104學習

邏輯思考

邏輯思考
關注
邀請朋友
邀請朋友

Line

Facebook

複製連結

取消
能夠有條理地分析問題,找出關鍵因素,並依據事實和數據做出合理判斷。這項技能幫助在複雜情況下理清思路,避免情緒干擾,提升決策品質與效率。在團隊合作時,也能清楚表達想法,促進溝通與共識達成。總之,它是解決問題、做出明智選擇的基礎能力,對職場表現至關重要。
關於教室
關注人數 1 人
104人力銀行從職缺中挑選出常見技能所成立的官方教室,提供大家進行共學互動。
學習主持人
持續分享知識,
有機會成為官方教室主持人
教室標籤
關於教室
關注人數 1 人
104人力銀行從職缺中挑選出常見技能所成立的官方教室,提供大家進行共學互動。
學習主持人
持續分享知識,
有機會成為官方教室主持人
教室標籤
Hi~ 歡迎分享學習資源,有學習問題可匿名向Giver發問!
我要分享
我要提問

邏輯思考 學習推薦

林易璁

職涯顧問|培訓講師|書籍作者

2025/12/21

ChatGPT總是聽不懂人話?掌握RADIO框架,讓AI一秒變身神隊友!
是否你還覺得ChatGPT總是答非所問?
其實你只需要一個萬能公式!就能讓AI一秒變身神隊友!
.
這支影片將帶你從零學會「RADIO 提示詞框架」,
透過五個簡單步驟,
指定角色 (Role)、目的說明 (Aim)、
條件設定 (Directive)、輸入資料(Input) ,
輸出格式 (Output)。
無論是寫文案、做簡報還是整理資料,
掌握RADIO模型,讓AI精準執行命令,
溝通零障礙,秒變你的職場神隊友!
看更多
1 0 323 0
林易璁

職涯顧問|培訓講師|書籍作者

2024/12/28

人工智慧工具百花齊放,職場效能新時代
▍人工智慧歷史淺談
自從 ChatGPT 推出以來,人工智慧(AI)成為日常生活當中熱烈討論的話題。然而,AI 的發展並非近幾年才開始。早在二次世界大戰期間,英國與德國雙方交戰,德國透過密碼戰術對英國造成嚴重損失,這段歷史也為 AI 的誕生奠定了基礎。
1942 年,圖靈設計的 Bombe 機器成功破解德國密碼,提前兩年結束了戰爭,被認為是 AI 的早期應用之一。這一突破不僅改變了戰爭的進程,也顯示出運算能力在現實世界中的重要性。1950 年,圖靈提出了著名的「圖靈測試」,用來判定機器是否具有思考能力,因此被尊稱為「人工智慧之父」,其影響力延續至今。
1997 年,IBM 深藍電腦擊敗世界西洋棋冠軍加里·卡斯帕洛夫,2016 年,AlphaGo 又戰勝世界圍棋冠軍李世乭,這些事件皆為 AI 發展史上的重要里程碑,展示了 AI 技術從理論走向實際應用的潛力。
▍應用工具百家爭鳴
2022 年 12 月,ChatGPT 推出之後,僅用一週便吸引了 100 萬人註冊使用,創下驚人紀錄。相比之下,Facebook 達到相同註冊人數花費了 10 個月,Instagram 則用了2.5 個月。這種前所未有的增長速度反映了人工智慧技術對於社會的深遠影響。
隨著 ChatGPT 不斷更新迭代版本,各種專業領域的應用工具如雨後春筍般湧現,呈現百家爭鳴的繁榮景象。這些工具不僅涵蓋了文本處理與圖像生成,還擴展到音樂創作、數據分析等領域,豐富了我們的日常生活與工作場景。以下列舉部分 AI 工具及其應用範疇:
文案生成:ChatGPT、Copilot、Gemini
圖片生成:Leonardo、ReCraft、PlayGround、Midjourney
圖片處理:ImgLarger、ClipDrop、PicWish
簡報生成:Gamma、MindShow
檔案解析:ChatPDF、ChatDOC
筆記工具:Notion、NotebookLM
心智圖法:Xmind AI、GitMind
視覺圖表:Napkin、Graphy
統計分析:Julius
語音辨識:Whisper、Vocol.ai、Good Tape
音樂生成:Suno、ElevenLabs
這些AI工具的多元化應用,正改變我們的工作與生活方式,使得效率與創意大幅提升。同時,市場競爭也推動了技術的不斷優化,為用戶帶來更多選擇與可能性。
▍善用工具提升效率
人工智慧的核心在於讓機器具備類似人類的智慧,我們可以利用 AI 工具提升工作效率並解決生活中的問題。透過結合多種技術,AI 不僅能處理大量重複性任務,還能輔助解決複雜問題。以下是幾個具體的應用場景:
郵件過濾:垃圾郵件自動過濾,減少不必要的干擾,提升工作專注度。
人臉辨識:透過 Face ID 解鎖手機,兼具便利性與安全性。
語音助理:詢問音箱了解天氣,輕鬆獲取日常資訊。
物體偵測:自動駕駛汽車能夠識別周圍環境,實現安全駕駛。
農業應用:無人機進行播種與澆水,提高農業生產效率。
生活提問:透過 ChatGPT 諮詢義大利麵的烹煮方法,讓生活更加簡單有趣。
工作提問:利用 ChatGPT 協助撰寫 Excel 公式,快速解決技術問題。
論文寫作:使用 NotebookLM 整理文獻資料,提升研究效率。
統計分析:使用 Julius 分析 Excel 資料,分析統計相關數據。
AI 工具能夠無疲勞地執行重複性任務,並大幅加速個人的學習與創作。在這個人工智慧時代,了解並善用這些工具,將成為提升個人競爭力的重要關鍵。透過與 AI 的協作,我們能在快速變化的環境中保持優勢,實現更高的職場價值與成就。
看更多
1 0 368 0

104學習精選課程

看更多課程
想提升職場競爭力?專業技能課程看起來👇

熱門精選

104學習

產品

05/05 11:07

健檢報告一堆紅字看不懂?教你用 AI 整理重點,不替自己下診斷
拿到健康檢查報告時,很多人第一個反應不是放心,而是更困惑。
報告上有一堆縮寫和數字:GOT、GPT、LDL、HDL、三酸甘油脂、尿酸、肌酸酐、eGFR、糖化血色素……有些項目旁邊還標了紅字、H、L、↑、↓。看起來像是身體出了狀況,卻不知道嚴不嚴重,也不知道該不該看醫師。
這時候,AI 可以成為你的「資料整理助手」。
不過要先說清楚:本文屬於 AI 生活應用教學,目的在協助讀者整理健檢資料、理解常見名詞、準備看診問題。AI 不能取代醫師、藥師、營養師或其他醫療專業人員,也不應用來自行診斷、用藥或延誤就醫。
更實用的做法,不是問 AI:「我是不是生病了?」
而是問:「請幫我整理這份報告,告訴我哪些地方適合下次和醫師討論。」
一、先把醫學名詞翻成白話
健康報告最難懂的地方,常常不是數字,而是檢驗項目本身。
例如 LDL-C、HDL-C、HbA1c、Creatinine、eGFR、ALT、AST,如果沒有醫學背景,很難立刻知道這些項目在看什麼。
你可以請 AI 協助整理:
這個指標大致在看什麼?
通常和身體哪個系統有關?
偏高或偏低時,常見會和哪些健康議題一起討論?
是否需要搭配其他數值一起看?
例如,AI 可以把「LDL 膽固醇」整理成白話說明:「常被稱為壞膽固醇,通常會和心血管健康一起討論。若長期偏高,可在看診時詢問醫師是否需要進一步評估飲食、運動、體重管理或其他處置。」
這樣做的目的不是讓 AI 幫你下結論,而是先降低閱讀門檻,讓你知道自己該問什麼。
二、整理紅字項目,但不要被數字嚇到
很多人看到報告有紅字,就會開始緊張。但紅字不一定代表已經生病,也可能只是輕微超出參考範圍。
有些檢驗數值會受到檢查前飲食、睡眠、運動、是否空腹、喝水量、藥物或檢驗時間影響。單看一個數字,很容易過度解讀。
你可以請 AI 幫你把報告整理成幾類:
正常項目
輕微偏高或偏低
建議下次詢問醫師的項目
需要長期觀察趨勢的項目
需要搭配其他數值一起看的項目
例如血糖、糖化血色素、三酸甘油脂、BMI 同時偏高時,AI 可以協助你整理成「可與醫師討論的整體代謝健康議題」,而不是直接判斷你有某種疾病。
三、把健檢報告變成看診問題清單
很多人拿著報告去看醫師,最常遇到的問題是:不知道該問什麼。
AI 很適合把健檢資料轉成一份清楚的提問清單,例如:
這些紅字項目需要多久後複檢?
我應該先看哪一科?
這些數值可能和飲食、體重、作息或藥物有關嗎?
是否需要進一步檢查?
目前比較適合先調整生活習慣,還是需要醫師進一步評估?
看診時間通常有限。事先整理問題,可以幫助你更清楚描述狀況,也比較不會離開診間後才想到「剛剛忘了問」。
四、有多年份資料時,請 AI 幫你整理趨勢
單次健檢報告只能看到當下狀態,長期趨勢通常更值得觀察。
如果你有過去幾年的健檢資料,可以請 AI 幫你整理成表格,觀察:
LDL 膽固醇是否連續上升?
血糖是否逐年接近臨界值?
肝功能數值是否反覆偏高?
腎功能相關指標是否逐年變化?
尿酸是否長期偏高?
BMI 和腰圍是否持續增加?
有些數值今年可能還在參考範圍內,但已連續幾年往同一方向變化。這類趨勢可以作為下次看診時的討論材料。
五、生活調整建議,只當作討論方向
AI 也可以根據報告中的項目,協助整理一般性的生活習慣討論方向。
例如:
血脂偏高時,可以整理飲食油脂、運動量、體重管理等問題,帶去和醫師討論。
血糖偏高時,可以詢問含糖飲料、精緻澱粉、睡眠與活動量是否需要調整。
尿酸偏高時,可以整理飲酒、含糖飲料、高普林食物、體重管理等問題。
肝功能偏高時,可以詢問飲酒、熬夜、藥物使用或脂肪肝相關評估。
BMI 偏高時,可以從飲食紀錄、運動習慣和作息開始檢視。
但這些都不應被視為個人化醫療建議。涉及疾病診斷、用藥、停藥、治療或飲食限制,仍應由醫師、藥師或營養師依個人狀況評估。
使用 AI 前,先把個資遮掉
健康檢查報告屬於高度私人的資料。上傳或貼給 AI 前,建議先遮掉:
姓名
身分證字號
生日
電話
地址
病歷號
醫療院所編號
公司名稱
保險資料
QR Code 或條碼
保留檢驗項目、結果、參考值、單位和檢查日期即可。如果願意,也可以提供年齡區間與性別,幫助 AI 做更清楚的資料整理。
若使用公司電腦、共用裝置或第三方 AI 工具,也建議先確認公司內部資安規範與工具隱私政策。健康檢查資料屬於敏感個資,處理時應比一般資料更謹慎。
AI 健檢資料整理指令模板
你可以複製下面這段指令,把個資遮掉後,連同報告內容一起貼給 AI。
請幫我整理這份健康檢查報告。
請注意:
1. 不要診斷疾病。
2. 不要建議我自行用藥、停藥或治療。
3. 請用一般人看得懂的白話說明。
4. 所有內容請定位為「看診前資料整理」與「健康教育資訊」,不要取代醫師診斷。
請幫我整理:
1. 哪些數值在參考範圍內?
2. 哪些數值偏高或偏低?
3. 偏高或偏低的項目大致在看什麼?
4. 哪些項目適合下次和醫師討論?
5. 哪些項目適合追蹤趨勢或詢問是否需要複檢?
6. 請整理一份看診時可以問醫師的問題清單。
7. 請用表格呈現重點。
多年份健檢資料比較指令模板
如果你有好幾年的健檢報告,可以改用這段:
我會提供多年份的健康檢查資料,請幫我整理趨勢。
請特別注意:
血糖、糖化血色素、血脂、肝功能、腎功能、尿酸、血壓、BMI、腰圍等項目。
請幫我整理:
1. 每個項目近幾年的變化。
2. 哪些數值逐年上升?
3. 哪些數值逐年下降?
4. 哪些項目雖然還在參考範圍內,但已接近臨界值?
5. 哪些項目適合下次看診時主動詢問醫師?
6. 請用表格整理,並補充白話說明。
請不要診斷疾病,也不要提供用藥或治療建議。
哪些情況不要只問 AI?
如果報告上出現「危急值」、「critical value」,或醫療院所已通知需要立即回診,請直接聯絡醫療單位。
如果同時出現胸痛、呼吸困難、意識不清、突然單側無力、嚴重腹痛、黑便、血尿、持續高燒、劇烈頭痛或嚴重過敏反應,也不建議只問 AI,應盡快就醫或聯絡當地緊急醫療資源。
AI 適合整理資料,不適合處理急症。
小結:用 AI 看健檢報告,重點是整理,不是診斷
健康報告讓人焦慮,通常不是因為資訊太少,而是資訊太多、名詞太難、數字太陌生。
AI 可以幫你把資料整理得更容易理解:翻譯常見名詞、整理紅字項目、比較長期趨勢、準備看診問題,也讓你和醫師溝通時更有方向。
更安全的用法,不是問 AI:「我是不是生病了?」
而是問:「請幫我整理這份報告,告訴我哪些地方適合和醫師討論。」
把 AI 當成生活中的資料整理工具,而不是診斷工具,才是更實用也更安全的做法。
編輯註
本文為 AI 工具生活應用教學,非醫療建議。健康檢查結果需由醫師依個人病史、症狀、用藥、生活習慣與其他檢查綜合判斷。如有身體不適、數值明顯異常或醫療院所通知回診,請盡快諮詢專業醫療人員。
看更多
2 0 796 1
Trulli Wu

產品經理

2024/12/05

認識「第一性原理思考」是什麼?生活或工作中你該如何應用它?
第一性原理思考(First Principles Thinking)
第一性原理思考就像是把一個複雜的事物「拆解到最基本的零件」來理解。
想像您在拆解一個樂高積木作品 - 不是只看表面的完成品,而是把它拆解成最基本的積木,然後理解每個積木的功能和可能性。
舉個生活例子:
如果問「為什麼餐廳的外送費這麼貴?」
一般思考會說:「因為所有餐廳都收這個價格」
第一性原理思考會拆解成:「外送需要人力成本 + 交通油耗 + 保險費用 + 時間成本」等最基本要素
這種思考方式最近常被提及,主要有幾個原因:
【科技創新需求】
特斯拉執行長馬斯克經常提到他用這種方式思考。
比如製造電動車時,他不是參考現有汽車廠的做法,而是從最基本的「如何製造一台車」開始思考,因此能突破創新。
【解決複雜問題】
現代社會問題越來越複雜,單純套用既有方法常常無法解決。
第一性原理思考能幫助我們找到問題的本質。
【避免慣性思維】
這種思考方法能幫助我們擺脫「因為一直都是這樣做」的思維限制,發現更多可能性。
日常生活或工作中如何練習第一性原理思考?
首先面對問題時,先問自己「為什麼」至少三次,一層層挖掘到最基本的原因。
比如:
為什麼我需要買新手機?
為什麼現在的手機不能用了?
為什麼這些功能對我來說很重要?
===================================
第一性原理思考,實際可能遇到困難是什麼?
【知識與專業門檻】
舉例:特斯拉想要降低電池成本
傳統思維:向供應商比價、大量採購降低成本
第一性原理:分析電池的基本原物料(鋰、鈷、鎳等)
實際困難:需要深入了解化學、材料科學、製造工藝等專業知識,才能真正從原料層面思考創新可能性。
【時間成本過高】
舉例:一位創業者想開發新的點餐App
傳統思維:參考現有App優缺點後快速開發
第一性原理:從「人類為什麼需要餐廳」「用餐體驗的本質是什麼」開始思考
實際困難:完整的第一性原理分析可能需要數週甚至數月,但市場競爭激烈,可能錯過時機
【組織慣性阻力】
舉例:某科技公司想改革績效評估制度
傳統思維:參考其他公司案例修改現有制度
第一性原理:思考「為什麼需要績效評估」「什麼是真正的優秀表現」
實際困難:改革過程中會遇到主管抗拒、員工不適應,甚至影響短期營運表現
【執行層面的現實限制】
舉例:建築師設計環保建築
第一性原理:從「人類居住需求的本質」思考全新建築方式
實際困難:受限於現有建築法規、施工技術、成本考量等,很多創新想法難以落地
【認知偏誤難以克服】
舉例:投資決策
第一性原理:純粹從公司基本面、產業本質分析
實際困難:即使試圖理性分析,人性中的恐懼、貪婪情緒仍會影響判斷,很難完全擺脫既有思維框架
【複雜系統難以完全拆解】
舉例:制定城市交通政策
第一性原理:分析「人類移動的基本需求」
實際困難:交通系統涉及太多變數(人口分布、經濟活動、環境影響等),很難真正拆解到最基本元素
這些困難造成許多人或組織雖然認同第一性原理思考的價值,但實際執行時往往會折衷,採用「部分第一性原理 + 部分經驗法則」的混合方式。
===================================
產品經理的工作如何運用第一性原理思考:
【需求探索階段】
傳統方式:直接參考競品功能、聽從主管建議、被使用者牽著走
第一性原理方式:
深入探討「使用者為什麼需要這個產品」
問題是什麼?為什麼現有解決方案不夠好?
使用者真正的痛點本質是什麼?
【產品定義階段】
傳統方式:跟著市場趨勢走、照抄競品功能
第一性原理方式:
從使用者的基本需求出發定義產品
每個功能都問「為什麼需要這個」
挑戰每個「理所當然」的假設
【優先級排序】
傳統方式:依據投入資源或開發難度決定
第一性原理方式:
回到用戶價值的本質
分析每個功能對核心問題的解決程度
評估真正的影響力而非表面數據
【產品迭代】
傳統方式:根據用戶反饋直接改善
第一性原理方式:
分析反饋背後的根本原因
思考是否解決了真正的問題
評估改善方案是否符合產品本質
實際案例:
假設要開發一個學習App
傳統思維:
參考現有App加入課程內容
添加常見功能如筆記、測驗
加入流行元素如遊戲化
第一性原理思維:
先問本質問題:
人為什麼需要學習?
什麼阻礙了有效學習?
學習動機的根本是什麼?
深入分析:
學習過程的基本要素是什麼?
知識吸收的本質機制是什麼?
持續學習的核心動力是什麼?
從本質出發設計解決方案:
針對注意力分散設計專注機制
基於記憶原理設計複習系統
根據動機理論設計獎勵機制
這種思考方式雖然前期投入較多,但能幫助產品經理:
避免盲目追隨市場趨勢
做出更有價值的產品決策
建立產品的獨特競爭力
===================================
已初步認識「第一性原理思考」了嗎?
或許我們可以先從問「為什麼」開始
但要記住,第一性原理思考是一個工具,而不是教條。
目標是培養更清晰的思維方式,而不是讓決策過程變得過於複雜。
重點是要在「深入思考」和「實際可行」之間找到平衡點。
看更多
1 0 9097 0
你可能感興趣的教室