104學習

Artificial Intelligence

Artificial Intelligence
關注
邀請朋友
邀請朋友

Line

Facebook

複製連結

取消
具備此技能表示能運用機器學習、深度學習等技術,讓電腦模擬人類思考與判斷,提升工作效率與決策品質。在各行各業中,能分析大量數據、自動化流程,創造價值並降低人力成本。具備此能力者,通常能操作相關工具與程式語言,並理解演算法原理,對未來職場轉型及數位化趨勢十分關鍵。掌握此技能,有助於提高競爭力,並開拓跨領域合作機會。
關於教室
關注人數 5 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
關於教室
關注人數 5 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
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

Artificial Intelligence 學習推薦

104學習

產品

5小時前

Chrome 也能「一鍵自動化」了?Google 新推 Skills 功能:把常用 AI 指令變成固定工作流
每次都要重打 prompt、重貼網址、重新整理資料嗎?Google 在 Chrome 推出的 Skills,正在把 AI 從聊天助手,變成能重複執行的工作流程工具。
每次都做一樣的事,才是工作最耗時間的地方
很多人開始用 AI 之後,第一個感受不是「做不到」,而是「每次都要再做一次」。
今天看一篇長文章,要請 AI 幫你摘要;明天看另一篇,又得再打一遍同樣的指令。比價時,要 AI 幫你整理規格;換到下一個商品頁,又要重新貼一次 prompt。真正耗掉時間的,往往不是分析本身,而是那些反覆輸入、重複切換、重新開始的動作。這也是 Google 這次替 Chrome 新增 **Skills** 的切入點。Google 在 2026 年 4 月 14 日正式宣布 "Skills in Chrome",主打讓使用者把常用的 AI prompt 存起來,之後可以一鍵重跑。
換句話說,這不是單純把 AI 放進瀏覽器,而是讓瀏覽器開始記住你慣用的做事方式。
什麼是 Chrome Skills?
根據 Google 官方說明,"Skills in Chrome" 是建立在Gemini in Chrome之上的新功能。當你寫出一段之後還會再用到的 prompt,就可以直接從聊天紀錄把它存成一個 Skill。下一次使用時,只要在 Gemini in Chrome 輸入 `/`,或點擊 `+` 按鈕,就能快速叫出這個 Skill,並直接套用到你正在看的頁面上。
更重要的是,Skills 不是只能看單一網頁。Google 的說明提到,Gemini in Chrome 會使用目前分頁內容來回應;在桌機版上,還可以額外分享最多 10 個開啟中的分頁,讓 AI 直接跨頁比較、整合與分析資訊。
這讓 Skills 的角色很清楚:它不是新的外掛,也不是另一個獨立 App,而是把「你常用的 AI 指令」變成可重複執行的瀏覽器工作流。
為什麼這個功能值得上班族注意?
因為它解決的不是「AI 不夠聰明」,而是「AI 還不夠順手」。
Google 在官方範例裡提到,早期測試者會用 Skills 來快速計算食譜營養、跨多個分頁比較商品規格,或從冗長文件中抓出重要資訊。這些都不是炫技型應用,而是很典型的日常資訊處理任務。
如果把場景換成工作現場,其實更容易理解。像是行銷人員要快速整理競品頁面差異、企劃要從多篇資料中抽重點、PM 要比對不同方案頁的規格與限制、學習者要把長文變成易懂摘要,這些任務的共同點都是:"資訊很多、格式不一、重複率很高"。而 Skills 的價值,就是把這些「本來就會一再發生」的動作,變成可以直接重用的流程。這是根據 Google 已公開的功能設計與範例,可以合理推得出的工作應用方向。
這不只是 prompt,而是你的個人工作模板
很多人以為 AI 的重點是「問得漂亮」,但在工作裡更有價值的,通常是「能不能穩定重複」。
Skills 真正值得學的地方,不只是把 prompt 存起來,而是讓你開始思考:我平常怎麼整理資訊?我看一份文件最在意哪些重點?我要 AI 幫我輸出成什麼格式?是摘要、表格、比較,還是行動建議?當這些問題變清楚,你存下來的就不只是一句指令,而是一套你自己的工作模板。
從這個角度看,Chrome Skills 其實也提醒了上班族一件事:未來真正有競爭力的,不只是「你會不會用 AI」,而是「你能不能把自己的工作流程結構化,交給 AI 重複執行」。這一點雖然是應用層面的延伸判斷,但與 Google 這次強調的「save、reuse、edit、remix AI workflows」方向一致。
哪些人最適合先關注這個功能?
如果你的工作本來就常碰到以下情境,Skills 會特別有感:
你需要大量閱讀文章、報告、產品頁或教學文件,並快速抓出重點;你常常同時打開好幾個分頁做比較;你已經有一套慣用的 AI 問法,只是每次都得重新輸入;或者你正在學習怎麼把 AI 真正用進日常工作,而不只是偶爾問問題。Google 官方對 Gemini in Chrome 的描述也明確提到,它可以用來摘要文章、換方式解釋複雜主題、幫助學習新知、比較頁面內容,甚至完成某些多步驟任務。
所以,對學習者來說,這項功能的啟發不只是「又多一個 AI 工具」,而是:你可以開始把常見任務變成可複製的方法。這對職場學習來說,比只會寫幾句 prompt 更重要。
怎麼開始用?
目前 Skills 是跟著 Gemini in Chrome 一起推出的。Google 官方表示,Skills 已開始在桌機版 Chrome rollout,適用於 **Mac、Windows 與 ChromeOS,而且這一波 Skills 的啟用條件之一,是 Chrome 語言需設為 English (US)。已儲存的 Skills 也可同步到同一帳號登入的其他桌機版 Chrome 裝置。
至於 Gemini in Chrome 本身,Google Help 說明它會依地區與帳號條件逐步開放,如果功能尚未出現,可能是因為所在地區或帳號還沒被納入這一波 rollout。一般使用上,需登入 Chrome、使用最新版 Chrome,且無痕模式不支援;在設定中,也可以到 Settings > AI innovations > Gemini in Chrome 管理顯示與權限。
## 使用前也要知道:方便,不等於完全自動
Google 也特別強調,Skills 並不是放手讓 AI 自己操作一切。若涉及某些敏感行為,例如新增行事曆事件或寄送電子郵件,系統會要求使用者確認後才執行。Gemini in Chrome 也提供權限管理,例如是否預設分享目前分頁、是否允許 Gemini 代為瀏覽、是否開啟精準位置等。
這代表它的設計方向,不是把使用者排除在外,而是在保留控制權的前提下,盡量減少重複動作。對工作者來說,這其實也是比較實際的 AI 使用方式:讓 AI 加速,但不要失去判斷。
Chrome Skills 給工作者的真正提醒
從表面看,Skills 很像只是把 prompt 收藏起來;但從工作方法來看,它更像是在提醒我們:AI 的下一步,不只是會回答,而是會配合你的工作習慣。
當瀏覽器開始記住你的常用指令、理解你正在看的頁面、支援多分頁一起整理資訊,AI 的角色就不再只是「問答工具」,而更接近一個可被訓練的工作助手。對上班族來說,現在值得學的,不只是怎麼問 AI,而是怎麼把重複性的任務整理成流程,讓 AI 真正替你省下時間。
可直接搭配文章的收尾文案
你不一定需要從很複雜的工作開始。也許只是先把「摘要文章重點」、「比較多頁資訊」、「把內容整理成表格」這些常做的事,變成自己的第一批 Skills。當你開始累積這些可重用的流程,AI 才會真的從新鮮工具,變成穩定好用的工作幫手。這是 Google 這次 Chrome Skills 最值得職場人關注的地方。
相關資料來源 :
[1]: https://blog.google/products-and-platforms/products/chrome/skills-in-chrome/ "Turn your best AI prompts into one-click tools in Chrome"
[2]: https://support.google.com/chrome/answer/16283624?co=GENIE.Platform%3DDesktop&hl=en "Use Gemini in Chrome - Computer - Google Chrome Help"
看更多
0 0 61 0
職場力:提升職場競爭力

小編

5小時前

Claude Code很好用,但Token噴太快心很痛?Anthropic官方給出了4個省錢解方!
用Claude Code後,寫Code速度真的起飛,但隨之而來的Token消耗速度也令人心慌,
如果你也遇到「只是修個小Bug,額度卻噴掉一大截」的狀況,不妨參考官方提出的這4個降低成本的關鍵建議:
1.選擇適合的模型:Sonnet優於Opus
2.調降運算強度或關閉「延伸思考」功能
3.累積太多資訊並閒置太久,請重開新對話框
4.設定視窗上限控制對話長度
更詳細的內容,可以點擊下方連結閱讀完整文章,或觀看精華短影片:https://blog.104.com.tw/claude-code-token-optimization-tips/?utm_source=104&utm_medium=104nabi_aiclassroom
看更多
0 0 29 0

熱門精選

職場力:提升職場競爭力

小編

04/13 13:16

Meta首款多模態模型Muse Spark登場:會看、會算、還能幫忙寫小遊戲
Meta正式發表全新大型語言模型「Muse Spark」,不只提升效能,更代表Meta AI進入了更強大的多模態處理階段。
與過去需要透過大量文字描述不同,Muse Spark強調「視覺感知」能力,舉例:在機場或超市,只需要隨手拍下商品貨架,AI就能即時辨識並排序出蛋白質含量最高或最符合你營養需求的零食,省去逐一翻看標籤的時間。
以下整理本次更新的三大亮點:
1. 多模態感知力:AI不再只能讀文字,而是能直接「看懂」視覺資訊,除了辨識實體商品,也能分析複雜的影像與圖表。
2. 視覺化程式開發:透過簡單的提示詞就能快速產出客製化網站、小遊戲等,開發門檻大幅降低,還能直接分享給好友。
3. 生態系全面整合:目前Muse Spark已在Meta AI App與網頁版上線,未來數週將陸續推展至Facebook、Instagram、Messenger、WhatsApp,甚至是AI眼鏡中。
如果你想更直觀了解Muse Spark帶來的改變,我們特別準備了一分鐘的精華短影片,帶你快速掌握Meta AI的最新進化。
看更多
1 0 1628 0
104學習

產品

03/26 14:14

想轉職 AI 工程師,該先學什麼?6 個月學習路線圖整理企業真正要的能力
最近,X 上一篇題為 《How to become an AI Engineer in 6 months》的文章引發不少關注。這份路線圖之所以被討論,不是因為它鼓吹速成,而是它提出了一個很貼近當前職場需求的觀點:現在企業需要的 AI 工程師,很多時候不是從零訓練大型模型的研究員,而是能把現有模型、API、資料與工具整合起來,做成可用產品與工作流程的人。
根據這份整理,AI 工程師的核心工作,通常包括串接 LLM API、設計 prompt 與上下文流程、建立聊天或搜尋系統、整合資料庫與外部工具、處理結構化輸出,以及優化成本、速度與穩定性。換句話說,這份角色更接近軟體工程、產品開發與流程自動化的交會點。
這份 6 個月路線圖,最重要的不是「學更多」,而是「學對順序」。第 1 個月先把 Python、Git/GitHub、CLI、HTTP/API、JSON、基本 SQL、Pandas 與 FastAPI 打底,因為原文認為 AI 工程首先仍是軟體工程;如果連基本程式、API 與資料處理能力都還不穩,後面的 AI 應用很容易只停在 demo 階段。
第 2 個月,重點進入 LLM 應用開發,包括 prompt 設計、結構化輸出、tool calling、streaming responses、對話狀態管理、成本與 token 概念、失敗處理與 prompt injection 基本意識。第 3 個月則聚焦在 RAG,也就是讓模型能根據自己的文件與資料回答問題,這也是客服機器人、企業知識庫、文件搜尋等場景最常見的核心能力之一。
第 4 個月開始,路線圖進一步談到 agent、工具、workflow 與 evals。原文特別提醒,不是每個問題都需要 agent;有時一個 prompt 就夠,有時 workflow 比 agent 更穩。真正重要的,是知道該怎麼選擇,以及如何用評估機制去判斷系統是否真的變好。第 5 個月則轉向部署、可靠性與產品化,包括 Docker、背景任務、queue、驗證與 API key 管理、logging、observability、prompt/version management、成本監控、rate limits 與 caching。
到了第 6 個月,這份路線圖建議學習者開始選定方向,往三種角色收斂:AI Product Engineer、Applied ML / LLM Engineer,以及 AI Automation Engineer。前者偏向使用者產品與 AI 功能開發,後兩者則更接近模型效果優化或企業流程自動化。對求職者來說,這一步的意義在於:不能只停留在「我有在學 AI」,而要把能力整理成職缺看得懂、作品集也講得清楚的樣子。
如果把這篇路線圖放回台灣職場來看,它最大的提醒其實不是「6 個月能不能成功轉職」,而是:AI 時代的競爭力,越來越像是把技術、工具與工作場景整合起來的能力。 企業不一定每一家都在找模型研究員,但會愈來愈需要懂 API、懂資料流、懂自動化,也懂得把 AI 接進產品與流程的人。這段屬於本文根據原始路線圖內容做的職場延伸整理。
A還有一個很務實的提醒:一定要做作品。 作者多次強調,不管是 Python 練習、API 串接、RAG 還是 agent,都不能只停留在看教學,而要真的做出專案、放上 GitHub、部署出去,讓別人能試用。對轉職者來說,這點尤其關鍵。因為當市場上很多人都說自己「會用 AI」,真正能拉開差距的,往往不是上過多少課,而是有沒有做出一個可被驗證的作品。
說到底,這篇路線圖最值得記住的一點是:未來企業需要的,不只是會使用 AI 工具的人,而是能把 AI 做成工作成果的人。對想轉職、想加值、想提升職場競爭力的人來說,與其一開始追逐最新工具,不如先建立一條能走完、也能做出作品的學習路。
---
資料來源
看更多
2 0 2723 1
你可能感興趣的教室