表學習行為上的進步，更顯示AI技能已深刻影響求職市場的互動方式。對求職者而言，學習不再只是加分項，而是能直接轉化為行動力與機會；對企業而言，AI學習歷程正在成為加速辨識人才、提升招募效率的新標準。
[course_plugin api_type='course_id' title='讓企業邀約率增加的課程' id='6c274081-2d28-4fe6-ad3b-997567c09734']
立即觀看 104 x AWS AI人才就緒計畫免費16堂完整課程
挑戰AWS官方證照：打造被市場看見的競爭力
在補強AI 技能後，越來越多學習者開始進一步挑戰AWS官方證照。根據多項國際IT證照薪資調查，擁有AWS AI相關證照，平均年薪上看10萬美元，顯示雲端與AI技能已成為全球企業高度重視的能力指標。對求職者而言，AI證照不僅是技能驗證，更是企業在評估AI應用與技術能力時可直接參考的「專業可信度」。
104學習與AWS整理出最受學習者關注的AWS熱門認證：
AWS認證的人工智慧從業人員-基礎級認證 AWS Certified AI Practitioner-Foundational了解更多AWS認證的雲端從業人員-基礎級認證AWS Certified Cloud Practitioner-Foundational了解更多AWS認證的機器學習工程師-助理級認證AWS Certified Machine Learning Engineer-Associate了解更多AWS認證的開發人員-助理級認證AWS Certified Developer-Associate了解更多
關於AWS官方認證更多資訊
如果還沒準備好立刻投入考照，104學習也提供多元的AWS認證學習資源，協助使用者們以更從容的步伐進入雲端與AI的專業領域。104學習涵蓋從基礎入門到進階備考的完整課程，包括雲端基礎概念、生成式AI應用、提示工程實作、機器學習訓練流程與AWS服務操作技巧等內容，都能找到相對應的學習路徑。104學習以系統化課程、可回傳104履歷的學習紀錄與彈性進度安排，陪伴準AI人才逐步累積雲端與AI技能，為正式挑戰AWS證照打下更扎實的基礎。
探索更多AWS認證課程
[joblist_plugin title='更多104【AWS AI人才】工作機會' url='https://www.104.com.tw/jobs/search/?jobsource=index_s&keyword=AWS;mode=s&page=1' amount='5']
延伸閱讀👉 AWS免費課程幫你打造AI「學力」證明，攻搶12萬AI職缺！👉 搶攻12.1萬個AI工作！104運用AWS技術推「AI人才就緒計畫」目標首年培育逾3萬人👉 AI人才需求強勁！工作機會年增9.1% 企業數位轉型與人才培育成關鍵
用「優勢公式」找對夥伴！Google與DeepMind工程師如何用AI改寫能源產業
Google與DeepMind工程師如何用AI讓數據中心省電40%，並創辦AI節能新創？看懂能力、動機與洞見組成的「優勢公式」。本文節錄自《商品決勝點》。
文／傑克納普、約翰澤拉斯基
你的優勢是什麼？優勢會以能力（capability）、動機（motivation）與洞見（insight）三種形式出現。為了解釋這三種優勢如何發揮作用，我要帶你回2014年認識三個人。他們日後成為公司創辦人。看看你能否從接下來的段落，找出三人替專案帶來的優勢─並猜一猜他們最終建立哪一種公司。
首先是機械工程師凱蒂．霍夫曼（Katie Hoffman）。
2014年的一個平常日，凱蒂在各種工業設備之間走來走去，手上沾滿灰塵和油汙。她的視線順著亂七八糟的線路走，一下子接這台機器，一下子接那台機器。凱蒂帶領的團隊負責翻新工廠，裝上新型控制系統以發揮最佳效能。這份工作很重要的一環，就是找出舊系統是如何運作，而實際情形永遠和設計文件說的不一樣。
凱蒂盯著的那條線，連到又一個工廠文件上沒提到的感應器。她用手機拍下照片，備註幾句話，然後嘆氣。成功破解舊系統並改善效率，的確會帶來滿足感─但凱蒂心知肚明，再過幾年，又會有另一批人跑來這，拆掉她所有的心血，再度翻新工廠。在那之前，系統將停留在這次的更新，永遠不會改善，直到再度大改造。凱蒂感覺這樣很浪費，想必還有更好的辦法，但是該怎麼做？
接下來是吉姆．高（Jim Gao）─也是機械工程師。
2014年一個普通的一天，吉姆坐在控制室裡，地點是Google位於愛荷華州的龐大數據中心。這座數據中心當初在設計時，吉姆就參與了，但他今天和凱蒂一樣，想著有什麼辦法能改善效能。
廠內漆成亮色的藍綠紅黃管線，通往四面八方，讓這座數據中心看起來有如《超級瑪利歐》（Super Mario）遊戲被搬到現實世界，只不過沒有蘑菇和飛行龜，只有一排排的伺服器機櫃。
一年12個月，一週7天，白天黑夜不停歇，隨時有冷水流過那些五彩繽紛的管線，負責吸收與帶走伺服器產生的熱氣。冷卻管的確有用，但吉姆檢視控制室的讀數，忍不住感到失望。這個系統太耗電。每次機櫃開始升溫，管理數據中心的團隊就必須加快冷卻系統的輸出。加速時耗用的能源愈來愈多，但也不能不加速─伺服器過熱就會當機，網路將斷線。或許這樣的效率不彰是無法避免的，或許工程技術頂多就只能做到這樣，但吉姆總覺得哪裡怪怪的。他到底漏掉什麼？
最後一位是電腦科學家維達．潘奈薛凡（Veda Panneershelvam）。
在2014年平凡無奇的一天，維達坐在倫敦的桌旁寫程式。他和世界級的軟體工程師團隊合作，一起尋找人工智慧研究的聖盃：寫出能在圍棋賽中打敗人類的電腦程式。
如果你不熟悉圍棋，只需要知道很複雜就夠了。西洋棋有10123種可能的走法，但圍棋有10360種，令人難以置信。圍棋棋盤可能呈現的棋局狀態，還要多過宇宙裡的原子數！
如果要在圍棋取勝，維達和同事必須開發出新型的人工智慧做法，創造能看見未來的程式。2014年的時候，大部分的人認為這是癡人說夢，但維達只覺得興奮。如果AI連圍棋都能勝出，誰知道還能替人類解決其他哪些問題。
我們來回顧一下，先從顧客和問題講起：
凱蒂正在解決大型製造商的工業控制系統缺乏效率的問題。
吉姆正在解決Google有如吃電怪獸的數據中心。
維達正在解決……這個嘛，我不認為他實際上是在解決圍棋的問題。我認為他真正在處理的，其實是人腦處理複雜問題的能力有限。我認為他的「顧客」是全人類。我知道，這聽起來有一點過於宏大，但我認為確實如此。
好，那凱蒂、吉姆和維達的特殊優勢是什麼？剛才提過，優勢有三種。
首先是能力。能力是指你能做到很少人能比得上的事。如果你在大公司上班，你可能享有知名品牌的好處，或是專案有很多預算；如果你替迷你的新創公司工作，你的能力有可能是專注與快速行動。不過，最能派上用場的能力通常是傳統的專業技能（know-how）：
凱蒂是機械工程專家，主要做工業控制。
吉姆也是機械工程師，專長是數據中心。
維達是電腦科學專家，專門做人工智慧。
凱蒂、吉姆和維達在各自的領域都是世界級的人才─有如女籃的凱特琳．克拉克（Caitlin Clark）與男籃的「詹皇」詹姆斯（LeBron James）─但光是他們的能力，還不足以完整呈現他們的獨特優勢。
接下來，我們來看第二種優勢：動機。動機是你想解決這個問題的特殊原因；你願意傾盡心力的事，別人不一定願意。動機也很重要，因為動機能指明一條路，讓你躍躍欲試，知道該在何處以什麼方式發揮長處。
凱蒂、吉姆和維達三位未來的創辦人，全都想要解決重要的問題，帶來正面的改變。這種精神令人欽佩，但過於籠統。我是說，很多人當然都想「讓世界更美好」─但唯有動機十分明確的時候，才能協助你決定該做什麼，所以講得再明確一點：
傳統的工業控制系統升級方式讓凱蒂沮喪。
實體系統的限制讓吉姆沮喪。
維達想運用AI替人類解決大型的問題。
注意到了嗎？以上三人中的兩人，主要是沮喪帶來了動力。如果你的動機也一樣，嘿，沒關係的。世上最優秀的產品，有的就是源自為現況感到憤慨、困惑、惱火、痛苦或抓狂。你不一定要從偉大的願景起步，憤怒也能帶來力量。
好，能力和動機加在一起後，三位未來創辦人的優勢變得更獨特。但他們分別會開哪種公司？讓我們進一步了解他們的故事。
兩年後，在2016年3月9日，維達站在南韓首爾四季飯店的會議室，透過現場影片串流，目不轉睛地看兩個人比賽圍棋。
棋桌的一方坐著李世乭，他是拿過18次世界冠軍的專業棋士。另一方則是業餘人士兼維達的同事。
維達看著同事下一個白子，接著注意力一下子回到會議室。電腦螢幕顯示數十張圖。「勝率圖」頓時表示對白方有利。
電腦認為能打敗看似無敵的冠軍李世乭。
過去幾天，維達和團隊成員─15名剛從倫敦飛來的電腦科學家─把會議室改造成臨時的控制中心。AI程式AlphaGo就是他們設計的。他們在控制中心把AlphaGo認為棋子該怎麼下，轉告給維達的同事，那名同事負責把棋子擺到真實世界的棋盤上。
那場比賽的贏家可以獲得100萬美金的獎金。有沒有人跟我一樣，覺得這個場景像是15名科學家合演高科技搶劫片《瞞天過海》？只不過李世乭其實是在和AI比賽，不是什麼祕密。裁判知道，李世乭知道，每個人都知道。全球各地轉播這場比賽，數百萬人觀戰，不過大部分的圍棋專家都認為圍棋太複雜，電腦不可能獲勝。
然而，在那個首爾的三月天，AlphaGo贏了。
數千英里外，吉姆仍在設法改良Google數據中心的冷卻系統。AlphaGo的故事如火如荼展開時，他偶然聽到這件事，備感著迷，開始追蹤首爾的最新情形，一點細節都不放過。
吉姆挖掘細節時得知，AlphaGo的AI使用「深度強化學習」（deep reinforcement learning）這個突破性的方法。吉姆冒出一個瘋狂的點子。深度強化學習會不會有助於冷卻數據中心？畢竟隨時找出最佳的控制配置，有一點像是在圍棋賽中找出最好的一步。
維達的團隊替DeepMind工作，而DeepMind是Google旗下的公司。這不正好。雖然吉姆沒見過他們，但嚴格來講大家都是同事。維達於是寄電子郵件給DeepMind團隊，解釋他的瘋狂點子。
維達認為這個數據中心的挑戰很吸引人，同意試試看。接下來密集的幾星期，維達、吉姆和DeepMind的工程師團隊，寫出新的深度強化學習程式，把Google數據中心的冷卻系統，交給這個新AI負責。
電力使用起初暴增，因為AI做起實驗，隨機調整控制設定，就像小朋友亂按汽車音響上的鈕。不過，AI也和幼兒一樣會學習，強化有效的策略，用電因此出現改善，再改善，持續改善，最後和AlphaGo一樣超越人類，Google數據中心的用電因此銳減四成。
我等一下會繼續說這則故事，但先來看維達和吉姆合作後發生的事。他們整合雙方的能力─吉姆的數據中心專業能力，加上維達的人工智慧魔法─打造出單打獨鬥生不出來的東西，發揮特殊的優勢。不過別急，好戲還在後頭。
2019年，吉姆和維達結識凱蒂─那位擅長翻新工業控制系統的機械工程師。三人開始討論如何能在Google以外的世界，減少能源浪費。廠房在加熱、冷卻與操作各種設備時，耗用大量的電力。AI也能在這方面幫上忙嗎？
吉姆和維達相信他們能大幅改善工廠的能源使用─但需要借重凱蒂的實務知識，才有辦法設計、販售與裝設解決方案。凱蒂曾在詮宏空調（Trane）、英格索蘭工程技術公司（Ingersoll-Rand）、雷神國防承包商（Raytheon）等企業，帶領過工程與創新團隊。她清楚製造商如何作決定，也了解工業控制系統的缺點。吉姆和維達熟悉的是Google經過精心設計的數據中心，而工業廠房的世界遠比那混亂─凱蒂則熟悉這個領域。三人決定放手一搏，辭去工作，在2019年底成立新創公司淮德拉（Phaidra）。
淮德拉是我們Character資本最早投資的一批公司，他們的故事深深啟發了地基衝刺。他們從大膽的專案起步：企圖運用AI讓各種工業廠房更有效率。他們測試點子，學習如何建立顧客的信任感，談成第一筆生意。淮德拉先在大型藥廠展開試行計畫，隔年拿到第一筆大訂單，在5座工業廠房部署AI，最終還把服務拓展至數據中心。維達、吉姆與凱蒂在2014年渴望見到的超越人類、具備適應性、能預測未來的系統，如今成真。
三人能成功的原因是第三種優勢也登場：洞見。
洞見是指對問題與顧客有深入的了解。洞見讓你擁有別人沒有的觀點。吉姆有數據中心的洞見，維達有深度強化學習的洞見，但淮德拉的策略能成真，仰仗的是凱蒂具備工業廠房─以及擁有那些工廠的企業─如何運作的洞見。
淮德拉三位創始人的能力與洞見加在一起，得出獨特的東西。你可以想成一條等式：
能力＋洞見＋動機＝特殊優勢
凱蒂、吉姆和維達見面時，心想：「天啊！想想我們聯手能做到的事！」淮德拉公司或許算極端的例子，但你也能和團隊利用特有的優勢，帶來屬於你們的「天啊！」時刻。
節錄自：時報出版《商品決勝點：全球最成功的產品設計師如何讓顧客買單》／傑克納普, 約翰澤拉斯基 著
Obsidian知識庫怎麼建立？搭配ChatGPT快速整理筆記、串聯零散資料
Obsidian個人知識庫怎麼做？當資料越積越多，還分散在Google Drive、Google Sheets、Notion等處，想查一件事得開3個工具。作者示範請ChatGPT盤點散落檔案、規劃筆記架構，再匯進Obsidian，讓相關筆記連結成能搜尋、連結的個人知識庫。本文節錄自《ChatGPT AI Agent 工作術》。
文／施威銘研究室
本文目錄（點擊可快速前往）
【步驟1】請ChatGPT讀取先前累積的資料並規劃筆記架構【步驟2】依規劃架構產出每個角色的獨立筆記【步驟3】完整Obsidian筆記庫內容
前面幾個範例，我們陸續整理出規則摘要、翻譯的策略文章、名詞對照表、人數配置規則、對局數據統計，這些資料分別存在Google Drive、Google Sheets、Notion好幾個不同的地方，想要一次看到「跟某個角色有關的所有資料」，還是得分頭去不同工具裡找。這一節會示範怎麼用Obsidian，把這些分散的資料統一彙整進同一個知識庫，並且讓相關的筆記彼此連結，之後只要點進「梅林」這個詞，就能一次看到規則說明、策略文章、配置注意事項跟數據表現全部連在一起。
編按：本節是作者分享「把資料變成知識」的最後一個範例。前面幾節以桌遊「阿瓦隆」的規則書、攻略文章、名詞對照表與對局紀錄為素材，示範文件整理流程，本節承接那些成果做彙整。參照時可以把素材替換成你手上的專案文件、會議紀錄或產業資料，流程完全相同。
必備工具：
Obsidian：以純文字筆記為基礎的個人知識庫工具，支援筆記之間互相連結。下載Obsidian>>
桌面版ChatGPT：切換至Work模式（免費版帳戶目前可以透過桌面版使用Work模式，但無法透過網頁版及手機版使用。）下載ChatGPT Windows桌面版>>
Documents Skill：讀取先前散落在不同文件裡的內容，轉換成適合匯入Obsidian的筆記格式。
下載Obsidian並指定路徑：
先到Obsidian官方網站下載並安裝程式：https://obsidian.md/download
安裝後我們可以先把Obsidian放著，回到ChatGPT建立筆記。
選擇系統類型並下載Obsidian（圖／旗標科技《ChatGPT AI Agent 工作術》）
下載完畢後開啟安裝精靈，按照預設選項點選下一步並安裝Obsidian（圖／旗標科技《ChatGPT AI Agent 工作術》）
點選建立會直接在左上方所顯示的路徑下開啟新的筆記庫；點選開啟則會跳出選擇資料夾的視窗來指定開啟筆記庫的位置（圖／旗標科技《ChatGPT AI Agent 工作術》）
【步驟1】請ChatGPT讀取先前累積的資料並規劃筆記架構
先選擇一個合適的資料夾建立專案，本次範例路徑為[C:\Users\Admin\Desktop\Avalon]，請ChatGPT盤點目前散落在各處的資料，提出一個適合Obsidian的筆記分類架構，而不是一股腦全部塞進同一篇：
提示詞
請幫我讀取「阿瓦隆規則一頁摘要」「阿瓦隆策略攻略中譯版」「阿瓦隆名詞對照表」「阿瓦隆人數配置對照表」「阿瓦隆對局數據統計」這幾份文件，幫我規劃一個適合匯入Obsidian的筆記架構，例如是不是要幫每個角色各建立一篇獨立筆記、規則跟策略要不要分開資料夾，並說明這樣規劃的理由。
ChatGPT會先盤點所有既有資料，提出適合Obsidian的筆記分類架構供確認（圖／旗標科技《ChatGPT AI Agent 工作術》）
【步驟2】依規劃架構產出每個角色的獨立筆記
確認架構之後，請ChatGPT先以第二篇章02角色為範本，幫每個角色建立一篇整合式筆記，確認內容是我們想要的：
提示詞
請依照剛剛確認的架構，幫每個角色建立一篇獨立筆記，內容整合這個角色在規則摘要裡的能力說明、策略文章裡提到跟這個角色有關的技巧、這個角色目前在我們團裡的出場次數與勝率數據，並在筆記裡用雙方括號的方式標記出其他相關角色的名稱（例如在梅林的筆記裡標記〔〔派西維爾〕〕），方便之後產生連結。
ChatGPT會為每個角色整合出一篇獨立筆記，並用雙方括號標記關聯角色以建立連結；點開Obsidian角色資料夾，會跳出剛建立好的角色說明筆記庫（圖／旗標科技《ChatGPT AI Agent 工作術》）
將資料夾路徑複製下來（圖／旗標科技《ChatGPT AI Agent 工作術》）
回到Obsidian，點選開啟（圖／旗標科技《ChatGPT AI Agent 工作術》）
貼上剛剛複製下來的路徑，把\02角色刪除，點選選擇資料夾；Obsidian會開啟路徑下的資料夾並將筆記庫的資料呈現在左側欄（圖／旗標科技《ChatGPT AI Agent 工作術》）
點開02角色點選角色索引或陣營資料夾即可查閱剛剛ChatGPT建立的筆記資料；點選梅林可以直接跳至該角色的介紹內容，一併附帶角色規則與遊玩攻略（圖／旗標科技《ChatGPT AI Agent 工作術》）
（圖／旗標科技《ChatGPT AI Agent 工作術》）
第5步中，刪除02角色這個路徑是因為02角色資料夾只是整個筆記庫中的其中一個篇章，筆記庫的完整內容是建立在名為阿瓦隆的資料夾之下，我們可以先在此步驟把路徑設好，之後就不需要再更動他。
【步驟3】完整Obsidian筆記庫內容
確認角色的筆記都沒問題，我們就可以請ChatGPT把整份筆記庫完成，最後回到Obsidian即可隨時查閱這份匯集了所有資料精華的知識庫：
回到剛剛產生的筆記架構，點選加入聊天（圖／旗標科技《ChatGPT AI Agent 工作術》）
提示詞
1則註解幫我按照這個架構完成整個筆記庫。
（圖／旗標科技《ChatGPT AI Agent 工作術》）
等ChatGPT產出所有內容後，回到Obsidian便可以看見完整的筆記庫資料；點擊左側查看關聯圖圖示，能看到所有在筆記中互相關聯的名詞（圖／旗標科技《ChatGPT AI Agent 工作術》）
滑鼠移到某節點上可以看見單一筆記向外關聯的其他筆記（圖／旗標科技《ChatGPT AI Agent 工作術》）
從一開始那份落落長的規則書，到最後能直接產出一份知識庫，我們透過這9個範例，示範了怎麼把散落在各處、格式不一的文件、翻譯、影片、對局數據、討論心得一步步整理成一個真正可以查詢、可以互相連結的個人知識庫。
這個過程的核心，其實不是「阿瓦隆」這個題材本身，而是一套可以套用在任何領域的思路：先讓ChatGPT幫忙濃縮、翻譯、統一格式，把零散資料變成一致的結構，再透過Obsidian這類工具，讓這些資料彼此產生連結，最後才能真正從「一堆檔案」變成「一份隨時能查、能用的知識」。
不管你關心的是桌遊、工作專案，還是其他任何長期累積的興趣，這一整套流程都可以直接套用，讓你的資料庫真正為你所用。
節錄自：旗標科技《ChatGPT AI Agent 工作術：87 個職場實作範例 | ChatGPT Work × Plugins × Skills》／施威銘研究室 著
推薦閱讀：
用ChatGPT Work整理名片、簽到表！建立Excel聯絡人清單，統一格式、合併重複資料
ChatGPT怎麼整理Excel資料？清理欄位、統一格式，樞紐分析不出錯｜8組提示詞範本
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
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
Claude Skills怎麼用？內建與個人Skill差異、適用情境及使用方式
Skill（技能）可以想成一份寫給Claude的工作流程指南，本文解析Skill的功能、適用情境與觸發方式，說明內建Skill與個人Skill的差異，並分享使用官方Skill「canvas-design」的海報實作成果，有助建立可重複使用的AI工作流程。本文節錄自《Claude 萬用手冊》。
文／施威銘研究室
本文目錄（點擊可快速前往）
什麼是Skill？寫給Claude的工作流程指南Skill什麼時候適合用？Skill的3個核心特性1. 依任務意圖自動觸發2. 可在不同工作情境中重複使用3. 可以直接指定使用Claude中的Skill介紹與應用Skill應用：用canvas-design製作海報的實際結果
【使用claude skills要付費嗎？】Claude免費版及付費用戶均可使用Skills、Connectors等功能，在網頁版即可設定使用。Claude網址：https://claude.ai/
什麼是Skill？寫給Claude的工作流程指南
有了Connector之後，Claude可以連接外部工具，取得信件、行事曆或雲端文件等資料。不過，能取得資料，不代表它每次都知道「該怎麼處理」。舉例來說，你可能每週都會請Claude整理會議紀錄、撰寫週報，或回覆客戶問題。第一次你把格式和流程講清楚，它可以做得很好；但下次換一個對話，可能又要重新交代一次。就算Claude記得你的偏好，也不代表它一定會穩定遵循同一套處理流程。這時候需要的就不是更多記憶，而是一套可以反覆使用的工作方法，也就是Claude的Skill。
Skill（技能）可以想成一份寫給Claude的工作流程指南。它會告訴Claude：遇到某一類任務時，應該依照哪些步驟處理、使用什麼格式輸出，以及需要遵守哪些規則。
這樣說可能還是有點抽象，我們可以用一個實際例子來理解。假設你每週都要整理專案進度報告，而這份報告需要依照以下流程產出：
掃描專案資料夾，找出本週更新的文件。
讀取各專案的狀態紀錄。
提取本週完成事項、進行中事項與待處理問題。
整理成固定格式的週報。
依照指定命名規則儲存或輸出結果。
如果每次都在對話中重新描述這套流程，不只麻煩，也很容易漏掉某個步驟，或讓輸出格式前後不一致。但如果把這套流程寫成Skill，之後只要說「產生本週進度報告」，Claude就能依照固定流程執行，讓結果更穩定、效率更高！
Skill什麼時候適合用？Skill的3個核心特性
1. 依任務意圖自動觸發
Skill不是每次對話都全部載入，而是由Claude依照當下任務判斷是否需要使用。例如你請Claude「整理今天的會議紀錄」，它就能觸發會議紀錄Skill進行整理；但若你只是問「今天午餐吃什麼」，這個Skill就不會被拿出來使用。
這樣的好處是，你可以準備很多套不同任務的處理流程，而不必擔心每次對話視窗（Context Window）都先被一大堆技能塞滿，進而造成你對話的剩餘記憶空間很有限。Claude只會在需要時，額外載入與當前任務相關的Skill。
2. 可在不同工作情境中重複使用
Skill的另一個特性是，它不只綁定在單一對話中，而是可以在不同工作情境中重複使用。舉例來說，你建立了一個「會議紀錄Skill」，之後不論是在一般聊天、專案，或團隊內部討論中，只要任務是整理會議內容，Claude都可以載入並套用同一套整理方式。
3. 可以直接指定使用
除了讓Claude自己判斷要不要使用Skill之外，我們也可以在提示詞中直接指定要使用哪一個Skill。這通常可以透過 "/ "（斜線指令），或在任務描述中明確寫出「請使用某某Skill」來完成。
直接指定Skill的好處是，可以減少Claude判斷錯誤的機會。尤其當任務描述比較模糊，或同時可能符合多個Skill時，明確指定要使用哪一套流程，會讓執行結果更穩定。
Claude中的Skill介紹與應用
Claude的面板提供兩種Skill的來源，分為內建Skill與個人Skill。
內建Skill：內建Skill是Anthropic預先封裝在Claude環境裡的，所有使用者一登入就能直接使用，不需要任何啟用設定。主要包含文件產出類（如生成.docx、.xlsx、.pdf等格式的檔案），或是讀取文件（如讀pdf檔案、CSV檔等）操作。
舉例來說，當我們在聊天視窗要求他幫我們建立Word檔案時，他就會呼叫這些skill去幫我們執行：
能根據任務自動調用原生環境中的Skill（圖／《Claude 萬用手冊》）
個人Skill：需要自行透過Claude的Customize介面手動加入技能清單中，加入後，會出現在Personal skills清單中，之後就可以直接調用。
進入Customize頁面，開啟 Skills 分頁；開啟Skill總覽目錄，並挑選想用的技能加進來，目錄上有Claude提供的官方技能。（圖／《Claude 萬用手冊》）
目前目錄中有提供官方技能，點擊【+】可將技能新增至Claude中，之後Claude即可調用。（圖／《Claude 萬用手冊》）
新增的Skill會出現在Personal skills清單裡；點擊可直接建立新的對話視窗並帶入該技能到輸入框中，讓你測試使用；啟動開關，啟動後可讓Claude偵測任務要不要使用skill。（圖／《Claude 萬用手冊》）
【TIP】注意！所有加入的技能都會同步出現在Claude Desktop與Claude.ai（網頁版）中。
目前Claude官方提供的11種個人Skill，主要分為三種用途：
可直接使用：可以直接呼叫來完成特定任務，無需額外改寫或設定。
canvas-design：產出海報、卡片等視覺設計作品。
web-artifacts-builder：產出多元件的互動式HTML成品。
theme-factory：替現有成品套用視覺主題樣式，內建有10套不同主題。
doc-coauthoring：與Claude共同完成長篇文件撰寫。
algorithmic-art：產出帶隨機性的演算法藝術作品。
slack-gif-creator：產出符合Slack規格的GIF動畫。
learn：想搞懂某個知識點時，請Claude出題測驗或建立學習路徑。
作為範本參考：用處是讓你看懂寫法後，改寫成符合自身需求的專屬版本。
brand-guidelines：示範如何將品牌色彩與字體規範寫進技能。
internal-comms：示範如何將公司內部溝通格式寫進技能。
協助你建立Claude相關工具：以下技能是用來擴展Claude能力。
mcp-builder：引導你建立能串接外部服務的MCP伺服器。
skill-creator：引導你從零開發、測試並優化新技能。
Skill應用：用canvas-design製作海報的實際結果
接下來我們會以/canvas-design為例，示範技能的使用方式，同時解釋一個技能內部包含哪些檔案。加入技能後，它會出現在Personal Skills的列表中，點開就能查看這個技能的相關內容。
（圖／《Claude 萬用手冊》）
SKILL.md：技能的核心檔案，詳細記載這個技能的工作流程、設計原則、注意事項等。Claude啟用技能時，讀的就是這份文件
技能名稱與簡短描述：點進技能名稱後，最上方會顯示這個技能的用途簡介，告訴Claude何時應該啟用它
附件檔案：技能附帶的參考資料或資源檔案，作為Claude執行任務時可隨時取用的素材。不同技能會附上不同類型的附件，比如web-artifacts-builder技能附上建構網頁用的腳本與UI元件庫、internal-comms技能則附上各類公司文件的範例範本等。在本例的canvas-design技能中，附件是canvas-fonts字體資料夾，內含27種字體家族，Claude在生成圖片時可以直接引用，不需要另外下載
與平常使用Claude進行生圖不同，/canvas-design提供的是一套完整的設計方法論。它會要求Claude在開始繪圖之前，先建立一份設計風格（哲學）文件，思考這次作品應該採用什麼樣的視覺語彙、空間邏輯、色彩系統與字體調性，最後，再依照這份哲學去執行繪製。
不過這個技能有幾項明確的限制：
/canvas-design的輸出格式限於PNG與PDF。如果你需要JPG、SVG、PSD等其他格式，就必須在產出後另外轉檔。
Claude的生圖方式和ChatGPT、Gemini、Midjourney等工具不同。前述的工具都是透過圖像生成模型直接產生圖片，因此比較擅長做出攝影感、繪畫感，或具有真實材質的畫面。但Claude則是用程式畫圖，它會透過Python的繪圖庫，例如PIL、matplotlib，或SVG程式碼來計算圖形、線條、排版與色彩。因此，它擅長的不是寫實描繪，而是可被程式明確描述與控制的視覺形式。
Claude擅長的生圖範圍Claude不適合的生圖項目● 幾何構成、網格、色塊● 字體排印與版面設計● 參數化曲線（螺旋、波形、數學圖形） ● 重複圖案、點陣紋理、漸層● 資訊圖表式的視覺● 寫實的繪畫、攝影、有機質感● 人物、動物、植物等具象物體● 任何需要「手感筆觸」的內容● 細膩的場景描繪
【TIP】注意！雖然SKILL.md裡寫到Claude可以生成「博物館或雜誌等級的藝術品」，但這個目標只有在任務主題剛好落在它擅長的視覺類型時，才較容易成立。假設你要求它「畫一張可愛的深海生物海報」，它無法畫出真實的生物，最後改以用SVG拼出比較卡通化的替代圖形，結果反而會和原本承諾的高質感設計產生巨大落差。因此，在請它生成圖片之前，最好先確認你的主題是否能轉換成它擅長的視覺語言。
在了解優勢與限制後，我們就可以進入實作！本例要請Claude生成一張電子音樂活動海報。這類主題本身就很適合轉化成幾何圖形、線條、漸層、參數化曲線與排版設計，因此和/canvas-design的能力範圍相當契合。
/canvas-design實作結果：
（圖／《Claude 萬用手冊》）
節錄自：旗標《Claude 萬用手冊：Claude.ai | Desktop | Cowork | Code Mode | Design | Computer Use | Skills | Connectors | Plugins》／施威銘研究室 著
推薦閱讀：
Claude Cowork怎麼用？要付費嗎？解析操作流程、權限設定及模型選擇
憑借書證免費用GPT、Claude！教育部推「館館有AI」 擴及47所大學
「Claude Design」新登場！AI工具生成原型、簡報怎麼做和修改？
告別Token焦慮！Anthropic提供4個有效降低Claude Code成本祕訣！
AI時代的資工人何去何從？專家：向「文組」取經是條出路
AI快速發展，當Cursor等AI助手能幫人自動寫程式、AI預期將達到「中級軟體工程師」的水準，資工系新鮮人的就業處境正面臨艱難挑戰。資工教育、初階工程師到底該培養什麼技能？專家認為，未來資工人才需要擁抱AI素養、運算思維，讓資工系變得「更像文科學位」。
文／田孟心編譯 由天下雜誌授權轉載
本文目錄（點擊可快速前往）
教育怎麼改？「AI素養」是關鍵另一種機會：發現文科思維的價值
當「Cursor」等AI神器能幫人自動寫程式，資工教育、初階工程師到底該培養什麼技能？卡內基美隆大學等程式教育專家建議，讓資工系長得「更像人文學科」，是一條出路。
隨著ChatGPT等聊天機器人的能力不斷進化，它們開始能夠像人類一樣順暢地回答問題、撰寫論文。但論及「取代人類」的挑戰，它們最有殺傷力的，還是針對電腦科學領域。
如今，大型科技公司和新創公司都紛紛推出能自動產生程式碼的AI助手，而且能力正在迅速提升。
今年一月，Meta執行長祖克柏預測，AI將在今年的某個時刻達到「中級軟體工程師」的水準。
新鮮人的境遇特別艱難。根據技術研究和教育機構CompTIA的分析，在過去三年中，尋求兩年或兩年以下經驗員工的公司數量，下降了65%。
教育怎麼改？「AI素養」是關鍵
大學校園裡，以編寫程式碼為主的資工系首當其衝。這引起全美各地大學的資工系所，都在努力理解技術轉型的影響，並努力思考在AI時代該教授哪些內容。
美國頂尖資工院校之一，畢業生遍佈全球各地大型科技公司的卡內基美隆大學，資工教授柯提納（Thomas Cortina）指出，「AI確實震撼了資工教育」。儘管卡內基美隆過去在培養學生方面取得佳績，但今年，資工學院還是暫停暑期工作，邀請教職員一同規劃針對AI時代的新課程。
哥倫比亞大學的資工教授溫（Jeannette Wing）也表示，「我們正看到AI海嘯的冰山一角。」
綜合《紐約時報》訪談許多資工教育工作者，他們認為資工學科可以擴展，變得「更像文科學位」，亦即更加重視批判性思考和溝通技巧。
這與美國國家科學基金會（NSF）的想法不謀而合。
該基金會正在資助一個名為「Level Up AI」的計畫，結合大學與研究人員，共同探討AI教育的本質。
主導這項計劃的資工教授馬希爾（Mary Lou Maher）直言，「資工教育的未來可能會減少對程式設計的關注，而更專注於『運算思維』和『AI素養』。」
其中，運算思維指的是能否將問題分解成更小的任務，逐步訂定解決方案，並利用數據得出基於證據的結論；而AI素養指的是，理解AI如何運作、如何負責任地使用AI，以及AI如何影響社會。
馬希爾強調，培養「理性的懷疑」應該成為新的目標。
根據世界經濟論壇《2025年未來就業報告》，當前最重要的求職技能是「分析性思考」、「彈性」和「社會影響力」。
報告裡也提到，「AI素養」不僅僅是為IT專業人士「錦上添花」，而是對全人類都很重要，教育部門更該強化這個技能。
歐盟與OECD也發起「人工智慧素養框架」（AILit），預期在2026年發布，幫助年輕學習者以批判性、創造性，和合乎道德的方式接觸AI。
另一種機會：發現文科思維的價值
在求職市場上，資工系畢業生也開始發現文科思維的價值。
在一片慘淡的就業前景中，北卡羅來納大學夏洛特分校的大四生德雷克（Connor Drake），幸運地在30次投遞（通常要投100-200次）後，就面試上一家科斯的網路安全實習生職位。
德雷克分享，他個人對AI的「防禦策略」，是拓展自己的技能組。除了資工專業以外，他還輔修政治學，加強學習安全與情報研究，並且擔任大學網路安全社團的負責人——如此一來，他就更能勝任網路安全專業領域的工作。
「資工學位曾經是通往就業天堂的金鑰匙，」22歲的德雷克說道，「但現在情況已不是那樣了。」
最後，儘管資工畢業的菜鳥面臨就業寒冬，但也有專家認為，AI對於「輔助軟體市場」大有前景。
如今，從醫學到行銷領域都在客製化自家的聊天機器人，這些聊天機器人軟體必須為各產業量身打造，並由這些產業的數據庫提供支援。
史丹佛大學計算機科學教授艾肯（Alex Aiken）認為，軟體工程崗位的成長可能會下降，但參與程式設計的人員總數將會增加。
因此，大專院校仍可維持對資工基礎知識和AI原理的教學，並擴展用新工具進行軟體設計的大量實務課程。
或許，有一個重要的前提是：資工學員不會太過仰賴AI本身。
卡內基美隆的柯提納表示，許多資工學生將聊天機器人視為完成作業的「靈丹妙藥」，「但他們連一半的程式碼都看不懂，」「很多人正在意識到自己寫程式碼的價值，打算重新開始。」
（資料來源：NYT, WEF, Nature, FAS）
（原文標題：AI時代的資工人該何去何從？專家：向「文組」取經）
推薦閱讀：
AI會取代工程師嗎？寫程式不再是門檻，如何打造不可替代的能力？
AI強勢取代！企業寧僱AI也不找菜鳥，今年畢業生有多慘？
念到博士卻失業？AI時代，大學畢業該繼續升學嗎？
AI浪潮下孩子還要上學嗎？世界權威、母親李飛飛：教育是這4重點
AI秒殺人類工程師，現在矽谷科技家長都希望小孩讀「這類科系」
[joblist_plugin title='更多104【軟體工程師】工作機會' url='https://www.104.com.tw/jobs/search/?ro=0&jobcat=2007001004' amount='3']
AI時代該學什麼？程世嘉：比技術更值錢的是「基本功＋軟實力」
AI能處理愈來愈多認知型工作，未來真正拉開差距的，不只是技術，而是基本功、批判思考、溝通協作與自學能力。程世嘉解析AI時代最值得培養的競爭力。本文節錄自《智慧通膨下的新商機》。
文／程世嘉Sega Cheng，蕭玉品採訪整理
本文目錄（點擊可快速前往）
比技術更值錢的能力：基本功＋軟實力，最有競爭力的組合別急著替孩子預測未來，先給他們選擇的機會AI愈強，越要練好這些「人類能力」
比技術更值錢的能力：基本功＋軟實力，最有競爭力的組合
在AI時代，資料輸入、基礎翻譯、會議紀錄整理等「認知型任務」的價值，正在快速降低。為什麼這麼說？當AI的智商已經達到130時，就能代勞那些依賴既定規則、記憶、模式識別和語言理解來處理資訊的工作。很多東西其實不用拍腦袋、自己在那邊想破頭，可以交由AI處理。
數據已經把這件事量化出來了。Anthropic在2026年1月發布的〈Amthropic經濟指數：理解人工智慧應用的新基石〉（Anthropic Economic Index: New building blocks for understanding AI use）裡，有一個值得企業牢牢記住的數字：AI已經能處理需要14.4年正規教育的工作任務，而美國勞動力的平均教育年限是13.2年。換言之，AI在「需要受教育才會做的工作」這個層次上，已經超過美國勞動力的平均水準。如果你把這個對比放回台灣，整個圖像會更刺眼，因為台灣勞動力的平均教育年限與美國接近，AI跨過去的那條線也一樣會跨過去。
從消費者價值的角度看，史丹佛數位經濟實驗室（Stanford Digital Economy Lab）在2026年4月公布的研究〈生成式AI的價值是什麼？〉（What is Generative AI Worth?），揭露了同一件事的另一面：美國成年使用者「願意放棄生成式AI一個月所需的補償金額」中位數，從2025年的3.4美元跳到2026年的11.4美元，一年內成長超過3倍。使用者正在用真實的支付意願告訴市場：AI處理的事情，他們真的離不開了。
別急著替孩子預測未來，先給他們選擇的機會
最近我在國內外的大小演講結束後，不分國籍的聽眾紛紛有這樣相同的疑惑：「AI已經發展成這樣，我們到底要教小孩什麼？」工作者則是問：「我該學些什麼？」我認為，首先「不要」去想像孩子未來會從事什麼職業，並用這個方式回推要教小孩什麼。因為我們不知道未來會有什麼職業被消滅或是被創造出來，而且你並不知道孩子的興趣是什麼。無論有沒有AI，「幫孩子規劃他們要走的路」這種想法早已不適用。前方的路看不清楚，世界早已是一個高度無法預測的環境。你只能幫下一代準備好「選擇的機會」。
答案其實很簡單，早期把孩子的基本功全部打好，包括語文、歷史、藝術、數學、科學、程式等，這些我們以前就在學的東西。你會問，這些東西不是AI都做得比我們好嗎？還有學的必要嗎？沒錯，但如果你是抱持全然的悲觀主義，並且以此為停止學習的藉口，那麼你可以直接放棄，當AI的人肉電池就好了（但人體的發電效率其實很差，要當電池也不夠格），這也不在我們討論的範圍。
下一代要面對的，是那些我們過去視為專業的科目，大部分都變成了現在必須了解的「通識課程」。因為人類的知識在每個領域都累積了許多年，所以世界經濟論壇早在10年前，就把識字、數字概念、科學常識、IT技能、財務觀念、邏輯思考、文化理解及公民素養等設定為「通識」（孩子確實愈來愈辛苦，因為我們以前列為「通識」的知識並沒有這麼多）。
在基本功之外，我們更需要關注「軟實力」。因應科技時代與全球化的挑戰，台灣教育部也列出21世紀學生需要的關鍵能力，包括創造力、溝通協調、團隊合作、批判性思考和解決複雜問題等能力。這些能力聽來可能有點像學術口號，但說白了，全是AI學不會的「做人做事」能力。
試想，如果一個孩子只會死背公式，遇到沒看過的問題就當機，那跟AI有什麼兩樣？如果他具備「批判性思考」能力，當AI給出錯誤、偏頗的答案時，就能敏銳察覺不對勁，甚至反過來引導AI找出正確解方。如果他有「溝通協調」、「團隊合作」等能力，還能把幾個各有專長的同學兜在一起，共同完成一個AI無法實作的科展專案。在知識取得門檻大幅降低的今天，能整合資源、解決未知問題的軟技能，才是讓孩子未來在社會上立足、不被輕易淘汰的護城河。再將這套基本功與軟實力的邏輯放回職場與工作者身上，情況也一樣。不論是行銷、業務、產品經理，都必須把基本功打好。
AI雖然能快速寫出一篇行銷文案、跑出精美的業績報表，但要是你不懂行銷心理學的底層邏輯，怎麼知道AI寫出來的東西能不能打動消費者？如果你沒有扎實的商業思維和財務觀念，如何判斷那份報表有沒有邏輯漏洞？基本功，是用來「駕馭」AI的韁繩。
AI愈強，越要練好這些「人類能力」
人性與軟實力才是核心優勢：當AI包辦中階認知任務，職場最具價值的能力就回歸制定策略與人際互動，因為領導力、創意、批判性思考、跨領域溝通這些「做人做事」的能力，是AI學不會的技能。
基本功是駕馭AI的韁繩：不懂行銷心理學，就無法判斷AI寫的文案能否打動人；沒有財務底蘊，就看不出AI跑出的報表有無邏輯漏洞。基本功不是用來跟AI競爭，而是用來駕馭AI的韁繩。
工程師從「碼農」升級為「建築師」：氛圍編碼讓人人都能當初階工程師，但AI無法判斷流量放大百倍會不會崩潰。沒有扎實基本功，連當AI審查員的資格都沒有。高階主管最需要使用AI：AI時代最迫切需要善用AI的是公司高層，因為高階主管掌握的「情境資訊」最豐富，能讓AI發揮最大的槓桿效益。
擁有面對多變環境的瑞士刀：面對不可預測的未來，除了必須擁有「多功能基礎能力工具包」，還要搭配自信、自我管理、自學3項核心能力，才能在變動世界中游刃有餘。
節錄自：天下文化出版《智慧通膨下的新商機：AI時代的稀缺能力與新護城河》／程世嘉Sega Cheng、蕭玉品採訪整理 著
推薦閱讀：
AI拆解傳統職位、重組專業分工：下一批高薪人才長什麼樣？
AI進入3.0時代：智慧通膨、零點擊、人機協作如何改寫白領工作？
零點擊時代來了：AISEO、GEO差在哪？如何才能「被AI引用」？
[joblist_plugin title='更多104【AI】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=ai' amount='3']
[course_plugin api_type='course_id' title='測你的AI素養' id='e9e13d08-2c6f-49b2-bae8-1e9418588041']
AI 時代的研發現場：回歸人才特質，技嘉如何重新定義工程師的工作方式
隨著 AI 技術快速發展，科技產業的競爭焦點也逐漸從單純的硬體效能與產品規格，轉向研發流程、協作效率與人才結構。AI 的導入不只是加入新工具，而是重新定義工程師的工作方式，整個工程生態正逐漸從「單一開發」走向「系統化管理」與「跨域協作」。
文／104人力銀行
本文導覽：
從自動化到 AI 工具導入，研發現場的變革早就開始
AI 真正改變的，是工程流程的邏輯
AI 改變選才條件嗎？技嘉更看重的是：人格特質
AI 不會取代工程師，但會改變工程師的角色
在技嘉科技（GIGABYTE Technology，以下簡稱技嘉）的研發現場，這樣的轉變其實已經持續了十多年。韌體開發二處處長吳宗達在技嘉任職超過十五年，主要負責主機板 BIOS 與韌體相關開發。他回顧，從早期 CI/CD 與開發自動化，到近年把 AI 工具與 AI Agent 帶進工作流程，真正改變的並不是單一技術，而是整體研發流程的思考方式。
從自動化到 AI 工具導入，研發現場的變革早就開始
吳宗達回憶，十多年前進技嘉時，研發團隊仍有大量重複且需仰賴人工處理的工作，流程也尚未建立完整的標準化機制，於是開始著手推動工作流程的優化，而 AI 的導入並非突然，而是建立在多年流程自動化與整合的基礎之上，AI 的加入更像是一把催化劑，正微妙地重塑工程師的日常。
過去很多時候，只要把功能完成即可；現在則更強調文件與知識整理。「以前可能只要把事情做完，現在會更重視為什麼這樣做，還有怎麼讓別人下次更容易接手。」
AI 真正改變的，是工程流程的邏輯
AI 對研發現場最大的影響，其實不是單一工具，而是整個開發邏輯的轉變。就吳宗達形容，過去的工程流程比較像是單一線性的任務鏈，僅需交付給特定負責的人即可。
隨著產品與系統越來越複雜，單靠記憶與口述交接已難以支撐整個研發體系，這些原本存放在人腦中的知識與個人經驗，必須被整理成文件、紀錄與規格，甚至要能轉化成可被系統使用的資料結構。
從口耳相傳的經驗，轉向數位化的 Open File，最終成為 AI 可讀取的 Open Data。然而從AI 的角度來看，真正的問題反而是餵給 AI 的「資料不夠多」。他指出，若企業內部沒有足夠的工作紀錄、文件資料，AI 也無法持續迭代學習。
也因此，就研發流程上逐步從「流程導向」（Process Oriented） 轉向 「API 導向」（API Oriented）的思維，將原本分散在不同開發人員或部門的工具與資料可以被串接，整體的工作流程也能橫向擴展。
他坦言，AI 目前主要還是輔助的角色，部分的規格整理、工作日誌彙整，皆可透過 AI Agent 協助完成，同時讓管理者能更容易掌握專案脈絡、進程。倘若涉及到績效評估、團隊溝通或情境判斷時，仍需要回到「人」來做最後的決策。
技嘉科技韌體開發二處處長吳宗達
AI 改變選才條件嗎？技嘉更看重的是：人格特質
AI 技術快速發展，也讓許多企業重新思考或定義徵才的條件；而在技嘉的研發團隊中，選才標準並沒有出現劇烈改變，反而是回歸初衷：人格特質。
人資夥伴補充，技嘉的研發職缺，第一關是由主管直接做篩選，長期以來他們最重視的特質，其實一直沒有變：好奇心、學習能力，以及解決問題的熱情。AI 工具的使用經驗當然加分，對多數 RD 職缺來說，並不是唯一的門檻，只要具備良好的基礎能力與學習意願，很多工具都可以進公司後再學習。
在吳宗達看來，AI 時代反而讓這些人格特質變得更重要。根據他的觀察，現在不少工程人才會透過 Side Project 或 GitHub 專案展示自己的能力，像是開發小工具、嘗試自動化流程，甚至研究區塊鏈或智能合約等題目。這些看似與職缺未必直接相關的經驗，往往能反映一個人是否真的對技術有興趣，也更容易被企業注意到。
「如果一個人平常就會自己做一些 Project，我通常會特別留意。」這也正呼應當前科技產業的招募趨勢，對許多年輕工程師而言，找工作不再只是離職後才開始準備，而是平時持續累積作品與成果，在市場上保持被看見的狀態。
AI 不會取代工程師，但會改變工程師的角色
當被問到 AI 是否會取代工程師時，吳宗達的答案很直接：「不會，但工作思維一定會變。」他認為，未來的工程師角色會更像是與 AI 協作的整合建構者，而不是單純執行任務的人。許多企業過去長期忽略的流程問題，包括知識沒有被記錄、流程缺乏標準化⋯⋯現在都必須重新整理並規格化。
因此，看似「工作變多」，但其實是那些是原本被忽略的流程工作，現在開始被系統化與文件化。隨著 AI 工具越來越成熟，工程師的價值也正在改變：不再只是完成某個任務，而是能理解整體工作流程、整理知識，並讓團隊能力得以持續累積。
AI 並沒有讓工程師變得不重要或被取代，反而是讓一件事變得更加清楚——當工具越來越強，人真正不可取代的能力，仍然是持續學習、理解問題，以及把經驗轉化為能被團隊延續的知識。
立即下載《2026科技業人才報告書-人才版》
[joblist_plugin title='更多104【技嘉科技】工作機會' url='https://www.104.com.tw/company/a4kvltk' amount='3']
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]
偷學Anthropic工程師！6個實用Claude提示詞一次看
想讓Claude更懂你的需求、產出更精準？整理Anthropic工程師極力推薦的6個實用提示詞，從需求訪談、教學模式、開發規劃到建立技能與專案記憶，一次掌握更有效率的Claude用法。
文／樂羽嘉編譯 由天下雜誌授權轉載
本文目錄（點擊可快速前往）
1. 讓Claude Code用大白話解釋運作流程2. 讓Claude一直考你，直到你真的學會3. 在Claude動工之前，先對你進行需求訪談4. 讓Claude把你的開發計畫做成網頁5. 把重複性的任務固化成「技能」6. 自動捕捉這次對話該記住的事
使用工具：Claude
網頁版：https://claude.ai/
電腦版：https://claude.com/download
手機APP：iOS下載、Android下載
想要有效利用AI得到想要的答案，就必須給AI高品質的提示詞。要成為提示工程高手，有一條捷徑就是向打造這些AI模型的工程師偷學。
《XDA》科技記者法賽爾（Mahnoor Faisal）深入研究Anthropic工程師極力推薦的提示詞和原則，並分享6種他覺得最好用的提示詞：
1. 讓Claude Code用大白話解釋運作流程
法賽爾分享提示詞，有很多來自Claude Code團隊的工程師Thariq。Thariq經常在X分享使用Claude Code的工作流程技巧，常常都是那種你想都沒想過但可以立刻上手的方法。他也會分享Anthropic團隊其他成員和社群流傳的提示詞，而這個提示詞背後還有一個很有趣的由來。
Thariq是幫妹妹用AI協助開發一個WNBA數據網站之後分享這個提示詞的。他意識到，Claude Code平常在畫面上顯示或說明的內容，大概有99%對妹妹毫無意義，因為那些內容是寫給精通開發語言的人看的。因此，Thariq設計了一個提示詞範本來解決這個問題。
這個提示詞的功能是重塑Claude Code的工作與溝通方式。它不會把所有事情都放在你的主要工作階段執行，然後一路用滿滿術語進行解說。相反的，它會把實際工作交給一個非同步背景代理（async background agent）處理，你的主要工作階段只需要定期查看進度並向你回報。
除此之外，它還會啟用explore agent（探索代理），這個唯讀代理唯一的工作就是四處查看並解釋各種功能怎麼運作，但不會動到任何東西，所以你不只是看著事情發生，還能真正瞭解背後發生了什麼事，所有內容都會用白話文解釋，因為這個提示詞會強調技術術語對你毫無用處。
提示詞：
這是我的提示詞：「【在這裡輸入你的任務需求】」請幫我啟動一個非同步背景代理來執行這項工作，並在它工作的過程中定期查看進度，然後幫我摘要目前發生了什麼事。我完全沒有技術背景，所以請用最簡單的大白話為我做摘要。請利用「探索代理」（Explore Agent）向我解釋另一個代理正在處理的事情背後的運作原理，好讓我在過程中順便學習。如果背景代理遇到任何錯誤，請立刻停下來告訴我，並引導我修復它。請記住，我沒有任何技術背景，任何技術術語對我都沒有幫助。
2. 讓Claude一直考你，直到你真的學會
幾個月前，用AI寫程式最困難的部分就是產生能用的程式。現在AI程式寫得很好，跟上它的速度反而變得更難。科技記者法賽爾一直想確保自己是真的理解模型替他寫的程式，不想不假思索地接受AI上繳的成果。
法賽爾分享的這個提示詞，來自Thariq在Anthropic的同事Suzanne。Thariq當時一直在詢問同事是怎麼跟上Claude正在建構的內容，這是他最愛的解答之一。
這個提示詞不會讓Claude完成所有工作，再一次把所有解釋傾倒給你。它會把 Claude變成一位老師，一次只處理一個概念，先要求你用自己的話重新說明你理解了什麼，確認你真的掌握後，才會進入下一步。法賽爾最喜歡的部分是Claude會透過AskUserQuestion這個Claude Code內建工具來做到「考考你」的效果。這個工具能讓模型暫停流程，然後向你提出真正的選擇題或開放式問題。
另一個值得特別注意的細節是最後那一行 /goal 那段內容，設定了一個非常明確的停止條件：在Claude確認你已經理解檢查清單上所有內容之前，整個工作階段都不能結束。不能提早落跑，也不能隨便說一句「好啦好啦我懂了」就直接進入下一個主題。你必須證明自己真的懂，否則這堂課就會繼續下去。
提示詞：
你是一位教學成效極高的睿智老師，你的目標是確保使用者能夠深入理解這次工作階段中的所有內容。請在每個步驟循序漸進地教學，不要等到最後再一次性說明所有內容。在進入下一個階段之前，你必須先確認使用者已經完全掌握目前階段的所有重點。這些重點包括高層次概念（例如動機與目的），也包括低層次細節（例如商業邏輯與邊界情況）。請持續維護一份Markdown文件，其中包含使用者應該理解事項的檢查清單。請確保使用者理解：問題本身：問題為何存在、問題的成因，以及不同的可能分支情況。解決方案：為什麼採用這種解法、設計決策的原因，以及需要考慮的邊界情況。更廣泛的背景脈絡：這件事為什麼重要，以及這些變更會產生哪些影響。請確保她理解「為什麼」（並持續往更深層的原因追問），同時也要理解「是什麼」以及「如何運作」。充分理解問題本身非常重要。為了瞭解使用者目前的理解程度，請主動要求使用者先用自己的話重新說明自己的理解。接著再根據使用者的回答協助補足缺漏的地方。使用者可能會向你提問，也可能要求你用ELI5（像對五歲小孩解釋）、ELI14（像對十四歲青少年解釋）或ELII（像對實習生解釋）的方式說明。請使用AskUserQuestion透過開放式問題或選擇題來測驗使用者，務必不斷變換正確答案的位置，作答完成之前不要公布答案。如果有必要，可以展示程式碼，或引導使用者使用除錯工具（debugger）。/goal 在你確定使用者已經證明自己瞭解清單上所有項目之前，這個工作階段不應該結束。
3. 在Claude動工之前，先對你進行需求訪談
Thariq分享的另一個提示詞顛覆了傳統的互動模式：與其從你先開始把所有想要的規格與需求講清楚，不如讓Claude來對你進行訪談。
這裡的關鍵在於AskUserQuestionTool。這跟前面教學提示詞裡互動式提問的機制完全一樣，只不過在這裡，它的用途是專案規劃（Planning），不是考試。
Claude會先讀取你的規格文件（spec file），然後針對你完全沒想過要指定的細節對你展開連珠炮般的靈魂拷問，包括邊緣案例（Edge cases）、技術權衡（Trade-offs）、UI設計決策等等通常開發到一半、改起來最痛苦時才會浮現的問題。徹底審問完後，它才會把最終的完成版規格書寫進檔案裡。
提示詞：
請閱讀這份@SPEC.md，使用AskUserQuestionTool詳細問我關於這裡面的任何事情，包括技術實作、UI & UX、隱憂、權衡等。請確保提出的問題不是那種顯而易見的表面問題。務必非常深入，持續不斷地問我，直到細節完全齊全為止，再把最終的規格書（Spec）寫入檔案中。
乍看之下這可能很像Claude Code的Plan（規劃）模式，那是因為它們是從不同角度追求同一個目標：在寫任何程式碼之前先做好思考，這樣Claude就不用去瞎猜你的意圖。Plan模式是讓Claude提出做法給你批准，這個提示詞則是讓 Claude先把做法從你的腦袋裡引導出來。
4. 讓Claude把你的開發計畫做成網頁
科技記者法賽爾現在基本上已經拋棄傳統簡報，改用HTML網頁來做簡報頁面。他也淘汰了傳統文件，改用互動性更高、只要部署好就能直接丟連結分享的瀏覽器網頁。Thariq也喜歡這樣做，他在X和Claude官方部落格上分享一篇精彩的文章，解釋為什麼在要求AI工具產出內容時，HTML格式比Markdown格式好非常多。
他的理由是，Markdown處理短篇文章很方便，但只要文件長度超過100行，基本上就沒人想讀了。HTML則允許Claude嵌入真正的圖表、表格、包含語法突顯的程式碼、豐富的色彩、可以點擊的滑桿和複製按鈕。你可以在任何瀏覽器打開，分享給任何人，對方不用安裝任何Markdown閱讀器。Thariq現在不論在規劃、寫規格、做探索、程式碼審查（Code Review）還是寫報告時，全都是用HTML。
下面這個提示詞就是把這種思考應用在特定工作上，在動工前規劃好開發藍圖。Claude不會丟給你一面看過一次就會忘記的文字牆，會把整個計畫做成結構精美的HTML頁面來呈現，附帶網頁原型、數據流向圖、真正值得審查的核心程式碼片段。
提示詞：
請在一個HTML檔案中建立一份詳盡的實作計畫。請務必在裡面製作一些原型（Mock-ups）、展示數據流（Data Flow），加入我可能需要審查的重要程式碼片段。請確保內容很容易閱讀、消化。
5. 把重複性的任務固化成「技能」
如果你發現自己老是要重複引導Claude執行某些相同的固定步驟，代表這個步驟應該被打包成一項「技能」（Skill）。技能就是一組儲存為可攜式檔案的提示詞清單，有特定任務需要時，Claude會自動調用。
下面這個來自Anthropic官方提示詞庫的招式，能把你不斷重複的繁瑣流程變成一個簡單的快捷指令。
提示詞：
請為這個專案建立一個 [/ship] 技能，用來執行 [執行linter語法檢查和測試，然後草擬一份commit訊息]。
第一個中括號是你要用來觸發它的快捷鍵名稱（例如 /ship），第二個中括號填進你每次都懶得重新教Claude的步驟序列。Claude會自動把它寫成技能，你團隊的任何人都可以直接執行這個指令。
6. 自動捕捉這次對話該記住的事
在每一次Claude Code對話中，Claude都會摸索出許多小細節，像是你的專案怎麼串接、你偏好的程式碼規範、它犯過並修正的某個錯誤。但在預設情況下，當對話結束時，這一切記憶都會蒸發，導致下一次對話又得重新來過，浪費時間成本。
這個來自Anthropic官方提示詞庫的提示詞，就是阻止這種悲劇發生的終極大招。
提示詞：
摘要我們這個Session做了什麼，建議有哪些內容應該新增到CLAUDE.md中。
CLAUDE.md是Claude Code每次啟動對話時都會優先讀取的檔案，本質上扮演了這個專案的常駐記憶體。透過這個簡單的提示詞，你不需要自己苦哈哈地記錄哪些東西值得留下來，Claude會幫你做好，它自己最清楚在這個Session克服了哪些障礙，你只要讓它提出建議，然後保留真正重要的部分就好。
（資料來源：XDA）
（原文標題：偷學Anthropic工程師！6個好用的Claude提示詞）
推薦閱讀：
用提示詞讓Gemini修照片！2026年最受歡迎的7種玩法
碾壓不用AI的學生！10個NotebookLM學習提示詞
進階玩家必學：5個NotebookLM實戰技巧
AI破牆，硬知識貶值了！拆解「2種智力」決定你被取代還是被放大
當AI成為每個人都能用的外掛，獲取專業能力的成本就發生了斷崖式下跌。台灣大哥大總經理林之晨與資訊長蔡祈岩指出，生成式AI終結傳統分工邏輯，唯有翻轉晶體智力、全面轉向流體智力，才能不讓自己變成被組織埋葬的零件。本文節錄自《逆分工》。
文／林之晨、蔡祈岩
本文目錄（點擊可快速前往）
AI為什麼是那個「破牆者」？AI帶來的改變：專業能力邊界消失硬知識貶值了，活腦袋才是王道
既然分工早就開始出問題了，為什麼我們以前不談逆分工？為什麼個人電腦和網路都發明了，人類也登上月球了，公司裡的分工卻還是愈切愈細？
原因很簡單：過去做不到。
過去所有科技發明，像是電腦、網路、雲端、協作軟體，其實大多只是延伸了我們的手腳、記憶或通訊能力。它們幫我們算得更快、存得更多、傳得更遠，但它們沒有真正擴展我們的大腦容量。
你的大腦裝不下所有知識，一個人不可能精通所有專業。所以，隨著人類知識體系愈來愈大、每個學科愈來愈深，每個人從求學到職場，只能愈來愈專；公司的部門也只能愈來愈多，職能體系愈來愈膨脹。
直到生成式AI出現，情況才徹底改變。它像是一個能夠擴展我們大腦容量的底層引擎，讓我們第一次有力量打破不同專業之間的壁壘。
AI為什麼是那個「破牆者」？
要理解逆分工為何在此刻爆發，我們得先面對一個現實：人的大腦容量是有限的。
根據常被引用的一萬小時定律，你要花大量時間，才能成為某個領域的專家。你花10年學寫程式，就很難再精通商業法律；你把青春奉獻給視覺設計，可能就對財務會計一竅不通；你長期做業務，就很難同時成為資料科學家。
我們需要部門和專才，說到底，就是因為一個人的大腦裝不下所有知識，但大型語言模型改變了這個遊戲規則。
AI不是一個簡單的資料庫，它更像是一位真正讀完了全人類各行各業深度知識的「超級博士」──它讀過大量書籍、論文、文件、開源程式碼與各種人類知識材料，能把不同領域的語言翻譯成彼此看得懂的形式。
它不會讓非專家一夜之間變成真正專家，但它能讓非專家第一次跨過專業領域的第一道門檻，取得初步理解、草稿、選項、框架與可討論的成果。
這件事之所以重要，是因為大部分組織內部的卡點，不是每件事都需要世界級專家，而是大量任務連第一版草稿、第一輪分析、第一個可討論版本都生不出來。
AI讓這件事變了。
AI帶來的改變：專業能力邊界消失
當AI成為每個人都能使用的通用外掛，獲取專業能力的成本就發生了斷崖式下跌。
這不是說專業不重要，真正重要的專業，仍然需要人類專家把關。合約最後要法務審，程式最後要工程師看，設計最後要品牌與市場判斷。
但在AI之前，大量工作卡在「我根本不知道怎麼開始」或「進入新的領域時要先花費巨大的學習成本」。
在AI之後，更多人可以先做出第一版，讓事情進入討論與迭代，而且這個第一版是有模有樣、有所依據的。
這就是為什麼像台灣大哥大這樣的公司，會將全員導入AI提升生產力的計畫命名為「超人計畫」。
「超人」不是說每個人都突然變成天才，而是說每個人都應該有機會，把自己原本的能力放大。
硬知識貶值了，活腦袋才是王道
我們接著談智力。
這裡可以挪用心理學家雷蒙德．卡特爾（Raymond Cattell）的概念：晶體智力與流體智力。
我們並不是完全套用原本的心理學理論，只是借這個理論的名詞，而且略微改變其定義，把人的智力粗略分成兩種。
第1種：晶體智力
你可以把它想像成你腦中的硬碟資料庫和肌肉記憶，它指的是運用過去累積的知識、經驗和標準化技能來解決問題的能力。
例如律師背誦法條、醫師根據症狀診斷常見疾病、會計師熟練查帳、資深員工熟悉公司SOP。
這是傳統職場常說「愈老愈吃香」的原因，因為這些知識會隨著年齡與經驗累積。
第2種：流體智力
它更像是你大腦的中央處理器，負責運算速度和靈活性。
它處理的是全新、陌生、混亂，甚至從未見過的情境。它考驗的是邏輯推理、模式識別、問題拆解與適應能力，跟你背了多少書沒有直接關係。
例如創業家在混沌市場中尋找新的商業模式，或是工程師面對一個從未見過的系統故障時，快速找出可能原因。
殘酷的事實是：AI已經是這個星球上最強大的晶體智力載體之一，它讀過大量法典、醫學期刊、財報標準、程式碼範例與商業文件，它不會忘記，也不會疲倦。
如果人類還想在職場上跟AI比記憶力、比誰的知識更廣、比誰操作標準流程更快，那我們完全沒有勝算，而且差距只會愈來愈大。在晶體智力的賽道上，人類已經被超越。所以，人類的戰場必須全面轉向流體智力。
未來的競爭，不再是比誰的腦袋裡裝的知識多，而是比誰能更快釐清混亂局勢；不再是比誰能給出標準答案，而是比誰能向AI提出最一針見血的好問題。
當每個普通員工都能透過AI這個強大引擎，瞬間具備跨越研發、行銷、法務、設計與資料分析的能力，那些原本為了協調他們而存在的經理、總監與各種跨部門會議，也必然會被重新檢視。
節錄自：天下雜誌出版《逆分工：AI 時代的生產力革命，重構組織、市場到經濟的生存新賽局》／林之晨、蔡祈岩 著
不再只看影片！AI如何顛覆企業培訓？「圍繞AI設計學習體驗」成2026職場新顯學
企業內部的人才培訓與學習課程，正經歷一場由人工智慧(AI)所主導的深刻變革，有別於傳統的進修模式，現今的職場更強調將「AI應用直接融入職涯發展」，使得不少國際級企業都將培訓預算從傳統的簡報、影片、選擇題，改成「圍繞 AI 重新設計學習體驗」，把AI當成24小時在線的專屬學伴，在真實公務中進行高頻率的實務演練。
文／《104職場力》
本文導覽
HR的角色從「訓練者」變成「個人學習體驗的策劃者」核心變革：讓AI當你的「學伴」，一起做中學撕掉舊課表，重構「學習與發展」的環境
AI時代下衝擊各行各業，現在包括「企業內訓」的模式也深受影響。
過去提到企業內訓，許多上班族的印象或許還是「坐在會議室看簡報、線上聽課程影片、最後寫個選擇題測驗」。然而，隨著AI浪潮襲來，這種傳統的培訓模式正面臨根本性的淘汰。
根據《Forbes》引述鳳凰城大學在2026年針對150位企業主管的調查報告，9成的主管直言「學習與發展」是AI為當前職場所創造的最重要人力資源價值，比例遠遠高於2025年調查時的74%、而且幾乎可以肯定這是大家的「共識」。
數據顯示，美國企業整體的培訓支出也從2024的980億美元增長至2025年的1028億美元，其中「對外部學習產品和服務」的投資金額成長速度更快，增幅達29%，因此和專業的學習平台合作的需求日益增長。
這反應出美國企業當前積極培養員工「熟悉AI、應用AI、使用AI」的能力，並且讓這些背後由人工智慧所運作的學習平台來強化個人的學習體驗、提升培訓技能的效率，
延伸閱讀：沒有人會是「AI」局外人！當AI技能從選填題變成必選題，你確實該緊張
HR的角色從「訓練者」變成「個人學習體驗的策劃者」
隨著企業加大對人工智慧學習的投入，過往多半擔任「訓練者」角色的企業內部人力資源團隊，也正面臨角色的轉換，現在他們多半得從過去的「內容提供者」(Content Creator)轉型為「個人化學習體驗的策劃者(Experience Curator)，而且執行重點不再是「學員們完成多少課程、聽了多少小時、是否有寫完進修作業」，而是不斷拋出和AI合作的「學習體驗情境」，把更多的應用落實在日常執行公務上，這種「高頻率的實務演練」，是更多企業所看中的。
這種轉變不僅僅是「採用人工智慧」來訓練員工這麼簡單，事實上還重新定義了「學習培訓」的目的，要求參與從理解課程、變成「務必在工作中實現個人化學習」。
以《Forbes》報導當中所舉例的三個企業為例：
瑪氏公司（Mars）： 重新設計「新任經理人計畫」(First Time Manager Program)，導入AI導師與模擬角色扮演，讓全球近1,500名新進主管能進行客製化場景練習，建立實戰自信。
GE 醫療（GE HealthCare）： 在實習生計畫中利用AI角色扮演來模擬真實的商務對談，不僅提供高心理安全感的練習環境，也提高實習生轉正職的機率，並大幅降低傳統的內容開發成本。
麥肯錫（McKinsey & Company）： 將AI導入Embark新員工入職培訓，協助顧問練習「故事線構建」（MECE原則），成效是使新員工溝通技巧提升約20%，開發與培訓效率提升10%–20%。
[course_plugin api_type='course_id' title='【推薦課程】別再談AI素養了！HR必修的AI實戰演練' id='a1605b71-b2a3-468a-b715-b5bcb3670648']
核心變革：讓AI當你的「學伴」，一起做中學
上述企業的作法，都是在「原本需要大量人力傳承的環節」，譬如導師傳承、實際溝通演練、討論故事線、教授溝通技巧這些項目，直接啟用「AI輔助幫手」，讓它們在前期培訓就成為「學伴」，不是只是導入AI工具、要求員工「要去用AI」，而是「圍繞 AI 重新設計學習體驗」——將學習直接嵌入工作中，讓培訓從「知識轉嫁」變成「實務鍛鍊」。
由於一般人或新晉階級的主管，往往因為害怕在真實客戶或下屬面前犯錯，導致他們無從「試錯」。但AI提供一個非常理想的「低風險、高容錯」的環境，讓員工能重複練習難度極高的談判、績效面談或簡報，直到掌握技巧。
讓AI來扮演各種的角色（Role-play）以及去大量模擬實際會遇到的場合，是AI時代下能做到的技術突破。
也因為培訓不再只是看「你看完了幾份簡報、影片、課程」、「完課率、到課率」，使得培訓不再是無法衡量ROI的「軟性指標」，可以非常實際的在展現的工作成果中看到效果，正如麥肯錫的「Embark」計畫所言，直接就能看到新員工的溝通效果、開發與培訓效率提升，變成「可量化的成果」。
員工能在更短時間內具備即戰力，企業則大幅縮短新人摸索期與培訓成本，是一個雙贏局面。
[course_plugin api_type='course_id' title='【推薦課程】HR x AI數位力｜多元AI智能化招募任用全攻略' id='6fc1b5d4-eede-4565-b596-16592a621773']
撕掉舊課表，重構「學習與發展」的環境
從這些案例可以看出，在AI時代的要持續進化的企業內訓，不能只是「導入AI工具」、「教員工如何用AI」、「要求各部門的AI落地使用率」如此粗暴簡單，更重要的是重構「學習與發展」(Learning & Development)的環境。
AI並非要取代人類導師或同儕之間的互動，而是將人從重複性的講課中解放出來，聚焦於更高階的輔導與協作，讓「人力資源可以被用在更值得的地方」，重新思考工作與學習之間不應該是彼此的負擔，「額外的工作」，而是創造更多個人化的情境、在執行公務的同時提升自己的競爭力。
可以預見，未來能在市場競爭中脫穎而出的企業，將是那些敢於撕掉舊課表，將AI融入每日工作流與個人化職涯發展的創新者。
本文參考《Forbes》相關報導，經整理改寫。
有任何收穫或想分享的，都來和大家一起聊聊吧！