Vibe Coding：AI 網路應用開發實戰（上）
104學習
Verilog coding
這項技能主要用於設計和模擬數位電路，尤其是在晶片和FPGA開發中非常重要。具備這項能力的人能夠用硬體描述語言撰寫邏輯電路，確保系統功能正確且效率高。對半導體、電子設計自動化（EDA）及嵌入式系統產業來說，是基礎且關鍵的技術，能提升設計精度並縮短開發週期。擁有此技能的人才在硬體工程、晶片設計及相關研發領域具競爭力。
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
Vibe Coding：AI 網路應用開發實戰（下）
Vibe Coding 職場實戰課：一般上班族也能用 AI Agent 做出工作工具
【講座回放影片】文組人一定要會的 Vibe Coding！非理工背景也能脫穎而出
Vibe Coding 職場實戰課：一般上班族也能用 AI Agent 做出工作工具(錄播方式授課，非同步直播）
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】
AI快速完成專業簡報
軟體工程師就業培訓
人資與採購必學！ AI 流程自動化應用實戰工作坊【10/20】
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
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)
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
實體設計 (Creo Parametric/SolidWorks)
實體設計證照主要驗證持有者在Creo Parametric或SolidWorks軟體操作上的專業能力，涵蓋三維建模、零件設計、組件裝配及工程圖繪製等技能，能有效運用軟體完成產品設計與修改，提升設計效率與精確度，適用於機械、電子及工業設計等多種產業，具備此證照者具備良好的CAD工具應用能力，能協助企業加速產品開發流程，提升競爭力。
尚未查核發照單位
ICTP計算機程式語言能力國際認證
當全球各國與地區將CTP (Computational Thinking for Programming，運算思維與程式設計) 納入教育發展戰略，並視其為科技與經濟成長的關鍵驅動力時，運算思維與程式設計已成為現代科技教育中不可或缺的核心能力。
(ICTP)Programming for Information and Communication Technology Programs 計算機程式語言能力國際認證為專為程式設計入門者設計，旨在培養其基礎編程能力，並奠定運算思維的扎實基礎，以提升其在數位時代的競爭力。
Global Learning and Assessment Development (GLAD)
數位邏輯設計能力認證－實用級
1. 培養瞭解各種電子零件包裝
2. 培養瞭解各種電子零件線路接腳
3. 具備組合邏輯設計能力
4. 具備循序邏輯設計能力
5. 具備CPLD程式撰寫之能力
6. 具備訊號量測能力
7. 具備規劃架構發展流程的能力
8. 看懂程式內容並有修改之能力
TEMI 台灣嵌入式暨單晶片系統發展協會
基礎程式語言
基礎程式語言證照旨在驗證持有者具備基本程式設計能力，涵蓋變數、流程控制、陣列及簡單演算法等核心概念，適合初學者入門。透過理論與實務測試，證明能使用常見程式語言撰寫簡單程式，具備問題分析與解決能力，為進階程式設計及相關職涯奠定扎實基礎。此證照廣受資訊產業與教育機構認可，是進入軟體開發領域的重要入門資格。
尚未查核發照單位
精選貼文，掌握第一手知識
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
Vibe Coding × ASP.NET Core LLM 開發實戰班
AI 時代，程式不只是寫，還能「聊」出來！
學會 Vibe Coding，
讓你用自然語言操控程式、生成 API、打造 AI Agent，
真正結合後端工程 + AI 實戰。
🌟 你將學到
✅ 精通 C# / ASP.NET Core（MVC、API、雲端部署）
✅ LLM × Vibe Coding 實戰，從 Prompt 到應用落地
✅ AI Agent 開發、NLP、影像辨識、模型部署
✅ 使用 Azure / VS Code / Cursor 實作
✅ 分組 Side Project，實務專題製作
💡 課程特色
1⃣️ 小班真人線上（10 人以下），Discord 即時答疑。
2⃣️ 避開平日上班時間，便於在職者學習。
3⃣️ 全程錄影，缺課可回放
4⃣️ 真實專案模擬業界開發流程
🎯 適合誰？�想成為 AI 工程師的畢業生
✅ 有基礎的在職工程師
✅ 企業中高階主管。
✅ 創業想做 MVP 的產品人。
🗓️ 開課資訊
預計開課：2025/12月 平日晚上（日期另行公告）
課程時數：共計288小時 / 約32週
上課方式：全線上
⚡ 名額有限，立即報名，搶先升級你的開發力！
報名連結👇
https://user135527.pse.is/7ze3yz
Vibe Coding是什麼？為何要學習它？
Vibe coding（氛圍編程）是一種新興的 AI 輔助程式設計方式，由 OpenAI 聯合創辦人暨前特斯拉 AI 領導者 Andrej Karpathy 於 2025 年 2 月提出。程式設計師不再逐行撰寫程式碼，而是透過自然語言或對話形式，向大型語言模型（LLM）描述需求，由 AI 負責產生程式碼，程式設計師則引導、測試、優化和調整：如他所言：「完全順應感覺（vibes）、忘記程式碼的存在」。
這種方法讓使用者不需專精程式語法，只需以生活語言表達想法，AI 自動生成原始碼，開發者將更多精力集中在創意與需求上。
然而，Vibe coding的優點與缺點是什麼？程式設計師會被取代嗎？還是能變成一種新的混合模式加速開發？
來看看以下這篇文章吧！👇
https://www.xschoolkh.com/post/what-is-vibe-coding
從 Vibe Coding 到 Agentic Engineering：定義 AI 時代的軟體工程新範式
回顧 2025 年，前 Tesla AI 總監 Andrej Karpathy 在社群平台上首次拋出 「Vibe Coding」 這個詞時，精準捕捉了當時開發者的集體情緒。那是一種憑藉自然語言提示、與大型語言模型（LLM）進行即時對話，進而拼湊出程式碼的過程。在那樣的時空背景下，開發者不再逐行撰寫邏輯，而是透過一種「氛圍（Vibe）」與直覺，快速催生出可運作的產品原型。
這種「以直覺替代語法」的模式迅速引爆了工具與新創的開發熱潮。從 AI 原生編輯器到全自動開發平台，資金如潮水般湧入：AI 程式編輯器 Cursor 在去年底完成 D 輪融資，年化收入（ARR）驚人地突破 10 億美元；而歐洲新創 Lovable 則以 66 億美元的估值完成 B 輪融資。
然而，當熱潮退去，我們必須直面一個核心問題：「感覺」能支撐起企業級的軟體工程嗎？
Vibe Coding 的天花板：實驗與專業的鴻溝
在 Vibe Coding 模式下，開發者雖然能獲得極高的初始速度，但這種「黑盒式」的開發卻隱藏著巨大的技術債。
當專案規模擴大，單純依賴單一模型的對話式修補會逐漸失控。生成的代碼可能存在隱蔽的安全漏洞，且缺乏一致性的架構邏輯。Karpathy 指出，當時的模型能力有限，Vibe Coding 多半用於實驗性專案，距離真正的專業軟體工程仍有明顯落差。
隨著 AI 模型能力的進化，我們正進入一個新的階段：Agentic Engineering（智能體工程）。這不僅僅是名稱的變更，更是從「感性驅動」向「理性系統」的範式轉移。
2. 建立品質關卡與審計軌跡
工程化的標誌在於其「可預測性」。在 Agentic Engineering 的框架下，工作流會內建品質關卡（Quality Gates）與自動化測試。這意味著 AI 產出的每一行代碼，都必須通過另一組 AI 代理或既定腳本的審查。這種「半自主系統」具備自我修復與反思的能力，大幅降低了 Vibe Coding 帶來的隨機性風險。
開發者角色的重定義：系統架構師與監督者
這場轉型對軟體工程師而言，是一次技能樹的劇烈重組。開發者的工作重心正發生以下移轉：
定義邊界而非代碼：工程師的核心能力不再是掌握特定程式語言的語法，而是定義系統的輸入輸出契約、安全性約束（Guardrails）以及業務邏輯的邊界。
掌握編排藝術：開發者必須學習如何設計「認知架構（Cognitive Architectures）」，例如如何運用多代理協作模式，讓 AI 能夠處理比以往更複雜、更長期的任務。
從實作者轉向監督者：這是一個將 AI 開發視為企業核心職能的過程。我們不再是即興打造工具的人，而是負責驅動一個可持續擴展、具備自我演進能力的半自主系統。
結語：進入自主開發的新紀元
Vibe Coding 是 AI 帶給我們的一場美夢，它讓我們看見了開發門檻崩塌的可能性；而 Agentic Engineering 則是將這份美夢轉化為工業化現實的必經之路。
正如 Glide 所言，Vibe Coding 代表的是早期工具帶來的震撼，而 Agentic Engineering 則更貼近企業級的實務需求。我們正站在軟體工程新紀元的門檻上——在那裡，人類負責定義願景與紀律，而 AI 代理則在嚴謹的框架下，將願景轉化為穩健的現實。
觀看原文：https://www.xschoolkh.com/post/vibe-coding-to-agentic-engineering
如果你感覺目前的 AI 開發流程讓你焦慮，或許缺的不是更強的模型，而是一套能駕馭 AI 的開發方法論。
【Vibe Coding 全端架構師養成：ASP.NET Core × AI LLM 企業級實戰】 現在就加入，成為定義規則的人。
想了解更多課程資訊請詳見連結👇
https://www.xschoolkh.com/vibe-coding-ai-asp-net-core
Vibe Coding時代催生新職缺！「程式清潔」在做什麼？
AI寫程式的「Vibe Coding」掀起熱潮，開發者得以快速生成程式碼，但也意外催生出新興職缺「程式清潔師」。一份調查顯示，95%的工程師仍需手動修復錯誤、額外調整AI生成的程式碼，確保專案安全與穩定。究竟Vibe Coding是革命還是混亂？而「程式清潔」這份新工作，又在做什麼？
文／田孟心編譯 由天下雜誌授權轉載
人們期待，未來大量寫程式工作可能都交由AI氛圍編碼（Vibe Coding）完成，但事實上，高達95%的工程師發現他們還是要手動修復程式碼。負責把混亂程式碼清理好的新角色，正在LinkedIn等求職平台大受歡迎。
氛圍編碼（Vibe Coding）正大行其道。
這個從今年初開始盛行的「自動化寫程式」概念，由電腦科學家卡帕西（Andrej Karpathy）提出。卡帕西表示，有了AI工具後，寫程式將「完全跟隨當下情境氛圍，擁抱指數級成長，甚至忘記程式碼的存在」。
市場研究和IT顧問公司Gartner預測，未來三年內，40%的企業新軟體將由AI機器人創建。
然而，內容平台fastly最近的一份調查顯示，95%的工程師表示，他們還是要花額外的時間來調整AI生成的程式碼。
工程師們發現，AI生成的程式碼存在許多問題，從產生幻覺，到刪除重要的資訊，甚至可能造成專案的安全風險。若不花時間修復，最終的成品可能會漏洞百出。
「使用氛圍編碼，就像請一名聰明的六歲孩子把咖啡壺帶到餐桌，為家人倒杯咖啡，」資深工程師羅芙（Carla Rover）說明，它們有可能做得到，但也極有可能失敗，「而且失敗了，他們很可能不告訴你。」
另一位資深工程師梅勒扎丹（Feridoon Malekzadeh）也將氛圍編碼形容成孩子，不過是「青少年」，「你得請它做15次才能做成一件事，」「最終，他們可能會做出來，外加一些你沒要求的事，並可能把很多東西弄壞。」
梅勒扎丹計算過，她大約花費50%的時間編寫需求，10%的時間進行氛圍編碼，再用40%的時間進行修復。
程式清潔工，愈來愈受歡迎
這一切使AI生成的程式碼，已經成為一個難題，也因此催生了一種新的工程師崗位，稱為「氛圍程式碼清理專家」（Vibe Coding Cleanup Specialist）。
在求職平台LinkedIn上，已經有愈來愈多相關關鍵字的職缺——代表清理、修復程式碼，正在成為一項獨立的工作。
通常，這類職缺更歡迎資深工程師，因為他們才有相應的能力從一團乍看可行的程式碼中找到問題。
資深解決方案架構師哈克（AS Md. Ferdousul Haque）統整，常見的錯誤有：語法錯誤、邏輯錯誤、幻覺資料庫或API（引用不存在的套件、方法或參數）、虛擬資料等狀況，有時候很考驗技術人員的細心與經驗。
哈克舉例，AI工具Gemini幫忙改了一份GitHub個人資料，整體效果不錯，卻在某個網址後面加了一個句號，使得圖片無法顯示。此時，就需要他這名人類手動介入。
科技公司Solution Architecture的工程師麥利（Viored Mirea）指出，雇用一名氛圍編碼清理師非常重要，尤其是AI寫出來的程式碼可能給企業帶來安全風險，「氛圍編碼可能會讓機密資訊外洩，或是對個人資料進行錯誤處理，」他強調，「始終應該有人類要對結果負責。」
然而，也有專家對市場出現這樣的現象感到唏噓。
雲端與通用人工智慧企業負責人愛彼哈納（Abhinav）認為，雇用這樣的「清潔工」簡直荒謬，「企業試圖讓每個人都會氛圍編碼，在專案上省錢，然後卻要花雙倍的錢再去找一個能把混亂局面整理好的人。」
Squad資深技術總監波古斯拉斯基（Oleg Boguslavsky）同意，企業要引進氛圍編碼，必須確保每個人都能掌握驗證、修復的技能，否則，花錢請這些額外的專家，在經濟上將比預期更低效。
（資料來源：TechCrunch, Gizmodo, LinkedIn）
（原文標題：Vibe Coding催生大量新職缺，「程式清潔工」在做什麼？）
推薦閱讀：
【AI工作指南】數發部《AI產業人才認定指引》！盤點AI認證資源、熱門職缺
「Vibe Coding」是什麼？以後還需要程式設計師嗎？
AI世代最夯新職位》為什麼他們零經驗，年收20萬美元起跳？
助你當老闆！瑞典AI獨角獸Lovable如何靠「氛圍編碼」年賺30億？
[joblist_plugin title='更多104【AI工程師】工作機會' url='https://www.104.com.tw/jobs/search/?keyword=AI%E5%B7%A5%E7%A8%8B%E5%B8%AB&order=15&page=1' amount='3']
別讓 Vibe coding產生的程式碼，成為你系統中的定時炸彈！
Vibe coding讓每個人都能做MVP，也加快了系統開發的速度，但你的系統變穩了嗎？
許多人依賴 AI 產出大量程式碼，卻在進入企業專案後引發災難：
* 技術債爆炸： 缺乏 Clean Architecture 分層，AI 產出的程式碼散落在各處，改不動也測不了。
* 資安門戶大開： AI 不懂 OWASP Top 10，直接套用範例導致 SQL Injection 或 JWT 實作錯誤。
* 併發即當機： 缺乏對 Transaction Scope 與並行控制（鎖機制）的理解，資料一多就噴錯。
🚀 Vibe Coding 全端架構師養成班：教你如何「主導」AI，而非被 AI 誤導。
我們不只教如何用 Vibe Coding做出玩具專案，
我們教的是**「能真正落地的企業級應用系統」**：
🛡️ 安全防禦： 實作 2FA、RBAC 授權與 CVE 掃描，守住企業底線。
🏗️ 結構嚴謹： 從 Act I 的 Clean Architecture 到 Act II 的 DDD 概念 Service Layer。
📈 壓力測試： 使用 JMeter/k6 驗證高併發場景，確保系統不是紙糊的。
這不是一門Vibe Coding課，這是一場關於「系統穩定與安全性」的修煉。
🔗 拒絕技術債，成為真正能扛專案的架構師：
https://user135527.pse.is/8kkmdj
2026 開發者的身價保衛戰：在 Vibe Coding 浪潮中，拿回你的「定義權」
最近與許多技術團隊負責人和企業主聊天，大家不約而同提到一個現象：「開發軟體的門檻好像消失了，但系統崩潰的風險卻變高了。」
隨著前特斯拉 AI 主管 Andrej Karpathy 提出的 Vibe Coding（氛圍編程） 成為主流，我看到很多非技術背景的朋友，靠著與 AI 聊天就能生出亮眼的 App 介面；我也看到許多工程師開發速度提升了數倍，卻在「上線後」陷入了前所未有的技術債深淵。
當 Vibe Coding 已經普及，隨之而來的卻是嚴重的「開發斷層」。當開發者只靠氛圍、不靠邏輯時，系統將變得混亂無序。身為技術顧問，我想分享一個關於 2026 年開發範式的核心觀察：
「當程式碼變得廉價，你的『定義權』就是你的身價。」
＿＿
為什麼「感覺（Vibe）」很好，系統卻會崩塌？
AI 可以根據你的「氛圍」快速產出代碼，但它無法替你思考複雜的商業邏輯，更無法預見潛在的安全威脅。如果缺乏結構與驗證，Vibe 出來的結果往往是：
* 需求斷層： AI 寫出的功能外表亮眼，卻與實際業務場景完全脫節。
* 安全性漏洞： AI 為了追求功能實現，常產出帶有 SQL Injection、跨站腳本 (XSS) 或缺乏權限驗證的程式碼。這些隱蔽的資安破口，在上線後將成為駭客進出的後門。
* 邏輯黑盒： 沒有人敢改 AI 寫的 Code，因為沒人知道邏輯邊界在哪。
* 擴充災難： 隨意生成的代碼導致耦合度爆炸，系統最終難逃「砍掉重練」的命運。
要駕馭這場技術海嘯，我們需要一套更人性化、也更嚴謹的**「數位防禦思維」**。
＿＿
從 User Story 出發：找回軟體的「靈魂」
很多失敗的 AI 專案，問題都出在指令（Prompt）太過破碎。在 AI 時代，我們必須回歸本質，從 User Story (使用者故事) 開始：
「身為 [角色]，我想要 [功能]，以便於 [獲得價值]。」
這不只是文件，這是你與 AI 溝通的底層邏輯。如果你無法清晰定義需求與價值，AI 給你的只會是一堆華麗卻無用的廢碼。
＿＿
建立 AI 時代的「鐵三角」品質防線
為了確保 AI 產出的結果不只是「看起來會動」，開發團隊必須導入以下框架，構築穩固的防線：
1. BDD (行為驅動開發)：將需求變成「活的規格」
AI 容易產生幻覺，我們不能只給任務，要給「場景」。透過 BDD 的 Given/When/Then 格式描述行為，讓 AI 清楚知道「什麼樣的結果才算成功」，將開發轉變為**「目標導向工程」**。
2. TDD (測試驅動開發)：建立不可穿透的「品質護欄」
在叫 AI 實作功能前，先叫它寫測試單元。TDD 是對付 AI 不確定性最強大的武器。透過先行的測試案例（Test Cases），強迫 AI 產出的程式碼必須通過斷言（Assertion），杜絕技術債。
3. DDD (領域驅動設計)：建立邏輯的「護城河」
AI 懂語法但不懂你的生意。我們需要 DDD 定義 Bounded Context (邊界上下文)，建立一套**「通用語言」**。這能確保複雜系統在規模化擴張時，邏輯依然清晰且不崩壞。
4. SDD (規格驅動開發)：構築穩定「鋼骨」
在 ASP.NET Core 框架下，我們利用強型別與依賴注入 (DI)，將上述行為轉化為不可違背的 Interface (介面)。這份「規格」就是 AI 必須遵守的施工圖，確保系統具備企業級的穩定度。
＿＿
從「開發者」到「架構師」：定義未來的規則
2026 年，開發者的角色正經歷劇烈重塑。我們不再需要更多「只會寫 Code 的工程師」，而是需要更多**「具備領域洞察力、能編寫高品質規格、並能驗證 AI 品質的架構師」**。
＿＿
這也是我在 X School 規劃 【Vibe Coding AI 工程師養成班】 的初衷。我們不走傳統的語法教學，而是教你：
* 從 User Story 挖掘核心商業價值。
* 透過 DDD 建立健壯的系統模型。
* 利用 SDD、BDD 與 TDD 建立 AI 無法穿透的品質護欄。
* 在 ASP.NET Core 的架構下，實現真正的**「精準開發」**。
這是一場關於「主導權」的訓練。在 AI 淹沒平庸之前，先讓自己成為規則的制定者。
如果你感覺目前的 AI 開發流程讓你焦慮，或許缺的不是更強的模型，而是一套能駕馭 AI 的開發方法論。
【Vibe Coding 全端架構師養成：ASP.NET Core × AI LLM 企業級實戰】 現在就加入，成為定義規則的人。
想了解更多課程資訊請詳見以下連結👇
https://user135527.pse.is/8kkmdj
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']
「數據／資料工程師」12個必備技能、推薦職缺、證照進修
大數據時代來臨，企業數位轉型的需求應運而生，因此數據工程師（資料工程師）在企業中所扮演的角色也日益重要。本文盤點要成為數據工程師，強烈推薦要學的 12 項必備技能。一起來看看【數據工程師】工作日常以及104人力銀行上有數據工程師工作機會。
成為數據工程師的 12 項必備技能（點擊可跳至章節）：
基本技能（程式語言與資料架構）
網路概念
資料庫 Database
數據湖 Data Lake 與物件存儲
數據倉儲 Data Warehouse
分散式系統
數據處理
機器學習 Machine Learning
作業編排管理
前端與儀表板
後端框架
自動化與部署
如何開始數據工程師之路？了解數據工程師工作日常
【數據／資料工程師】推薦職缺
【數據／資料工程師】職場常見證照整理
【數據／資料工程師】職場再進修課程推薦
文／LnData 麟數據科技
數據工程師的必備技能樹 (Source: Anuj Syal)
一、基本技能
首先，以下是最基本的必修技能，也是想進入這個行業需要的優先入手技能，包含：
SQL：SQL即「Structured Query Language」，也稱做「結構化查詢語言」，是一種用於管理和查詢關聯式資料庫的語言，用於處理和操作大量數據。它允許數據工程師對資料庫執行各種操作，如數據檢索、修改和定義，且幾乎所有資料庫和數據倉儲都使用SQL。
程式語言：數據工程師必備技能當然包括使用不同的程式語言來處理數據，如 R、Scala、Java等，但首推 Python，因為Python容易上手，並且擁有許多免費且開源的資料科學工具和資源，使其成為處理數據相關工作的理想選擇。不僅如此，Python還有豐富的開發者社群，讓你輕鬆找到相關的學習資源和解決問題的方法。
Git：即「Global Information Tracker」，Git是版本控制的重要工具，可以追蹤、保存和管理軟體代碼的所有更改和操作，幫助資料工程師協作開發數據工程項目，並確保團隊成員之間的協同工作，可避免有人亂改或誤刪代碼。
Linux指令和Shell腳本：Linux是一種常用的作業系統，數據工程師經常使用它來處理數據，常見的版本如Ubuntu、Fedora。熟悉Linux命令（例如cd、pwd、cp、mv等）和Shell腳本可以幫助數據工程師自動化任務、管理伺服器和處理大量數據。
資料結構和演算法：數據工程師需要對資料結構（Data Structures）和演算法（Algorithms）有足夠的理解和解決問題的技能，以優化數據處理和分析。初學者可透過初級到中難度的LeetCode問題進行練習。
二、網路概念
由於現在大半數據都在線上，因此工程師常需接觸與處理VM（虛擬機）、伺服器和 API（應用程式介面），而此時就需要對 IP（互聯網協議）、DNS（域名伺服器）、VPN 等基本網路概念有基本了解。
API（應用程式介面）概念示意( Source: Geeks For Geek)
三、資料庫
資料庫是按照數據結構來組織、存儲和管理數據的倉庫，相關概念包含：
基礎知識：資料庫是存儲數據的空間，包含表（Table）、行（Column）、列（Row）、鍵（Key）、連接（Join）、合併（Merge）和模式（Schema）等基本概念。
SQL：雖然前面提過了，但要知道在使用這些資料庫時，SQL可說是最泛用也最不可或缺的語法，因此這邊再提一次。。
ACID：是原子性（Atomicity）、一致性（Consistency）、隔離性（Isolation）、持久性（Durability）的縮寫，旨在確保數據操作的有效性和穩定性。
資料庫建模：指在設計資料庫時考慮如何組織資料的過程，包括星型模式、平面設計和雪花模式等不同方法。
資料庫擴展：包括垂直擴展和水平擴展，它們用於增加資料庫的性能和容量。
OLTP與OLAP：OLAP（在線分析處理）、OLTP（在線交易處理）是不同類型的數據處理系統。OLTP是設計用於處理日常業務交易和交互式操作的系統；OLAP則是設計用於分析和探索大量數據的系統。
關係型資料庫：Relational Database，是大多數應用程式使用的傳統資料庫，用於結構化數據。常用的資料庫有PostgreSQL和MySQL。
非關係型資料庫：Non-relational Database，也稱為NoSQL資料庫。跟傳統的關聯型資料庫不同，它們不使用固定的表格模式，而是以更靈活的方式存儲數據，適合處理大量非結構化數據。非關係型數據還可分為三種類型：
鍵值資料庫：如Redis、DynamoDB、FireBase
圖形資料庫：如Neo4j、ArangoDB
寬列資料庫：如Apache Cassandra、Google BigTable
常用的關係型資料庫 MySQL
四、數據湖 Data Lake 與物件存儲
數據湖是一種大規模集中式數據存儲系統，它允許組織以原始、半結構化或非結構化的形式存儲數據，而無需建立嚴格的資料結構。這意味著數據湖可以包含來自不同來源、不同格式和不同質量的數據，可以是文本、圖像、影音等，也包含報表、視覺化、資料分析、機器學習等轉換後資料。
數據湖通常使用分佈式或物件存儲（Object Storage）系統來存儲大量數據，如Hadoop HDFS、Amazon S3等。數據以原始文件或對象的形式存儲，每個對象都包含數據本身、元數據（metadata）和唯一識別子。這種方式使得數據能夠以平面結構組織，並且具有元數據以描述數據的特徵和用途，能夠更好地管理和查詢數據。
五、數據倉儲 Data Warehouse
數據倉儲（Data Warehouse）是一種專為組織和管理大量數據而設計的數據存儲和管理系統。它的主要目標是將來自不同來源的數據整合到一個統一的、易於查詢和分析的資料庫中，以支持企業的決策制定、報告和分析需求。例如 Google 的 BigQuery、AWS Redshift、Azure Synapse、Snowflake、ClickHouse 和 Hive。須了解的相關概念包含：
SQL（略）
規範化與非規範化：在數據倉儲中，數據可以以規範化（Normalized）或非規範化（Denormalized）的方式進行組織和存儲，具體選擇取決於業務需求和查詢性能的考慮。規範化主要為求消除數據中的冗余或不一致性；而非規範化則是將數據合併到一個表中以提高數據更改速度。
OLAP與OLTP（略）
六、分散式系統
包含大數據、Hadoop、分佈式文件系統、MapReduce等概念。在分散式系統中，多台機器（稱為節點或伺服器）組成叢集並共同協作，這些機器可以在不同的地方執行，彼此通信並共同完成任務。分散式系統的好處是可提高性能、可用性和擴展性，同時減少單點故障的風險。
由於其複雜性，這些系統擁有各自獨立的技術組件。因此，為了開發與佈署這些系統，數據工程師需要使用叢集管理技術或工具，如Kubernetes、Databricks，或者自行建立Hadoop叢集等。此外，還有許多開源技術可供利用。
Kubernetes 也稱為 K8s，是一個熱門的分散式系統開發和支撐平台(Source: DevOps Mojo)
七、數據處理
數據處理是指使用程式語言來轉換數據的過程，這包括清理數據以及驗證數據的準確性。在進行數據處理時，通常會使用各種工具和框架，具體選擇取決於任務的性質和規模。
以下是一些常用的數據處理工具和框架：
Pandas：Pandas是一個好用的Python套件，常被用於處理和分析數據。它提供了豐富的數據結構和函數，適合用於數據轉換和清理。
SQL：（沒錯，又是它）由於多數數據倉庫支持SQL語言，因此SQL是一個常用的工具，用於執行數據轉換操作，尤其適用於處理結構化數據。
Spark：Apache Spark是一個用於大數據處理的強大框架，它提供了分佈式數據處理和分析計算。Spark通常用於處理大規模數據轉換操作，性能高且具有可擴展性。
Spark Streaming：Spark Streaming是Spark的一個模塊，用於處理流式數據。它可以實時處理數據流，非常適合需要即時分析的應用。
Spark是常用於處理大數據的強大框架(Source: Data Mechanics)
八、機器學習 Machine Learning
機器學習（Machine Learning）是一種人工智慧（AI）的子領域，它教導電腦如何從數據中學習，以自動改進和做出決策，而不需要明確的程式指令。機器學習可以應用於多個領域，如圖像辨識、語音識別、自然語言處理、醫療診斷、金融預測以及自駕車技術等。
人工智慧、機器學習、深度學習都是資料科學中的熱門領域
對於數據工程師來說，了解機器學習的不同類型，包括監督學習、非監督學習和增強學習，以及相關的模型(如邏輯回歸、決策樹、K-最近鄰算法等)很重要。他們需要知道何時應該使用哪種模型，並學會處理數據、調整模型參數，以及評估模型的預測準確性。
操作機器學習的平台有Vertex AI、Kubeflow等，這些平台可以協助數據工程師輕鬆部署模型，並構建更準確的工作流程，幫助數據科學家做出更精確的決策。
Vertex AI 是Google Cloud上的一個機器學習平台
此外，還有一些集成平台可讓數據工程師將工作流程整合到一個地方，如AWS Sagemaker、Databricks和Hugging Face等。這些平台通過共用的應用程式接口和圖形界面，使應用軟體功能不受特定硬體、作業系統、網路協議或資料庫管理系統的限制。
AWS Sagemaker也是不少人的ML開發選擇(Source: AWS)
九、作業編排管理
編排（orchestration）是一種用於管理和協調組織各種任務和工作流程的方法。它幫助我們確保工作按照預定的順序執行，以達到我們的目標。
最佳的編排工具之一是Airflow。它使用基於Python的有向無環圖（DAG）來記錄工作流程，讓您可以清楚地定義和規劃工作。Airflow特別適用於複雜的工作流程，並且在大數據和數據工程領域中廣泛使用。
其他工具包含Luigi、Nifi和Jenkins。每個工具都有其獨特的特點和使用場景，可以根據你的項目需求來選擇適合的編排工具，可以幫助數據工程師自動化和管理各種任務，提高工作效率。
Airflow是開發時常用的工作流程管理工具(Source: Airflow)
十、前端與儀表板
前端和儀表板（dashboard）是用來展示數據結果和互動的工具。它們讓我們能夠以圖表、圖像和表格的形式呈現數據，並讓用戶與數據進行互動。
舉例來說，Jupyter Notebook 是一種常用的工具，它可以幫助數據科學家和分析師在筆記本中直接進行數據分析並建立視覺化圖表。
Jupyter Notebook是好用的互動式開發工具，是許多資料科學工作者選擇
此外，儀表板或所謂BI工具如 PowerBI 和 Tableau，以及 Python 套件如Dash 和 Gradio，也被廣泛使用。這些工具允許我們建立互動性強的儀表板，讓用戶輕鬆探索數據，查看不同的視覺化結果，並根據需求進行操作。
Tableau是業界常用的商業智慧(Business Intelligence)工具，建立企業數據儀表板
十一、後端框架
後端框架與軟體工程有關，它們有助於構建網站和應用程序的後端部分。舉例來說，如果您想建立一個網站或應用，可能需要一個後端框架來處理用戶發出的請求、管理資料庫，以及提供信息給前端顯示。
基於 Python 的後端框架包含 Flask、Django 和 FastAPI 等。Flask 是一個輕量級的框架、Django則提供了更多的內置功能、FastAPI 則專注於建立API。
除了這些，還有一些雲端技術可供使用，例如G oogle Cloud Platform（GCP）的 Vertex AI API 和 AutoML APIs，這些技術可以用於模型部署和機器學習應用。
Flask 是一個 Python 網頁應用程式框架，因輕量靈活而受許多開發者喜愛
十二、自動化與部署
自動化和部署是指使用不同的工具和技術，來讓程式碼的建立和執行過程更加自動化和簡化，有助於提高效率、降低錯誤，並讓應用程式更容易管理和維護。
這個過程包括以下幾個主要方面：
基礎設施即程式碼（Infrastructure as Code）：這是使用工具如Terraform、Ansible和Shell指令來管理和配置伺服器和基礎設施的過程。這些工具可讓你將基礎設施視為程式碼來處理，使其更易管理和自動化。
持續集成/持續部署（CI/CD）：指透過GitHub Actions和Jenkins等工具來自動化程式碼的測試、集成、部署和交付的過程。有助於確保程式碼的品質，並使新功能能夠快速部署到生產環境。
容器化：即使用Docker和Docker Compose等工具，將應用程式和其相關的依賴項打包成容器的過程，可使應用程式在不同環境中更容易部署和執行。
Docker工作流程示意
想當數據工程師，如何培養能力？
在學生可以學習統計、資工、資料科學等科系的課程，或是透過相關實習或競賽來摸索對此領域的興趣。此外，網路上有許多付費課程、YouTube上的免費資源，也可以在kaggle、LnData等平台取得更多練習與交流機會、相關知識、技巧或資源！
要記得，這些相關技術日新月異，即使是正在工作中的數據工程師也必須時時學習與了解最新技術。相對的，正因為技術不停在改變，你也不需要強求把上面所有技能練到精通，而是掌握重要的基本概念與保持開放的學習態度。
數據工程師可以為企業做什麼？
數據工程師日常就是與數據打交道，主要包含收集、讀取、清理，探勘與管理企業的資料，以抓取符合企業分析需求的數據。這些數據則能進一步透過機器學習、演算法，產生更有價值的結果或應用方式，幫助企業做出更好的決策、優化業務流程，例如降低成本、提高獲益、優化產品、留住熟客及開發新客群。因此，數據工程師對於企業的重要性不言而喻。
然而，企業想挖掘數據最大價值，並不能只靠數據工程師。一個完整的數據團隊，通常包含數據工程師、數據科學家、數據分析師三種角色，各司其職、專業分工。他們在日常工作流程中扮演各自的角色，互相協作，完成各種不同的專案——這也是為何我們最後要強調，除了技術以外，溝通與協作等軟技能也非常重要！
（原文標題：2023 年想成為數據工程師的 12 項必備技能）
[joblist_plugin title='推薦【數據／資料工程師】工作機會' url='https://www.104.com.tw/jobs/search/?ro=0&keyword=%E6%95%B8%E6%93%9A%E5%B7%A5%E7%A8%8B%E5%B8%AB&expansionType=area,spec,com,job,wf,wktm&jobsource=blogc&langFlag=0&langStatus=0&recommendJob=1&hotJob=0' amount='3']
【數據／資料工程師】職場常見證照整理：
序號證照證照介紹發照單位1DP-203 Azure資料工程師技術師身為此認證的應試者，您應該具備主題專業知識，能夠將各種結構化、非結構化和串流資料系統中的資料，整合...＜詳情＞Microsoft2Google專業資料工程師認證專業資料工程師透過收集、轉換和發布資料來實現以資料所驅動的決策。資料工程師應該能夠設計、建置、操作...＜詳情＞Google3SSE 大數據國際認證隨著有關大數據的程式語言、運算平台、基礎理論，以及虛擬化、容器化的技術成熟...＜詳情＞Silicon Stone Education4AWS認證的數據庫-專業級認證報考資格：1.接觸資料庫技術至少 5 年、2.實際使用 AWS 至少 2 年...＜詳情＞Amazon Web Services5台灣風險數據分析師除了相關法遵外，應具備在風險數據分析、質量方法運用、風險預測建模等高階專業...＜詳情＞社團法人台灣風險管理協會更多數據相關證照＜前往＞
【數據／資料工程師】職場再進修課程推薦：
課程名稱課程介紹【真人直播】零基礎Python數據分析與即時看板實作在這堂課程中，我們將帶你從學習基礎 Python 出發，了解各種常見資料檔案格式與編碼，透過 Python 進行資料表單或檔案的自動化彙整與分析...＜課程介紹＞GA4+GTM網站數據分析實戰課專業的教學設計，以第一線網站數據分析工作者角度，剖析 GA4 四大要領，從觀念的理解到上手實作，提升你的數據分析能力。…＜課程介紹＞成為數據分析師的第一把鑰匙：用Python實作三個資料分析專案以非工科生成功轉為數據分析師的經驗、第一線職場實戰角度出發，來設計這門課程，適合零基礎、初入門、想轉職作數據分析師的你!…＜課程介紹＞零基礎成為Python金融數據分析師｜金融資訊爬蟲X視覺化應用課程單元從 Python 程式基礎開始，包含變數、資料型態、流程控制、函式、例外處理等 金融主題的網路爬蟲程式教學，製作Python爬蟲工具…＜課程介紹＞更多數據相關課程＜前往＞
AI工作專區｜工程師、PM、行銷的AI應用人才，企業AI徵才技能整理
AI時代來臨，企業對AI應用與自動化人才的需求不斷成長。從軟體工程師、產品經理、專案經理（PM）到行銷人才，懂得使用AI工具：RPA自動化流程、n8n無程式的工作流程整合，在就業市場已開出新的人才賽道，成為企業招募新一代人才的重要加分條件。
本文目錄（點擊可快速前往）
AI技能找工作機會｜RPA、n8n、Vibe CodingRPA（Robotic Process Automation，機器人流程自動化）n8n（開源的工作流程自動化工具）Vibe Coding（氛圍程式設計）職務結合AI工作機會AI行銷人才AI應用管理師 Project Manager、AI PMAI產品經理（AI Product Manager）AI設計師（UI/UX）AI應用軟體工程人才AI、演算法工程師FAQ：AI工作常見問題AI＋自動化技能能提高薪資嗎？學AI可以做什麼工作？
AI技能找工作機會｜RPA、n8n、Vibe Coding
RPA（Robotic Process Automation，機器人流程自動化）
透過軟體「機器人」來模擬人類在電腦上執行重複性、規則化任務的技術，無需改變原有系統或進行複雜開發。
職缺舉例：RPA Business Development Specialist、HR數位轉型專案管理師、業務管理師、通路服務規劃人員
[joblist_plugin title='【RPA】精選職缺' url='https://www.104.com.tw/jobs/search/?mode=s&page=3&keyword=RPA&order=15' amount='3']
n8n（開源的工作流程自動化工具）
可幫助工作者自動化重複性任務，整合各種應用服務，類似Zapier或Make.com，擁有更高的彈性。
使用範例
每日定時抓取某API數據→整合→發送Email報表
當表單送出→整理資料→寫入Google Sheet→發Slack通知
自動化CRM建立客戶資料 + 產生任務 + 發送開通信件
[joblist_plugin title='【n8n】精選職缺' url='https://www.104.com.tw/jobs/search/?mode=s&page=2&keyword=n8n&order=15' amount='3']
Vibe Coding（氛圍程式設計）
工作者運用語言模型（ChatGpt、copilot）等AI技術，透過自然語言與AI對話，讓AI自動生成所需程式碼，大幅降低開發門檻。只需描述想要達成的功能，AI便能撰寫程式，無需深入理解底層程式運作原理，可以不透過工程師達到將網頁、APP快速送入市場驗證的開發模式。
[joblist_plugin title='【Vibe Coding】精選職缺' url='https://www.104.com.tw/jobs/search/?keyword=vibe+code&order=15&page=1' amount='3']
看不夠？來去逛逛 104數位與科技人才專區
職務結合AI工作機會
AI工具的應用，讓專業工作者能提高工作效率（避免耗時的行政流程）、創意創新的競爭力（給予AI思考框架，提出不同的創新想法）、決策支援（藉由數據資料的匯入，與AI協作預測商業策略執行優勢與須備風險管理的地方）。
AI行銷人才
企業期待新一代的行銷人將專業的行銷know-how結合AI與MarTech的技術，能更精確的了解市場、找到用戶痛點、制訂與執行更有效的行銷策略。
必備技能：AI工具（ChatGPT）、RPA與n8n自動化排程、GA4。
加分條件：懂MarTech串接與數據驅動行銷策略。
[joblist_plugin title='【AI Martech 行銷】精選職缺' url='https://www.104.com.tw/jobs/search/?mode=s&page=3&keyword=AI+Martech&order=15&jobcat=2004001000' amount='3']
AI應用管理師 Project Manager、AI PM
結合PJM對組織流程、利害關係人的了解，提升決策效率與資源運用，並在複雜多變的環境中，精準規劃、協調跨部門團隊，確保專案按時、高品質交付，創造更高的商業價值。
[joblist_plugin title='【AI專案經理】精選職缺' url='https://www.104.com.tw/jobs/search/?mode=s&page=1&keyword=AI+n8n&order=15&jobcat=2004003006' amount='3']
AI產品經理（AI Product Manager）
產品經理需要能精準識別使用者需求，將AI能力轉化為實際功能，並制定策略與路線圖，協調跨部門資源，確保AI產品從概念到落地，能創造最大化的商業價值與使用體驗。
必備技能：敏捷開發、數據分析、RPA流程設計、n8n工作流自動化。
加分條件：懂Prompt Engineering，能規劃AI產品MVP
[joblist_plugin title='【AI專案經理】精選職缺' url='https://www.104.com.tw/jobs/search/?mode=s&page=2&keyword=AI+n8n+%E7%94%A2%E5%93%81%E7%B6%93%E7%90%86&order=15&jobcat=2004003005' amount='3']
AI設計師（UI/UX）
結合AI技術與使用者行為洞察，打造人性化的產品體驗。需要理解AI產品的運作邏輯，將複雜的演算法結果轉化為直覺且易於使用的介面，在設計過程中融入個人化體驗與數據驅動的設計思維，確保產品兼具美感與功能。
[joblist_plugin title='【AI UI/UX 設計師】精選職缺' url='https://www.104.com.tw/jobs/search/?mode=s&page=1&keyword=AI+&order=15&jobcat=2013001015,2013001016,2013001006,2013001020' amount='3']
AI應用軟體工程人才
幫助提升公司營運效率，工作內容包含開發與推進AI自動化應用，包括文件生成、知識查詢、任務建議與流程輔助，提升日常作業效率。
[joblist_plugin title='【AI應用工程師】精選職缺' url='https://www.104.com.tw/jobs/search/?jobsource=joblist_search&mode=s&page=1&keyword=AI+%E6%87%89%E7%94%A8&order=15&jobcat=2007001000' amount='3']
AI、演算法工程師
邊緣運算、LLM、AI/ML 演算法、生成式AI、影像辨識、資料科學……等專業技術領域
[joblist_plugin title='【AI、演算法工程師】精選職缺' url='https://www.104.com.tw/jobs/search/?mode=s&page=1&order=15&jobcat=2007001020,2007001012' amount='3']
FAQ：AI工作常見問題
AI＋自動化技能能提高薪資嗎？
能，降低人工成本，幫企業節省大量時間。幫助公司快速決策，提升專案 ROI。具備跨領域競爭力，在數位轉型浪潮中更具優勢。
學AI可以做什麼工作？
學AI可以應用在與數據、軟體、流程優化相關的工作中。例如：行銷人多會了AI，可以不透過工程師快速架設行銷活動網站、PM會AI，可以自動化縮短寫規格書的時間、透過Vibe Coding方式加速MVP的推出，工程師可以透過AI協作，更快產出80%的程式碼，將時間投入優化code的過程。
看不夠？來去逛逛 104數位與科技人才專區
ChatGPT基本文章生成術：企劃案、介紹文用AI快速完成
運用AI工具快速生成文章，可以用更高效、更簡單的方式完成高品質文章。本文解析如何使用ChatGPT生成基本文章，從企劃案撰寫到段落內容都能輕鬆創作，工作效率大加分！
文／陳冠霖（Brian Chen）
本文目錄（點擊可快速前往）
ChatGPT基本文章生成ChatGPT段落文章書寫
ChatGPT基本文章生成
有了ChatGPT帳號後，我們來看看如何進行文本生成吧！
情境範例：
今天上班，公司在經過幾個小時的開會，決定要開發一款新的懶骨頭沙發產品並上市販售。而撰寫產品企劃的重任像一顆石頭一樣重重的壓在你身上，而更可憎的是，老闆竟然要求你先將初版的企劃案寫出來，並在明天的會議上進行報告並討論。除此之外，你還被要求要在短時間內思考出懶骨頭沙發的優缺點、目標客群以及年齡層等各種面向的問題⋯⋯
此時就可以跟ChatGPT說：
我想撰寫關於新的懶骨頭沙發的產品企劃案，我希望能夠為我分析一下目前此類商品的優點與缺點以及缺點預計可以改進的方向、目標客群以及年齡、預期成本和預期收益等，並幫我根據這些架構進行條列以及撰寫出一篇約400字的文章。
之後就可以看到GPT的回覆，如圖4-4至圖4-6：
（圖／博碩文化提供）
是不是很厲害啊，俗話說萬事起頭難，但現在可以用AI幫你起頭之後，只需要根據這些架構草稿再慢慢去更改內容並撰寫出完整計畫就好了。在這過程中也可以持續使用AI工具來協助各位撰寫，所以在現在這個時代會使用AI工具真的會讓你在職場上的效率超級加倍！
題外話：目前版本ChatGPT會有免費使用GPT-4o生成的服務，當額度用盡就會變回GPT-4o mini生成。所以如果突然發現回覆內容感覺變弱就是GPT-4o額度用完啦。不過別擔心，免費額度是會補充的。
ChatGPT段落文章書寫
如果今天只是需要生成一個段落而已，當然可以使用ChatGPT來進行生成。
情境範例：
在經過一天的煎熬，終於等到要下班的時間了，但你看到老闆向你走過來，心中升起一絲不祥的預感。果然，老闆想要你在明天上班前提交一份關於Python程式語言的介紹，但你只是一個在辦公室為了三餐溫飽而努力的小職員，對於Python這個程式語言根本完全沒有頭緒，加班到很晚看了很多文章還是一頭霧水，焦慮到快要爆炸了⋯⋯
別擔心！在一切還沒變的糟糕之前，你可以直接求助無敵的ChatGPT，只需要在對話視窗中輸入：
請用500個字介紹Python這個程式語言，撰寫文章時請分成四個段落。
接著按下送出，等待ChatGPT回覆即可，以下圖4-7是ChatGPT的回覆內容。
（圖／博碩文化提供）
看到這段文章之後，你驚覺的發現似乎可以根據這段文章稍微修改一下，或者可以「請」ChatGPT協助代為修改，改完之後發現根本沒花太多時間，全部處理完之後終於可以準時下班了，灑花！
基本上各位可以根據自己的需求（或者老闆或老師對你的需求）來對GPT進行文字生成的指示，而各位可以看到生成後的文字底下會有5個小圖標，這5個小圖標由左至右分別為：
大聲朗讀：這個功能可以讓ChatGPT預設的語音來朗讀他的回覆。
複製：淺顯易懂，就是複製這段對話的內容。
重新生成：如果生成的文章你不喜歡的話，可以像慣老闆一樣要求ChatGPT重新生成喔，重新生成後可以選擇重新生成的結果更好、更糟或是沒差別，這個選擇會些微影響到之後生成時的結果，ChatGPT會盡量根據你喜愛的風格生成，並盡可能避免掉你不喜歡的風格，重新生成的結果就像圖4-8這樣。
（圖／博碩文化提供）
● 回應不佳：如果你不喜歡這段回應，可以點選此按鈕並選擇原因告知ChatGPT的回應哪裡需要再修正如圖4-9，這也或多或少的會影響到後續的生成方式。
（圖／博碩文化提供）
● 變更模型：目前可以選擇GPT-4o與ChatGPT-4o mini來進行生成。
另外，目前最新的模型是OpenAI o1，若有購買完整版的話可以再使用o1 preview 模型與o1 mini。惟因本書最終完稿時大約是2024年8月初，所以在OpenAI o1 推出後（2024年9月中）緊急更新了部分內文，故OpenAI o1的部分會放在附錄介紹！
以上就是一些基本的ChatGPT介紹了，各位可以根據這些基本的功能嘗試看看這項服務，相信學會使用ChatGPT一定能為各位後續無論是工作或是生活帶來更多的便利性。接下來我將會帶各位來看看更多的ChatGPT應用。
題外話：如果生成的段落文字過長，因為ChatGPT會有輸出限制，所以有時候輸出到一定程度就會中斷，此時可以輸入指令：「請接續上面的文章內容繼續生成」、「請繼續」、「請繼續生成」，來對ChatGPT下指令讓它繼續生成文章。
節錄自：博碩文化《即學即用！精選 30 招辦公室超高效 AI 生產術／陳冠霖（Brian Chen） 著 》
更多【實用AI工作術】推薦給你：
讓ChatGPT當求職教練！寫求職信、履歷建議、中英文面試練習指令
用AI快速寫Email！ChatGPT Writer、Copilot等中英文電子郵件生成
ChatGPT整理Excel表格超快速！用AI輕鬆搞定複雜資料
ChatGPT一鍵生成簡報！Slides Maker讓AI幫你快速做完整簡報
AI最新熱門工作揭曉！工程師不只要會寫程式 這技能創造更多收入
2025-11-02 經濟日報編譯易起宇 由聯合新聞網授權轉載
OpenAI、Anthropic和Cohere等人工智慧（AI）新創公司，正加緊招募一種為數稀少的軟體開發人才：前線部署工程師（Forward-Deployed Engineer，FDE）。這些軟體工程師必須既要會寫程式，又要在派駐到企業客戶組織內時，能和顧客交流，協助客戶客製化模型，加速採用AI技術，以創造更多收入。
英國金融時報（FT）報導，OpenAI今年初成立一支FDE團隊，預計今年底前將擴充至約50名工程師。Anthropic也表示，今年將把包含FDE和產品工程師的應用AI團隊規模，擴大為五倍，以滿足客戶需求。
求職平台Indeed數據顯示，這種需要與客戶面對面交流的AI職缺，今年來已一飛沖天，1-9月每月刊登的FDE職缺數量已暴增逾800%。
這種人才趨勢的出現，是因為雖然從製造業到醫療保健等各行各業，都正日益熱衷於引進AI工具，但常不確定該如何應用AI技術，以及要怎麼利用這筆投資獲利。
Anthropic應用AI團隊主管瓊恩表示：「一家財星500強（Fortune 500）的銀行業者，和一家打造原生AI產品的新創公司，需求完全不同。」
數據情報大廠Palantir英國AI主管普雷特尚，形容這種方式為「從內部發現產品」，「你會希望自己打造的事物，在以簡報介紹給客戶時，促使他們說，『這東西將顛覆遊戲規則』」，前線部署工程師知道「珍貴的軟體並非程式碼或語言有多精美…而是要對終端客戶有意義」。
Palantir約20年前便從軍隊派駐海外的概念取經，招募這種人才，如今FDE已約占半數員工，並已派遣到阿富汗和伊拉克的軍事基地、美國中西部的工廠、以及煉油廠。
AI新創公司也希望效仿Palantir。Cohere共同創辦人暨執行長戈梅茲表示，一開始和客戶簽約時就部署工程師，有助建立長久而持續的關係。
雖然FDE目前在AI企業員工中的占比仍相對小，但OpenAI表示，此職位的需求已超越其預期。OpenAI歐洲和中東FDE團隊主管佛尼爾說：「這讓我們學會了不同行業客戶的真正需求，並幫助我們基於真實世界的運作，提升研究和產品陣容。」
延伸閱讀：
AI取代誰？報告揭「科技業職位最危險Top 4」 這領域反而人才荒
Gartner公布2026年十大戰略技術趨勢 AI帶動創新新成果將大量湧現
AWS免費課程幫你打造AI「學力」證明，攻搶12萬AI職缺！
有任何收穫或想分享的，都來和大家一起聊聊吧！