別把 Claude當純聊天！60分鐘無痛上手的 Claude實戰入門課
104學習
AI 能力
104 統計職務常見 AI 技能
Claude
Anthropic 開發的 AI 大型語言模型，擅長長文本理解、複雜推理與程式輔助，以安全性與可信度著稱，適用於企業知識管理與文件分析。
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
掌握Claude Code從零打造企業級全端開發應用實戰班
【免費課程報名】技術開發技能1-3 提示工程最佳實務 : 有效利用 Claude 3 | 完課紀錄回傳履歷表
生成式 AI 辦公室應用能力課程
AI 智慧工作流搭建與升級：60 分鐘 10 個 AI 智慧工作流技巧立即改善工作流程
生成式 AI 能力課程
開發者必學：OpenAI API應用與開發
【大師開講】引領企業導入AI的思維模型
【2026/11/13開班】Generative AI Essentials on AWS (AWS生成式AI與機器學習基礎知識)
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】
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)
生成式 AI 技術開發技能證書
AWS 為協助個人突破職涯新價值，推出「AI 人才就緒計畫 」(AI-Ready Talent Development Program)，針對不同角色免費提供系列生成式 AI 課程、專業 AI 認證備考資源、AWS 生成式 AI 服務試用，更進一步協助您取得 AI 認證！
學習本課程，您將能了解提示工程、檢索增強生成與微調的最佳實踐、掌握生成式 AI 端到端流程建溝以及驅動 AI 流程須考量的數據、儲存與運算等基礎架構。還能進一步了解如何將 AWS生成式AI服務應用在實際營運情境。
AWS
CCSE Plus NG with Al
CCSE Plus NG with AI證照專注於雲端運算與人工智慧技術的整合應用，涵蓋雲端基礎架構管理、AI模型訓練與部署，以及資料分析與安全性管理，培養具備跨領域技術能力的人才，適合從事雲端服務開發、AI解決方案設計與系統維運等職務，提升企業數位轉型競爭力。
Check Point
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
生成式 AI 商業應用技能證書
AWS 為協助個人突破職涯新價值，推出「AI 人才就緒計畫 」(AI-Ready Talent Development Program)，針對不同角色免費提供系列生成式 AI 課程、專業 AI 認證備考資源、AWS 生成式 AI 服務試用，更進一步協助您取得 AI 認證！
學習本課程，您將能了解生成式 AI 的基礎知識、應用情境、風險和效益，並能理解生成式 AI 帶來的潛在商業價值及如何打造 AI 就緒組織發揮商業價值。
AWS
ITE-IS-資訊與網路安全管理概論
「ITE」為「Information Technology Expert」的簡稱，中文全名為「資訊專業人員鑑定」藉由鑑定制度鼓勵資訊在職人員進修，進而提升人員的生產力與競爭力，以適應未來國際自由化競爭的趨勢。
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
Claude Design是什麼？用說的就能出設計稿
Anthropic上週最新推出了Claude Design，你試用過了嗎？我們用NotebookLM幫大家整理了一個快速介紹影片，一起來看看👆
簡單說，Claude Design讓你用自然語言描述需求，就能生成可以點擊的互動原型、簡報、行銷素材，而且輸出的是真的可以操作的網頁雛型。
如果你是PM、設計師，或常常需要在會議前生出一個「示意版本」的人，值得花幾分鐘了解一下。
目前Pro / Max / Team方案開放研究預覽版，免費版尚未開放，如果你已經是Claude重度使用者，不妨現在就體驗看看！
想知道怎麼操作、費用怎麼算，以及Anthropic 設計師的使用心得？完整整理在這篇 👇 https://blog.104.com.tw/claude-design-ai/?utm_source=104&utm_medium=104nabi_aiclassroom
Claude Code vs. OpenClaw：你的下一位「AI 虛擬員工」！
在 AI 時代，如果你還在「複製貼上」程式碼，那就太落伍了。近期技術圈討論度最高、讓無數工程師與接案者瘋狂的兩個工具——Claude Code 與 OpenClaw，正準備徹底改變我們的辦公流程。
無論你是想提升效率的專業工作者，還是想在面試中展現前瞻性的求職者，甚至是以量取勝的外包接案者，這兩款工具絕對是你的 2026 必備軍火庫。
----------
1. Claude Code：Anthropic 的「最強掃地僧」
如果說 Claude 網頁版是個知識淵博的「教授」，那 Claude Code 就是一個直接住在你電腦裡的「資深工程師」。它是 Anthropic 推出的一款命令列介面（CLI）工具。
它的超能力： 它不只是跟你聊天，它能直接讀取你的程式資料夾、幫你抓出 Bug、自動寫測試，甚至直接幫你把寫好的內容部署上線。
對你的價值：
- 專業工作者： 減少瑣碎的 Debug 時間，讓你把精力放在「產品邏輯」而非「語法糾錯」。
- 外包接案者： 以前要花三天寫的自動化腳本，現在對著電腦說一句話，Claude Code 就能幫你產出 80% 的完成品。
- 求職轉職者： 掌握 CLI 工具代表你具備「自動化流程」的思維，這是目前技術主管最看重的加分項。
----------
2. OpenClaw：開源界的「AI 變形金剛」
相對於官方出品的 Claude Code，OpenClaw 則是一個充滿靈魂的開源專案。它的核心理念是「彈性」與「自由」。
它的超能力：
OpenClaw 就像是一個強大的插件框架，它讓你可以用更低的成本、更靈活的方式去串接不同的 AI 模型（不限於 Claude），並針對特定工作流程進行「魔改」。
對你的價值：
- 專業工作者： 你可以根據公司的資安需求，自定義 AI 的存取權限，打造專屬的內部工具。
- 外包接案者： 因為是開源的，你可以節省大量的訂閱費用，並透過自定義 API 串接，為客戶提供更高 CP 值的解決方案。
- 求職轉職者： 參與或理解開源專案（Open Source）的運作，是證明你具備「社群影響力」與「深度技術探究能力」的最佳履歷勳章。
----------
【Claude Code - 官方武林正宗】
上手難度：簡單，像跟鄰居聊天一樣
核心優勢：與 Claude 3.5/4 模型完美適配
適合對象：追求效率、不想折騰工具的人
應用場景：快速開發、自動化測試
【OpenClaw - 開源自由鬥士】
上手難度：需要一點點技術基礎
核心優勢：極高的自定義空間、省錢
適合對象：喜歡玩新技術、想省預算的接案者
應用場景：打造個人品牌工具、多模型切換
----------
結語：別讓工具成為你的門檻，要讓它成為你的翅膀
在這個「人機協作」的轉折點，Claude Code 和 OpenClaw 的出現並不是為了取代我們，而是要幫我們從繁瑣的勞動中解放出來。
如果你想要快，選 Claude Code。
如果你想要變，選 OpenClaw。
現在就開始試著把這些 AI 帶進你的工作流程吧！當別還在手打程式碼時，你已經在規劃下一個產品的商業藍圖了。
DeepSeek 試用體驗：ChatGPT、Claude AI 還是 DeepSeek？哪個 AI 更值得選擇？
在 AI 聊天機器人市場競爭激烈的今天，DeepSeek AI 以其強大的中文處理能力和免費使用優勢，成為許多用戶的新選擇。但問題來了，DeepSeek AI、ChatGPT、Claude AI 這三大 AI 模型該怎麼選？哪個 AI 在寫作、數據分析、編碼輔助等方面表現最佳？本篇文章將透過 DeepSeek AI 試用體驗，深入比較 ChatGPT、Claude AI 與 DeepSeek 的優缺點，幫助你選擇最適合自己的 AI 助手！
DeepSeek 是一款來自中國的 AI 大型語言模型（LLM），專注於中文語境的理解與生成。它的表現與 OpenAI 的 ChatGPT（如 GPT-4）相比有一些特色，但也有其優缺點：
優點：
✅ 強大的中文處理能力 – 由於 DeepSeek 針對中文訓練，對於繁簡中文的理解、文本生成、數學推理等表現良好，能夠處理複雜的語境。
✅ 較佳的數學運算能力 – DeepSeek 在數學推理上相對出色，特別是在解方程、證明、數列推導等領域，甚至優於部分主流 LLM。
✅ 免費或較低成本 – 若 DeepSeek 仍提供免費或相對低價的使用方案，對於需要大量 AI 交互的使用者來說是一個成本效益較高的選擇。
✅ 開源模型 – DeepSeek 開放部分模型（如 DeepSeek Coder），讓開發者可以自行部署，提高靈活性和可控性。
缺點：
❌ 資料來源有限 – 由於 DeepSeek 主要基於中國語境訓練，可能在國際化內容、外語（特別是非中文和英文）處理上相對較弱。
❌ 創意寫作與多輪對話能力稍遜 – 在創意寫作、長篇推理、幽默感等方面，DeepSeek 可能不及 GPT-4-turbo 或 Claude 3。
❌ 即時資訊可能不夠全面 – 由於中國 AI 模型的內容審查機制，部分即時資訊或政治話題的回答可能受限，影響某些類型的查詢體驗。
❌ API 與生態系統較新 – 與 OpenAI、Anthropic 相比，DeepSeek 的生態系統仍在發展，第三方應用支援度相對較少。
適合使用 DeepSeek 的情境：
數學與邏輯推理題解（適合學習數學或工程相關知識）
高效中文文本處理（例如文章摘要、翻譯、寫作輔助）
開發者部署私有 AI 模型（DeepSeek Coder 可本地部署）
預算有限但需要 AI 支援
如果你的需求是更精準的中文處理或數學題解，DeepSeek 是值得嘗試的選擇。但如果你更在意創意寫作、跨語言能力或最新資訊，GPT-4-turbo 可能仍是更好的選擇。
你有考慮要用來做什麼嗎？
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
Claude 進化了！Anthropic 推出 Opus 4.8，AI Agent 開始學會「分工合作」
說真的，每次看到 Anthropic 發新版本，我的第一個反應都是：「又要重新學一遍嗎？」但這次 Opus 4.8 真的讓我停下來多看了幾眼，因為它帶來的不只是「更聰明的 AI」，而是整個使用邏輯的根本性改變。
【什麼是 Dynamic Workflow？】
幾個月前，我在處理一個客戶的專案，需要同時做市場研究、競品分析、整理成一份報告，最後還要跟工程師溝通實作細節。用舊版 Claude 來做，你會發現自己像個交通指揮員，不斷地把輸出貼到下一個對話框，然後再等，再貼，再等。非常累。
Opus 4.8 的 Dynamic Workflow 解決的就是這個問題。它讓多個 AI Agent 可以根據任務需要，自動組建成一個工作流程。你不需要一直在中間傳遞訊息，這些 Agent 會自己協調。
例如你說「幫我研究台灣電動車市場，寫一份給投資人看的分析報告」，Dynamic Workflow 會自動拆分：一個 Agent 搜集數據、一個分析趨勢、一個負責撰寫格式，最後一個做品質把關。四個角色同時在工作，不是排隊的。
【Multi-Agent 系統：不只是技術，是組織邏輯的改變】
一個很聰明但孤軍奮戰的人，跟一個能力普通但懂得分工協作的團隊，哪個更能解決複雜問題？答案很明顯。Multi-Agent 系統的出現，讓 AI 從「一個超級員工」變成了「一個能夠自我管理的團隊」。
Opus 4.8 的 Multi-Agent 架構有幾個特點：第一，角色分化更清晰；第二，失敗容忍度更高；第三，可以非同步運作。這才是真正有感的升級。
【商業意義：未來企業用的不是「一個 AI」，而是「AI 團隊」】
現在很多企業導入 AI 的思維還停留在「找一個好的 AI 工具」。但 Multi-Agent 系統的出現，代表企業未來面對的是「如何管理 AI 團隊」的問題。你需要設計 AI 的分工架構、設定任務的優先順序、建立品質審核機制。
一個由 Multi-Agent 組成的 AI 團隊，理論上可以 24 小時不間斷工作，成本遠低於雇用真人。對中小企業來說，這是翻轉競爭格局的機會；對大企業來說，這是降低重複性工作成本的工具。
【挑戰和隱憂】
Opus 4.8 和 Dynamic Workflow 還有幾個問題需要正視：第一，成本偏高，Multi-Agent 系統同時調用多個模型，token 消耗是單一模型的好幾倍；第二，可控性不足，Agent 自動協作過程中很難搞清楚「它現在在做什麼」；第三，錯誤放大效應，初始任務描述有問題，整個流程可能把錯誤放大。
但這些問題都是可以解決的，方向已經確定了。
【對普通人的建議】
如果你是個人使用者，試試把一個你覺得「太麻煩了」的任務直接丟給它。如果你是企業主或管理者，現在是思考「哪些工作流程可以被 Agent 化」的時候了。不是防禦性的「哪些工作被 AI 取代」，而是進攻性的「哪些流程可以重新設計」。
Anthropic 推出 Opus 4.8 和 Dynamic Workflow，在我看來是 AI 發展史上的重要轉折點。不是因為它「更聰明了」，而是因為它改變了 AI 工作的基本邏輯，從單兵作戰到團隊協作。
---
想更深入了解 AI Agent 如何應用在工作和生意上？
👉 AI.com.tw 是台灣專業的 AI 應用資訊平台，提供最新 AI 工具評測、企業導入案例、以及實用的 AI 工作流程教學。立即前往 https://ai.com.tw 探索，讓 AI 真正幫你工作！
Claude 推出 13 堂免費線上課程：上班族該怎麼學，才能把 AI 變成工作戰力？
AI 工具愈來愈多，但很多上班族真正卡住的不是「不知道有哪些工具」，而是「不知道怎麼把 AI 用進工作流程」。Anthropic 近期推出 Anthropic Academy，整合 Claude 相關免費線上課程，主題涵蓋 AI 素養、Claude 基礎應用、API 開發、Model Context Protocol、Claude Code 與 Agent Skills 等，官方頁面也標示可在完成課程後取得證書。
對職場工作者來說，這不只是「多一個免費課程清單」，而是提醒我們：AI 學習正在從「會下 Prompt」進入「會設計工作流」的新階段。
為什麼這 13 堂課值得上班族關注？
過去學 AI，多半從 ChatGPT、Claude、Gemini 的基本問答開始：請 AI 幫忙寫信、摘要、翻譯、產文案。但隨著企業導入 AI 的需求變多，職場競爭力的標準也正在改變。
未來更有價值的能力，不只是「問 AI 問題」，而是能判斷：
什麼任務適合交給 AI？
怎麼把 AI 接進自己的工作流程？
AI 回答是否可信，該如何驗證？
團隊能否把重複工作變成可複用的 AI 流程？
Anthropic 官方學習頁面也把課程分成不同方向，包括 Build with Claude、Claude for work、Claude for personal，顯示 AI 學習已經不再只是工程師專屬，而是橫跨個人工作、團隊協作與企業導入。
13 堂免費課程連結整理
1. Claude 101
適合對象：AI 初學者、一般上班族
課程連結：https://anthropic.skilljar.com/claude-101
學習重點：認識 Claude 基本操作，學會用 AI 處理寫信、資料整理、文件分析、內容初稿。
2. AI Fluency: Framework & Foundations
適合對象：所有工作者、主管、教育者
課程連結：https://anthropic.skilljar.com/ai-fluency-framework-foundations
學習重點：建立 AI 協作基本素養，理解什麼任務適合交給 AI、什麼情境需要人類判斷。
3. AI Fluency for Students
適合對象：學生、社會新鮮人
課程連結：https://anthropic.skilljar.com/ai-fluency-for-students
學習重點：用 AI 輔助學習、研究、職涯探索與自我規劃。
4. AI Fluency for Educators
適合對象：教育工作者、企業內訓人員
課程連結：https://anthropic.skilljar.com/ai-fluency-for-educators
學習重點：將 AI 融入教學、課程設計與學習評量。
5. Teaching AI Fluency
適合對象：教學設計師、企業講師
課程連結：https://anthropic.skilljar.com/teaching-ai-fluency
學習重點：學習如何設計 AI 素養課程，教會他人正確使用 AI。
6. AI Fluency for Nonprofits
適合對象：非營利組織工作者
課程連結：https://anthropic.skilljar.com/ai-fluency-for-nonprofits
學習重點：在資源有限的情境下，善用 AI 提升溝通、營運與專案效率。
7. Building with the Claude API
適合對象：工程師、產品技術團隊
課程連結：https://anthropic.skilljar.com/claude-with-the-anthropic-api
學習重點：學習 API 串接、Prompt 設計、工具呼叫、RAG 與 Agent 架構。
8. Claude Code in Action
適合對象：工程師、開發者
課程連結：https://anthropic.skilljar.com/claude-code-in-action
學習重點：將 Claude Code 導入日常開發流程，包括讀程式碼、改檔案、執行指令與 GitHub 工作流。
9. Introduction to Agent Skills
適合對象：開發者、AI 工作流設計者
課程連結：https://anthropic.skilljar.com/introduction-to-agent-skills
學習重點：學習建立可重複使用的 Skill，讓 Claude Code 在特定任務中自動套用指令。
10. Introduction to MCP
適合對象：開發者、系統整合人員
課程連結：https://anthropic.skilljar.com/introduction-to-model-context-protocol
學習重點：認識 Model Context Protocol，學習讓 AI agent 連接外部工具與資料來源。
11. MCP: Advanced Topics
適合對象：進階開發者
課程連結：https://anthropic.skilljar.com/model-context-protocol-advanced-topics
學習重點：深入 MCP 架構、檔案權限、傳輸機制、部署與擴充。
12. Claude with Amazon Bedrock
適合對象：AWS 技術團隊
課程連結：https://anthropic.skilljar.com/claude-in-amazon-bedrock
學習重點：在 Amazon Bedrock 上部署與使用 Claude。
13. Claude with Google Vertex AI
適合對象：GCP 技術團隊
課程連結：https://anthropic.skilljar.com/claude-with-google-vertex
學習重點：在 Google Cloud Vertex AI 上使用 Claude，並處理 PDF、視覺與引用等情境。
一般上班族，建議先學哪幾門？
如果你不是工程師，建議不要一開始就跳進 API、MCP 或 Claude Code。比較適合的順序是：
第一步：Claude 101
這門課適合完全沒用過 Claude，或只把 Claude 當聊天機器人的人。它的價值在於讓你理解 Claude 可以怎麼協助日常工作，例如寫信、整理會議紀錄、分析文件、產出簡報大綱、改寫文字等。
第二步：AI Fluency: Framework & Foundations
這門課更像是「AI 工作素養課」。它不只教你怎麼操作工具，而是教你如何判斷 AI 能不能做、該不該做、結果是否可靠。這對所有知識工作者都很重要，因為未來職場真正需要的不是盲目相信 AI，而是能與 AI 分工、判斷、驗證。
第三步：依照職能延伸學習
行銷、企劃、行政、HR、客服等職能，可以把 Claude 用在資料整理、內容產出、流程優化。教育、內訓、L&D 團隊，則可接著學 AI Fluency for Educators 或 Teaching AI Fluency。
工程師與產品團隊，可以從哪裡切入？
如果你是開發者、產品經理、資料團隊或 AI 專案負責人，這 13 堂課中最值得關注的是三條路線。
第一條是 Claude API 路線。Building with the Claude API 會從 API 呼叫、system prompt、tool use、RAG 到 agent 架構，一路帶你理解如何把 Claude 接進產品或內部系統。Anthropic 官方的 Build with Claude 頁面也把 API、SDK、Agents、Skills、MCP、Tool use、RAG、Prompt engineering 等主題整理為開發者學習路線。
第二條是 Claude Code 路線。Claude Code in Action 適合已經有 Git、CLI 基礎的工程師，學習如何讓 AI 協助理解程式碼、修改檔案、執行命令、自動化 code review，進一步把 AI 從「回答問題」變成「參與開發流程」。
第三條是 Agent 與 MCP 路線。Introduction to Agent Skills 與 MCP 系列課程，重點在於讓 AI 能使用外部工具、讀取資料、執行任務，這也是目前企業導入 AI agent 時最關鍵的基礎能力之一。
這波課程透露的職場趨勢：AI 能力正在分層
從這 13 堂課可以看出，AI 學習正在分成三個層次。
第一層是 AI 使用者。能用 Claude、ChatGPT 等工具完成摘要、寫作、翻譯、資料整理。這會成為多數上班族的基本能力。
第二層是 AI 協作者。不只會問問題，還能設計任務流程，知道如何拆解工作、設定角色、提供背景資料、檢查產出品質。這會是企劃、行銷、PM、HR、顧問、主管都需要強化的能力。
第三層是 AI 工作流設計者。能把 AI 接進工具、系統與資料來源，設計可重複執行的流程，甚至打造 agent。這會是工程師、產品團隊、AI PM、企業數位轉型團隊的關鍵競爭力。
換句話說，未來職場不會只問「你會不會用 AI」，而是會問：「你能不能用 AI 讓工作流程變得更有效率、更穩定、更可複製？」
給上班族的 3 個學習建議
1. 不要把 AI 學習變成工具追逐戰
今天學 Claude，明天學 Gemini，後天學 ChatGPT，最後可能只會累積一堆零散技巧。更有效的方式，是先建立 AI 協作觀念，再把工具用在真實工作任務。
2. 用自己的工作題目練習，而不是只看課程
學 Claude 101 時，可以直接拿自己的會議紀錄、簡報大綱、企劃草稿、履歷、報告來練習。AI 工具的學習成效，通常不是看你記住多少功能，而是看你能不能改善手上的工作。
3. 把 AI 能力寫進職涯成果，而不是只寫「會使用 AI」
如果你完成課程並拿到證書，履歷上不只要寫「完成 Claude 課程」，更可以寫具體應用成果，例如：「運用 Claude 建立內容產出流程，縮短初稿整理時間」、「導入 AI 摘要會議紀錄，提升跨部門資訊同步效率」。
延伸閱讀與學習資源
Anthropic Academy 官方入口
https://www.anthropic.com/learn
Anthropic Academy 全部免費課程
https://anthropic.skilljar.com/
Claude 101 入門課程
https://anthropic.skilljar.com/claude-101
Build with Claude 開發者資源
https://www.anthropic.com/learn/build-with-cl
Claude 3.5 新增閱讀 PDF 功能！輕鬆解析財報、法律文件及多頁圖表的 AI 新利器
Anthropic 的最新 AI 模型 Claude 3.5 現已支持閱讀 PDF 文件，解決了繁複文檔內容分析的痛點！無論是財務報告、法律文件，還是多頁圖表資料，Claude 3.5 不僅能提取文字，更能識別圖片與圖表的資訊，快速處理多達100頁、32MB 的文檔。本文將深入介紹 Claude 3.5 的 PDF 功能如何運作，幫助你更高效地處理文件分析需求。
一、Claude 3.5 新增 PDF 閱讀功能的突破
AI 技術不斷進步，文檔處理也不再局限於文字分析。Anthropic 為最新的 Claude 3.5 增加 PDF 閱讀功能，不僅可解決大篇幅文檔分析的問題，更大大提升了使用者在工作效率上的優勢。以往針對數據報表或專業文檔的分析需要耗費大量時間，但現在，透過 Claude 3.5，使用者可以一鍵完成數據提取、圖片解讀，並進行內容分析。
二、Claude 3.5 如何處理 PDF 文件？
Claude 3.5 的 PDF 閱讀功能透過三個步驟完成文件分析：
● 文字提取：從文件中提取可讀取文字內容。
● 頁面圖像轉換：將文件頁面轉為可視化圖像，有助於讀取圖片或圖表內容。
● 文本組合與內容分析：將提取的文字與圖片資訊整合，進行上下文分析，生成可讀且完整的報告。
這樣的處理方式，使得 Claude 3.5 能夠更準確理解複雜文件中的多層次訊息，無論是數據、文字還是圖表。
三、文件大小與格式支援
目前，Claude 3.5 能夠處理高達 100 頁、最大 32MB 的 PDF 文件。文件種類並無限制，不論是複雜的財務報表或技術性較高的法律文檔，都可以交由 Claude 3.5 進行分析。這項功能對於企業專業人士來說是一大福音，尤其是在處理多頁數、內容豐富的文件時。
四、Claude 3.5 新功能的應用場景
Claude 3.5 的 PDF 閱讀功能適用於各種工作場景，以下列舉幾個主要應用：
● 財務報告分析：
許多企業需要定期審視大量財務報告，這些報告常包含數字密集的表格。Claude 3.5 可以迅速提取其中的數據並提供整體分析，讓財務專業人員更專注於關鍵決策。
● 法律文件審閱：
法律文件多為多頁數的繁瑣內容，包含圖片、註解和法律條款。透過 Claude 3.5 的文件分析功能，法律專業人員可以快速抓取條款要點，提升審閱效率。
● 市場研究：在市場調查報告中，通常包含許多統計圖表和數據分析。Claude 3.5 可將這些圖表內容轉為文字格式，並生成總結報告，有助於使用者快速掌握市場動態。
五、如何使用 Claude 3.5 的 PDF 閱讀功能？
目前 Claude 3.5 的 PDF 功能仍處於公開測試階段，Anthropic 提供了測試平台讓使用者體驗此新功能。使用方法簡單，只需上傳 PDF 檔案，Claude 3.5 便會自動分階段進行處理並生成分析報告。此功能對於不熟悉數據處理的使用者也相當友好，不需要額外學習成本。
六、Claude 3.5 PDF 閱讀功能的優勢與限制
Claude 3.5 的 PDF 閱讀功能雖然強大，但也有其限制。這裡簡單列出優勢與限制，供使用者評估：
【優勢】
● 高效處理多頁數、內容豐富的文件
● 可支援圖片、圖表及文字提取
● 適合多種應用場景，能提升文檔處理效率
【限制】
● 最大檔案大小為 32MB，超過可能無法處理
● 對於結構不規則的文件，有時無法完全準確分析
● 公測階段，部分功能可能仍不穩定
七、Claude 3.5 新功能的未來展望
Anthropic 的 PDF 閱讀功能大大提升了 Claude 3.5 的應用潛力。隨著此功能的進一步優化，未來或許將支援更大檔案的處理能力，並改善文件結構分析的準確度。對於需要長時間處理文檔的用戶來說，Claude 3.5 是一個高效、可靠的選擇。
Claude 3.5 的這項新功能確實替使用者省下大量時間與精力，期待未來它能在更多文檔處理場景中發揮更大作用。
➤ 了立即試用：https://claude.ai/new
➤ 歡迎在104學習精靈關注【AI趨勢報－科技愛好者的產地】獲得更多科技新知！
AI 代替人操作電腦？Claude 3.5 更新懶人包：強化電腦操作、程式碼撰寫與工具運用的AI突破
隨著AI技術快速發展，Anthropic最新推出的Claude 3.5版本，特別針對電腦操作、程式碼撰寫和工具使用進行了全面強化，讓使用者能更有效率地處理複雜工作。這次更新涵蓋了兩個版本：專注於平衡智力和速度的Claude 3.5 Sonnet，以及反應更迅速的Claude 3.5 Haiku。這篇文章將詳細介紹兩者的新功能和應用場景，幫助使用者快速掌握AI的最新技術，提升工作效率，實現自動化流程。
一、Claude 3.5更新總覽
Claude 3.5這次的更新重點在於進一步提升模型的電腦操作能力，並強化程式碼撰寫與工具運用功能，針對現代工作環境中需要頻繁操作電腦的需求提供更便捷的解決方案。本次推出的兩個版本分別是Claude 3.5 Sonnet和Claude 3.5 Haiku，兩者在不同情境下各有優勢，針對性地解決使用者在電腦操作、程式設計及即時回應上的痛點。
二、電腦操作新功能：更直覺的AI助手
這次更新中，Claude 3.5 Sonnet的電腦操作功能備受關注，Anthropic首次開放此功能進行測試，讓AI能夠自動化執行例如表格填寫、檢查試算表、打開應用程式等複雜任務。為了實現這項功能，Anthropic開發了一個全新API，讓Claude可以「感知」電腦介面並與之互動，執行如移動游標、點擊開啟瀏覽器等操作。這使得開發者可以利用Claude來自動化重複流程，如填表和文件查找，大幅減少手動操作的時間，並提高工作效率。
根據OSWorld標準測試結果，Claude 3.5 Sonnet在理解螢幕截圖上取得了14.9%的得分，超過第二名Cradle BAAI的7.8%以及OpenAI GPT-4 Vision的7.7%。雖然這一數據仍未達到人類水準（約70%），但這顯示了AI在操作電腦能力上的顯著進步。
三、程式撰寫和工具使用的進步
Claude 3.5 Sonnet在程式撰寫和工具運用上表現亮眼，這對於需要頻繁進行程式碼撰寫的開發者和工程師來說非常實用。在多項評測中（如HummaEval和SWE-bench Verified），Claude 3.5 Sonnet的得分分別達到93.7%和49%，遠超前一版本的88.1%和40.6%，代表其在程式碼撰寫的準確性與效率上取得了大幅度提升。
Replit等線上程式開發平臺也已採用Claude 3.5 Sonnet進行自動化應用程式建置及測試。這次更新讓開發人員在應用程式開發過程中，可以更方便地利用AI進行效能檢查及問題排查，進一步縮短開發週期。
四、Claude 3.5 Haiku：針對即時回應的低延遲模型
除了Sonnet以外，Claude 3.5 Haiku則是針對需要即時回應的應用場景所開發的低延遲模型，適合用於高效處理即時需求的服務，如客戶支援、即時產品推薦等。Haiku在HummaEval的程式撰寫測試中得分88.1%，在解決實際軟體問題的SWE-bench Verified測試中也有40.6%的成績。
此外，Claude 3.5 Haiku還具備更強的指令遵循能力與工具使用準確性，適合於開發面向使用者的應用服務，如根據購買歷史生成客製化推薦、庫存管理系統，或者針對特殊客戶群體提供精準回應的代理任務。
五、AI應用的未來：解鎖大量自動化機會
Anthropic表示，未來隨著AI電腦操作能力的成熟，許多現代化的工作流程可以進一步自動化，特別是在需要高效處理複雜資料或執行多步驟流程的領域。這將為企業和個人帶來更強的自動化能力，減少手動操作的重複工作量，並降低出錯率。
TAU-bench測試顯示Claude 3.5 Sonnet在真實應用場景中的表現顯著增強，尤其在零售與航空等多步驟任務中分別取得了69.2%與46%的成績，較前一版本提升了不少，這說明Claude能更好地應對多步驟且複雜的任務。隨著這類功能的應用擴展，AI有望在許多需要複雜邏輯推理的場景中實現高效應用。
六、如何存取Claude 3.5
目前Claude 3.5 Sonnet和Haiku都可以通過API、Amazon Bedrock以及Google Cloud的Vertex AI進行存取，但Claude 3.5 Haiku初期僅支援文字輸入，圖像輸入功能將在後續更新中加入。這樣的多重存取方式方便企業和開發人員選擇適合的方式來導入AI模型，並結合自身業務需求來提升工作效率。
Claude 3.5的應用前景與挑戰
總結來說，Claude 3.5的更新為現代化工作場景帶來了顯著的進步，從電腦操作到程式撰寫，無論是應用於自動化流程或即時客製化需求，Claude都展現出高度的潛力。雖然在部分人類操作上仍有進步空間，但在不斷優化的過程中，Claude系列模型將繼續推動AI技術在實際應用中的落地，為更多產業提供創新解決方案。
➤ 立即試用：https://claude.ai/new
➤ 歡迎在104學習精靈關注【AI趨勢報－科技愛好者的產地】獲得更多科技新知！
擔心AI讓飯碗不保？微軟研究：這10大職業最危險！
生成式AI正在重塑職場，哪些工作最有可能被AI取代？又有哪些職業仍相對安全？微軟透過20萬筆用戶與Copilot聊天機器人的對話，分析出AI在職場中的真實影響。
文／王穎皓 由Cheers授權轉載
本文導覽
AI最常被使用的情境AI最擅長 V.S. 不擅長的任務受AI影響最大 V.S.最不受影響職業排名AI對高薪工作影響最大？此份微軟報告的參考性高嗎？
隨著生成式AI技術快速發展，職場變革已成為不可逆的趨勢。微軟最新研究分析了2024年前9個月、20萬筆Copilot用戶對話紀錄，發現AI最常被應用於知識型任務，包括資訊蒐集、內容撰寫、簡單諮詢與對外溝通。
AI最常被使用的情境
根據微軟研究團隊的分析，當用戶與AI協助時，多數需求集中在閱讀、研究、撰寫等文字性任務。反映出現階段AI在處理文字、語言和資訊整理方面的強大能力。
值得關注的是，雖然使用者與AI實際執行的任務僅約有60％重疊，意味著在40％對話中，兩者並不完全吻合。也就是說，AI的實際執行角色往往是解說、教學、勸導和提供協助，而用戶多數是在尋求資訊、進行閱讀研究工作。
雖然用戶對AI的期待與AI的實際能力之間存在差距，但AI在知識型工作上的應用潛力仍然相當可觀。特別是在需要大量資訊處理和文字工作的領域，AI已展現出顯著的輔助效果。
這種使用傾向反映AI最能勝任的是支援性角色，而非全面取代。例如，行銷人員可能讓AI協助撰寫文案、彙整市場資訊；客服代表則用AI整理回覆腳本、處理常見問題。
AI最擅長 V.S. 不擅長的任務
微軟研究也發現AI在特定工作活動上表現特別出色。在用戶滿意度最高的工作類型中，內容書寫、文件編輯、資訊研究、簡單諮詢與產品評估名列前茅。
若從任務層級觀察，微軟指出以下幾種類型的工作最容易被AI「助攻」甚至「自動執行」：
文字處理：內容撰寫、簡報製作、文件編輯。
資訊彙整：市場研究、資料查詢、產品分析。
基礎諮詢：常見問題解答、產品比較、流程教學。
這些活動有幾個共通點：結構化程度高、語言為核心、可遠距完成。這使得AI可以迅速提供可用結果，且用戶滿意度高。
相對而言，AI在以下工作中的表現尚不理想：
數據分析：需要判讀多元資料並下決策。
視覺設計：涉及美感判斷與創造性。
跨部門協作與複雜溝通：需理解人際互動脈絡與非語言線索。
這顯示AI雖強大，但尚未能完全勝任需高度創意與人際敏感度的任務。
受AI影響最大 V.S.最不受影響職業排名
微軟研究員根據Copilot用戶對每一個回覆的「讚」或「倒讚」，計算出「AI適用性分數」（AI Applicability Score）排名，評估不同工作活動由 AI 執行或支持的難易程度。
獲得更多「讚」的任務，代表用戶滿意度較高，AI 能取代該工作的機率愈大。而分數愈大則代表受AI影響較大。
口譯員及翻譯人員以0.49的分數居首，成為最可能被AI取代的職業。
這並不令人意外，因為AI在語言翻譯任務中的表現已相當優異，Google和Amazon等科技巨頭都推出了功能強大的翻譯應用程式。
緊隨其後的是歷史學家（0.48分），研究人員指出，收集歷史資訊正是AI表現最優異的領域之一。許多Copilot用戶習慣使用聊天機器人來研究歷史或社會議題，或審查材料的正確性，這使得傳統歷史研究工作面臨巨大挑戰。
AI最可能取代的前十大職業名單：
口譯員與翻譯人員（分數：0.49）
歷史學家（0.48）
乘客服務員（0.47）
銷售人員（0.46）
作家與作者（0.45）
客戶服務代表（0.44）
電腦數值控制（CNC）工具編程人員（0.44）
電話接線員（0.42）
售票員與旅遊社員工（0.41）
廣播播報員與電台DJ（0.41）
這些職業普遍具備3種特性：
高語言密集度（如翻譯、寫作、廣播）。
重複性高或流程明確（如接線、售票）。
可被遠端工具支援，非現場執行。
AI最難取代的職業名單：
與此對比，AI最難取代的職業則集中在以下類型：
需面對面互動的照護與服務工作：如護理助理、按摩師。
需要實體操作的技術勞動：如卡車司機、屋頂工、洗碗工。
依賴高度感官或體能判斷的職業：如建築工人、維修人員。
這些工作仰賴人類的實體行動、感官知覺與情緒理解能力，目前AI尚難模擬。
研究特別指出，「AI協助性」和「AI自動執行性」存在明顯差異。
許多需要實體操作的職業雖然可以透過AI獲得資訊和建議協助，但AI幾乎無法完全自動取代人類進行實際操作。這個發現為職場轉型提供了重要啟示：即使在AI時代，人機協作仍將是主流模式。
AI對高薪工作影響最大？
微軟研究在分析AI影響與社會經濟因素的關聯性時，發現了一些令人意外的結果。首先，AI影響力與職業平均薪資的關聯度相當微弱，這打破了「高薪工作更容易被AI取代」的普遍認知。
在學歷方面，研究顯示需要大學學歷的職業確實受到AI影響較高，但各學歷層級之間存在明顯的重疊區域。這意味著AI的影響並不完全按照傳統的教育程度區分，而是取決於工作內容的性質。
此份微軟報告的參考性高嗎？
然而，研究也指出了幾個重要的限制因素。
首先，統計數據僅反映「AI已展現的能力」與「用戶確實使用」的部分，無法完全預測未來的絕對影響程度。其次，研究僅基於Copilot平台，未涵蓋所有AI產品的使用情況，可能存在樣本偏差。
更重要的是，實際的AI影響程度將高度受到後續工作內容重構和職場決策的影響。許多組織可能會選擇將AI作為輔助工具，而非完全替代人力，這將大幅影響最終的就業結構變化。
從長遠角度來看，這項研究對於處在高風險職業的工作者而言，將是一記警鐘。及早學習新技能、轉換職涯跑道或學會與AI協作，將是適應未來職場變化的關鍵策略。
（資料來源：Microsoft Research、Entrepreneur）
（原文標題：微軟最新研究：AI最可能取代的１０種職業）
延伸閱讀：
AI時代的「大裁員潮」開始了嗎？工業革命級的衝擊正在逼近
不只AI搶飯碗！Z世代成企業裁員首選 專家揭「邊緣化」五大原因
「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？
用對ChatGPT，能「多賺一份收入」？５步驟用AI打造你的副業
AI取代人力後，效率反而下滑？全球獵頭公司Korn Ferry：小心裁員的隱性成本
誰該為AI新同事負責？國際兩大調查：人資將成為「Agent Boss」
【ChatGPT當機】除了ChatGPT還有哪些生成式AI？16種AI工具應用解析，4步驟學會關鍵能力
生成式AI除了ChatGPT，你還用過哪些？本文解析4大領域、16種AI工具特性，包括：Copilot、Perplexity、Claude等等，專家也提醒千萬別完全依賴AI、失去自主思考能力，4步驟帶你了解如何正確運用AI工具，建立解決問題的思考框架！
編按：ChatGPT在台灣時間7月16日上午再傳大當機，網頁、APP版都出現異常，用戶除分享當機災情，也尋找替代工具，本文分享除了ChatGPT，還有哪些生成式AI工具！
文／ 張可佳（Claire Chang）
本文目錄（點擊可快速前往）
16種生成式AI工具4大領域應用文本生成（LLM）工具影像／影片生成（Text-to-Image）工具音樂／聲音生成工具程式碼生成工具生成式AI的正確／不正確使用範例正確使用AI的例子：輔助學習不正確使用AI的例子：完全依賴翻譯工具4步驟用ChatGPT訓練解決問題的思考框架1. 明確定義問題與期待結果2. 重視問答過程並在過程中做思考3. 根據反饋一步一步探索你要的目標4. 快速測試及驗證回應
16種生成式AI工具4大領域應用
在生成式AI的世界裡，許多人可能首先想到的是OpenAI的ChatGPT。然而，生成式AI的應用範圍遠不止於此，涵蓋了從文本生成到圖片、影像、音樂、語音生成，甚至程式碼生成的多個領域。以下是一些主要的生成式AI工具，介紹它們在不同領域的應用。
文本生成（LLM）工具
1. OpenAI的ChatGPT
網址：https://chatgpt.com/
最受歡迎的文本生成模型之一，能夠回答問題、撰寫文章、生成對話等。
2. Google的Gemini
網址：https://gemini.google.com/app
能夠同時理解文本、影像、音訊和影片，這使其能夠更全面地處理和生成資訊，適用於各種複雜任務。
3. 微軟的Copilot
網址：https://copilot.microsoft.com/
整合Microsoft 365應用程式，幫助用戶自動化任務、生成內容和分析資料，提升工作效率。
4. Anthropic的Claude
網址：https://claude.ai/
超大的上下文窗口，可處理長的文本資料。
5. Perplexity
網址：https://www.perplexity.ai
與傳統搜尋引擎不同，Perplexity AI提供單一的、全面的答案，概括了所有需要知道的資訊。
6. Felo Search
網址：https://felo.ai/search
支持多語言搜尋，能夠自動翻譯搜尋結果，消除語言障礙，使用戶能夠訪問全球資料。搜尋結果是從網際網路上即時獲取的，確保資訊的最新性和準確性。
影像／影片生成（Text-to-Image）工具
1. Meshy
網址：https://www.meshy.ai/
從文本或影像創建3D建模檔案，從而加速3D建模的流程
2. Midjourney
網址：https://www.midjourney.com/
以創作高品質影像而著稱，適合藝術家和設計師使用。
3. Stable diffusion
網址：https://stability.ai/stable-diffusion
開源社群網址：https://civitai.com/
開源的影像生成模型，提供靈活且可自定義的生成過程。並有著豐富的開源模型社群，有豐富的免費模型與外掛可供嘗試使用。
4. Kling
網址：https://klingai.com/
影片及圖片生成的大模型，能更輕鬆地完成藝術影片創作。
音樂／聲音生成工具
1. Suno
網址：https://suno.com/
音樂生成AI工具。使用者只需要輸入歌詞，就可以在短時間內自動完成作曲、編曲及演唱。
2. Steve AI
網址：https://www.steve.ai/
專門用於生成音樂和聲音效果，適合影片和遊戲設計。
3. AudioCraft
網址：https://audiocraft.metademolab.com/
Meta開發的音樂生成工具，能創作高品質的音樂片段。
程式碼生成工具
1. Github的Copilot
網址：https://github.com/features/copilot
與Visual Studio Code整合的程式碼輔助工具，能夠即時補全程式碼。
2. Cursor
網址：https://www.cursor.com/
使用GPT-4，在一種新型編輯器中撰寫、編輯的程式碼。
3. Cosine AI
網址：https://cosine.sh/genie
推出了Genie，自稱全球最優秀的AI軟體工程師。
生成式AI的正確／不正確使用範例
筆者在撰寫此書籍時，為了更深入了解各行各業中人們使用生成式AI的情況，訪談了20餘位不同行業和角色的職場菁英。
其中，來自5IN實驗教育機構的李有誠博士，身處教育界，對生成式AI的影響有深刻見解。他認為生成式AI是一種革命性的技術，不僅改變了知識的傳遞方式，更可能重塑人類社會的結構。
李博士強調，生成式AI的強大之處在於其能在短時間內處理和生成海量數據與資料，超越人類能接受、理解和消化的能力。這種能力有可能引發許多職位、人類角色、認知和信念的興起與消失，導致社會結構的快速變動，也因此導致現代人們容易自我定位錯亂，迷失自我。
為了應對這種變動，他認為教育的核心任務應該是幫助學生進行自我探索與定位，探索自我價值觀，建立自我人格。人的想法和人格並非純粹內生，而是受到外部環境和參考資料的影響而形成。只有當學生能夠更快地了解自己與環境時，才能更有效地適應這些變化。
因此，社會對教育的觀念也需要隨之改變，應更加重視思考能力和人文素養的培養，而非僅僅追求分數或知識的學習。建立解決問題的思考框架，而非僅依賴AI提供的知識，將成為未來AI時代最重要的軟實力。
他也提及我們應謹慎使用AI功能，以確保能從中受益而不是依賴。
正確使用AI的例子：輔助學習
在完成英文創意寫作後，可以使用AI工具（如Grammarly、ChatGPT）來檢查文法錯誤。這種使用方式能夠幫助學生識別和理解自己在語言使用上的錯誤，進一步辨認出自己需要調整的地方，提高語言能力。學生完成寫作後，將其提交給AI 檢查，然後將AI指出的錯誤列出並理解這些錯誤的原因，再進一步請教師解釋和指導。接下來，學生按照對自己現況能力的新了解而更有針對性的進行下一步的成長，方能達到提高能力的目標。
正確使用AI－輔助學習指令：
請檢查這篇英文文章的文法錯誤，並列出有哪些錯誤及其原因。我想學習並了解我的寫作問題，從而改進我的英文能力。以下是我的文章內容：[ 在此貼上文章內容]
不正確使用AI的例子：完全依賴翻譯工具
在創意寫作時，直接使用Google翻譯將中文文本轉換為英文，然後將這些翻譯結果提交作為作業。這種做法完全沒有涉及到發自於學生本身的任何自主思考，錯失了練習英文的機會，沒有達到學習的目的，反而浪費了時間和資源，變成老師根本就是批改電腦生成內容的滑稽景象，也可能誤創造出學生有在學習的假象。
不正確使用AI－完全依賴工具：
我有一篇中文文章，請你將其翻譯成英文，並確保翻譯後的結果看起來像是創意寫作，能直接提交作為作業。以下是文章內容：[ 在此貼上文章內容]
4步驟用ChatGPT訓練解決問題的思考框架
從上面的範例我們可以知道，我們並不是要完全依賴AI替我們工作，而是將其視為一個強大的輔助工具，在我們的指導下，共同完成目標。我們可以將AI視為自己的下屬，而自己則是主管，負責引導、審視並做出最終決策。
1. 明確定義問題與期待結果
首先，我們需要清晰地定義問題，了解自己想獲得的結果，並附上相關參考資訊，為AI提供明確的指示。就像一位主管在下達任務時，需要讓下屬明確理解工作要求和目標。這樣，AI才能根據我們的指引生成符合預期的結果。
【市場分析報告】指令範例：
我需要生成一份有關市場分析的報告，目標是瞭解我們的新產品在台灣不同市場中的潛力。產品資訊：辣木籽（維持健康 促進新陳代謝 調節生理機能），印度稱其為【奇蹟之樹】，來自印度的超級食物，風靡全球 營養價值高
2. 重視問答過程並在過程中做思考
在這個過程中，我們扮演的角色不僅僅是提出問題，更重要的是評估AI的回應。當AI生成回應後，我們需要像主管審閱報告一樣，仔細檢查其中的邏輯和合理性。對於發現的任何不合理之處，我們要進一步探詢或查證，確保最終的結果是準確可靠的。
【客群分析】指令範例：
以這三種不同客群來說，在行銷包裝上分別要注意什麼？中老年人、關注健康的年輕專業人士、重視養生的族群
3. 根據反饋一步一步探索你要的目標
此外，我們應該善用AI提供的反饋，逐步逼近我們的最終目標。這就像在管理一個專案時，我們根據進展情況進行調整和最佳化，最終達成預期的成果。這種持續的互動和調整，是確保AI能夠有效協助我們解決問題的關鍵。
【行銷策略】指令範例：
有沒有一種行銷可同時打中這三種族群？
4. 快速測試及驗證回應
在利用AI解決問題的過程中，我們需要對AI回應的內容進行驗證。透過一來一回的過程，我們能從中學習到我們原本不知道的東西，並產生最終品質更好的結果。這不僅能提高我們的工作效率，也能讓我們從過程中學習，增強我們處理跨領域問題的能力，讓我們透過AI來提升工作能力及效率。
【行銷管道】指令範例：
中老年使用部落客推薦會有用嗎？有推薦管道嗎？
這時我們就可以去Google搜尋其他保健食品與醫生或健康專家合作做推薦的案例（可以使用Perplexity或Felo Search去搜尋相關文章），並評估可行性和過往的成效。我們可以將搜尋到的資料再貼回ChatGPT，幫助ChatGPT有更多符合我們需求的相關知識，並提供更好的後續回應。
節錄自：博碩文化《AI職場超神助手：ChatGPT與生成式AI一鍵搞定工作難題／張可佳（Claire Chang） 著 》
更多【AI工具應用】推薦：
盤點20大職場必備AI工具！專家：未來9成工作者都須懂AI
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
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
2025-10-27 經濟日報記者彭慧明 由聯合新聞網授權轉載
全球科技研調機構Gartner 27日發布對2026年重點關注的十大戰略技術趨勢。Gartner研究副總裁高挺（Arnold Gao）表示，2026年各項戰略層面重要技術動向密切交織，反映了一個由人工智慧（AI）技術驅動的高度互連世界現實圖景，技術領域創新速度湧現的新成果將大量出現、遠超從前。
Gartner提出的2026年重要戰略技術趨勢如下：
一、AI超級運算平台
AI超級運算平台整合CPU、GPU、AI ASIC、神經形態運算與替代性運算範式，使企業統籌複雜工作負載，同時釋放更強性能、更高效率與更多創新潛力。該系統融合強力處理器、海量存儲、專用硬體與編排軟體，可處理機器學習、模擬與分析等領域資料密集型工作負載。
Gartner預測，到2028年，應用混合計算範式架構於關鍵業務流程的領先企業合計超過40%，較當前8%水準大幅增長。
二、多智慧體系統
多智慧體系統（MAS）是多個AI智慧體構成、利用交互作用實現複雜個體或共同目標的集合，既可在單一環境中交付，亦可於分散式環境中獨立開發部署。
高挺表示，通過使用多智慧體系統，企業可實現複雜業務流程自動化、提升團隊技能、開創人類與AI智慧體新協作方式。採用模組化設計的專業智慧體通過在各工作流中重複使用成熟解決方案提升效率、加速交付與降低風險。此方案便於擴展運營規模與快速適應需求變化。
三、特定領域語言模型（DSLM）
資訊長（CIO）暨執行長（CEO）要求AI帶來更多商業價值，但一般大語言模型（LLM）難以勝任專業任務。特定領域語言模型（DSLM）憑藉更高精度、更低成本與更高合規性填補這一空白，是針對特定行業、功能或流程專用資料上訓練或微調的語言模型，DSLM能更精準、可靠且合規地滿足特定業務需求。
Gartner預測，到2028年，企業使用的生成式AI（GenAI）模型超半數屬於特定領域模型。情境 (Context) 成為決定代理部署成功與否的關鍵因素之一。基於DSLM的AI代理可解讀特定行業情境，即使在陌生情境中也能做出合理決策，因而具備超卓準確性、可解釋性與決策合理性。
四、AI安全平台
AI安全平台為協力廠商暨客製化AI應用提供統一防護機制，進行集中監測、強制執行使用策略，有效防範AI特定風險，如提示注入攻擊、資料外洩、惡意代理行為等，幫助CIO執行使用政策、監控AI活動、在全AI系統中建立統一防護邊界。Gartner預測，到2028年，使用AI安全平台保護AI投資的企業比率超過50%。
五、AI原生開發平台
AI原生開發平台使用GenAI實現空前快速、便捷的軟體發展。軟體工程師作為「前端部署工程師」進入業務部門，使用該平臺協同領域專家開發應用。企業只需維持現有開發人員規模，組建微型團隊配合AI即可開發更多應用。目前，領先企業組建微型平臺團隊，在安全與治理框架範圍內讓非技術領域專家能自主開發軟體。
Gartner預測，到2030年，80%的企業通過AI原生開發平臺使大型軟體工程團隊轉為更靈活的小團隊並通過AI賦權。
六、機密運算
機密運算重塑企業敏感性資料處理方式。由於工作負載被隔離在基於硬體的受信任執行環境（TEE），即使面對基礎結構所有人、雲端提供商或任一擁有硬體物理存取權限之實體，機密運算也能確保內容與工作負載隱形能力，對受監管行業、面臨地緣政治與合規風險的跨國公司與競爭對手的合作尤為重要。
Gartner預測，到2029年，在非可信基礎結構中處理的業務當中有超過75%將依託機密運算機制保障使用安全。
七、實體AI
實體AI是因人為賦權而具有感測、決策與執行能力的機器與設備（例如機器人、無人飛行器暨智慧型設備），將智慧型演化演算帶入到現實世界，為看重自動化、適應性與安全性的行業帶來可觀收益。但同時可能引發人們對就業的擔憂，因此要採取謹慎的變革管理。
八、前置主動式網路防禦
企業面臨網路、資料與聯網系統威脅倍增，前置主動式網路防禦正成為趨勢，以運用AI驅動的安全運營、程式化阻斷與欺騙技術在攻擊者行動前就實施干預，以預測手段實現防護。Gartner預測，到2030年，CIO從被動防禦轉向主動防護，前置主動式網路防禦解決方案將占企業安全支出總額一半。
九、數位溯源
企業日益依賴協力廠商軟體、開放原始程式碼與AI產生內容，數位溯源驗證已成為一項重要需求。數位溯源指對軟體、資料、媒體暨流程來源、所有權與完整性進行驗證的能力。企業可使用軟體物料清單（SBoM）、認證資料庫、數位浮水印等新工具驗證與追蹤供應鏈中的數位資產。
Gartner預測，到2029年，在數位溯源方面投入不足的企業會面臨高達數十億美元的制裁風險。
十、地緣式遷移
地緣式遷移指企業因考慮到地緣政治風險而將資料與應用從全球公有雲遷出至主權雲端環境、區域雲端服務商或自有資料中心等本地平台。主權雲端這一概念曾僅限銀行與政府機構，如今因全球局勢動盪加劇而影響各類企業。
Gartner預測，到2030年，歐洲暨中東地區將有超過75%的企業把虛擬工作負載遷移至降低地緣政治風險的解決方案，2025年還不足5%。
[joblist_plugin title='更多104【AI工程師】工作機會' url='https://www.104.com.tw/jobs/search/?order=15&jobcat=2007001020&page=1' amount='3']
AI超便利？人工智慧潛在的3大負面影響
文： 小婉家族研究生：卓引祈 | 工商心理實驗室
原標題：人工智慧（AI）賦能人力資源管理：是助力還是威脅？
在當前科技迅速發展的時代，人工智慧（AI）正以前所未有的方式重塑各行各業，尤其是人力資源管理領域。然而，這一變革並非只有光明的一面。AI的引入雖能為繁瑣的工作帶來便利，卻也潛藏諸多隱患，可能對員工的心理健康與工作滿意度造成不利影響。
隨著人工智慧（AI）的興起，各行各業開始將人工智慧技術應用於工作中，並有許多相關的利弊討論。對於工作繁重、面向多元的人力資源管理者，AI的應用可以帶來許多便利。然而，使用AI時，有哪些潛在的影響可能導致人力資源管理實踐產生負面影響？
首先，從人工智慧的演算法的三大特徵，即時性、全面性、不透明性，來探討可能對員工造成潛在的負面影響。AI的即時性可能讓員工產生被監控的心理壓力以及工作和生活界線的模糊；並且因其強大的功能（全面性）可能造成員工自卑，造成工作動機感、成就感下降。而其不透明性可能進一步引發偏見、歧視，甚至是知覺分配不公平等議題。而更近一步的，當組織意圖用將員工的表現被更頻繁且細緻的以數字劃分時，可能削弱員工的內在動機，進而影響其工作表現和態度。因此使用AI雖然可以簡化部分的管理事務，協助達到更精準的管理決策，然卻可能造成員工的反彈，對人力資源管理的實踐帶來了巨大的潛在挑戰。
但也有研究顯示，以AI為基礎的人資系統能透過加強正向員工體驗，帶來更好的員工投入度。其主要是透過關注員工本身的需求，提供個性化的協助，以及提供平台促進與他人的交流。
雖然目前的研究結論對於AI在人資管理系統究竟是利大於弊，還是弊大於利有不同的看法，然而使用AI在人資管理上會造成何種結果，很大程度取決於使用者的目標及使用方法，意即我們抱持什麼最終目的在使用AI，會影響我們決定如何使用AI，以及它對員工造成的是正面的還是負面的影響。
作為管理方，若將AI作為評判或監控的工具，可能會造成員工巨大的心理壓力，適得其反。而作為人力資源的工作者，若我們一心只希望AI幫我們解決困難的工作，等於將AI視為工作的主體、判斷與創意的主體，可能會造成許多關鍵能力的喪失，無論是學習能力、洞察能力、評判能力，甚至造成內在價值感下降、缺乏動力等一連串的問題。工作需要有輕重之分，我們可以將部分的任務交給AI，但清楚知道AI只是協助者，我們仍是價值的提供者、方向的領導者。
而無論是作為員工、主管還是企業，不免需要回到源頭的問題：運用這些技術的根本目的為何？光有技術不足帶來革新，關鍵還在於是否真正在乎個人的福祉？無論是組織在乎員工的福祉，甚至是工作者在乎工作所帶給他人的意義等，若我們能清楚自己內在的價值定向，則就能用正確的心態使用AI，讓AI成為我們的助力，而非是威脅。
增強AI應用能力，讓AI成為助力工作更有效率＞＞
小婉家族研究生：卓引祈
參考資料：
Malik, A., Budhwar, P., Mohan, H., & N. R., S. (2023). Employee experience –the missing link for engaging employees: Insights from an MNE ’s AI ‐based HR ecosystem. Human Resource Management, 62(1), 97–115. https://doi.org/10.1002/hrm.22133
Zhou, Y., Wang, L., & Chen, W. (2023). The dark side of AI-enabled HRM on employees based on AI algorithmic features. Journal of Organizational Change Management, 36(7), 1222–1241. https://doi.org/10.1108/JOCM-10-2022-0308
看更多來自工商心理實驗室的好文 >>
能者多勞？還是忍著過勞？ 小心引發工作倦怠
學習時間管理就能提升效率？探索你的「時間特質」找到關鍵
Z世代安靜離職消失了嗎？不，它進化成「怨恨缺勤」
在微笑的面具下，其實心好累！４招從情緒勞務中恢復
生成式AI對人資帶來的是機會?還是風險?
提升員工帶動企業的成長！最划算的教育訓練方案首選>>
企業內訓、公開班及線上課程需求，104人資市集最超值 >>
訂閱人資市集電子報獲得專家工作分享及產業新知 >>
加入104人資市集官方line獲得最新優惠及活動資訊 >>
有任何收穫或想分享的，都來和大家一起聊聊吧！