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】
104學習
機器學習建模
透過資料分析與演算法設計，將大量數據轉換成可預測結果的模型，幫助企業做出更準確決策。這項技能能提升自動化程度，優化流程，並挖掘潛在商機，廣泛應用於金融風控、行銷推薦、醫療診斷等領域。擁有此能力的人才在科技、金融與製造業等產業需求高，具備良好的數學、統計基礎與程式設計能力是成功關鍵。
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
人工智慧-機器學習【本課程為線上課，報名後專員會提供上課資訊】
成為 AI 科學家｜機器學習好簡單，輕鬆讓你一手掌握資料科學實作 10 大技巧
最快入門與實作大型語言模型（LLM、DeepSeek）！做中學更輕鬆！
R語言/R-Studio入門─統計分析、資料探勘與機器學習的原理與實戰演練
AI 商業數據與工作應用實戰：分析、報表與決策支援【09/30】
Power BI 資料清理與建模
AI快速完成專業簡報
人資與採購必學！ AI 流程自動化應用實戰工作坊【10/20】
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】
精選證照
考取專業證照，讓能力被市場看見
AIATCE 工程級認證：LLM的行政任務應用
「從演算法開發到模型落地，實踐 AI 解決方案」
工程級認證針對技術開發人員，著重於資料科學實務、模型訓練與系統部署的落地技術，要求應試者具備動手解決真實場域問題的能力。
核心目標：做 AI (Engineering)
適合對象：資訊工程師、資料科學家、AI 研發工程師、數據分析師。
評估範疇：
◆ 核心技術：要求具備程式設計（如 Python）基礎，以及資料處理、機器學習與深度學習的演算法應用能力。
◆ 實戰落地：強調在真實資料集上進行模型的訓練、超參數調優、部署與效能評估等完整工程技能。
◆ 場域解決：必須具備將業務問題轉化為技術問題，並提出有效模型解決方案的能力。
台灣人工智慧學校
NNCSE
NNCSE（國際神經網路與計算科學工程師證照）專為具備人工智慧與神經網路技術應用能力的人才設計，涵蓋機器學習、深度學習及數據分析等核心技能，強調理論與實務結合，適合從事AI系統開發、資料科學及智能自動化領域的專業人士。透過此證照，持有者可展現其在神經網路架構設計、模型訓練與優化的專業素養，提升職場競爭力及跨領域整合能力，符合現今產業數位轉型需求。
Nortel Networks
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
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
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)
人工智慧：機器學習 Python
人工智慧研究如何使機器具有類似人類學習及解決複雜問題、抽象思考、展現創意等能力，是能讓事物變更聰明的科技。其研究範圍包含了：電腦視覺、語音工程、自然語言處理、移動與控制等。做為人工智慧體系的一部分，「機器學習」是一種資料科學的技術，也是實現人工智慧的一種方式，從資料中學習，獲得辨識或預測新進資料的技能，以協助電腦預測未來的行為、結果和趨勢，其技術廣泛應用在不同領域。
財團法人電腦技能基金會TQC+人工智慧：機器學習的題目設計包含：「監督式學習」、「非監督式學習」、「機器學習應用」等必備的知識及技術，運用不同機器學習方法進行實際案例之分析預測。
財團法人中華民國電腦技能基金會
精選貼文，掌握第一手知識
如何用AI分析主管性格？用DISC模型改善向上溝通，應對不同類型上司
用AI分析主管的溝通風格可行嗎？本文介紹如何運用DISC性格模型，判斷主管偏好的溝通方式，並調整彙報、回饋與向上管理策略，讓職場溝通更順暢。節錄自《AI職場溝通力》。
文／紀菲
本文目錄（點擊可快速前往）
懂性格分析的AI，幫你輕鬆應對「百變」上司用AI工具分析主管DISC性格及應用步驟一：蒐集資訊步驟二：利用AI進行分析與回饋步驟三：理解上司的性格步驟四：調整彙報方式步驟五：應用並觀察步驟六：持續改進想分析上司性格，要提供哪些資訊給AI？
懂性格分析的AI，幫你輕鬆應對「百變」上司
在職場上，我們會遇到各種各樣的上司：有的喜歡直來直往，有的喜歡拐彎抹角；有的熱情如火，有的冷靜如水。要想和這些上司打好交道，首先得懂他們！
我有個朋友叫Sam，他在一家公司做專案助理。他的上司王總是個典型的「工作狂」，對工作要求極高。Sam剛就職那陣子，每次彙報工作都小心翼翼地，生怕出一點差錯。但王總似乎總是不太滿意，Sam為此頭疼不已。
有一天，Sam在為一個重要的項目彙報做準備，他知道這將是一次大考。於是，他加班到深夜，把彙報資料做得盡善盡美。第二天，他信心滿滿地走進會議室，結果王總聽了不到5分鐘，就皺起眉頭說：「這些細節我都知道了，直接說重點！」Sam當場就傻眼了，他辛辛苦苦準備的內容就這麼被一句話帶過了。
你看，如果我們不能準確把握上司的性格和溝通風格，那麼我們的努力很可能就會付之東流。
在探索和瞭解他人方面，人類的智慧是無窮的。學者們提出了多種性格分類方法，這些方法可以幫助我們更好地理解他人，更好地與他人溝通。而在職場溝通中，我想給大家介紹一個非常實用的性格分析工具—DISC性格分類模型。這個模型把人的性格分成4種類型：D型（Dominance，支配型）、I型（Influence，影響型）、S型（Steadiness，穩健型）和C型（Compliance，服從型），如下圖所示：
我們可以簡單地這樣記：D老大、I小太陽、S暖寶寶和C小偵探。
D老大：就是那種走路帶風、說一不二的上司。他們目標明確，行動迅速，喜歡掌控全域、直截了當，不喜歡拖泥帶水。
I小太陽：這種人熱情開朗，總是笑容滿面。他們喜歡和人打交道，善於帶動團隊氛圍，鼓勵發揮創意和自由表達。
S暖寶寶：這種人性格溫和，耐心細緻。他們總是默默付出，為團隊提供溫暖和支持，這類上司則更注重團隊的和諧與穩定。
C小偵探：他們邏輯性強，注重細節，總是能發現別人忽略的問題，是團隊中的「糾錯專家」。他們追求完美，對工作品質有極高的要求。
說到這4種性格的人，我腦海裡立刻浮現出《西遊記》。孫悟空就是D老大，戰鬥力「爆表」，喜歡獨當一面；豬八戒就是I小太陽，總能逗大家開心；沙僧則是S暖寶寶，默默付出，不求回報；唐僧就像C小偵探，追求完美、講究細節，如下頁圖所示。
那我們如何應對這幾種性格的上司呢？
遇到D老大，你就得直接點，別繞圈子，有什麼說什麼，別拖拖拉拉的，他們喜歡有決斷力的下屬。
遇到I小太陽，你就得熱情點，多誇誇他們。他們喜歡被人關注和認可，所以你的回饋要及時。
遇到S暖寶寶，你就得耐心點，多聽聽他們的想法。他們雖然話不多，但心裡都有數。
遇到C小偵探，你就得嚴謹點，別出錯。他們眼睛裡容不得一粒沙子，所以你的報告不但要詳細，還需要有深度。
你可能會說：「我知道不同的人有不同的性格，但我不擅長分析別人的性格啊，這可怎麼辦？」不用擔心，有AI幫你，它就像一位高情商的人際管理專家。
用AI工具分析主管DISC性格及應用
比如Adam，他以前總是搞不懂上司的心思。但自從他使用了AI性格分析工具後，一切都發生了翻天覆地的變化。
那Adam具體是怎麼做的呢？
步驟一：蒐集資訊
Adam開始蒐集上司在溝通方面的資訊，包括：上司在團隊郵件中的回覆、上司在會議上的發言、上司寫的報告或工作指導文件。
步驟二：利用AI進行分析與回饋
他將蒐集到的資訊提供給AI，讓AI透過自然語言處理技術來分析上司的語言風格和行為模式。
比如，他可以這樣問AI：
「我們現在面臨的挑戰非常嚴峻。專案進度已經比原計畫落後了整整兩週，這對我們整個季度的業績都有影響。我需要大家立即行動起來，展現出我們團隊的執行力和決心。首先，我要求專案經理立即提供一個詳細的趕工計畫，包括每天的具體任務和預計完成時間。其次，我需要所有團隊成員對自己的工作負責，確保每一步都精確無誤。我們沒有時間再犯錯誤。我不希望再聽到任何關於問題的討論，我需要的是解決方案。如果你遇到障礙，給我一個明確的計畫，告訴我你打算如何解決它。我們的目標是在下個月底前完成這個專案，不要有任何藉口。最後，我需要看到資料，看到進度。每個部門的負責人都要向我報告你們部門的進展情況，以及你們如何確保按時完成任務。我期待大家的表現，讓我們行動起來！」這是我的上司在會議上的發言，請基於這段發言幫我分析上司的DISC性格。
AI回答：
基於您提供的上司在會議上的發言，我們可以嘗試對他的DISC性格進行分析。DISC性格分類模型是一個廣泛使用的性格分析工具，它根據四個主要面向來評估一個人的性格傾向：D（支配型）、I（影響型）、S（穩健型）和C（服從型）。從發言中，我們可以觀察到以下特點：D（支配型）：●強調專案的緊迫性和重要性；●要求立即行動，展現出對結果和效率的重視；●不希望聽到問題，而是直接見到解決方案；●設定明確的目標和期望，即在下個月底前完成專案。I（影響型）：●在這段發言中，上司並沒有特別展現出強烈的影響型特徵，如熱情或鼓勵性的言辭。S（穩健型）：●雖然上司強調了專案的緊迫性，但他並沒有表現出典型的穩健型特徵，如耐心、合作或考慮他人的情感。C（服從型）：●要求專案經理提供詳細的趕工計畫，並需要每個部門報告進展情況；●強調工作推動精確無誤，這反映他對細節和準確性的關注。
基於上述分析，我們可以推斷這位上司的性格傾向於D（支配型）和C（服從型）。他展現出強烈的任務導向性，要求迅速行動、設定明確目標，並關注細節和準確性。他不太注重情感因素或團隊合作等軟性方面，而是更關注結果和效率。
需要注意的是，這種分析是基於一段特定的發言進行的，而人的性格是複雜的，可能在不同情境下展現出不同的特點。因此，這種分析應該被視為一種初步和大致的評估。
在反覆提供不同資訊和AI進行分析討論後，Adam判斷上司很可能是D型。
步驟三：理解上司的性格
Adam又問AI：針對D型上司，如何溝通更有效率？
AI回答：
針對D型上司，要實現高效率溝通，可以考慮以下幾點策略：1.直接和簡潔。D型上司通常喜歡直接、簡潔的溝通方式。因此，在彙報工作、提出問題或尋求回饋時，你應儘量避免冗長和複雜的表述，直接陳述要點，用資料和事實支持你的觀點。2.突出結果和解決方案。D型上司往往關注結果和行動。在與D型上司溝通時，應優先展示你已經取得的成果或計畫達成的目標，並針對問題準備好相應的解決方案，不要只是抱怨或尋求同情。3.尊重上司的時間。D型上司通常時間觀念很強，不喜歡浪費時間。因此，在與其溝通前要確保你的請求或問題是緊急且重要的。同時，在會議或討論中，你應儘量保持高效率和專注，避免進行無關緊要的閒聊。4.保持積極和自信。D型上司通常欣賞下屬積極、自信的態度。在與其溝通時，要表現出你的專業性和自信，同時避免發表過於消極或自我否定的言論。即使你面臨困難或挑戰，也要展現出你正在積極尋找解決方案的態度。5.提供明確和具體的回饋。當D型上司向你提出要求或建議時，你要給予明確和具體的回饋。這有助於他們瞭解你的進展情況和需要的支援。同時，如果你對他們的要求有任何疑問，也要及時提出並尋求澄清。6.瞭解並適應上司的溝通風格。瞭解並適應上司的溝通風格可以幫助你更有效地與他們溝通。透過觀察他們的行為、語言和溝通習慣，你可以逐漸理解他們的期望和需求，並據此調整自己的溝通方式。7.尋求共同點。在溝通中，嘗試找到與D型上司的共同點。這有助於建立聯繫和信任，並使他們更願意聽取你的意見和建議。綜上，要記住，高效率溝通是一個雙向的過程。在努力適應D型上司之溝通風格的同時，也要保持自己的專業性和自信，勇於提出自己的觀點和建議。
步驟四：調整彙報方式
根據AI的回饋，Adam開始調整自己的彙報方式。他學會了在彙報前總結關鍵點，確保每個要點都簡潔有力；他避免進行冗長的解釋，而是直接提供結果和必要的資料支持。在提出問題時，他會同時提供幾個解決方案，並闡述每個方案的利弊。
步驟五：應用並觀察
在下一次與上司的一對一會議中，Adam採用了新的彙報方式。他直接彙報了項目的關鍵成果，並提出了幾個明確的後續行動計畫。Adam注意到上司對他的彙報反應積極，沒有像以前那樣頻繁打斷他，而是認真聽完了他的彙報，並給予了建設性的回饋。
步驟六：持續改進
Adam意識到溝通是一個持續的過程，他決定繼續使用AI來監測上司的反應，並根據需要調整自己的溝通策略。
時間一晃就過去了好幾個月，Adam在這段時間裡截然不同。他和上司的溝通越來越順暢，這讓自己在職場上的形象煥然一新。上司看他這麼能幹，不僅經常找他商量事情，還把更多的重擔交給了他，對他既信任又看重。
想分析上司性格，要提供哪些資訊給AI？
那我們可以蒐集哪些資訊提供給AI，讓AI幫助我們分析上司的性格呢？我幫你整理了一下，具體如下：
郵件：上司在郵件中呈現的語言風格、決策指令和溝通方式都是分析上司性格的關鍵線索。
會議發言：如果可能，蒐集上司在會議中的發言，包括開場白、提出的問題、做出的會議總結等。
工作文件：例如主管撰寫的工作報告、專案計畫書或績效評估報告等文件，能夠體現上司的專業風格和性格傾向。
決策案例：記錄上司在特定情境下做的決策，包括決策的速度、風格和偏好等。
回饋和評價：上司在工作中給予的回饋和評價，尤其是上司提出的批評和建議。
日常交流內容：在日常工作中，上司與同事的非正式交流內容，如休息時的聊天內容。
演講：上司公開演講的影片也能為分析上司的性格提供線索。
任務分配方式：上司分配任務的方式也能反映其性格特徵。
最後，溫馨提示一下，人的性格複雜多變，不是一兩個詞就能概括的。比如，一個人平時看起來挺果斷，做事雷厲風行，但處理一些講究細節的問題時，他又能慢得下來。所以，借助AI分析上司的性格時，別指望一次就能分析得徹底，可以多分析幾次，嘗試不同的AI工具。
跟上司打交道，別急著給他們貼標籤，我們得多觀察，多瞭解他們的性格，然後據此調整我們說話做事的方式。要是覺得與上司的溝通不太順暢，就要及時改變溝通策略，在不斷調整的過程中，我們和上司的溝通肯定能越來越順暢。
節錄自：商周出版《AI職場溝通力：讓你在彙報、面試、提案中一開口就說服人．AI時代不被淘汰的職場溝通學》／紀菲 著
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。
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
4個不該再用AI工具做報告的真相！推薦AI Agent生成簡報，自動化任務：找資料、圖表分析、PPT設計
文 /職迷不霧
用 AI 工具像 Gamma 、 ChatGPT 做報告是多數人的推薦💻 雖然可以快速生成簡報 PPT ，但內容和資料的品質真的有符合你的標準嗎？是不是還要花很多時間編輯？終於，全球首款 AI 代理 Manus 來了👏 你有更專業的選擇！這篇文章要用 AI 簡報工具的 4 大真相來對比 AI Agent 厲害的自動化任務
4 個不該再用 AI 工具做報告的真相（點擊快速抵達）
真相1. AI 簡報工具內容完整度不足
真相2. AI 生成的圖片與報告關聯性低
真相3. 文筆「AI味」暴露不像人寫的
真相4. 下載PPT會跑版，還有浮水印
剛好迷編我這週要做競業分析，我就用一樣的指令，同時請 AI 簡報工具與 AI Agent 幫我製作簡報 請幫這個IG：https://www.instagram.com/career_noloss?igsh=eHI0cnYwd2JqaXo1&utm_source=qr 做競業IG分析，比較對象要有3個IG帳號 先來看看第一個血淋淋的比較👇👇👇
真相1. AI 簡報工具內容完整度不足
為了讓看報告的人可以快速理解，通常簡報一開始的目錄與前言說明是很重要的！可以很明顯的看到 AI 簡報工具（左）只有粗淺的一段話介紹，而 AI Agent（右） 能寫出有邏輯的目錄，還幫我自動生成研究背景、研究目標與方法🔍，沒想到只要我一句簡單的話，然後附上 IG 連結，他就可以寫得這麼詳細！在沒有讓他接管登入我 IG 帳號的情況下，可以做到這種程度真的很厲害呢👏
而且我確認過了， AI Agent 找出來的資料都是最新、正確的數據！
同時我也測試了其他 AI 簡報工具...超殘酷......有些甚至沒有讀取 IG 網址的能力😭😭😭
點擊快速回目錄⤴
真相2. AI 生成的圖片與報告關聯性低
這一頁是在分析我經營的職迷不霧 IG 與其他競業 IG 的比較，AI 簡報工具（左）用 AI 繪圖生成了一張意義不明的照片，看似漂亮實則沒有幫助👎。在簡報中，放圖片是為了幫助讀者理解和加強記憶，是文字很重要的視覺輔助，別為了填滿空白而塞進與主題無關的圖片～這樣會讓簡報扣分喔～反觀，AI Agent（右）不僅圖文相符，還畫出了可參考的數據圖表，我一眼就能看出重點👀：四個帳號的比較分析、內容特性差異與綜合洞察
這是 Manus 在簡報中自動幫我生成不同款式的圖表，資料給的很完整，就是我需要的！資訊也都正確，我可以直接拿來用不用改！
點擊快速回目錄⤴
真相3. 文筆「AI味」暴露不像人寫的
聊天機器人剛問世的時候，許多人都在擔心作家、文案寫手會被取代，但透過這一年間人們的大量使用，已經有專家盤點出用 ChatGPT 寫文的特徵，比如：重複出現相同的句型、過多不必要的連接詞、立場太過於中立...等等，這些缺陷就是我們常說的「 AI 味」 🤖。就算不是專家，只要每天在社群刷貼文的人，或多或少都能識別出某些貼文是 AI 寫的還是真人寫的。
而目前 AI 簡報工具也存在這樣的問題，以優劣分析這頁來說，就看到固定格式的句型「專業度高」、「實用性強」、「更新頻率高」，雖然 AI Agent 也是有一點點這種感覺，但至少看得出來他有在換句話說了，比如：，還會加上一點人類會說的字詞「可能」、「找出」...等等，讓文法看起來不那麼生硬✏️，不過迷編還是建議要自己再做潤飾調整喔～
點擊快速回目錄⤴
真相4. 下載PPT會跑版，還有浮水印
請 AI 幫忙做報告就是要省時省力，但往往 AI 簡報工具將檔案轉換成 PPT 格式後就嚴重跑版，甚至還有些投影片直接變成一張無法編輯的 JPG 圖片😭 最後反而花了更多時間做修修改改。改用 AI Agent 之後，輸出 PPT 跑版的問題減少很多，簡報中的 icon 圖示、色塊、頁碼都還可以再自己編輯調整，重點是沒。有。浮。水。印！
點擊快速回目錄⤴
看完 AI 工具和 AI Agent 的殘酷比較後，對 AI 代理的認識是不是又更進一步了呢😊 如果你對迷編使用的 AI Agent 很感興趣，可以試試 Manus AI ～ 現在就拿它來做報告吧！如果今天的文章有幫助到你，點這裡追蹤職迷不霧💗 我們是分享 AI & 職場成長內容的 IG ，幫助你天天偷學一點！加薪多一點！
其實在經營社群之前......原本我對工作很迷惘，後來因為好玩學 AI ，練就 AI 技能！！沒想到有天，我在網路上看到自己的職涯地圖...就這樣換到超讚😍薪水更高的新工作 現在每天上班都好開心！！如果你想換工作的話，可以試試看我用的 職涯規劃工具🧚～目前還不用錢，趕快用！！
作者：職迷不霧點我追蹤職迷不霧 IG ❤️❤️❤️
延伸閱讀：【AI做報告】4個超推薦AI報告工具！幫你生成報告、找文獻、做簡報PPT、套設計模板必備【AI聊天機器人】推薦選哪個？4大AI比較！馬上找到適合的AI助手：ChatGPT、Grok、Gemini、Deepseek【AI懶人包】看這篇就夠！2025推薦AI免費vs訂閱工具大全，提高工作生產力&職場競爭力！（持續更新)
數位化行為改變技術與遊戲化應用 行為改變技術 大葉大學國企系
數位化行為改變技術與遊戲化應用 行為改變技術 大葉大學國企系
一、章節導言
隨著數位科技與行動裝置普及，行為改變技術已廣泛結合 數位工具與遊戲化元素，以提高參與度、動機與持續性。本章將介紹數位化行為改變技術的概念、遊戲化設計原則、應用方法與實務案例，幫助學生理解如何在數位環境中有效促進行為改變。
二、數位化行為改變技術概念
1. 數位化行為改變技術（Digital Behavior Change Techniques, DBCT）
o 將傳統行為改變技術（如自我監控、社會支持、目標設定）轉化為數位形式，例如 App、穿戴裝置或線上平台。
o 優勢：可即時追蹤、提供反饋、低成本、擴散速度快。
2. 核心功能
o 即時監控：App 或穿戴裝置記錄行為數據，如步數、運動時間、睡眠時長。
o 反饋提示：根據數據提供個人化建議或提醒。
o 社群互動：線上社群、排行榜、分享功能增強社會支持。
o 目標設定與追蹤：數位平台可設定階段目標與進度追蹤。
o 激勵與獎勵：數位徽章、積分、排名或兌換獎勵。
三、遊戲化應用原則
1. 遊戲化（Gamification）定義
o 在非遊戲情境中，運用遊戲設計元素來提高行為參與與動機。
2. 主要遊戲化元素
o 積分（Points）：行為完成後累積積分，建立成就感。
o 徽章（Badges）：達成特定行為或目標時獲得徽章，提供象徵性認可。
o 排行榜（Leaderboards）：社群內行為比較，激發競爭或合作動機。
o 任務與挑戰（Quests & Challenges）：設計階段目標與挑戰，增加目標感與挑戰感。
o 即時反饋（Immediate Feedback）：即時告知使用者行為結果，增強自我效能感。
3. 遊戲化設計原則
o 目標明確：每個遊戲元素應與行為改變目標直接相關。
o 動機匹配：結合內在動機（自我成長）與外在動機（積分、獎勵）。
o 可持續性：設計長期挑戰與階段目標，避免初期興奮消退後流失。
o 社群互動：設計排行榜、團隊任務或社群互動，強化社會支持。
四、數位化行為改變技術應用流程
（一）需求分析
1. 確定目標行為（如運動、飲食、學習、環保行為）。
2. 調查目標族群使用數位平台的習慣、偏好與可接受性。
（二）技術選擇與遊戲化設計
1. 選擇數位化技術工具：App、穿戴裝置、線上平台。
2. 設計遊戲化元素：積分、徽章、排行榜、任務挑戰、即時反饋。
3. 確保元素與行為目標對齊，並結合內外在動機。
（三）實施計畫
1. 時間安排：階段性目標與長期挑戰規劃。
2. 資源配置：開發或選用數位平台、設定社群管理與數據分析。
3. 執行方式：線上推播通知、App 推薦、社群互動引導。
（四）效果評估
1. 數據追蹤：使用者行為次數、完成率、挑戰達成率、社群互動數據。
2. 問卷與心理指標：動機、自我效能、滿意度調查。
3. 前後測對比與控制組設計，分析干預效果。
五、章末重點整理
1. 數位化行為改變技術能將傳統技術轉化為可即時追蹤、互動與激勵的數位形式。
2. 遊戲化透過積分、徽章、排行榜、任務與即時反饋，提升參與動機與行為持續性。
3. 設計數位化專案需結合需求分析、技術選擇、遊戲化元素、實施計畫與效果評估。
4. 社群互動與內外在動機匹配是數位化行為改變成功的重要因素。
六、討論題
1. 選擇一個日常行為（如運動、學習或飲食），設計數位化干預方案，並納入至少三種遊戲化元素。
2. 討論內在動機與外在動機在數位化遊戲化設計中的作用與平衡。
3. 如何利用社群互動與排行榜設計，提高亞洲大學生對數位化行為改變專案的參與率？
七、案例分析
案例 6-1：校園健康運動 App 與遊戲化干預專案
• 背景：某大學學生運動不足，平均每週運動次數低於 1 次。
• 專案設計：
1. 數位化技術：運動打卡 App，結合穿戴裝置步數監控
2. 遊戲化元素：
積分：完成每日運動任務累積積分
徽章：達成週運動目標獲得徽章
排行榜：班級間比賽排行榜，激發團隊互動
任務挑戰：設定階段性目標，完成小挑戰獲得額外獎勵
3. 社群互動：App 內留言與分享功能
• 效果評估：
o 八週後平均運動次數提升至 3.5 次/週
o 自我效能問卷得分提升 28%
o 社群互動頻率與運動完成率呈正相關
• 分析重點：數位化技術與遊戲化設計結合，可提升行為參與度與持續性；社群互動在亞洲文化中增強了集體動機效果。
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
問卷設計用AI怎麼做？Gemini輔助6步驟完成Google表單、自動分析結果
市場調查是很專業的工作，不過如果只是小規模的市調，也可以用AI工具幫忙設計，好處是可以快速獲得方向跟靈感，節省憑空構思問題的時間！作者以Gemini示範如何快速完成Google表單問卷，以及運用AI統計問卷結果並加以分析。本文節錄自《最強！Google AI 工作術》。
文／蔡宜坦、施威銘研究室
本文目錄（點擊可快速前往）
問卷設計快速生成！請AI幫忙設計問卷內容如何把準備好的問卷題目製作成Google表單？Google問卷表單回覆怎麼看？讓AI幫你深入分析問卷結果
企業若能掌握消費者的消費意向，便能推出更符合需求的產品或服務。想要了解消費者的需求與意願，最常見的方法就是做「市場調查」，例如新品試用調查、滿意度調查等，這些方式都能獲取消費者最真實的意見回饋。
然而，市場調查是很專業的工作，涉及問題分析、抽樣方法、樣本規模、問卷設計、問卷發放、問卷回收與結果分析等，每個環節都要謹慎處理，以免誤差影響分析結果。市面上有許多公司提供線上市調服務，但是大部分都需要付費。其實如果只是小規模的市調，也可以用AI工具幫忙設計，不僅如此，AI還能統計問卷結果並加以分析，會成為你的市調好幫手！這一節我們就要實做用AI協助做線上市調問卷的過程。
使用AI：
Gemini：https://gemini.google.com/
問卷設計快速生成！請AI幫忙設計問卷內容
假設你已經想好問卷的目標，例如想要問消費者對新產品的購買意願、想要調查某活動的滿意度等，在設計問卷時，就可以透過提示詞告訴AI你想做什麼，讓AI協助生成相關的問題。
下面就以「市集活動滿意度調查」為例，我們要請AI擬出10個問題，詢問消費者對活動中每個環節的滿意度，作為下次辦活動的參考：
【提示詞】幫忙設計〔問卷主題〕問卷要收集〔填入收集資料〕，可以參與問卷填寫後的〔填寫後提供獎勵或進一步互動方式〕我想知道〔描述目標使用者〕的顧客對於〔可輸入更多想提問的項目〕的滿意度和印象好（或不好）的地方請設計〔指定生成數量〕個題目
圖／旗標科技《最強！Google AI 工作術》
輸入提示詞後，AI馬上就做出一份問卷，包含問卷標題、問卷前言、還有10個題目的問答項目。像這樣請AI製作問卷，好處是可以快速獲得方向跟靈感，而且AI整理的問題有明確的架構，例如它先問活動體驗，再問回饋建議，最後才是填寫抽獎資料，這已經具備基本的問卷架構，可以節省憑空構思問題的時間。你也可以再請AI調整或是自行增減項目，製作出更符合需求的問卷。
【問卷設計】GEMINI生成結果：
包括：問卷標題、問卷前言（簡介問卷內容和說明獎勵機制），可提升受訪者的參與意願
圖／旗標科技《最強！Google AI 工作術》
擬出十個問題（節錄）
圖／旗標科技《最強！Google AI 工作術》
如何把準備好的問卷題目製作成Google表單？
假設AI產生的問卷題目大致符合需求，接著就要將題目製作成可正式發布的問卷。目前大多數線上市調都是以Google表單製作的，如果你從來沒有製作問卷的經驗，也可以請AI教你製作步驟，下面就為你示範（如果你對Google表單已經很熟悉，即可略過此部份的說明）。
1. 直接請AI教我們做：AI馬上列出操作步驟，跟著步驟即可將問卷內容建立成Google表單。由於前面已經請AI準備好題目，可以在設定題目時派上用場。
【提示詞】可以教我如何將問卷內容轉換成Google表單嗎？
圖／旗標科技《最強！Google AI 工作術》
2. 登入並新建Google表單：試著按照AI第1個步驟的說明，進入Google表單網頁：https://docs. google.com/forms/。進入Google表單後，會看到一個「+」鈕，按下此鈕就可以建立新表單，要在登入狀態才能使用這功能。
圖／旗標科技《最強！Google AI 工作術》
3. 輸入表單標題及說明：接著會進入「未命名表單」的填寫畫面，請依序輸入表單標題與問題/答案。只要將剛剛AI寫的內容依序複製過來即可。
選取並複製問卷標題，貼到表單標題欄位（可再自行修改）
選取並複製問卷前言，貼到表單說明欄位（可再自行修改）
圖／旗標科技《最強！Google AI 工作術》
4. 輸入表單問題及答案：接著開始輸入問卷中的問題／答案。之前AI已經幫我們把問題列好，直接複製到Google表單中即可，你當然也可以繼續視狀況調整。
複製AI寫好的問卷問題，將問卷的問題貼到表單中
選擇「評分」，就會自動出現五個星等的選項
按此「+」按鈕可以繼續新增下一個問題
圖／旗標科技《最強！Google AI 工作術》
5. 完成後選擇發布：請繼續依照相同的操作，陸續以AI生成的問卷內容為基礎，複製到Google表單，並視需求修改文字內容，表單內容會自動儲存在Google的雲端硬碟裡。最後，按下右上角的發布鈕，即可完成問卷的製作。
按下「發布」按鈕
目前設定是只有知道連結的使用者才能進入問卷頁面，再次按下「發布」鈕即可
圖／旗標科技《最強！Google AI 工作術》
6. 取得問卷連結：問卷發布後，我們只要取得這份問卷的連結，即可分享出去，比如將問卷網址置入社群網站或是電子報，邀請別人來填寫這份問卷。
已經發布的表單，這裡的發布鈕會變成「已發布」鈕，請按一下
圖／旗標科技《最強！Google AI 工作術》
按「複製作答者連結」按鈕。你可以勾選縮短網址項目，讓網址更簡短好記。按複製即可複製此問卷的連結，接下來就可以把這個連結分享給目標消費者了。最後按「儲存」鈕。
圖／旗標科技《最強！Google AI 工作術》
Google問卷表單回覆怎麼看？讓AI幫你深入分析問卷結果
延續前一節的內容，當顧客填完問卷後，可以等累積到一定的量（樣本數），再開始統計資料，以便從數據中統整出有價值的資訊。本節我們要先從Google問卷表單中取出顧客的回覆資料，接著就可以請AI來統計和分析問卷的結果了。
瀏覽Google問卷結果並另存新檔
問卷調查進行一段時間後，當你登入Google表單，切換到回覆頁次，即可瀏覽顧客的回覆。為了方便後續用AI分析結果，我們要將問卷結果匯出成Excel試算表檔案。
切換到「回覆」頁次可查看顧客的回覆。按下「在試算表中查看」即可自動將問卷結果匯出成試算表，點擊「建立」。
接著會自動開啟Google試算表，請執行「檔案 / 下載 / Microsoft Excel（.xlsx）」命令，將檔案儲存成Excel格式，並下載到電腦裡
圖／旗標科技《最強！Google AI 工作術》
提醒：如果下載的是逗號分隔值檔案（.csv），表單中有些中文字會變成亂碼，因此建議儲存為Excel檔。
請AI分析問卷結果
前面我們已經準備好問卷回覆的統計表（Excel 格式 /.xlsx），接下來只要把檔案丟給AI，就可以請AI幫我們分析了，非常方便！
【提示詞】協助分析活動的優缺點
直接把檔案丟給AI，請AI分析活動的優缺點。AI馬上做出優缺點分析報告，你可以看到整體評分、優缺點、改進建議等細節，也可以繼續發問，和AI討論怎麼做會更好
圖／旗標科技《最強！Google AI 工作術》
從這一章就可以知道，以前需要想破頭的文案，還有費時費力的問卷調查與分析工作，現在已經可以靠AI節省大把時間囉！就連研究報告也可以讓AI助你一臂之力喔！
節錄自：旗標科技《最強！Google AI 工作術：以 Gemini 3 為核心，串聯 NotebookLM 與滿滿 AI 工具, 搞定資料分析、簡報製作、 教育訓練等日常工作》／蔡宜坦、施威銘研究室 著
推薦閱讀：
搞定會議紀錄！AI語音轉逐字稿怎麼做？NotebookLM、Gemini操作解析
AI生成簡報工具怎麼選？Gamma、Felo、NotebookLM等6大AI工具推薦
如何用AI準備證照考試？NotebookLM學習備考超實用5步驟完整解析
行為改變技術的未來趨勢與創新應用 行為改變技術 大葉大學國企系
行為改變技術的未來趨勢與創新應用 行為改變技術 大葉大學國企系
一、章節導言
行為改變技術隨科技進步、社會需求與文化演變而不斷創新。未來趨勢不僅涉及數位化與遊戲化進一步深化，還包括 人工智慧（AI）、大數據分析、虛擬實境（VR）與元宇宙（Metaverse）應用，以及跨領域整合與個人化策略。本章將介紹行為改變技術的前沿發展，幫助學生了解未來研究與實務方向。
二、人工智慧與大數據在行為改變中的應用
1. 人工智慧輔助行為分析
o 利用機器學習分析行為模式、預測行為偏差，提供個人化建議。
o 範例：健康管理 App 根據運動與飲食資料，智能生成每週運動計畫。
2. 大數據支持策略設計
o 收集大量行為、社群互動與環境數據，分析有效策略。
o 可進行群體行為模式分析，優化干預設計。
3. 個人化干預（Personalized Interventions）
o AI 可依據使用者行為特徵、動機與偏好，調整提醒頻率、激勵方式與挑戰難度。
o 優勢：提升行為改變效率與持續性。
三、虛擬實境（VR）與擴增實境（AR）應用
1. 沉浸式行為訓練
o VR 提供真實情境模擬，增加行為練習與學習效果。
o 範例：模擬安全行為、減壓訓練、運動課程。
2. 互動式環境設計
o AR 可將行為目標融入現實環境，提供即時互動與反饋。
o 範例：AR 手機應用提示垃圾分類或節能行為。
四、元宇宙與沉浸式社群行為改變
1. 元宇宙環境特點
o 虛擬世界提供沉浸式社群互動、角色扮演與模擬任務。
2. 應用於行為改變
o 健康生活遊戲：虛擬角色運動任務與團隊挑戰
o 教育與學習：虛擬課堂、互動學習任務
o 社會環保活動：虛擬任務與實際行為結合，如回收兌換積分
3. 優勢與挑戰
o 優勢：高度互動、可跨地域實施、激發社群動機
o 挑戰：技術成本、數據隱私、行為轉移到現實的可持續性
五、跨領域整合與創新應用
1. 健康 × 教育 × 環境跨界專案
o 將健康運動、飲食、學習與環保行為結合，設計全方位生活改善方案。
o 例：校園生活平台，結合運動打卡、健康餐點選擇與低碳出行積分系統。
2. 智慧城市與行為改變
o 利用 IoT、智慧裝置與大數據，設計城市層級行為干預。
o 範例：智慧垃圾桶、自動步行計數與能耗監控，提供個人與社區反饋。
3. 心理學與神經科學結合
o 採用腦波、情緒監測技術設計行為干預，提升自我效能與內在動機。
六、章末重點整理
1. 行為改變技術正向數位化、遊戲化、AI 與元宇宙方向發展。
2. 人工智慧與大數據可提供個人化、精準化干預。
3. VR、AR 與元宇宙提供沉浸式體驗與社群互動，提高學習與行為改變效果。
4. 跨領域整合是未來行為改變技術創新應用的重要方向。
5. 技術創新需考慮可持續性、文化適配、隱私與倫理挑戰。
七、討論題
1. 討論人工智慧與大數據如何提升行為改變專案的精準化與效率，並分析可能的風險。
2. 設計一個元宇宙或 VR 應用專案，用於提升健康或教育行為，並說明其可行性與限制。
3. 如何結合跨領域資源（健康、教育、環境、數位科技），設計全方位行為改變方案？
八、案例分析
案例 8-1：AI 與遊戲化結合的校園健康生活專案
• 背景：某大學希望提升學生運動與健康餐飲行為。
• 專案設計：
1. 數位化與 AI：運動與飲食 App，自動分析學生行為模式，提供個人化提醒
2. 遊戲化元素：積分、徽章、排行榜、任務挑戰
3. 沉浸式社群互動：線上挑戰與虛擬角色扮演任務
4. 跨領域整合：健康運動、飲食選擇、低碳出行積分系統
• 效果：三個月後，學生運動次數平均提升 40%，健康餐點選擇率提升至 75%，社群互動活躍。
• 分析重點：AI、遊戲化與跨領域整合有效提升行為改變效果，但需持續監測行為維持與文化適配。
從精密加工到模具開發——新北高工模具科：打造工業之母的專業技術工程師
從孩子手中的樂高積木、日常使用的手機殼，到汽車零件與精密電子產品，這些看似毫不相關的物品，背後卻有著共同的製造關鍵——模具。模具不僅決定產品的外型與精度，更是大量生產不可或缺的技術，因此被譽為「工業之母」。走進新北高工模具科，從傳統車床、銑床到高階五軸加工機與塑膠射出設備，學生不只學習操作機械，更要從設計圖面出發，親手完成精密零件，甚至開發自己的產品。
從台積電工程師到技職教師，洪宜芳主任的教育之路
新北高工模具科主任洪宜芳，畢業於國立中央大學機械研究所，並取得國立臺灣師範大學博士學位。投入教職前，他曾在台積電擔任五年製程工程師，累積半導體產業的實務經驗。談起轉換跑道的契機，來自求學時期深受高職導師蔡秋明的啟發，讓他始終對教育工作懷有熱忱，最終決定離開科技業，投入技職教育，至今已在新北高工任教約15年。
樂高積木怎麼做出來？揭開「工業之母」的秘密
「你能無時無刻在家享受著模具帶來的便利，但家裡卻不會擺任何一副模具。」洪主任用一句話，道出模具產業與生活的緊密關係。
他以樂高積木為例，想要大量生產尺寸一致、能夠精準組裝的積木，就必須先製作模具，再透過製造程序生產。無論是寶特瓶瓶蓋、眼鏡框，還是各式3C產品零件，背後都可能運用模具技術。
因此，模具科不只是學習金屬加工，更要理解如何將產品構想轉換為設計圖面，經過精密加工、組裝與測試，打造符合規格的模具。
三年課程循序漸進，從機械製圖到產品開發
新北高工模具科的課程採取由淺入深的學習方式。高一著重機械製圖與基礎加工，學生先學會閱讀圖面、理解尺寸與空間關係，再透過車床、銑床、磨床、鑽床及基礎銲接等實習，將設計轉化為實體零件。
高二進階學習CNC數值控制加工，接觸電腦輔助製造（CAM），將設計轉換為機器能執行的加工指令，提升加工效率與精度。
高三則整合三年所學，投入模具製作與專題實作，並依興趣選擇模具設計、數控加工、沖壓模具或塑膠模具等實習方向，逐步完成模具開發與組裝。
圖片：學生模具作品
全國高職首臺五軸加工機，挑戰高階精密製造
新北高工模具科的一大特色，就是五軸加工技術。洪主任介紹，學校早在民國98年便引進全國高職首臺五軸加工機，當時設備價值約700萬元。
相較於一般三軸CNC銑床，五軸加工機增加兩個軸向旋轉運動，能從更多角度加工複雜的立體工件。學生須先具備三軸加工基礎，才能在高三進一步學習高階加工技術。
此外，模具科也開設機械手臂選修課程，提供機械群學生接觸自動化技術的機會，拓展AI智慧製造的學習視野。
圖片：五軸加工機設備機臺
模具結合電機技術，跨領域專題屢創佳績
模具製造不只需要機械加工，也能與電機控制技術結合。洪主任分享，模具科經常與電機科合作專題，由模具科負責機構設計與零件製作，電機科則運用電控專業，讓作品具備自動化功能。
例如，曾有五位學生組成跨科團隊，結合PLC可程式控制器與機械搬運概念，完成自動化相關專題，並在全國專題實作競賽獲得佳作。
透過跨領域合作，學生不僅能發揮各自的專業優勢，也能提早體驗產業中不同技術分工協作的模式。
從黑皮料到精密成品，陳同學找到實作成就感
對高二陳同學而言，選擇模具科的契機，除了學校距離住家較近，也受到學校官網介紹影片及新穎設備的吸引。
然而，剛入學時，她對工廠實習其實有些抗拒。「一開始會覺得進工場手會黑，而且工場沒有冷氣。」但隨著逐漸熟悉加工技術，想法也慢慢改變。
最讓她有成就感的是高一的模具基礎實習。從原本的黑皮料開始，經過加工、量測與修正，最後完成符合尺寸、能夠組裝的作品。
過程中也曾遇到挫折。陳同學坦言，剛開始不熟悉X、Y、Z軸與尺寸計算，一個數值出錯，就可能讓整件作品不符合要求，甚至曾因此拿到不及格的成績。所幸在老師帶領下，透過反覆練習與量測，她逐漸掌握技巧，也從原本的抗拒，轉變為享受完成作品的成就感。
三年挑戰四張證照，世界金牌教練培育專業人才
專業證照是新北高工模具科的重要培育方向。洪主任說明，學生高一可報考模具工丙級，高二挑戰銑床相關丙級證照；高三則能依興趣與能力，進一步報考CNC銑床及塑膠模具乙級證照。學校也安排假日輔導課程，協助學生累積實作經驗。
除了證照培訓，科內更有曾獲世界技能競賽金牌的教師投入選手培育。學生從高一便有機會參與課後訓練，經過選拔與長期培訓，逐步挑戰全國技能競賽及工業類科學生技藝競賽。
洪主任認為，成為優秀選手不只需要技術，更需要耐心、自律與抗壓能力，才能在反覆練習中持續突破。
圖片：模具科選手培訓室
不只當模具工程師，升學與職涯選擇更多元
模具科畢業後，並不只能就讀模具相關科系。洪主任說明，學生可選擇機械工程、機電工程、模具工程等領域，未來投入精密加工、產品製造、模具設計，甚至半導體產業，擔任設備或製程工程師；也有學生接手家族工廠，朝創業與經營管理發展。
喜歡動手做、好奇產品如何誕生？模具科等你來挑戰
什麼樣的學生適合就讀模具科？洪主任認為，只要對動手實作有興趣，喜歡研究物品如何製造，或具備基本空間概念，都很適合嘗試。雖然機械製圖需要立體想像能力，加工也涉及基礎數學計算，但這些能力都能透過課程與實作逐步培養。
從一張設計圖、一塊金屬材料，到精密零件與完整模具，新北高工模具科讓學生在三年學習中，逐步累積專業技術，也為未來升學、就業與產品創新開啟更多可能。
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的主要功能Hooks、Skills、MCP、排程都學了，工作卻沒有變輕鬆？作者提醒「工具≠系統」，提供教師、工程師、研究者3種範本與藍圖模板，帶你用Claude Code設計專屬的AI工作系統。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）
工具學完了，系統還沒設計步驟1：盤點你的工作類型步驟2：3種典型使用者的系統設計步驟3：設計你的專屬藍圖步驟4：產出藍圖文件範例：王老師的AI工作流藍圖（教師版成品）
使用工具：Claude Code（需付費方案，免費版不能用）
安裝說明：Claude Code官方安裝說明
不想用終端機：下載電腦版，直接在桌面程式中使用Claude Code
工具學完了，系統還沒設計
學完Claude Code的所有主要功能，但工具≠系統——系統是「哪些任務由哪個工具負責、在什麼條件下自動觸發」的完整答案：
工具系統學了Hooks知道要攔截哪些操作、在哪些專案啟用學了Skills知道要建立哪些技能來服務你最常見的任務學了排程知道要讓哪些工作自動化、每週/每日跑什麼學了MCP知道要接哪些外部服務、接了之後做什麼
本章幫你把工具組裝成系統。
（圖／博碩出版《Claude Code全攻略》）
用詞約定：本章說的「排程任務」有兩種實作——官方Routines（Anthropic的雲端排程代理，/schedule建立）與本書自製排程框架（~/claude-routines/目錄＋系統排程器）。藍圖裡只要寫清楚用哪一種即可，兩者可混用。
設計系統的心態，也跟著模型在變。早期用AI靠的是「寫一個好prompt換一個好答案」；到了Fable 5這種能長時間自主運作的模型，重點變成「設計一套能讓Claude自我修正、環環相扣的系統」。
步驟1：盤點你的工作類型
在Claude Code中輸入：
請幫我進行一個 AI 工作系統設計諮詢。
首先，請問我以下問題，一次問一個，等我回答後再問下一個：
1. 你的主要工作或學習領域是什麼？
2. 你每天最重複、最耗時的 3 個任務是什麼？
3. 你目前最大的工作痛點是什麼？
4. 你的技術背景如何（純文字使用者/ 會寫基本腳本/ 程式開發者）？
根據我的回答，你會幫我設計一套 AI 工作流藍圖。
（圖／博碩出版《Claude Code全攻略》）
驗證點：Claude一次只問一題、等你回答才問下一題；4題答完後它主動給出初版藍圖草稿。
步驟2：3種典型使用者的系統設計
根據不同角色，這裡提供3個系統設計範本供參考。範本中出現的/summarize、/apa等都是自訂指令，不是內建指令。
（圖／博碩出版《Claude Code全攻略》）
範本A：教師/教育工作者
痛點：備課耗時、作業批改量大、每學期重複建立相同格式的文件
教師 AI 工作系統
每日自動（排程任務）：
morning-brief：
- 整理今日課程材料
- 生成當天課堂提問清單
每週自動（排程任務）：
assignment-review：
- 掃描收到的作業資料夾
- 批量生成評語草稿（教師審核後使用）
MCP 連接：
- Google Drive：讀取課程資料
- Slack/LINE Bot：與學生互動
常用 Skills：
- lesson-plan：生成課程計畫書
- quiz-generator：根據教材生成選擇題
- feedback-writer：生成個性化學生回饋
常用 Slash Commands（自訂指令）：
- /summarize：摘要一份教材
- /translate：翻譯英文資料
範本B：獨立開發者/工程師
痛點：Code Review費時、文件欠缺、重複性的設定和樣板程式碼
工程師 AI 工作系統
每日自動（排程任務）：
code-health：
- 掃描新增的 TODO/FIXME
- 報告昨日 commit 的簡短摘要
每 PR 自動（GitHub Actions）：
- Claude 自動審查並留言
MCP 連接：
- GitHub：PR 審查、Issue 管理
- SQLite/PostgreSQL：資料庫查詢
Hooks：
- PreToolUse：攔截 rm -rf 等危險指令
- Stop：任務完成提示音
常用 Skills：
- auto-commit：生成 commit 訊息
- my-code-review：結構化程式碼審查
- doc-writer：生成函式文件
CLAUDE.md：
- 語言：繁體中文
- 程式碼風格：PEP8 / Google Style
- 禁止：直接執行生產環境的 DELETE 語句
範本C：研究者/寫作者
痛點：資料整理耗時、格式不一致、報告撰寫耗費大量時間
研究者 AI 工作系統
每次執行（Script）：
research-pipeline：
- 輸入主題 → 自動生成報告草稿
- 輸出 Markdown + Word
每週自動（排程任務）：
weekly-digest：
- 每週整理本週閱讀的文章摘要
- 輸出一份「本週閱讀摘要」
常用 Skills：
- summarize-long：摘要長文
- rewrite：改寫語氣/ 格式
- reference-formatter：整理引用文獻格式
常用 Slash Commands（自訂指令）：
- /apa：轉換成 APA 格式
- /abstract：生成摘要
- /expand：擴充段落
步驟3：設計你的專屬藍圖
根據你的工作類型，用Claude Code幫你填入細節：
根據我的工作情境（[填入你的工作領域]），
請幫我設計一份完整的 AI 工作流藍圖，格式如下：
## 我的 AI 工作系統藍圖
### 🎯 設計目標
（節省時間在哪些地方？提升品質在哪些地方？）
### 📋 工作盤點表
| 高頻任務 | 目前耗時/ 週 | 自動化方式 | 預估節省 |
### 📅 自動化排程
| 頻率 | 任務名稱 | 做什麼 | 技術實作（官方 Routines / 自製 cron） |
### 🔌 MCP 連接
| 服務 | 用途 | 優先級 |
### 🎪 Skills 清單
| Skill 名稱 | 觸發情境（寫進 description） | 功能 |
### ⌨ Slash Commands（自訂指令）
| 指令 | 功能 |
### 🔒 Hooks 設定
| 時機 | 觸發條件 | 做什麼 |
### 📋 CLAUDE.md 核心設定
（語言偏好、工作風格、禁止事項）
### 🔁 月度回顧（每月一次，直接回答這五題）
1. 哪個 Skill 最常用？（值得繼續維護）
2. 哪個 Skill 完全沒用？（可以移除或重構）
3. 有沒有重複做某件事超過 3 次？（應該自動化）
4. 有沒有哪個回答讓我覺得「它不夠了解我的情境」？（改 CLAUDE.md）
5. 這個月的費用/ 額度花在哪裡最多？（是否值得？）
### 🗓️ 實施計畫（今明後三步）
今天：（可以立刻做的）
本週：（這週內完成的）
本月：（一個月內建立的）
把「月度回顧」直接寫進藍圖，而不是另外記在腦子裡——這樣藍圖本身就內建了讓系統持續進化的機制。
步驟4：產出藍圖文件
讓Claude Code直接把藍圖寫成Markdown檔案：
請把我們剛才設計的 AI 工作流藍圖，
存成一個 ai-workflow-blueprint.md 文件，
放在 ~/Desktop/ai-workflow-blueprint.md。
同時加入今明後三步的具體實施計畫。
（圖／博碩出版《Claude Code全攻略》）
範例：王老師的AI工作流藍圖（教師版成品）
空白模板不好想像，下面是一位國中資訊老師照「步驟1～4」做完後的完整成品，可以直接拿去改：
# 王老師的 AI 工作系統藍圖（2026-07 版）
## 🎯 設計目標
- 每週備課時間從 6 小時降到 3 小時
- 作業評語從「來不及寫」變成「每人都有個性化回饋」
- 每學期重複性文件（進度表、通知單）零手工
## 📋 工作盤點表
| 高頻任務 | 目前耗時/ 週 | 自動化方式 | 預估節省 |
|---------|-----------|-----------|---------|
| 備課簡報與講義 | 4 hr | lesson-plan Skill + /summarize | 2 hr |
| 作業批改評語 | 3 hr | feedback-writer Skill 批量產草稿 | 1.5 hr |
| 週報與家長通知 | 1 hr | weekly-report 排程任務 | 0.8 hr |
| 段考出題 | 2 hr（雙週） | quiz-generator Skill | 1 hr |
## 📅 自動化排程
| 頻率 | 任務名稱 | 做什麼 | 技術實作 |
|------|---------|--------|---------|
| 每日 07:00 | morning-brief | 整理今日課程材料＋課堂提問清單 | 自製 cron（~/claude-routines） |
| 每週五 16:00 | assignment-review | 掃描作業資料夾、產評語草稿 | 自製 cron（~/claude-routines） |
| 每週日 20:00 | weekly-report | 彙整本週教學紀錄成週報 | 官方 Routines（雲端排程） |
## 🔌 MCP 連接
| 服務 | 用途 | 優先級 |
|------|------|--------|
| Google Drive | 讀課程資料、存產出文件 | 高 |
| GitHub | 存放教材版本控制 | 中 |
## 🎪 Skills 清單
| Skill 名稱 | 觸發情境（寫進 description） | 功能 |
|-----------|---------------------------|------|
| lesson-plan | 「幫我備課」「做 XX 單元的課程計畫」 | 產出課程計畫書＋講義大綱 |
| quiz-generator | 「出題」「做測驗卷」 | 依教材產選擇題＋答案卡 |
| feedback-writer | 「寫評語」「批改回饋」 | 依作業內容產個性化評語草稿 |
## ⌨ Slash Commands（自訂指令）
| 指令 | 功能 |
|------|------|
| /summarize | 摘要一份教材成一頁重點 |
| /notice | 生成家長通知單（套固定格式） |
## 🔒 Hooks 設定
| 時機 | 觸發條件 | 做什麼 |
|------|---------|--------|
| PreToolUse | Bash 指令含 rm -rf | 阻擋（deny）並要求確認 |
| PostToolUse | 所有工具 | 記錄到 activity.log（月報數據來源） |
## 📋 CLAUDE.md 核心設定
- 所有回應使用繁體中文
- 評語語氣：鼓勵為主、具體指出一個改進點
- 禁止：學生個資寫入任何產出文件
## 🔁 月度回顧（每月最後一個週五）
1. 哪個 Skill 最常用？ 2. 哪個完全沒用？ 3. 有沒有重複超過 3 次的事？
4. 哪個回答顯示它不懂我的情境？ 5. 額度花在哪最多？
→ 配合步驟 6 的月報提示詞，用 activity.log 數據回答，不憑感覺。
## 🗓️ 實施計畫
今天：建 lesson-plan Skill、裝 activity.log Hook
本週：morning-brief 排程上線、Google Drive MCP 接通
本月：feedback-writer 調教到「八成評語可直接用」、跑第一次月度回顧
驗證點：對照這份成品檢查你自己的藍圖——每個Skill都有「觸發情境」、每個排程都寫了「用官方Routines還是自製cron」、月度回顧有排進行事曆。
節錄自：博碩出版《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
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
Claude Skills怎麼用？內建與個人Skill差異、適用情境及使用方式
用FoxBrain學老師傅看家本領！鴻海打造的AI模型如何幫省8成基礎工？
鴻海自研語言模型FoxBrain，靠著自建算力與產線數據優勢，讓生成式AI走進工廠現場，不只學會老師傅的技術，更預告未來產品開發流程將全面加速，這背後藏著什麼關鍵技術和策略？一起來揭開鴻海智慧製造的秘密。
文／鄧凱元 由天下雜誌授權轉載
本文導覽
AI上工！鴻海FoxBrain讓人機對話成為工廠日常從租用到自建算力，鴻海砸近億成本訓練FoxBrain從DeepSeek缺陷學經驗：FoxBrain強化推理、聰明又節能老師傅「教」AI！「擷取增強生成」讓FoxBrain懂業內知識AI應用下一步，協助新品開發時間減半
地表最大代工廠鴻海，靠著自建算力，打造出繁體中文AI大型語言模型「FoxBrain」，把當今最具話題的AI代理人運用到工廠第一線，省下80%基礎工，它怎麼做到？
AI上工！鴻海FoxBrain讓人機對話成為工廠日常
今年5月的台北國際電腦展（Computex），鴻海董事長劉揚偉拋出一個驚人的數字：鴻海內部測試結果顯示，在生成式AI協助下，80%的基礎工作可以由AI代勞，剩下20%的困難工作，才是人類的天下。
劉揚偉口中，產線人員與AI代理人互動的實況長這樣：
AI代理：已完成熔膠階段參數推薦。
員工：確認並下一步。
AI代理：已完成射出階段參數推薦。如果沒有出現缺陷，請點擊「先保加壓」。如果當前出現缺陷，請選擇是先解決缺陷還是先保加壓。
員工：先解決缺陷。
AI代理：請告知缺陷類型。
員工：射紋。
靠AI代理推薦、優化機台參數，省下八成基礎的調機工作，這對擁有90萬名員工的鴻海來說，是個巨大的改變。源頭是鴻海自行開發的大型語言模型FoxBrain。
主導FoxBrain開發的鴻海研究院人工智慧研究所所長栗永徽，在接受《天下》專訪時信心滿滿地表示，「FoxBrain有潛力成為台灣推理能力最強的繁體中文大型語言模型。」
從租用到自建算力，鴻海砸近億成本訓練FoxBrain
但開發自家的大型語言模型，對硬體起家的鴻海，是一條崎嶇之路。
栗永徽回憶，3年前在鴻海科技日，董事長要他分析AI的未來，他講的主題是當時學界已經熱烈討論的AI訓練與生成式AI大突破，「我們已經看到大型語言模型就是未來的趨勢。」不過，當時熱潮還沒起，在鴻海內部尚未獲得太多迴響，之後ChatGPT很快橫空出世，AI在集團內開始獲得重視。
一開始，鴻海開發大型語言模型是以租用算力的方式進行，但計算後發現，自建算力還比較划算，成本算得很精的鴻海，開始花錢建構自家算力，建立訓練大型語言模型需要的彈藥。
▲鴻海積極用AI實現智慧工廠，圖為富士康深圳龍華廠。（攝／謝佩穎，由天下雜誌授權轉載）
「算力是所有的基礎，沒有算力談模型，也是空談，」他坦言。
算力也是財力，一張100多萬台幣的輝達H100 GPU，鴻海用了上百張，短短4個月，栗永徽帶團隊餵了大量的繁體中文資料，完成模型的先期訓練。
栗永徽當時就認為，鴻海來自台灣，當然希望FoxBrain不但要繁體中文、能理解在地知識與意識形態，同時還讓模型開源，幫助社會大眾。
另外，FoxBrain在接受一般性資料的先期訓練後，真正要落地，還要透過被稱為擷取增強生成（RAG）的方法，餵入企業的專業知識，「才能準確回到企業需要知道的答案，而不是不懂裝懂亂答，」栗永徽強調。
從DeepSeek缺陷學經驗：FoxBrain強化推理、聰明又節能
FoxBrain有個其他模型沒有的鴻海DNA：成本撙節能力強。內部實測中國年初火爆全球的DeepSeek時，栗永徽察覺到這個當紅模型竟然常過度思考，也就是在回答一個問題時，反覆使用不同的邏輯打斷推理過程，這會吃掉非常多「token」（語言模型的基礎單位）。
若把token想像成「字的積木」，AI模型就是用這些積木一個一個拼出回答，而不是一次就說出整句話。答案愈長、內容愈複雜，用掉的token就愈多，這意味著推理的時間變長，運算成本也更高。
「吐出每個token都要花錢，吐愈多花愈多，」栗永徽直言。
DeepSeek實測，啟發了栗永徽和團隊在發展FoxBrian時，設計出在推論前，先告知推論方法，以及要花多少運算資源，再由人為判斷要採取哪種模式展開，節省不必要的浪費。
另外，FoxBrain也加入了推理能力，能把複雜問題拆成多個小問題，分頭解決後再組成最終答案，透過這樣的方法讓AI變得更聰明。
一位與輝達合作開發模型應用的AI公司開發主管觀察，先前由台灣學界開發全球首創繁體中文專家模型的Project TAME，餵入的繁中資料廣度更多，但受限學界的資源，模型本身不容易持續疊加新發展。而FoxBrain有鴻海的企業資本奧援，模型才有本錢持續更新維護。
鴻海已對外揭露，FoxBrain推出後，將逐步用在智慧製造、智慧電動車、智慧城市三大關鍵應用場景。
實際怎麼用在三大平台？在一場由輝達主辦的論壇上，鴻海首度對外揭露，FoxBrain在製造產線落地的實況。
老師傅「教」AI！「擷取增強生成」讓FoxBrain懂業內知識
身為全球最大的代工製造廠，塑膠成型機擔綱重要角色，必須把塑膠粒子加熱後，射出至模具上定型，製作出筆電、手機、連接器、電視、遊戲機用到的塑膠件。
要把塑膠表面做得光滑、結構扎實又沒有毛邊，必須靠老師傅控制塑膠加熱的溫度與射速等關鍵參數。不過，新人上手時間長、缺工與經驗難傳承等，一直是問題。
所以，AI派上用場了。
鴻海董事長辦公室智能系統研發處長郭錦斌透露，鴻海把訪談現場老師傅的經驗、機台參數、研究等資料餵給FoxBrain，經過短短5個月的訓練，AI已經學會80%的基礎調機工作。
栗永徽解釋，這是透過擷取增強生成的方法，把企業擁有的行業知識傳授給AI，讓模型可以針對特定問題，從資料庫裡精確回答。
透過這樣的方法，AI把老師傅的經驗建構成「知識圖譜」，讓產線人員如同使用ChatGPT般，和AI對話。「這種協作方式以後會是我們產線上的標配，」郭錦斌表示。
▲「知識圖譜」讓老師傅經驗得以傳承。（攝／鄧凱元，由天下雜誌授權轉載）
這樣的應用，也代表大型語言模型搭配AI代理，已經從雲端落地到企業實戰。
相較剛開始反應冷淡，現在每天都有很多單位寫email或傳訊給栗永徽，「都是要來找我們討論FoxBrain怎麼開發、應用，」他笑著說。
AI應用下一步，協助新品開發時間減半
鴻海發展AI應用，有個難以複製的優勢：模型、現場數據、應用到算力的開發者生態圈，正逐步成形。
最快今年第三季，鴻海採用輝達的四櫃AI伺服器GB200 NVL72就有可能落地，屆時GPU數將增加一倍以上。劉揚偉更在Computex宣布，和輝達、台積要新建的AI工廠，GPU的張數有可能增加至萬張以上。
「這個建起來之後，算力絕對是台灣最大，」栗永徽說。
因此，AI除了用來調整機台參數，後續還有更多的工作要做。下一個應用，將是縮短從接單、模具開發到產線參數調整所需的時間。
「新產品開發要花不少時間，所以我們透過生成式AI，提供模具設計的建議，接著再讓AI調整參數，」郭錦斌估計，開發時間可省下將近一半。
未來，鴻海也將逐步把這樣的方法論，導入其他製程。
從塑膠射出產線，再落地到其他製程產線，甚至導入其他事業部的應用場域及平台，鴻海還需要更多時間。但AI這場競賽，已經從雲端高閣，漸漸落地到現場。一場比數據、比算力、比應用的競賽正式展開。
（原文標題：鴻海AI大腦FoxBrain，包下廠內八成基礎工作 如何連老師傅經驗也吸收？）
[joblist_plugin title='更多104【鴻海】精選職缺' url='https://www.104.com.tw/company/233rv1s' amount='5']
延伸閱讀：
AI時代的資工人何去何從？專家：向「文組」取經是條出路
AI會取代工程師嗎？寫程式不再是門檻，如何打造不可替代的能力？
文組生3個月轉職半導體工程師、年薪翻倍！陽明交大為何免費幫上千人轉職？
3張圖看懂AI工廠｜機械手臂從「滿笨的」變好同事，頂大畢業生不用再顧機台
獨家開箱鴻海深圳3大關燈現場 圖解：AI排程、機器人上工，一人能管全球6萬機台
直擊台達黃埔基地祕密武器 AI產線經理：要讓工程師在台灣，操作美國產線
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
https://x.com/DeRonin_/status/2033587293064204349
有任何收穫或想分享的，都來和大家一起聊聊吧！