104學習

MCU應用

這項技能指的是掌握微控制器單元的設計與開發能力,能夠編寫韌體、進行硬體整合以及系統調試。具備此技能的人能夠開發嵌入式系統,應用於智能家電、工業自動化、物聯網裝置等領域。熟悉相關通訊協議、感測器介接及電源管理,能提升產品的穩定性與效能,對硬體與軟體的跨領域整合有高度掌握,適合電子、電機、自動化產業需求。這項能力在台灣科技業尤其搶手,能增加職場競爭力與未來發展空間。

1,599 個相關職缺

提升你的實力,朝專業更進一步

精選課程

充實自己,讓能力持續成長

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】
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】
PMI-ACP 敏捷專案管理師認證暨實務課程
PMI-ACP 敏捷專案管理師認證暨實務課程
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】
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】
人資與採購必學! AI 流程自動化應用實戰工作坊【10/20】
人資與採購必學! AI 流程自動化應用實戰工作坊【10/20】
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
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
Linux驅動程式【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】
Vibe Coding:AI 網路應用開發實戰(上)
Vibe Coding:AI 網路應用開發實戰(上)
數位自動化團隊協作攻略|Power Automate整合應用
數位自動化團隊協作攻略|Power Automate整合應用
Linux Socket網路程式設計【本課程為線上課,報名後專員會提供上課資訊】
Linux Socket網路程式設計【本課程為線上課,報名後專員會提供上課資訊】

精選證照

考取專業證照,讓能力被市場看見

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
敏捷專案管理師PMI-ACP |
PMI-ACP® 是由國際專案管理學會(PMI®)推出的國際級敏捷專業證照,考試依據 PMI 最新全球實務分析(GPA)與任務分析(JTA)設計,並全面採用 PMI 官方授權教材與標準化教案,由 PMI 授權培訓夥伴(ATP)依一致規格授課,確保學員具備全球一致且高品質的專業素養與實務能力,真正接軌國際敏捷職場,建立跨框架整合思維與高品質交付能力的國際專業標準。 PMI-ACP® 融合 Scrum、Kanban、XP、Lean 等多元敏捷方法,強調跨產業應用能力與情境判斷能力,涵蓋敏捷轉型引導、產品價值創造、團隊協作效能與持續改進等核心能力。強化產品開發與交付角色的整合思維,使證照更貼近快速變動的市場需求,成為企業推動敏捷轉型與提升交付品質的關鍵戰力。 適合對象包括產品負責人(PO)、Scrum Master、專案經理、敏捷實踐者,以及已取得其他敏捷認證、希望建立更完整敏捷能力架構的專業人士。
PMI 國際專案管理學會
AMA先進微控制器應用認證 |
微控制器(MCU)乃是一種無所不在的嵌入式控制晶片,負責智能控制、網路連結、無線傳輸、人機介面互動系統,舉凡玩具、家電、汽車等都不難見其蹤跡。台灣創新科技管理發展協會(ITM協會)與國內專業微控制器IC設計領導廠商──盛群半導體(HOLTEK),協同產學研等單位,經由標準化認證過程培育優秀微控制器應用科技人才,更期許藉增加學生實務經驗,提升就業競爭力。 台灣有著全世界最完整、最高效率的半導體產業。在節能環保、智慧聯網的發展趨勢之下,節能、安全感測、3C產品、醫療及汽車電子應用等,均已成為微控制器熱門應用領域,人才的需求也源源不斷。數位化電子產品的多樣性和多功能趨勢,最關鍵核心的微控制器(MCU)重要性日趨重要。
台灣創新科技管理發展協會
CCMSE NG with AI |
CCMSE NG with AI證照專注於結合人工智慧技術與跨領域系統工程的應用,培養具備系統思維與AI實務能力的人才。持證者能運用AI工具優化系統設計與管理流程,提升企業決策效率與競爭力,適用於製造、資訊科技及工程管理等多元產業。此證照強調理論與實務並重,助力專業人士掌握未來智慧化趨勢,提升職場價值。
Check Point
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
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)

精選貼文,掌握第一手知識

從工業配線到智能控制——大安高工電機科:兼具強電配線與弱電控制的專業課程

從傳統電力配線、馬達控制,到物聯網、人工智慧與工業自動化,電機技術早已深入現代生活與科技產業。位於臺北市的大安高工電機科,透過循序漸進的專業課程,讓學生從基礎電學出發,逐步掌握電路設計、程式控制與跨領域整合能力。 深耕技職教育26年,培養兼具理論與實作的電機人才 投入技職教育已有26年的張益華主任,最初於大安高工電機科進行教育實習,親眼見證學生透過動手實作建立自信,也因此確立投入技職教育的方向。後來取得國立臺灣科技大學電機工程研究所控制組博士學位,將學術理論與教學實務相互結合,持續培育電機專業人才。 談到電機科與電子科的差異,張主任以「電機提供動力,電子處理訊號」簡單說明。電機科著重電力應用、設備驅動與控制技術,但隨著產業自動化,兩者的專業界線逐漸融合。 如今,大安高工電機科不僅教授傳統工業配線,更延伸至PCB電路板設計、單晶片控制、物聯網及機器手臂操作等領域。張主任以「知識築基、實作淬鍊、專業賦能」三個關鍵字,概括科上的教學理念,期望學生不只理解原理,更能將技術應用於實際問題。 從基本電學到PLC控制,循序建立電機專業能力 高一課程以「基本電學」及「基礎配線實習」為核心,學生先理解電路原理,再從開關、燈具等簡單電路開始練習,逐步熟悉電路圖判讀、導線連接及電路量測。 「沒有確認,就不能送電。」張主任特別強調實習安全的重要性。除了正確操作,學生也必須學會檢查線路、判斷異常,培養獨立排除故障的能力。 進入高年級後,課程逐漸深入「電機機械」與「PLC可程式控制實習」,學習馬達、變壓器的運作原理,並透過撰寫控制程式,讓設備依照設定條件自動運作。 此外,「智慧居家監控實習」與「微處理機控制實習」則結合感測器、物聯網通訊及程式設計,讓學生從傳統強電配線跨足弱電控制,逐步具備智慧自動化系統的整合能力。 圖片:學生實作課程 課堂知識延伸專題製作,展現創意與解決問題的能力 高三洪同學回顧三年學習,最令他印象深刻的是與同學合作完成遊戲開發專題。團隊受到《瑪利歐》等2D遊戲啟發,嘗試跳脫傳統跳躍、閃避障礙的玩法,設計出透過交換位置來進行闖關的遊戲機制,最終獲得科內小專題第一名。 洪同學分享,最大的挑戰在於將課本理論轉化為實際作品。過程中雖然運用ChatGPT協助開發,但仍需要具備足夠的專業知識,才能判斷AI提供的內容是否可行,並持續修正。 相較之下,陳同學更偏好理論課程。家人從事半導體相關工作,讓她有機會接觸科技產業,進而選擇電機科。她坦言,自己並非特別擅長實習,尤其在智慧居家監控課程中,從零開始學習程式設計曾讓她感到吃力,所幸透過觀察與請教同學,逐步理解操作方式。 兩位學生的經驗也反映出,電機科並非只有動手實作,理論理解、邏輯思考與團隊合作,同樣是不可或缺的學習能力。 圖片:洪同學遊戲開發成果圖 從證照培訓到全國競賽,累積專業技術與實戰經驗 除了課堂學習,大安高工電機科也規劃完整的技能檢定輔導,包含工業配線、室內配線、工業電子丙級,以及數位電子乙級技術士證照,協助學生逐步累積專業能力。 競賽培訓則採取「平時扎根、專項培訓、經驗傳承」模式,由教師發掘具潛力的學生,透過課後訓練、模擬競賽及學長經驗分享,延續科上的技術傳承。 在全國工業類學生技藝競賽中,大安高工電機科於108至112年連續五年獲得工業配線金手第一名,114年再度奪冠。 專題實作同樣成果亮眼,例如「AI視覺辨識—自動收羽球機」獲得114年全國專題實作競賽第一名,「限高之眼—車道智慧辨識系統」則獲得佳作,展現學生結合AI、感測與自動控制技術的能力。 圖片:學生專題成果|AI視覺辨識—自動收羽球機 升學與就業選擇多元,電機工程延伸至半導體與智慧製造 電機科畢業後,學生多選擇繼續升學。根據張主任分享,科上國立科技大學錄取率達90%,其中國立臺灣科技大學、國立臺北科技大學及國立臺灣師範大學三校錄取率合計達60%。 未來發展也不侷限於傳統電力產業,隨著專業進一步分流,可朝半導體與IC設計、資通訊、綠能、智慧自動化、機器人及AI等領域發展。 受訪的陳同學與洪同學,目前也都以國立臺灣科技大學電機工程系為升學目標,期望延續高中所累積的專業基礎。 選擇電機科,興趣與邏輯思考比追逐產業熱潮更重要 什麼樣的學生適合電機科?張主任認為,喜歡動腦、願意動手,並且對科技充滿好奇、遇到問題願意嘗試解決的學生,都值得考慮。 洪同學則提出另一個觀點。他認為,不應只因半導體產業熱門或薪資前景而選擇電機科,更需要了解實際學習內容,確認自己是否願意長期投入。 張主任也提醒家長,選擇技職教育,不只是選擇科系名稱,更要理解孩子的興趣、性格與學習方式。電機科既需要扎實的理論,也需要反覆實作與面對挫折的耐心。 從一條電路的連接,到整套智慧系統的開發,大安高工電機科讓學生在三年中逐步累積專業知識與實作經驗。正如張主任所言:「選電機,不只是學一項技術,而是培養解決問題、跨域整合與面對未來的能力。」 開箱電機科學習日常!更多科系探索,歡迎追蹤104高職生IG 在 Instagram 查看這則貼文 104高職生(@104v.hs)分享的貼文
【104職場力】

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)
104學習・AI 趨勢報-科技愛好者的產地🤖

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']
【104職場力】・AI

Codex 4個神奇小功能!把Codex變成工作流引擎,功能速查表與行業應用SOP

用Codex跑任務,跑到一半想補需求、想試另一個方向,只能打斷重來嗎?作者整理/plan、Tab排隊、/fork、/status等4個核心功能與兩招加碼,附決策樹、指令速查表與各行業應用SOP。本文節錄自《ChatGPT × Codex全攻略》。 文/曾慶良(阿亮老師) 本文目錄(點擊可快速前往) 為什麼是這幾個功能功能總覽:4招核心+兩招加碼工作流4步法決策樹帶走模板:常用slash command速查各行業應用4步法SOP卡關處理:5個最常見問題 4招把 Codex 變成並行工作流引擎,計畫、排隊、分叉、儀表板 AGENTS.md解決了「Codex怎麼做」的問題,它做的事符合你的風格、按你的規矩。但你會發現另一個問題冒出來:Codex跑起來是「單線」的,你下一個指令、它跑、跑完你再下下一個。複雜任務怎麼辦?跑到一半想到要補東西怎麼辦?想試另一個方向怎麼辦? 教你4個核心功能(3個slash command+1個按鍵):/plan、Tab、/fork、/status,這就是章名的「4個神奇小功能」,也是工作流4步法的骨架。學完4招之後,再加碼兩招2026年正式版的新功能:/usage(額度儀表板)和@ 統一提及選單(檔案/插件/技能一鍵帶入)。4招是骨架、兩招是外掛,記熟之後,你的Codex從「下指令工具」升級成「並行工作流引擎」。 前置條件:Codex CLI已裝、AGENTS.md已寫。本章所有功能都是Codex CLI(v0.142.x)官方內建,不需要額外安裝。 為什麼是這幾個功能 先看一張對比表,看清楚普通跑Codex和用這套工法的差別: 情境普通跑法的痛用這套工法後複雜任務沒方向Codex直接動手,結果不是你要的,重來先用 /plan 看計畫再放跑跑到一半想到要補打斷 → 重講一次 → 上下文亂Tab 排隊,下個turn自動吃想試另一個方向放棄第一版,從頭再來/fork 兩版並列,挑好的留長任務沒在看不知道跑到哪、卡住沒人發現/status 即時看進度與token額度快用完不自知跑到一半被限流,工作中斷/usage 查每日/每週用量與credits要提到檔案/技能很麻煩手打完整路徑、記技能名稱打 @ 開統一提及選單,選了就帶入 全部都是官方CLI內建。記熟就能把Codex從「下指令工具」升級成「並行工作流引擎」。 功能總覽:4招核心+兩招加碼 功能指令一句話定位① 計畫模式/plan讓Codex「先講要怎麼做」,你看完點頭再讓它真的動手② 引導排隊Tab鍵Codex跑到一半,輸入新指令按Tab排隊,不打斷正在跑的任務③ 對話分叉/fork / Esc Esc把當前對話複製出一條平行線,同一份context、兩種寫法並列④ 進度可視化/status看當前模型、token用量、執行階段、approval模式⑤ 額度儀表板(加碼)/usage看每日/每週/累計用量,兌換earned usage credits⑥ 統一提及選單(加碼)@一個選單提及檔案、插件、技能,不用手打路徑 要先做一個名詞辨正:你可能在社群貼文或課程裡聽過「桌面寵物」這個暱稱,那是阿亮對「長任務進度可視化需求」的暱稱,不是 Codex 官方功能名稱。實際對應的官方操作是 /status,把它想成「Codex 的儀表板」。 本章所有TUI輸出畫面(Plan、Queued、Forked、Status、Usage)皆為示意重繪,實際版面依CLI版本略有差異,以你畫面上的為準。 工作流4步法決策樹 4個核心功能怎麼搭配?決策樹如下: # 開新任務前先問自己: 任務複雜(多步、不確定)? ├── 是 → /plan 列 SOP │ ↓ │ 中途想到要補? │ ├── 是 → 按 Tab 排隊 │ └── 否 → 等完成 │ ↓ │ 想試另一方向? │ ├── 是 → /fork 開分支 │ └── 否 → 結案 │ └── 否 → 直接執行(不用 /plan) 不論複雜不複雜: - 長任務 → /status 看進度 - 開工前/收工後 → /usage 看額度 - 重要任務 → 兩版(/fork) - context 將滿 → /compact 濃縮 判斷標準:「我能一句話講清楚要做什麼」等於簡單,直接跑。「我自己也不確定怎麼下手」等於複雜,先 /plan。 帶走模板:常用slash command速查 指令用途/plan計畫模式(先講計畫再動手)/fork從當前進度複製平行thread/status看model / approval / context / threads/usage看每日/每週用量、兌換credits/diff看當輪修改的檔案差異/compact把對話濃縮成摘要、省context/side開臨時討論串、不離開主任務/new同CLI session開全新對話/help列出當前版本所有slash command@(鍵盤)統一提及選單:檔案/插件/技能Tab(鍵盤)composer輸入後排到下一個turnEsc Esc(鍵盤)回到舊訊息編輯、從該點分支 各行業應用4步法SOP 把這套工法套到你的行業,貼牆上: 教師應用 /plan:學期計畫、家長會報告 Tab排隊:批改時補要求「找有此錯誤的學生」 /fork:給家長版vs給校長版 /status + /usage:批30份作業時看進度、看額度 @:帶入上學期的舊報告當範本 SOHO應用 /plan:報價單、合約、提案 Tab排隊:寫到一半要加保固期 /fork:給客戶版vs內部版 /status + /usage:跑批次資料時監看 @:帶入舊合約範本 行銷應用 /plan:月報、競品分析、活動企劃 Tab排隊:客戶說要改方向 /fork:嚴肅版vs活潑版 /status + /usage:跑大量素材時監看 @:帶入品牌文案指南 工程師應用 /plan:重構、API設計 Tab排隊:跑測試時加新檔 /fork:兩種實作對比效能 /status + /usage:長build看context與額度 @:帶入spec文件、觸發$skill 卡關處理:5個最常見問題 Q1:找不到 /plan 或 /usage 命令,TUI跳「unknown command」 答案:CLI版本太舊。跑npm update -g @openai/codex(或brew upgrade codex)升到最新,重開CLI,再/help看當前所有slash command。 Q2:找不到「Shift + Tab兩次」進計畫模式 答案:那是Claude Code的快捷鍵,Codex CLI沒有。Codex用 /plan slash command(在composer內輸入)。 Q3:Tab沒排到,反而觸發了@ 選單或其他鍵盤行為 答案: 確認composer已輸入文字後才按 Tab 不要在 @ 提及選單開著時按Tab(那是在選單內選取項目) 跑 /status 確認「Queued items」有沒有增加 Q4:/fork 後分支context不一致 答案:/fork 會帶走分叉前的對話歷史,但分叉後原thread和新thread互不回流。要兩邊都看到的東西,請在fork之前講完。 Q5:@ 選單只出現檔案,沒有Plugins/Skills區 答案:先升級CLI到最新版;再確認環境內真的有插件(用 /plugins 查)或技能(用 /skills 查),沒裝當然不會列。 節錄自:博碩文化《ChatGPT × Codex全攻略:從零基礎到自動化,打造你的AI Agent工作流》/曾慶良(阿亮老師) 著 推薦閱讀: ChatGPT Work怎麼用?和Chat模式差在哪、什麼時候該切換? 用Claude Code設計AI工作流!學了工具不等於系統,3範本打造專屬藍圖 Claude Code越聊越笨?4個指令管好「上下文」,用量60%就該主動壓縮
【104職場力】・AI

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。
【104職場力】・AI

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
X編・X School 軟體人才專業培訓機構

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
【104職場力】・AI

微軟「AI員工」報到 可執行複雜、跨工具協作任務 台鏈振奮

2026-06-18報導 經濟日報記者蘇嘉維 由聯合新聞網授權轉載 微軟宣布「AI員工」正式報到,昨(17)日於全球推出Copilot Cowork,並獲全球逾半數的《財富》500強(Fortune 500)企業使用。法人看好,微軟推出AI員工後,有望帶動AI算力需求增加,不僅帶旺鴻海(2317)、廣達及緯穎等代工廠,也將為PC品牌注入一股全新成長動能。 延伸閱讀:你也是膨風一族嗎?63%上班族AI能力都在灌水,為什麼會這樣? 微軟指出,Copilot Cowork能夠執行複雜、長時間運行且需跨工具協作的任務。使用者只需定義工作內容Copilot Cowork即可端到端完成整個流程,並交付完成的結果,不僅是提供草稿或建議。 微軟「Copilot Cowork」功能與概況 核心應用可協助使用者定義任務目標,同時達成跨工具使用,獨立完成使用者交付的專案任務鎖定市場企業用AI領域最大特點透過雲端執行模式,讓使用者PC關機後,AI也可自動執行任務未來效應微軟Windows在PC市場稱霸情況下,有望帶動代理式AI應用快速推進 其中,Copilot Cowork最大特點使用雲端託管(Cloud hosting)讓檔案不會儲存於本機裝置,不僅安全性受到嚴格控管,且即便使用者筆電關機,任務仍可持續執行。內建的Work IQ 支援將所有任務與企業既有的系統連結,確保所有工作精準反映真實的脈絡,另外多模型設計可依照任務需求使用最合適的模型,並將隨著更多模型推出持續擴展能力。 Copilot Cowork目前已經整合Anthropic旗下的Opus 4.8與Sonnet 4.6等AI模型,並支援OpenAI的GPT 5.5。不僅如此,微軟預計在未來數周內發布的最新模型 Cowork 1,主打透過後訓練(post-train)優化,以相對更低的成本完成任務。使用Copilot時,使用者不會被綁定單一模型,可以根據需求選擇最具效益的模型或前瞻模型。 據了解,Copilot Cowork是微軟大規模進軍代理式AI(Agentic AI)市場的重要一步,不同於先前AI模型的一問一答方式,Copilot Cowork可獨立執行工作專案,即便電腦關機,也可以雲端運算方式持續推進工作,同時微軟Windows作業系統在稱霸PC市場情況下,代表Copilot Cowork將可望快速拓及全球PC,推動代理式AI應用快速發展。 微軟在推出Copilot Cowork同時也象徵AI算力需求進一步成長,當前切入微軟AI伺服器供應鏈的鴻海、廣達及緯穎等ODM廠後續接單有機會暢旺。 法人指出,廣達在微軟供應鏈不僅成功拿下GB300系列的NVL 72伺服器大單,後續Vera Rubin伺服器也將在下半年開始量產出貨,為廣達下半年營運增添成長動能。 [joblist_plugin title='【廣達】精選職缺,104上都看得到!' url='https://www.104.com.tw/company/ahfsoq0' amount='5'] 不僅如此,微軟推出Copilot Cowork產品後,有望為PC市場帶來代理式AI新浪潮,推動PC換機需求,讓今年相對平淡的PC市場營運添新柴火,華碩、宏碁、微星及技嘉等PC品牌廠同樣受惠。 ▲ 圖片來源:聯合新聞網授權轉載
【104職場力】・AI

微軟、Google、Meta擴AI基建…三巨擘搶買伺服器 台鏈吃補

2025-10-31 經濟日報編譯劉忠勇、記者吳凱中 由聯合新聞網授權轉載 微軟、Google、Meta三大北美雲端服務提供商(CSP)公布財報,看好AI需求強勁,同步上修未來資本支出預測,AI伺服器建置動能持續到明年,相關供應鏈鴻海(2317)、廣達、緯創、緯穎、英業達等後市看俏。但科技巨頭持續投入驚人資本支出,也開始考驗華爾街投資人的神經。 延伸閱讀:AI需求旺 掀搶電大戰…台廠積極布局 Google母公司Alphabet單季營收首度突破千億美元大關,公告今年的資本支出將達910億至930億美元,高於先前的850億美元,是今年第二度調高。微軟執行長納德拉則表示將「持續擴大AI領域的資本與人才投資,以把握前方龐大的機會」,高層並預測,明年資本開支接近1,400億美元。 ▲ 圖片來源:聯合新聞網授權轉載 Meta財務長蘇珊・李指出,2026年資本支出將「顯著高於」2025年,明年的整體支出成長率也將「明顯加快」。Meta今年資本支出將達700億至720億美元,高於先前預估。 Alphabet、Meta和微軟上季資本支出總計達到780億美元,年增率高達89%,微軟上季資本支出349億美元更創新高,投資人對燒錢速度和回收時程感到不安,Meta和微軟在29日公布財報後盤後股價雙雙下跌,Alphabet盤後股價大漲。美股30日早盤,Alphabet上漲、Meta下跌,微軟下跌。 市場持續質疑AI是否正在醞釀另一大泡沫,Bernstein分析師Mark Moerdler在微軟高層的電話會議中提問,這些AI投資是否真能帶來回報,「或者坦白說,我們是不是正處在泡沫之中?」微軟財務長胡德重申,即使過去幾季投入數百億美元,仍無法滿足當前對AI及其他服務的需求。 因應北美四大CSP及中小型客戶AI算力需求,鴻海、廣達、緯創、緯穎、英業達、神達等伺服器大廠今年已大舉擴增美國伺服器產能。仁寶、和碩今年也有美國建設計畫,仁寶昨(30)日公告,董事會核准子公司Compal USA Technology Inc.在德州Taylor與Georgetown兩地簽署租賃協議,建置新據點,共投資9,410萬美元(約新台幣28.95億元)。 鴻海董事長劉揚偉日前指出,客戶需求持續強勁,鴻海過去一年擴大AI伺服器相關投資規模,已開始開發輝達下世代Vera Rubin NVL 144 MGX平台,預估出貨時程可能落在明年下半年。 [joblist_plugin title='最新【鴻海】職缺這邊看!' url='https://www.104.com.tw/company/233rv1s' amount='5'] 廣達執行副總暨雲達總經理楊麒令先前表示,AI需求持續爆發,廣達訂單塞爆,今年以來已擴產八次,仍不敷使用。緯穎方面,法人預估,訂單能見度看到2027年,主要客戶都在加碼投資AI基礎設施,產業前景樂觀。 [joblist_plugin title='最新【廣達】職缺這邊看!' url='https://www.104.com.tw/company/ahfsoq0' amount='5']
【104職場力】・AI

從基礎電學到晶片設計與微電腦應用——南港高工電子科:培育跨領域機電控制與電路設計人才

電子科和電機科到底有什麼不同?這是不少國中生在選填志願時常遇到的疑問。南港高工電子科主任支裕文用「30伏特」給出簡單判斷:30伏特以下的直流電屬於電子科的課程學習範圍;30伏特以上的大電力與交流電,則是電機科的專業領域。那麼,電子科究竟在學什麼?一起來認識這門與晶片、電路及智慧科技息息相關的技術專業。 「晶片設計」、「物聯網」、「人工智慧」,串接南港高工電子 南港高工電子科主任支裕文,本身就是技職教育體系出身,畢業於大安高工資訊科與國立彰化師範大學工業教育系,擔任教職後又繼續進修,分別於臺灣科大與成功大學取得碩士與博士學位,在技職教育現場任教已有23個年頭。談起投身技職教育的契機,支主任笑說,當年讀書時代擔任競賽選手時,同儕間經常互相討論,把自己摸索懂的技術教會身邊同學,那種成就感悄悄在他心底扎下了根。「把原本不會的人教到懂,是一件很幸福的事。」懷抱著這份初衷,投入教育界,引導國中剛畢業的孩子從最基本的一顆小零件開始,一步步推開當前最熱門的科技與晶片控制大門。 若要用三個關鍵字形容南港高工電子科的教學主軸,支主任點出「晶片設計」、「物聯網」與「AI人工智慧」。課程不僅結合軟體程式與硬體電路,更教導學生將邊緣運算晶片結合感測器,讓日常生活中的各類電子裝置,都能具備獨立判斷與運作的智慧能力。 循序漸進的三年地圖:從手工焊接到智慧晶片應用 高一奠定手作與電學基礎:基本電學、程式設計實習、基礎電子實習,理論課從基礎電學的電壓、電流與電阻…等原理切入;實習課則以「基礎電子實習」為主,先學會怎麼使用儀器及手工具,例如:三用電表、函數波信號產生器、示波器、電源供應器…等儀器量測,以及尖嘴鉗、斜口鉗、剝線鉗與手工焊接等基本手工具。高一學生會接受輔導,考取勞動部「工業電子丙級」技術士證照。另外,還有一門「程式設計實習」則以 C 語言為主,並適時導入近年主流的 Python 語法,為軟體能力扎根。 高二深入電腦結構與晶片設計:課程邁入進階的「數位邏輯設計」、「微處理機」與「電子學」等理論科目,並搭配實習課程,實習課程方面接觸可程式邏輯晶片(CPLD/FPGA);單晶片微處理機實習則引導學生使用 Arduino UNO與ESP32 單晶片。這一年也安排電腦繪圖實習,教學生用CAD軟體自行繪製線路,並實際雕刻、製作出專屬自己的應用電路板。 高三系統整合與智慧專題實作:將所學全面整合於「專題製作」與「介面電路」控制。學生運用「邊緣運算晶片」,打造智慧溫控、空氣品質監測、人臉與物件辨識,甚至人機互動猜拳遊戲等實用的系統。在高三期間更輔導學生挑戰難度更高、升學更具加分優勢的勞動部「數位電子乙級」技術士證照。 圖片:學生課堂中實作作品 在校生心聲:在同儕互助與反覆除錯中看見成長 國小就曾接觸過機器人課程的林同學分享,國中畢業時因累積了動手做的經驗,在家長鼓勵下選擇就讀南港高工電子科。身為科內少數的女同學,她不僅在班上名列前茅成績優異,更代表學校參與校外FRC機器人競賽。 而國中時期透過國中技藝班培訓,接觸電子領域,進而選拔為選手的蔡同學,則展現出過人的動手能力。他表示自己最喜歡實習課,尤其是細膩的手工焊接,把零件整齊排列焊在板子上的專注過程,讓他充滿成就感。「雖然電路接錯或晶片不動時很挫折,但只要靜下心來檢查線路、向老師請教,一定能找出盲點。」蔡同學認為,不用害怕一開始什麼都不懂,持續動手做就能克服恐懼。 學以致用:技藝由心 – 愛在服務  培養多元價值觀 技術型高中學生畢業後都會有一技之長在身上,港工電子科每年都會辦理服務學習活動,包含服務活動與營隊活動,運用自己所學,發揮專長,學以致用,將所學回饋社會。 升學管道多元暢通:培育能解決問題的研發人才 南港高工電子科畢業生的升學與就業進路十分寬廣。支裕文主任指出,科上畢業生有超過九成以上選擇繼續升學。升學管道涵蓋普通大學與科技大學的「特殊選才」、「技優保送」、「技優甄審」(技能(藝)競賽獲獎或持乙級證照加分)、「甄選入學」與「登記分發」,可銜接普通大學或科技大學電子工程系、資訊工程系、電機工程系與光電工程系等熱門科系。 對於未來就業,支主任強調,臺灣資通訊與半導體供應鏈完整,基層技術人員與工程師需求始終居高不下。「我們期許學生未來能朝向『研發工程師』發展,不論是寫韌體、寫軟體或設計電路硬體,均具備動腦解決問題的能力,未來的職涯舞台與薪資天花板才會更高。」 支主任最後建議國中生,就讀電子科不需要國中就是數理天才,但一定要具備「喜歡動手、願意動腦思考、不怕犯錯與除錯的耐心」的態度。只要對科技硬體充滿好奇、不怕複雜線路與繁雜的運算邏輯且願意接受新事物與新挑戰,南港高工電子科將會是引導學生將興趣化為專業技術的最佳跳板。 開箱電子科學習日常!更多科系探索,歡迎追蹤104高職生IG 在 Instagram 查看這則貼文 104高職生(@104v.hs)分享的貼文
【104職場力】

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
【104職場力】

微軟推新AI晶片 將降低對輝達、超微的依賴…台積助攻

2026-10-14報導 經濟日報記者鐘惠玲、吳凱中 由聯合新聞網授權轉載 微軟宣布,推出最新自研AI晶片「Maia 300」,計劃明年部署可能超過100萬顆,以降低對輝達、超微等晶片供應商的依賴。 Maia 300採用台積電(2330)2奈米生產,將與現有Maia 200和Maia 100共同組成微軟AI晶片產品陣容,法人看好,微軟衝刺自研AI晶片部署,將帶旺挹注台積電(2330)營運。 延伸閱讀:微軟、Meta加碼AI帶旺台鏈 鴻海、廣達、緯穎等受惠 微軟AI基礎建設發展進入全新階段,宣布將擴大Azure Maia系列部署,將於2027年擴展至數GW(數十億瓦)規模,成為微軟產品與服務的主要AI推論(inference)系統。 微軟發布最新自研AI晶片 項目內容產品Maia 300概要◆ 採用台積電2奈米生產◆ 計劃明年部署可能超過100萬顆新品特色專為AI運算設計的自研晶片,可處理程式碼撰寫、代替使用者執行複雜商業任務等工作效能比較透過提升系統效率,微軟預期相較於頂尖GPU運算系統,Maia 300每兆瓦Token(詞元)處理量將提升40% Maia 300是一套專為新一代AI工作負載打造的完整AI系統,包含長上下文推理、對延遲高度敏感的對話式體驗,以及需要長時間持續執行的多步驟的agentic任務。 微軟指出,透過提升系統效率,微軟預期相較於頂尖GPU運算系統,Maia 300每兆瓦(MW)Token(詞元)處理量將提升40%,並在96顆加速器的完整配置下,其機櫃級(rack-scale)Token處理量最高可達Maia 200的七倍。 在晶片設計方面,微軟採取與輝達不同的技術路線。輝達的AI加速器採用一顆大型運算晶片,周圍環繞著高頻寬記憶體晶片。微軟Maia 300晶片的核心運算處理器則是由「小晶片」(chiplet)組成,採用台積電2奈米製程技術,執行關鍵運算功能。 外界預期,Maia 300晶片中,部分採用台積電2奈米製程,法人看好,台積電下半年2奈米製程營收貢獻將拉升至近一成。 [joblist_plugin title='【台積電】最新精選職缺' url='https://www.104.com.tw/company/a5h92m0' amount='5'] 台積電先前指出,因應AI等強勁需求,今年將同時有五座2奈米製程廠放量,其中包括新竹兩座、高雄三座。同時,2奈米家族N2P製程預計今年下半年量產。 市場估計,台積電2奈米製程到今年底的月產能約9萬至10萬片,明年中增至11萬片以上。依照台積電官方數據,目標是2奈米製程第一年晶圓產出將較2023年3奈米製程第一年的晶圓產出增加45%;2026年至2028年間,2奈米製程產能的年複合成長率將達70%。 Maia 200已部署於美國、歐洲及澳洲,支援Microsoft Teams、Copilot與Cowork等內建AI功能,相較於業界頂尖的GPU基礎架構,每瓦Token處理量提升高達1.7倍。
【104職場力】・AI

有任何收穫或想分享的,都來和大家一起聊聊吧!