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
104學習
Android軟體開發
這項技能指的是具備設計、編寫及維護手機和平板應用程式的能力，主要使用Java或Kotlin語言，並熟悉Android SDK及相關開發工具。能理解使用者需求，優化操作介面與效能，確保應用程式在各種裝置和系統版本上穩定運作。具備此能力的人才在台灣科技產業特別搶手，能參與多元產業的數位轉型與行動服務開發，具有良好的職涯發展潛力。
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
【安卓最新版】Android 9開發首部曲-UI與多頁面設計
軟體工程師就業培訓
Agile 敏捷開發方法
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】
人工智慧-深度學習【本課程為線上課，報名後專員會提供上課資訊】
Linux驅動程式【本課程為線上課，報名後專員會提供上課資訊】
AI助理GitHub Copilot | 提升前端開發效率
人手一機的智慧型手機資安面面觀
【免費課程】ITE-嵌入式系統軟體開發專業人員：開發流程與除錯
精選證照
考取專業證照，讓能力被市場看見
進階軟體設計專業人員
進階軟體設計專業人員證照旨在驗證持有人具備高階軟體設計與開發能力，涵蓋系統分析、架構設計、程式撰寫及測試等關鍵技術。持證者能有效運用物件導向設計原則及軟體工程方法，解決複雜問題並提升軟體品質與維護性，適用於大型專案開發與團隊協作，提升職場競爭力與專業價值。
財團法人中華民國電腦技能基金會
行動裝置應用
行動裝置應用證照旨在評估考生在行動裝置應用程式開發、設計及管理方面的專業能力，涵蓋Android與iOS平台的程式撰寫、介面設計、功能整合及測試優化等技能，強調實務操作與技術應用，適合欲進入行動應用開發領域的專業人士，提升職場競爭力及專業形象。
財團法人中華民國電腦技能基金會
Google專業級機器學習工程師認證
專業級機器學習工程師利用 Google Cloud 功能與機器學習方法的知識，來建立、評估、生產和優化AI解決方案。機器學習工程師處理大型、複雜的資料集，並建立可重複、可重複使用的程式碼。 根據基礎模型設計，同時實施生成式AI解決方案。
機器學習工程師著重AI實踐，與其他職位密切合作，以確保AI應用程式的穩定與成功。
機器學習工程師具有扎實的程式設計能力、資料平台以及分散式資料處理工具的經驗。精通模型架構、資料和機器學習管道創建、生成式 AI 和指標解釋等領域。
機器學習工程師須熟悉MLOps、應用程式開發、基礎架構管理、資料工程和資料治理的基礎概念。 幫助團隊有效運用AI解決方案。透過訓練、再訓練、部署、調度、監控和改進模型。
Google
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
微處理器與嵌入式系統應用
近年來，隨著發展，嵌入式嵌入式的應用不斷擴大。多設備設備設備設備需要嵌入式嵌入式系統來實現智能化智能化智能化，從而實現和模式系統的開發和應用帶來了更多的挑戰和機遇。
微處理器與嵌入式系統應用證照專注於培養專業人士在微處理器和嵌入式系統應用方面的技能和知識。通過這項證照的專業人士具備能夠設計、開發和應用微處理器和嵌入式系統的能力，並了解相關的硬體和軟體技術。
TIPCI臺灣國際專業認證學會
SSE User Interface Design國際認證
隨著網際網路興起與智慧型手機的出現，人與機器的互動方式一直在不斷的變動。也因為許多企業對於使用者體驗與介面的重視，介面設計相關的人才需求越來越多，平均薪資高也高於其他設計人才，許多人也開始想要轉職為介面設計師。
SSE User Interface Design國際認證針對目前這股潮流趨勢，為求職者與求才者所建構的一項測驗檢定，通過測驗，代表你已具備UI視覺設計的必備技術，將能在UI視覺製作方面獨立工作，並且能與程式設計師協同完成大型UI建置的能力。
Silicon Stone Education (SSE)
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
精選 AI寫企劃、看數據總是不能用？4種工作先排順序再交代，第一版就能討論
請AI寫企劃、做研究、看報表，結果常常看起來很完整，卻不能直接用？
問題多半不在AI的能力，而在我們只說「幫我寫」「幫我分析」，讓它自己猜目的和標準。
四種常見工作，可以共用同一個骨架：
1. 交代目的與標準：給誰看？看完要做什麼決定？
2. 排好先後步驟：先要中間產物，確認後再往下做
3. 要求附上依據：出處、算法、引用原文，讓你能驗收
套到四種工作，各有一個先後順序：
① 寫企劃｜架構先定，內容後補
先寫明讀者與目的，請AI只給三個主張和大綱；確認後才補內容，每個數據都附出處，查不到就標「待查證」。
② 做研究｜大題切小題，說法衝突並陳
先把大問題切成四到五個能用資料回答的小題；每題比對三種來源、標出年份；說法互相衝突時，請AI並列出來，由你判斷。
③ 看數據｜問題先行，數字在後
不要只丟報表說「幫我分析」，先寫成決策問題，例如「上季回購率下滑，是哪一群顧客流失」；講好期間、欄位和比較基準，只要兩三個關鍵發現，並附計算方式。
④ 審提案｜先找漏洞，後打分數
先逐條列漏洞並引用提案原文、分出輕重；再依事先講好的配分計分；最後請AI扮反方，提出最強的反對意見。
最常見的三個錯誤：
・一開口就要整篇成品，方向錯了只能整篇重寫
・AI給的數字沒查就直接用
・一邊挑毛病一邊打分數，分數被第一印象帶走
小練習：挑一件你這週要交的工作，寫下這兩句再交給AI——
「這份東西給＿＿看，看完要他＿＿。」
「先給我＿＿（大綱／小題清單／漏洞清單），我確認後再繼續。」
比較一下，和你平常的第一版差在哪裡。
想看完整的五分鐘影音說明，104學習免費課程「AI工作術」四堂已經上線，免費報名就能看：
第1堂｜5分鐘學會用AI寫企劃
https://nabi.104.com.tw/course/104nabi/57aed01b-9d82-4438-b09e-e2367abc0207
第2堂｜5分鐘學會用AI做研究
https://nabi.104.com.tw/course/104nabi/595a665d-07a3-461d-b37e-1f8158eca70d
第3堂｜5分鐘學會用AI看數據
https://nabi.104.com.tw/course/104nabi/0f3d424e-1658-49a2-851e-6c9fff296f43
第4堂｜5分鐘學會用AI審提案
https://nabi.104.com.tw/course/104nabi/19983d11-9e93-41ae-9924-46f8d6cd47dd
也歡迎在留言分享：這四種工作，你最常請AI幫忙哪一種？有沒有哪一次的第一版特別好用（或特別難用）？
使用提醒：AI可能出錯，重要數字請自行查證；上傳資料前先確認公司規定，並去除姓名、電話等個資。文中案例皆為假設情境。
用Codex操作Chrome瀏覽器，自動讀Gmail、寫Google Sheet教學！設「3層護欄」防AI亂點亂寄
想讓AI幫忙操作Chrome瀏覽器、讀Gmail、下載附件、寫進Google Sheet，又怕它亂點、亂寄信？作者以教師可能遇到的「自動批改作業信」為例，示範用Codex Chrome Extension設定白名單、二次確認與留痕log三層護欄，再一步步放手讓AI操作瀏覽器。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）
動手做前準備清單全章流程地圖：4步由小到大動手實作：讓Codex操作你的Google Chrome動手操作3大禁區
編按：作者以「老師自動批改學生作業信」為範例，示範讓Codex讀取Gmail「作業繳交」標籤的來信、下載附件、產出評語，再逐列寫進Google Sheet。雖然示範情境在教學現場，但換個主題就能套用到職場，例如整理應徵者的履歷信、客戶詢價信或活動報名回覆；文中的白名單、二次確認、留痕log三層護欄，也適用於任何讓AI代操瀏覽器的工作。※本文以「Chrome Extension」模式操作，是由Codex直接在你的Chrome「已登入」的Gmail等分頁操作，不必處理OAuth、API token（這些憑證都不用辦），看得到它在做什麼。
動手做前準備清單
項目規格沒有怎麼辦Codex CLI + 桌面App已完成、能登入補安裝，Codex CLI 、桌面AppChrome Extension從Codex App Plugins內裝補安裝，Chrome extensionGmail帳號有「作業繳交」標籤、收得到信Gmail內建立一個Label「作業繳交」Google Sheet一張空白工作表，欄位先排好Drive內新建一張，命名「本學期_作業批改」
Google Sheet欄位先排好
第一列填入這6個欄位（順序很重要，等下Skill要按這個順序寫入）：
ABCDEF批改日期學生姓名作業主題AI評語字數建議評分
權限設「僅特定人員」或「限校內帳號（你的學校網域）可存取」，把你自己（和真的需要看的同事）逐一加進去。不必也不要用「擁有連結的任何人可檢視」，Codex用你登入的身分操作，本來就進得去，不需要開公開連結。
此表含學生個資（姓名＋評語），絕對不可以用「擁有連結的任何人可檢視/可編輯」公開連結分享。公開連結等於把全班個資丟到網路上任人抓取。務必設成「僅特定人員」或「限校內帳號」，並定期到「共用」設定檢查存取名單有沒有跑進不該有的人。
【補充】企業導入前置（用公司信箱、下載含個資附件前必看）
本章讓Codex操作你「已登入」的信箱、下載附件、寫進Sheet，放在公司環境要先過3關，別自己一個人默默開跑：
公司信箱須經IT /資安核准：使用Codex Extension操作公司Gmail / Workspace前，先問過IT或資安窗口，確認符合公司對第三方工具存取信箱的規範，否則別用個人身分擅自授權公司帳號。
先用測試帳號跑通：第一輪用一個測試信箱＋假資料把流程走順，確認護欄有效，再碰真實信箱。
附件含個資要確認合法性、用完清除：下載的.docx /客戶附件若含個資，先確認你有處理的合法依據（同意/業務必要），處理完就從~/Downloads/inbox-essays/之類暫存夾刪除，別長期堆在本機或同步到公開雲端夾。
全章流程地圖：4步由小到大
1 授權與護欄 Chrome Extension 範圍限定 + 二次確認
↓
2 寫 Skill auto-email-processor 四階段定義
↓
3 跑 1 封測試 盯著看，確認沒亂點
↓
4 放開跑全部 批次處理 + 失敗重試 + 總結報告
絕不可跳過步驟3，跑1封測試看看，這是整章最關鍵的安全閘門。沒看過第1封就放執行，等同把你的Gmail鑰匙交給陌生人。
動手實作：讓Codex操作你的Google Chrome
步驟1-A 授權與三層護欄
確認Codex桌面App已開啟、已登入
確認Chrome已裝Codex Extension
Chrome右上工具列點Codex圖示
看到「Chrome plugin connected」狀態 = 正常
Codex桌面App內的Plugins區也顯示「Chrome plugin connected」，兩邊都看得到 = OK
Codex從這裡開始就有能力「在你登入的Chrome內」做事。所以下一步馬上設範圍限制，沒設好就不要往下做。
步驟1-B 護欄1：範圍限定（白名單）
Codex Extension預設「進入新網站會問」。但更穩的做法是明確設一份白名單。在Codex對話開頭就先宣告：
本對話只允許操作 mail.google.com、docs.google.com、sheets.google.com。
任何其他網域請拒絕並回報給我。
明確列出允許與禁止的清單：
# 允許 Codex 操作的網域白名單
mail.google.com # Gmail
docs.google.com # Google Sheet / Docs
sheets.google.com # Google Sheet（舊網域別名）
# 禁止：其它一律不行
✗ bank.example.com # 銀行
✗ pay.example.com # 支付
✗ facebook.com / x.com # 社群媒體
這是用文字下的範圍限制，搭配Extension預設的「進新網站問一次」雙重防護。
步驟1-C 護欄2：二次確認
在Codex對話開頭就先指定下面五類動作必須先暫停問你，得到「OK」才能繼續：
刪除任何信件 → 必須問
寄出任何信件 → 必須問
移動信件到垃圾桶 → 必須問
修改Sheet既有列（非新增）→ 必須問
修改Gmail filter / forwarding設定 → 必須問
「標記為已讀」、「加標籤」、「下載附件到自己電腦」、「在Sheet新增一列」這幾項算可逆操作，不需要每次都問。
步驟1-D 護欄3：留痕log
叫Codex把它做的每一步寫成log，方便事後抽查：
請建立一個 ~/codex-logs/email-processor.log
每次處理一封信，寫一行 JSON：
{"ts":"2026-05-17T10:00:00Z","subject":"...","sender":"...","action":"已批改寫入Sheet","ok":true}
失敗時 ok:false，多寫 reason 欄位。
請在每次跑完 Skill 後自動 append。
跑完一輪後，cat ~/codex-logs/email-processor.log（Windows PowerShell：Get-Content $HOME\codex-logs\email-processor.log）看得到N行JSON，每行對應一封信。
動手操作3大原則
範圍限定：只開放特定網域，其餘一律拒絕
二次確認：刪/寄/改既有資料必須先問
留痕：每次操作寫log，可事後追查
三個都做到了，才往下進步驟2寫Skill。
步驟2-A 寫auto-email-processor Skill
macOS / Linux（或在Git Bash執行）：
mkdir -p ~/.agents/skills/auto-email-processor
cd ~/.agents/skills/auto-email-processor
touch SKILL.md
Windows PowerShell寫法（同一件事的PowerShell寫法）：
New-Item -ItemType Directory -Force $HOME\.agents\skills\auto-email-processor
Set-Location $HOME\.agents\skills\auto-email-processor
if (-not (Test-Path SKILL.md)) { New-Item -ItemType File SKILL.md }
如果Windows使用者希望直接沿用Bash指令，可以在~/.agents/skills/的上層資料夾右鍵 → Open Git Bash Here，就能在Git Bash內原樣執行mkdir -p、touch。兩個方式擇一即可，不必兩邊都跑。
為什麼用Skill而不是直接打prompt？Skill寫一次、用很久。下次要批改只要說「跑auto-email-processor」，不必再貼整段流程描述。
2026新功能NEW：Record & Replay（錄一次、重播多次）
Skill有3種建立法：
手寫SKILL.md（本節做的）
對話中請Codex幫你生
Record & Replay，你手動把一連串網頁操作（點「作業繳交」標籤 → 過濾未讀 → 下載.docx）錄製一遍，Codex會把它存成可重播的Skill。像Gmail這種步驟固定、重複性高的流程特別適合這種方式，錄完再回頭微調SKILL.md補上護欄。搭配always-allow（總是允許）：把重播時重複跳出來的權限請求（例如每次都問「可以操作mail.google.com嗎」）設為「總是允許」，就不會一直被打斷，但只對白名單網域開always-allow，刪/寄/改既有資料這類敏感動作仍維持二次確認。
步驟2-B SKILL.md開頭：frontmatter與Scope
SKILL.md一定要以YAML frontmatter開頭（name、description是必要欄位，觸發詞寫進description，Codex才會自動觸發）：
---
name: auto-email-processor
description: 讀 Gmail「作業繳交」標籤內的未讀信，抓 .docx 附件，套 essay-feedback Skill 批改，寫回 Google Sheet「本學期_作業批改」。觸發詞：批次批改、處理交作業信、跑 email processor。
---
# auto-email-processor
## Scope
- 允許網域：mail.google.com、docs.google.com、sheets.google.com
- 禁止：其它任何網域
- 允許動作：讀信、下載附件、加標籤、Sheet 新增列
- 禁止動作：刪信、寄信、修改 Sheet 既有列
Skill的「身分證」段落，讓Codex知道「我可以做什麼、不能做什麼」。
步驟2-C 中段：四階段Steps
## Steps
### Phase 1 讀
1. 開新分頁到 https://mail.google.com
2. 點左側「作業繳交」標籤
3. 加「is:unread」過濾條件
4. 列出信件主旨與寄件者，不要點開
### Phase 2 分（過濾）
對每封信，符合所有三條件才處理：
- 寄件者是學生（你的學校網域，例：@school.edu.tw）
- 主旨含「作業」或「homework」
- 有 .docx 附件
### Phase 3 處（批改）
1. 下載 .docx 到 ~/Downloads/inbox-essays/
2. 從寄件者名 / 主旨解析學生姓名與作業主題
3. 呼叫 essay-feedback Skill 批改
4. 把回傳的「評語/ 字數/ 評分」記下來
### Phase 4 記
1. 開 Google Sheet「本學期_作業批改」
2. 新增一列：日期 / 姓名 / 主題 / 評語 / 字數 / 評分
3. 回 Gmail 標該信「已讀」+ 加「已批改」標籤
4. 寫一行 log 到 ~/codex-logs/email-processor.log
【補充】Phase 3那句「呼叫essay-feedback Skill」是哪來的？
這支批改Skill在「多檔案批次處理」篇建立過，該章resources/essay-feedback/有現成檔案，只要將其複製到~/.agents/skills/essay-feedback/就能被本章觸發。還沒建也能先跑通流程，把Phase 3第3步暫時換成這3行替代做法：
用Codex內建能力讀出.docx純文字內容
請Codex直接寫一段150字評語、估算字數、給A / B / C建議評分
把這三個值當成回傳結果往Phase 4傳（先能寫進Sheet，之後再換成正式的essay-feedback）
步驟2-D 末段：Rules護欄
## Rules
### MUST（必須）
- MUST 敏感操作前停下來問我（刪信、寄信、改既有列）
- MUST 處理失敗的信維持「未讀」、加標籤「需人工處理」
- MUST 每處理一封寫 log
- MUST 全程操作我這個帳號，不可切到別人的 Gmail
### NEVER（絕不）
- NEVER 自動回信給學生
- NEVER 跨網域操作（白名單以外）
- NEVER 刪除任何信件
- NEVER 修改 Sheet 既有列（只能 append）
## Tools
- Codex Chrome Extension（Gmail / Sheet 操作）
- Codex 內建 .docx 解析
- essay-feedback Skill（subagent 呼叫，來源見第三篇 CH19）
Skill寫完存檔。Codex下次看到觸發詞會自動讀SKILL.md。
準備測試素材：先讓信箱有東西可讀
Skill寫好了，但如果「作業繳交」標籤裡一封信都沒有，步驟3的測試就沒東西可跑。動手前先花3分鐘，自己造1～2封測試信，讓自動化有真實素材可讀。這步驟做完，跑步驟3才有意義。
準備1～2份.docx測試檔：隨手開Word（或Google Docs →下載為.docx）打一段假作文，存成例如：測試作文_王小明.docx。想更真實就做兩份、換個學生名。
自己寄給自己：在Gmail點「撰寫」，收件者填你自己的Gmail，主旨故意帶關鍵字（例：第八單元作文 作業繳交 王小明，一定要含「作業」讓Phase 2過濾條件吃得到），把剛才的.docx當附件夾進去，寄出。寄1～2封。
建一個標籤：Gmail左側sidebar往下拉找到「建立新標籤」，命名為作業繳交（就用這章Skill要讀的標籤名，別另取，不然Skill讀不到）。若動手前清單那步已經建過，這步跳過。
手動把測試信貼上該標籤：回收件匣，勾選剛剛那1～2封自寄信 → 點上方「標籤」圖示（或右鍵）→ 勾「作業繳交」。現在這個標籤底下就有真實的未讀作業信可供Codex練習了。
【提醒】用「自寄信」當測試素材最安全就算Codex跑歪了、標錯標籤，動到的也只是你自己建立的虛假信件，不會影響到學生真正交的作業。等步驟3測試通過，再放真實信件進來。
步驟3-A 跑1封測試（最關鍵的一步）
進Codex：
codex
輸入：
請執行 auto-email-processor Skill，但這次只處理 1 封測試：
1. 開 Gmail
2. 找到「作業繳交」標籤內第一封符合條件的未讀信
3. 完整跑完 Phase 1-4
4. 跑完後回報你做了什麼（步驟列表、最後 Sheet 寫了哪一列）
整個過程請在我面前跑、不要靜默。
每動一步先告訴我「我準備做 X」，等我說 OK 才執行。
【提醒】請全程盯著螢幕看！不要去泡咖啡、不要切到別的視窗。第一次跑就是要確認「它真的有照規矩來」。
步驟3-B 盯著看的時候要確認什麼？
Codex跑的時候，眼睛確認這6件事：
Codex開的是正確的Gmail標籤（不是收件匣全部）
它沒有點開不該點的信（例如沒有.docx的、或寄件者不是學生的）
下載.docx時沒覆蓋你既有檔案
批改完Sheet新增一列（不是修改既有列）
信件標為「已讀」+ 加「已批改」標籤，沒刪除、沒進垃圾桶
log檔有一行新紀錄
任何一項不對 → 立刻按Esc中止（在CLI內跑則按Ctrl + C）、修SKILL.md、再跑一次測試，不要現在就往步驟4前進。
步驟3-C 第一次跑常見的「走偏」
Q1：Codex點到收件匣不是「作業繳交」標籤
回答：Gmail介面更新時，標籤位置會變動。SKILL.md改成「在左側sidebar用文字找『作業繳交』再點」，不要靠固定位置。
Q2：把作文老師個人信也當成作業處理
回答：Phase 2過濾條件不夠嚴。再加「主旨必須有作業/homework」「附件必須是.docx」雙條件。
Q3：Sheet寫到錯的工作表（同一活頁簿有多張表）
回答：Skill補上「先點底部tab確認是『本學期_作業批改』再寫」。
Q4：標完「已批改」標籤後又標「重要」
回答：Codex在學Gmail介面，可能誤點。Rules補：「只加『已批改』標籤，其他不准動」。
步驟4-A 測試OK了，跑全部未讀
同一個Codex對話內輸入：
很好，剛才測試正確。現在請執行 auto-email-processor Skill
處理「作業繳交」標籤內所有未讀信。
需求：
1. 並行數：1（順序處理，方便我看）
2. 失敗自動重試 1 次
3. 重試仍失敗的信：加標籤「需人工處理」，跳過，繼續下一封
4. 全部跑完給總結報告：成功 N 封 / 需人工 N 封 / 失敗 N 封
5. 列出需人工的信件主旨與寄件者，方便我之後處理
開始。
「並行數1」會比較慢，但安全。等你跑過3-5次都OK再考慮加到2-3並行。
步驟4-B 預期看到的總結報告
✅ auto-email-processor 處理完成
成功批改：23 封
需人工處理：2 封
- 「期中作文.docx 附件損壞」 / 小明 <ming@...>
- 「忘記附檔」 / 阿花 <hua@...>
失敗：0 封
Google Sheet 已新增 23 列
Gmail 標記已讀 + 標籤「已批改」：23 封
標籤「需人工處理」：2 封
log 寫入 ~/codex-logs/email-processor.log：25 行
數字加總 = 標籤內未讀信總數 = Sheet新增 + Gmail標記 = log行數，四個數字對得起來就是完成。
步驟4-C 抽查Sheet內容是否正確
打開「本學期_作業批改」工作表
隨機挑3列，對應到原信件
檢查欄位：日期、姓名、主題、評語、字數、評分都對
檢查AI評語有沒有亂寫（這部分是essay-feedback Skill的責任，但這次順便抽查）
Gmail內隨便開一封看是否標籤「已批改」+「已讀」
看log檔最後幾行有ok:true
6項都對 = 整套流程信任度 +1。下次可以放心多並行、少盯著。
動手操作3大禁區
把這3個禁令寫在便條紙貼在螢幕上：
不操作金融帳戶：銀行、支付、券商、加密貨幣交易所，一律白名單外。不論看起來多簡單的「查餘額」也不行，因為AI沒辦法分辨「查」和「轉」之間只差一個按鈕。
不自動寄信給真人：草稿可以、儲存可以，但按下「寄出」這個動作絕對是你自己按。AI寄錯信沒辦法收回，後果你扛。
不超範圍：Skill寫了什麼就只做什麼。不要在同一個Codex對話「順便叫它做別的事」，授權邊界會模糊掉。要做別的就開新對話、重新設權限。
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
告別制式勞動，迎向 AI 時代人才的變革與重構
從 AI、大數據到雲端運算，智慧科技持續重塑企業運作模式，也同步改變科技人才的能力結構與職涯路徑。當技術不再只是工具，而是開始參與決策、流程與協作機制的設計時，企業對人才的期待，也隨之快速被改寫。隨著生成式 AI 進入科技研發現場，產業競爭的焦點，逐漸從單純的效能與技術規格面，轉向研發流程、協作效率與人才結構的重新配置。
文／104人力銀行
立即下載《2026科技業人才報告書-人才版》
本文導覽：
先定義後拆解，掌握工具且能同時進化的優勢
AI 不是取代能力，而是重新設計組織的槓桿
AI 改變的不只是工具，而是人才競爭的基準
無論是深耕資安領域的趨勢科技、由單點工具轉向 AI 驅動工作流程的KDAN 凱鈿、將服務版圖延伸至「新商務」場景的騰雲科技，亦或是持續推動流程優化的技嘉科技，皆不約而同指出：AI 並不是單一技術的導入，而是從根本上，重新定義工程師的工作方式與企業的選才邏輯。
先定義後拆解，掌握工具且能同時進化的優勢
趨勢科技指出，在資安產業中，AI 的導入不僅提升效率，更放大了攻防的速度與規模。企業真正需要的，已非能單純完成任務的工程師，而是要能理解問題、拆解問題，並知道如何運用 AI 讓產品與防禦能力持續進化的人才。「企業現在看的人才，不再是會不會寫 code，而是能不能用 AI 定義問題、拆解問題，並把它真正放進工作流程裡。」
這樣的轉變，使「會寫程式」逐步從門檻條件，轉變為一種基本能力。
KDAN 凱鈿則觀察到，企業選才的標準明顯被翻轉。過去對工程師的面試，多半以程式語言的熟悉度為主，然而當 AI 加入成為日常工具，真正拉開差距的，反而是思考邏輯和問題拆解的能力。「以前我們面試工程師，程式語言熟悉度大概佔六、七成，思考能力佔三、四成；現在幾乎倒過來。」甚至可以說，判斷能力及邏輯架構，已遠勝單一技術的掌握。能力結構之外，AI 也在重新設計工作流程本身。
AI 不是取代能力，而是重新設計組織的槓桿
面對 AI 帶來的轉型壓力，騰雲科技則是認為，企業需要的人才，除了熟悉新工具，得要能解構既有的流程與模式，並予以重新加以設計。「頂尖的人才必須完備能解構問題的智慧，將經年累月結痂的既有工作流程無情拆解，再結合新工具進行徹底重構，以此創造出破局的商業價值。」在如此框架之下，AI 並非取代既有能力，反倒成為推動組織再造的重要槓桿。
相較之下，在硬體與韌體研發領域，AI 帶來的影響則呈現不同面貌。
AI 的導入並非突然出現，而是建立在長期流程自動化與知識共享文化的基礎之上。技嘉科技表示，當標準化與重複性的工作逐步由工具接手，企業在選才的課題上，反而更回到人才的本質。「AI 並沒有讓工程師變得不重要或被取代，反而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，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。」
也因此，雖分處不同產業與戰略位置的四家企業，卻給出近乎一致的答案——AI 確實已改變你我的工作流程與內容，也對工程師的角色重新定位，然而企業真正關注的，不是誰會被取代，而是誰能定義出與 AI 協作的新方式。
AI 改變的不只是工具，而是人才競爭的基準
當 AI 已能協助完成大量數據的整理、流程文件撰寫及程式生成，甚至是輔佐當下決策的研判時，隨之浮現的是一個跨越產業和領域的深層叩問——AI 會不會取代人類？
觀察四家受訪的企業，答案竟出乎意料地一致：AI 並不會讓「人」變得不重要，而是讓人才的價值重新排序。但首先被改變的是，企業對工程師角色的認知與理解。當標準化、重複性的工作逐步由工具接手，真正拉開差距的，不是技術的熟練度，而是能否理解問題、拆解流程，並持續與新工具共同進化的能力。
正如受訪者所指出：「不是 AI 會取代人，而是會用 AI 的人，會取代不會用 AI 的人。」對企業而言，這意味著選才邏輯正在改變；對求職者而言，也代表未來職場的競爭力，將來自於跨領域理解問題的能力，以及在變動之中持續重塑自身角色的位置。
立即下載《2026科技業人才報告書-人才版》
掌握更多科技業人才趨勢，大家都在看這些：
告別制式勞動、迎向職能重構：騰雲科技在 AI 時代的破局商業學
AI 時代，寫程式不再是護身符——KDAN 凱鈿重新定義「好人才」
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
在趨勢科技，唯一的競爭對手是駭客：AI 時代下，資安人才與研發現場的真實變化
告別Excel地獄：用Google免費AI工具，打造零失誤自動化銷售報表
每到月底，您是否也被淹沒在無盡的Excel銷售報表中，為混亂的資料格式、複雜的公式計算和無止境的複製貼上而苦惱？這些耗時且易錯的手動流程，不僅消耗寶貴工時，更隱藏著營運風險。我們將帶您告別傳統的報表地獄，深入探討如何運用強大的免費工具——Google Apps Script + Gemini，將繁瑣的數據處理流程全面自動化。從資料清理、庫存分析到自動生成叫貨單並發送郵件，我們將一步步教您打造一套智慧高效的報表系統，將數天工作壓縮至幾分鐘，徹底解放您的生產力。
文／人資市集
前言
想像一下，每個月底，你的桌面上攤開著「銷售量表」Excel檔案，裡面記錄著數百項商品的銷售情況、進貨成本和庫存狀態；旁邊還有一份「廠商資訊」Excel檔案，記載著二十多家供應商的聯絡方式；以及一份「叫貨單」Word模板，等待被複製貼上無數次...
「又要熬夜了...」你嘆了口氣，開始了月底例行公事。
數據處理的三大痛點
痛點一：混亂的資料格式
銷售表中的庫存欄位，有些寫著「2包9個」，有些寫著「3盒40條」，還有些是「停售」、「尚未進貨」。你必須手動計算實際數量，還要處理重複記錄的品項，如「微糖黑豆奶」出現在兩個不同的列，售價還不一致。
痛點二：繁複的計算工作
計算各品項的總銷量、總營收和毛利率時，你需要設置複雜的Excel公式。特別是處理不同進貨單位的成本計算（如「4袋/40入」成本40元，每個單品成本為1元），稍有不慎就會算錯。
痛點三：重複的文書作業
分析完成後，你必須為每個需要補貨的廠商製作叫貨單，不停地複製貼上廠商資訊、品項、數量、單價、總價...然後將它們一一轉為PDF並發送郵件。這些重複性工作不僅耗時，還容易出錯。
Google Apps Script + Gemini AI 自動化解決方案
透過Google Apps Script結合Gemini AI的強大能力，我們可以將這些繁瑣的工作全部自動化，從數據清理到報表生成，再到郵件發送，全部一鍵完成。以下是具體步驟：
1. 環境準備與檔案設置
將Excel和Word檔案上傳至Google雲端硬碟，轉換為Google格式，並從試算表的「擴充功能」選單開啟Apps Script編輯環境。這一步確保所有檔案都能被自動化程式存取和修改。
2. 使用Gemini AI生成程式碼
這是整個自動化流程的核心環節。無需懂得編程，只要向Gemini AI清楚描述你的需求，它就能生成對應的Apps Script程式碼。例如：
當你告訴Gemini：「請寫一個Google Apps Script程式，從資料夾中找到銷售量表檔案，並讀取'綜合銷售量表_9-5月'分頁的內容」，它會立即生成完整的程式碼：
JavaScript
function findFilesInFolder() {
var folderId = '你的資料夾ID';
var folder = DriveApp.getFolderById(folderId);
var files = folder.getFiles();
while (files.hasNext()) {
var file = files.next();
Logger.log('找到檔案: ' + file.getName());
}
}
你只需將生成的程式碼複製到Apps Script編輯器中，按下執行按鈕，程式就會自動運行。每個步驟都可以用同樣的方式，向Gemini描述需求，獲取程式碼，然後執行。
這種方式特別適合不懂程式設計的使用者，因為你不需要了解程式語法，只需要清楚描述業務需求即可。如果程式執行結果不符合預期，你可以向Gemini解釋問題，它會提供修正後的程式碼。
3. 資料清理與標準化
向Gemini描述資料清理的需求，如「請寫程式將'2包9個'這樣的庫存記錄轉換為實際數量」，它會生成相應的程式碼，自動識別並處理重複品項、統一庫存記錄格式，並將其他備註文字記錄轉換為數字0。
4. 銷售數據分析
告訴Gemini你需要計算各品項的總銷量、總營收和毛利率，它會生成程式碼自動進行這些計算，並將結果按高到低排序，幫助你快速識別關鍵營收品項和高毛利率品項。
5. 庫存分析與補貨建議
描述你的庫存分析需求，如「計算近三個月平均銷量，與目前庫存比較，找出缺貨風險品項」，Gemini會生成程式碼自動執行這些分析，並根據公式計算建議補貨量。
6. 自動生成叫貨單
告訴Gemini你需要根據廠商資訊和補貨建議自動生成叫貨單，它會生成程式碼從廠商資訊表中找出各品項對應的廠商，複製叫貨單模板並填入所有必要資訊。
7. 自動發送郵件通知
描述郵件發送的需求，如「將叫貨單轉為PDF並發送給對應廠商」，Gemini會生成程式碼自動完成這些任務，完全消除手動發送郵件的工作量。
8. 透過Google Apps Script設置自動化觸發條件
在Apps Script編輯器中，點擊「觸發條件」選項，設定時間驅動的觸發機制，如每日、每週或每月自動執行。你可以選擇特定的時間點，確保報表在每個月底自動生成，叫貨單在固定日期自動發送。這樣，即使你不在辦公室，系統也能按照預設的時間表自動完成所有工作，實現真正的全自動化流程。
看了文章還是覺得太難？104 線上課程手把手帶你學會用 AI >>
自動化帶來的改變
透過Google Apps Script結合Gemini AI的自動化流程，你將原本需要2-3天完成的工作縮短為幾分鐘。不再需要熬夜處理數據，不再擔心計算錯誤，也不再被無止境的複製貼上折磨。
更重要的是，這種自動化方式不需要你懂得編程，只需清楚描述業務需求，Gemini就能生成所需的程式碼。這大大降低了自動化的門檻，讓任何人都能輕鬆實現工作流程的自動化。
現在，每當月底來臨，你只需輕鬆點擊幾下按鈕，就能完成所有工作，然後將寶貴的時間用在更具創意和策略性的任務上。無論你是零售業者、電商經營者，還是任何需要定期處理數據和報表的專業人士，這套自動化流程都能為你的工作帶來革命性的改變。
讓科技為你解放時間和創造力，從繁瑣的數據處理中脫身，專注於真正重要的事務！立即加入「行政/營運 AI 超能力：行政流程Ｘ生管Ｘ採購自動化」這門課程學習，手把手掌握Google Apps Script結合Gemini AI的全面應用，讓你的工作效率和成果品質都能提升到一個新的高度。
企業用戶歡迎申請課程免費試閱，並選擇「104人資市集 | 企業訂閱制方案」，課程每人每年最低33元起/堂，最低$10,000起搞定全公司整年度的AI導入培訓。亦可團購或授權課程，歡迎點擊下方專人諮詢。
免費試閱
了解方案
專人諮詢
提升員工帶動企業的成長！最划算的 AI 教育訓練方案首選>>
超過7000+的HR都報名過的104人資學程！求職成效提升至4.5倍！>>
成為人資市集Line好友獲得最新課程優惠及免費講座資訊>>
訂閱人資市集電子報獲得專家工作分享及產業新知 >>
【104 talks】必學的聰明工作術!-從邏輯思維到工具應用，全面提升工作效能｜2/20 線上免費直播
文／104人資市集
「104 talks」致力於協助職場人士的知識學習與能力提升
為每位忙碌的職場人士，創立一個能夠高效學習的節目平台，集結各領域專業講師的知識與分享，為職場人士帶來啟發和新視角。
必學的聰明工作術!-從邏輯思維到工具應用，全面提升工作效能
2025年想讓工作變得更輕鬆、高效嗎？
這場講座將帶您解鎖全新的工作思維，從掌握大局、時間管理到善用AI技能，讓繁瑣流程迎刃而解，能更精準且有策略的執行，輕鬆達到事半功倍的效果。
一起加入這場聰明工作術的旅程，讓工作變得更簡單！
講者及主題介紹
★黑馬思維－看懂局勢 跳脫平凡的密技- 主講人 : 楊東岳 | 大玩創意有限公司執行長
★掌握時間成本，創造高效任務管理策略- 主講人 : 曾正文 | PMP 國際專案管理師
★用AI方法徹底改造工作，輕鬆成為效率達人！- 主講人 : 林尚能 | 企業經營顧問
★這輩子免學Excel公式，用AI全部解決 - 主講人 : 吳承穎 | 查特普拉斯管理顧問有限公司 共同創辦人
講座資訊：
講座時間：2025/2/20（四）13:30~15:00
報名截止時間：2025/2/18(二)
活動形式：線上免費直播
適合對象：所有職場人士
價值：3600元 → 免費
立即點我免費報名
【報名流程】
1. 活動前1天，我們將以Email寄送活動通知及相關資訊給您，請隨時留意Email，以免遺漏。2. 本講座會以Youtube直播的方式進行。
【注意事項】
報名前，請詳閱課程內容及購買須知。
104 人資市集 保有相關課程內容調整及講師之變動權，可能視情況進行適當的修改與調整。
104 人資市集 保留報名審核權利。
如有課程相關問題，請至聯絡我們留下相關訊息。
． ． ．
最划算的全方位教育訓練方案！免費申請全課程試閱 >>
推薦你更多相關的好文章>>
【104 talks】時代 vs 世代：不可不知的 EAP 推動要點 | 興智國際執行長 黃智儀
【104 talks】現代領導者的人生進化指南 | 波波黛莉共同創辦人黃晨皓 Kim
【104 talks】AI 數據智能時代的工作再定義 | 微軟人資長王有蘋
【104 talks】運用心理能量，職場一路順暢 | 蘇予昕心理師
【104 talks】啟動你的能量計畫，打造高效人生 | 最速總經理王冠翔
【104 talks】提前佈局不被市場淘汰！第二曲線創新學 | 郭瑞祥
滿足中小企業的培訓需求！超過150+課程任選 >>
訂閱市集電子報與你分享專家文章及最新活動訊息 >>
加入104人資市集 Line 獲得新知與獨家優惠！
廣達、緯創徵召量子電腦人才！台灣電子五哥研發落地加速搶人
2026-07-19 經濟日報記者王郁倫 記者吳康瑋攝影 由聯合新聞網授權轉載
電子五哥廣達（2382）、緯創（3231）開徵量子電腦工程師職缺，顯示硬體廠商正從前期探索跨入著手研發，廣達徵召人才鎖定量子電腦系統內部架構設計到外部控制電腦數據讀取專才，而緯創徵才範圍更大，從晶片封測到軟硬體整合全面徵才，兩家兆元大廠布局量子電腦策略似乎正與AI伺服器布局有高度一致性。
台灣科技產業下游開始布局量子科技，緯創跟廣達都開始徵召量子科技人才，其中，緯創設定人數無上限，徵求人才內容從硬體系統線路設計、晶片封裝與量測架構、超低溫實驗平台規劃維運、微波控制器設計與讀取到核心量子裝置實驗，如位元相干時間改良（讓電腦運算更穩定更持久），最後是軟硬體整合改良。
緯創徵召量子人才的廣度極大，也凸顯布局量子電腦技術的企圖心，期望從晶片模組到整體系統都掌握。緯創董事長林憲銘日前接受《經濟日報》提問時表示，對量子電腦技術將是自研與投資雙軌並行。
林憲銘更透露，將購買一座32量子位元的超導量子機器，與AI伺服器進行連線運算測試，未來也不排除爭取IBM 等量子系統代工或關鍵零組件製造商機。故此次大舉開出量子電腦職缺，也顯示其自建量子運算中心下半年將加速啟動。
[joblist_plugin title='【緯創 量子相關】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=%E9%87%8F%E5%AD%90%20%E7%B7%AF%E5%89%B5' amount='1']
廣達此次開出1～2位量子人才需求名額，強調需要出差，符合業界觀察廣達常派出工程師到美國量子新創Rigetti Computing總部交流合作消息，廣達此次徵才要求主要包括量子硬體系統設計優化、量子控制線路、控制程式及資料分析工具、執行量子實驗做量子系統較準及參數設定，該部分人才技能偏向後段硬體面。
[joblist_plugin title='【廣達 量子相關】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=%E9%87%8F%E5%AD%90%20%E5%BB%A3%E9%81%94' amount='1']
金寶電子（2312）與國際大廠SEEQC合作室溫電腦控制平台，在電子業下游跑得相當快，下半年第一版本將展開測試，董事長許介立也透露，除超導體新創，目前也廣泛跟其他技術業者合作比方離子阱，目前投資國外新創已有2~3家，未來會持續透過此方案擴大量子電腦布局。
對此，鴻海（2317）董事張慶瑞表示，台灣產業確實開始動起來！他日前曾發言擔心台灣量子人才環境不足，除缺乏產業留才，導致培育的人才畢業後面臨無處可去，只得去台積電（2330）就職或出國就業窘境。
在政府合併AI新十大建設推動方案中，量子技術已被列為三大AI關鍵技術之一，與矽光子及機器人位階相當，政府也從2022～2026年五年內投入80億元打造業合作平台，建立量子國家隊。
張慶瑞日前接受訪問指出，本土培養的量子人才約有150至200人，畢業後卻面臨沒有量子產業可以效力。該問題能否隨廣達、緯創及工研院都開出量子人才職缺而獲得解決將是未來可關注重點。
[joblist_plugin title='更多【量子電腦】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=%E9%87%8F%E5%AD%90%E9%9B%BB%E8%85%A6' amount='1']
用 Claude Code 打造全端應用，AI 結對編程讓開發效率大幅提升！
陳贈文
文章分類：AI課程
參訓課程：掌握 Claude Code 從零打造企業級全端開發應用實戰班
現 職：軟體工程師
用 Claude Code 打造全端應用，AI 結對編程讓開發效率大幅提升！
👨💻 學員背景
資訊科技產業軟體工程師，負責系統後端開發、伺服器維護與架構設計。
🎯 參訓目的
隨著 AI 技術興起，工作上需要更高的開發效率，因此希望學會 AI 工具整合於開發流程，加速專案交付。
🏆 最大收穫
學會將 Claude Code 與 gstack 實戰應用於企業級專案，透過 AI 結對編程顯著提升開發效率，並掌握提示詞工程與錯誤除錯技巧。
📝 產業背景與職務內容
我目前在資訊科技產業擔任軟體工程師，主要負責系統後端開發、伺服器維護與整體架構設計。日常工作除了撰寫與優化程式碼之外，也需要處理系統的除錯與效能提升，確保企業內部各式應用服務能穩定運行，並隨時支援新功能的擴充與上線。
📚 選擇恆逸課程的原因
隨著 AI 技術爆發，工作上越來越需要快速交付專案。為了大幅提升開發效率，我希望能將 AI 工具無縫導入工作流程。恆逸的這堂課主打「Claude Code」與「gstack」實戰，正好完全命中我渴望從零打造現代化全端應用、加速開發週期的迫切需求。
👨🏫 講師教學特色
授課講師最讓我印象深刻的是，能將複雜的技術概念具象化，對每天面對冷冰冰程式碼的工程師來說非常有幫助！講師不只是唸簡報，而是直接打開編輯器，Live Demo 展示如何一步步使用 Claude Code 輔助開發。講解 gstack 技術棧時，特別強調各元件的整合邏輯。以往自己摸索常卡在環境設定或版本相容性問題，但講師用幽默比喻，把前後端資料流與 AI 協作的觀念講得很清楚。每當我們實作遇到報錯，講師總能一針見血指出問題，還會故意示範「AI 可能會寫出的錯誤程式碼」，手把手教我們如何引導、修正 Claude Code 的輸出。這種「不怕犯錯、從除錯中學習」的氛圍，大大降低了我對新技術的學習焦慮。講師也常分享業界實戰經驗，讓我們不只學工具，更學到企業級開發的架構思維。整堂課充滿破關解謎的成就感，讓我覺得「學得超好、任督二脈被打通」！
💡 課程中最有收穫的技術或觀念
在上課過程中，我最有收穫的是徹底打破了對 AI 寫程式的刻板印象。以前覺得 AI 生成的程式碼難以直接套用在企業級專案，但在這堂課實作 gstack 全端應用時，我真正體會到「AI 結對編程」。精華在於運用 Claude Code 從零開始搭建 gstack 架構，學會如何精準下達 Prompt，讓 Claude Code 快速生成樣板程式碼，自己則專注於核心業務邏輯。遇到複雜資料庫連線或 API 路由規劃時，直接請 Claude Code 提供建議，甚至協助找出效能瓶頸並重構。這堂課強調實戰而非死記硬背考照。建議上課時一定要親自動手寫程式，遇到 Claude 產出不如預期時，就是練習「提示詞工程」的最佳時機。學會與 Claude 溝通、引導它寫出符合企業標準的程式碼，是我這趟學習中最寶貴的收穫。
🚀 課程對工作實務的幫助
結訓回到工作崗位後，課程效益立刻顯現。最近公司要開發內部自動化監控儀表板，若照以往流程，光是前端、後端 API 到資料庫，至少要一兩週。這次我直接應用課程學到的 gstack 架構，全程搭配 Claude Code 輔助，讓 Claude Code 生成 API 框架，快速完成前後端資料綁定。遇到不熟悉的模組套件，也能直接問 Claude Code 並取得實作範例。結果，原本預估兩週的專案，我只花不到四天就交付，程式碼品質與架構甚至比以前純手工寫的還好！開發效率大幅提升，不僅讓我準時下班，也讓主管注意到我導入新技術與高效率產出的能力。這門課帶來的「實質生產力躍升」，已成為我年底績效考核時爭取加薪、升遷的最佳籌碼。對於想在 AI 時代保持競爭力的軟體工程師來說，這絕對是投資報酬率極高的實戰課程！
完整文章：https://ucom.uuu.com.tw/web/Testimony/Article/12901
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
微軟、Meta加碼AI帶旺台鏈 鴻海、廣達、緯穎等受惠
2025-08-01 經濟日報季晶晶、葉亭均編譯、記者林薏茹 由聯合新聞網授權轉載
資料中心兩大巨頭微軟、Meta於30日公布上季財報與營運展望均優於預期，並同步看旺AI需求，透露在AI領域的投資已開始嘗到甜美果實，催動營運成長引擎，兩家公司並同聲高喊為把握龐大商機，後續資本支出會持續提升。
微軟、Meta同聲唱旺AI前景，都將加碼投資擴大資料中心投資，市場按讚，31日早盤股價均大漲，微軟勁揚4.6%，市值突破4兆美元，Meta更暴漲11.9%。法人看好將同步帶旺AI伺服器協力廠鴻海（2317）、廣達、緯穎、英業達等營運動能，相關個股昨天強漲表態，廣達、緯穎均大漲超過4%，鴻海也勁揚逾3%。
※ 原新聞發稿日為2025/8/1，新聞轉載日為2025/8/4
延伸閱讀：「初階工作」恐被AI取代？當科技巨頭高層都這麼說，我們該如何應對？
微軟執行長納德拉指出，AI技術的快速創新和廣泛應用，正推動微軟在多個業務領域實現突破性成長，Microsoft 365 Copilot和GitHub Copilot等AI產品使用者採用速度，已達到「前所未有」的水準，目前Copilot產品每月活躍用戶達1億。
微軟上季資本支出年增27%，達到242億美元，超乎預期，公司預估本季資本支出將達300億美元，創新高，主要用於興建資料中心以驅動AI服務。微軟財務長胡德高呼「將繼續投資，以把握眼前龐大的機會」。
微軟也首度公布Azure雲端運算業務完整營收數據，截至6月底止的2025年全年度，Azure及其他雲端服務營收超過750億美元，年增34%。
Azure上季營收成長39%，預估本季成長37%，優於預期，顯示微軟在AI領域的大舉投資逐漸產生回報，激勵31日早盤股價飆漲8%。
微軟強調，擴大資本支出對於克服供應瓶頸至關重要，這些瓶頸限制滿足AI需求的能力資本支出正略微轉向資料中心等「壽命較長」的資產。微軟上季（截至6月底的年度第4季）營收764.4億美元，年增18%；淨利年成長近24%、達272.3億美元，都優於市場預期。
▲ 圖片來源：聯合新聞網授權轉載
[joblist_plugin title='104【微軟】工作機會' url='https://www.104.com.tw/company/at2m1g0' amount='3']
微軟看旺AI需求之際，Meta也上調本年度資本支出下緣區間，全年資本支出預估提升為660億美元至720億美元（原先預期為640億美元至720億美元），以加強對人才、基礎建設、資料中心與能源需求的投資。
Meta財務長李蘇珊並透露，明年將是資本支出「同樣顯著」成長的一年，主要用於擴展生成式AI所需的伺服器，網路和資料中心建設。
Meta上季銷售優於預估，核心廣告業務持續強勁成長，同時對本季提出超乎預期的樂觀展望，顯示獲利動能足以支撐其大規模投資AI領域的計畫。Meta執行長祖克柏強調，穩健的廣告業務使Meta能加速投資AI搶市占，並已從新的生成式AI功能獲得「可觀」收入。
Meta並公布上季營收成長22%、達475億美元，高於市場預期的448億美元，其中廣告部門營收465.6億美元、也優於預期。本季營收估可達475億美元至505億美元，優於分析師平均預估的462億美元。
VIBE CODING 智能體工程開發實戰
身為開發者，還在為日復一日的程式碼撰寫感到疲憊嗎？想提升開發效率卻苦無對策？
AI時代，工程師的超能力就是「Vibe CodingＸ智能體工程」！
《VIBE CODING 智能體工程開發實戰》線上直播課，專為有程式基礎的你設計，從原理到實戰，手把手教你打造AI驅動的開發流程。
讓 AI Agent 成為你的神隊友，告別低效，迎接高產能開發！
【這堂課你將帶走什麼？】
✅ 建立 AI 協作開發思維：運用 Scaffolding Prompt 模式，用自然語言驅動 AI 組織專案結構、分層與規範。
✅ 精通 AI 驅動 SQL 資料庫技術：掌握資料庫核心設計，實作 Text-to-SQL 與 RAG 原型。
✅ 掌握最新AI開發工具：掌握 VS Code、Github Copilot 等 AI 開發工具，搭配 Claude Code 推理模型與 GitHub 協作流程。
✅ Agentic 思維： 教你如何把 AI 視為「員工」而非「工具」，學習拆解任務、分配角色、建立 AI 工作的標準作業程序（SOP）。
✅ 五大專案作品集： 包含行事曆管理系統、OCR自動化進銷存系統、全天候 Line Bot 智能助理等，實現可直接落地的 MVP。
✅ 完成從零到一的專案部署實戰：透過 5 件實作成品，學習優化代碼並將成品部署至雲端環境。
15人小班制教學
名額有限，額滿為止❗️
🔥 早鳥8折優惠實施中：現折 NT$14,400！
（個人/企業團報更優惠）
立即掌握 AI 時代的「十倍速開發」法，
現在就立即了解報名課程👉https://user135527.pse.is/8yxqwu
OpenAI躍數位管家 廣達、緯創等受惠
2026-05-04 經濟日報記者吳凱中 由聯合新聞網授權轉載
OpenAI強攻AI代理報捷，旗下程式碼生成工具Codex重大升級，不再局限於程式開發領域，跨足通用電腦操控的代理市場，化身數位管家，執行長奧特曼高喊：「Codex正在經歷屬於自己的ChatGPT時刻」。業界看好，OpenAI的AI代理大進化，鴻海（2317）、廣達（2382）、緯創（3231）等夥伴同步沾光。
Codex為OpenAI旗下程式碼生成工具，主要用於程式開發領域，這次升級在AI代理領域大躍進，引發業界高度關注。
根據OpenAI AI官方公告，Codex現已全面整合Slack、Gmail、Google日曆、Google Docs與Sheets等主流辦公應用軟體，無論是研究與規劃，或是文件、簡報、試算表等，Codex都能提供協助。
這意味Codex功能已不僅限於程式碼生成，只侷限於工程師市場，搖身一變成為一個能讀取電子郵件、回覆訊息、操作文件的數位管家，面向商機更廣大的AI代理市場。
OpenAI共同創辦人暨總裁Greg Brockman公開表態，「Codex人人可用，電腦上的任何任務都能完成。」奧特曼發文呼應，「Codex正在經歷ChatGPT時刻！」
Codex迎來其爆發時刻，輝達率先表態力挺，執行長黃仁勳寄信給全體員工指出，Codex不限軟體團隊，開放公司九部門逾萬名員工，範圍涵蓋工程、產品、法務、市場、財務、銷售、人力資源、營運及開發者計畫，所有員工均獲早期使用權。
OpenAI當前AI伺服器主要由鴻海、廣達、緯創等ODM大廠分食訂單。隨著OpenAI在代理AI領域有重大突破，後續可望持續強化算力建置，有利相關台廠供應鏈AI伺服器業務續強。
鴻海集團搶攻AI推論市場，大客戶輝達旗下最新AI推論機櫃Groq 3 LPX傳出提前於第3季出貨，由鴻海獨家供應運算托盤（Compute tray），並擔負LPX機櫃整櫃組裝主要供應商重任，與輝達一起搶食AI推論市場商機。
法人看好，鴻海受惠輝達AI推論機櫃新單落袋，加上在輝達新一代Vera Rubin平台市占率可望提升到55%到60%，將帶動鴻海下半年AI伺服器業務強勁成長，推升業績爆發。
[joblist_plugin title='104精選【鴻海】工作機會' url='https://www.104.com.tw/company/233rv1s' amount='3']
[joblist_plugin title='104精選【廣達】工作機會' url='https://www.104.com.tw/company/ahfsoq0' amount='3']
[joblist_plugin title='104精選【緯創】工作機會' url='https://www.104.com.tw/company/5wthkkw' amount='5']
[joblist_plugin title='104精選【NVIDIA】工作機會' url='https://www.104.com.tw/company/1a2x6bm42t' amount='3']
有任何收穫或想分享的，都來和大家一起聊聊吧！