104學習

AI 能力

ELKI

ELKI 是一個用於資料探勘和機器學習領域的開源軟體框架，專注於群集分析和異常檢測。具備這項技能代表你能運用先進的資料分析工具，處理大量複雜資料，從中找出有價值的模式與洞察。對於需要數據驅動決策的職位，如資料科學家、分析師或研發工程師，非常具競爭力。熟悉此技能不僅提升技術深度，也展現你在大數據時代掌握精準分析的能力，有助於企業優化策略與流程。

0 人關注

測測你現在的程度

花 5 分鐘了解自己的能力，找到最適合的學習起點

提升你的實力，朝專業更進一步

精選課程

充實自己，讓能力持續成長

AI 商業數據與工作應用實戰：分析、報表與決策支援【09/30】

資料探勘一步到位: 原理與分類/聚類演算

不寫程式的大數據分析師：數據分析之王-超強excel樞紐分析

成為 AI 科學家｜用文字探勘與自然語言處理萃取文字數據精華，逐步成為數據統整大師

Power BI DAX函數運用

成為 AI 科學家｜資料探勘速成攻略，輕鬆駕馭資料分析與實務應用

成為 AI 科學家｜資料分析師必備視覺化技能 Power BI

【免費課程】ITE-嵌入式系統軟體開發專業人員：硬體架構與介面

EC-Council COASP AI資安專家認證課程

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

精選證照

考取專業證照，讓能力被市場看見

ICDL-數據分析

ICDL國際認證符合現今產業趨勢，包含雲端協同作業、數位行銷、運算思維與程式設計、數據分析、專案規劃及必要之資訊安全..等能力，皆可完整學習，從而快速的應用在新技術及工作上。在全球超過100個國家的夥伴網路，以40多種語言授課認證，而財團法人電腦技能基金會(CSF)為ICDL台灣總代理。

ICDL Asia

ICDL-運算思維與Python程式設計

ICDL Asia

ICDL-電子試算表

ICDL Asia

ICDL-大數據

ICDL Asia

CDIA+

CDIA+（Certified Data Intelligence Associate）證照專注於數據智能與資料分析能力，涵蓋資料收集、處理、分析及應用等核心技能，協助企業從大量數據中萃取價值，提升決策品質與營運效率。持有此證照代表具備運用數據驅動策略及解決問題的專業能力，適合數據分析師、業務分析師及相關領域專業人士，助力職涯發展與職場競爭力提升。

Comp TIA

ICDL-計算機概論

ICDL Asia

精選貼文，掌握第一手知識

Claude Cowork新增內建瀏覽器！不用裝外掛，AI可直接開網頁、填表單

Claude Cowork推出內建瀏覽器，可直接蒐集網頁資料、擷取Dashboard數據與填寫表單。本文整理功能用途、付費方案、與Claude in Chrome差異及使用注意事項。文／《104職場力》本文目錄（點擊可快速前往） Claude Cowork有內建瀏覽器了，可以做什麼？Claude Cowork內建瀏覽器和Claude in Chrome差在哪？哪些方案可以使用？使用仍要注意資安風險 Anthropic於美國時間8月26日宣布，Claude Cowork桌面版新增內建瀏覽器（Built-in browser）。當任務需要使用網站時，Claude可以直接在桌面版應用程式側邊開啟自己的瀏覽器，瀏覽網頁、讀取內容、點擊以及輸入文字，不必另外安裝Chrome瀏覽器擴充功能。這也代表，除了分析電腦裡的文件、使用Connectors串接服務之外，部分原本必須進入網站才能完成的工作，現在可以直接交給Cowork處理。使用工具：Claude Cowork桌面版是否付費：付費方案限定（Pro、Max、Team、Enterprise）網頁版：https://claude.ai/電腦版：https://claude.com/download手機APP：iOS下載、Android下載 Claude Cowork有內建瀏覽器了，可以做什麼？過去若要讓Cowork操作網站，需要透過Claude in Chrome擴充功能來操作使用者的Chrome瀏覽器；這次更新後，Claude有了一個與個人瀏覽器分開的內建瀏覽器。 Anthropic舉例，可以把以下工作交給Claude：蒐集網頁上的研究資料從Dashboard擷取數據填寫網頁表單從供應商Portal收集發票操作沒有Connector可以串接的網站例如準備報告時，可以讓Claude上網蒐集資料；處理行政工作時，也可以請它進入網站取得需要的資訊。 Claude Cowork內建瀏覽器和Claude in Chrome差在哪？兩項功能都能讓Claude操作網頁，但使用情境不同： Cowork內建瀏覽器：使用Claude自己的獨立瀏覽器，不會直接看到使用者個人瀏覽器裡的分頁、書籤或密碼，適合將一段網頁工作交給Claude處理。若有需要，也可以逐一將網站登入狀態帶入，目前macOS支援從Chrome、Edge、Firefox移轉，而Windows與Linux僅支援Firefox；銀行、電子郵件與單一登入（SSO）網站預設不會移轉，除非使用者自行選擇加入。 Claude in Chrome：是操作使用者已經開啟的Chrome頁面，適合處理已經開啟或登入中的網頁，例如更新CRM、處理收件匣或編輯文件。簡單來說，想把網頁任務交出去，可以用Cowork內建瀏覽器；想讓Claude操作已開啟的網頁，則可使用Claude in Chrome。如果使用者原先已在使用Claude in Chrome，仍會作為預設選項；也可以在「Settings → Cowork → Preferred browser」自行切換。哪些方案可以使用？使用仍要注意資安風險目前「Cowork內建瀏覽器」功能僅開放給付費方案，Anthropic表示將於一週內陸續推送給Pro、Max、Team方案的Claude桌面版使用者，支援macOS、Windows與Linux；Enterprise方案目前已可由管理員開啟功能（於Organization settings → Cowork → Built-in browser管理）。功能推送到帳號後將預設為開啟，使用者不需另外設定；只要任務涉及網站，瀏覽器就會自動在側邊面板開啟。內建瀏覽器會在Claude桌面版中運作，只要Claude桌面應用程式保持開啟並連線，使用者也能從Claude網頁版或手機版下指令，讓電腦端的Claude執行網頁任務。不過，讓AI直接操作網站仍有風險。Anthropic特別提醒，AI瀏覽器可能遭遇Prompt Injection（提示詞注入），例如網頁藏有惡意指令，企圖讓Claude偏離使用者原本交付的任務。官方表示雖有相關防護措施，但無法完全消除風險，因此建議一開始先從可信任的網站使用。（參考資料：Claude）推薦閱讀： Claude怎麼用？免費版有什麼限制？Chat、Cowork、Code及實用功能盤點 Claude Cowork怎麼用？要付費嗎？解析操作流程、權限設定及模型選擇 Claude Cowork排程任務怎麼用？讓AI定時工作，自動產出報告教學

【104職場力】・AI

精選一句話改完整份簡報！Gemini、Copilot、Canva 三家 AI 簡報新功能怎麼選？

簡報做到一半，主管說「整份換成公司品牌色」「第 5 到 7 頁濃縮成一頁」，你是不是又要一頁一頁慢慢改？十月底，Google、Microsoft、Canva 都在 AI 改簡報上有新動作：不用從頭重做，打一句話就能改整份現有的簡報。先看三家各推了什麼： Gemini in Google Slides（10/29 開始推出）在側邊欄下一句指令，Gemini 會自己判斷要改哪幾頁，直接改在可編輯的投影片上，改完列出修改摘要。適合：統一整份字型和配色、照另一份簡報的風格改、引用雲端硬碟的檔案補內容。限制：目前只支援英文指令；要 Workspace 商務／企業版或 Google AI Pro、Ultra 方案。 Copilot in PowerPoint（10 月持續更新）在 Copilot 對話框用聊天的方式改簡報，可以新增和重組投影片、換圖、套公司品牌範本。10 月新增品牌套件技能，比較長的工作關掉檔案也能在背景繼續跑。適合：公司已經用 Microsoft 365、要符合品牌規範的正式簡報。限制：完整功能需要 Microsoft 365 Copilot 授權；簡報太大可能超出系統上限。 Canva Brush（10/29 推出） Canva 自家訓練的設計編輯模型，看得懂版面結構，小到改一行字、大到改整份簡報都可以，也能把簡報頁直接改成 IG 尺寸。適合：行銷素材、提案簡報，以及同一份內容要改成不同尺寸的情況。限制：目前開放給 Canva Pro 訂閱者，在 Canva AI 的模型選單選 Brush。那我該用哪一個？先問自己三個問題： 1. 簡報平常放在哪裡？ Google 雲端硬碟 → Gemini；公司用 Office 和 Teams → Copilot；行銷素材都在 Canva → Brush 換工具的成本，常常比功能差異還大。 2. 要改的是「內容」還是「外觀」？補數據、濃縮頁數 → 挑能讀到你原始檔案的工具（Gemini 讀雲端硬碟、Copilot 讀公司檔案）換風格、改尺寸 → Canva Brush 和 Gemini 的整份套風格最順手 3. 有沒有品牌規範要守？要對外、要對客戶 → Copilot 搭配公司品牌套件最穩；個人或小團隊 → Canva 品牌工具組也夠用三個好用的指令寫法（英文版是給 Gemini 用的）：・「把所有頁面的標題改成同樣的字級和顏色」 Make the titles on all slides the same font size and color. ・「把第 5 到 7 頁整理成一頁重點摘要」 Summarize slides 5–7 into a single slide. ・「依照這份檔案的內容，補充第 3 頁的數據」 Update slide 3 with more details based on [檔案名稱]. 最常見的三個錯誤：・一句話塞太多要求，改壞了也不知道是哪一步出錯・改完沒有逐頁檢查，數字和專有名詞被 AI 改掉都沒發現・忘了 AI 會直接改原檔：先複製一份，或記得用版本記錄還原小練習：下面三種情況，你會先打開哪個工具？ ① 業務提案要套客戶指定的品牌色，公司全面使用 Microsoft 365 ② 季報簡報放在 Google 雲端硬碟，要把三頁數據濃縮成一頁 ③ 活動簡報要同時改成 IG 貼文和限動尺寸（參考答案：① Copilot　② Gemini　③ Canva Brush）想把 AI 用進簡報、文案、視覺到影音的完整企劃流程，推薦 104 獨家課程「AI內容企劃力實戰課｜高效文案創作 × 視覺設計 × 簡報製作 × 影音生成」： https://nabi.104.com.tw/course/104nabi/51189062-5156-4dec-9153-8464c6732b13 也歡迎留言分享：你最常用哪一家改簡報？「一句話改整份」真的有省到時間嗎？資料來源： Google Workspace Updates〈Edit entire presentations with Gemini in Google Slides〉 https://workspaceupdates.googleblog.com/2026/10/edit-entire-presentations-with-gemini-in-Google-Slides.html Microsoft Support〈Edit with Copilot in PowerPoint〉 https://support.microsoft.com/en-us/powerpoint/edit-with-copilot-in-powerpoint Canva Newsroom〈Introducing Canva Brush, a vision-language model for design〉 https://www.canva.com/newsroom/news/canva-brush/ （功能、方案與開放範圍以 2026 年 11 月官方說明為準，各家都是分批開放，帳號不一定馬上看得到）

104學習・AI 趨勢報－科技愛好者的產地🤖

【Graphy AI教學】AI自動生成圖表、數據分析4技巧！連報告都能一鍵生成的靈感救星

報告寫不出來、數據圖表總是做不出重點？讓Graphy AI成為你的職場AI靈感助手，只要輸入文字就能一鍵生成圖表、整理分析數據！本文解析Graphy AI超實用的使用技巧，讓圖表製作、報告撰寫變得既簡單又有效率。節錄自《超有料！職場第一高效的 Excel ✕ AI 自動化工作術》。文／施威銘研究室本文目錄（點擊可快速前往）【Graphy AI】連報告都能一鍵自動生成的圖表AI【技巧1】請AI先發想圖表，再回頭優化Excel數據【技巧2】微調圖表範本內容【技巧3】寫分析報告的救星！請Graphy AI幫忙一鍵分析【技巧4】抓現成的Excel圖表請AI分析【Graphy AI】連報告都能一鍵自動生成的圖表AI 【使用AI】Graphy AI 工具：Graphy AI 網址：https://graphy.app/ 雖然我們都知道圖表的重要性，前兩節也介紹了繪製圖表的AI輔助技巧，但圖表只是手段之一，更多時候您可能是被要求提出數據分析報告。在靈感枯竭時，「Graphy AI」這個AI圖表工具絕對是您的救星！ Graphy AI讓我們可以先把手邊的Excel數據拋在一旁，只要擬好簡單的文字描述（主軸當然要與手邊的Excel數據相關），此AI單憑一句話就可以自動生成最適合的圖表範本給我們參考；最棒的是，我們還可以把現成的Excel圖表請它分析，請AI針對我們的Excel資料生成簡報參考內容，這讓圖表製作、甚至是報告撰寫變得既簡單又有效率。請連到http://graphy.app網站申請好Graphy AI免費帳號，用Google帳號即可快速申請好（圖／旗標出版提供）【技巧1】請AI先發想圖表，再回頭優化Excel數據申請好Graphy AI免費帳號後，我們先熟悉一下此AI的操作介面，剛才提到，此AI可單憑一段文字描述就快速生成圖表範本給我們參考，當您單有報告title卻苦無想法時，就可以先請AI提供一些思路。請先開啟Graphy AI的首頁（http://graphy.app）：點擊Chart功能，並點擊這個AI功能（圖／旗標出版提供）輸入提示語 (Prompt)，點擊「Generate chart」就可以開始生成圖表範本。先輸入一段文字描述，單這樣就可以生成圖表範本：「2024年1-12月書籍專案的寫作人員和行銷人員投入資源規劃」。輸入提示語 (Prompt)，點擊「Generate chart」就可以開始生成圖表範本（圖／旗標出版提供）幾秒鐘後AI就會生成它所判斷出的建議圖表，若覺得這張圖表還可以，可以點擊「Use this chart」儲存下來，後續可以再做調整。點擊「Use this chart」儲存下來，後續可以再做調整（圖／旗標出版提供）【TIP】而當我們手邊有滿滿的Excel數據，對於該用哪種圖表毫無想法時，我們也不用急著套入資料開始瞎繪圖，可以利用這招用文字描述請AI給我們一些靈感。但提醒讀者，畢竟AI是利用區區一段話來推敲我們可能需要的圖表，因此不要想說會一步到位。如果結果差很多，甚至生不出來，就要換Prompt多嘗試看看了。此外，前面您也看到了，其實我們並沒有餵入任何數值給AI，因此目前所生成的數值都是AI虛構的，僅供我們發想參考，但筆者就常利用這招得到靈感、回頭調整手邊的Excel資料呈現方式：根據AI提供的範本回頭整理自己的數據，使其更符合報告需求，例如本例希望完成的報告其實用不到這3個欄位（圖／旗標出版提供）以上等於是「AI先提供思路，我們再調整要納入分析的Excel資料」，這招讓我們不用一開始就陷入整理數據的困境，因為已經有了大方向，最終產出的圖表內容就不會離題太多了。【技巧2】微調圖表範本內容如果AI所生成的圖表範本您覺得方向還不錯，也可以繼續做調整。點擊左側的Boards功能，預設會有一個儀表板，請點擊它。右側可以看到剛才存下來的圖表，滑鼠在圖表上停留後會看到選單，請點擊Edit。（圖／旗標出版提供）【TIP】這裡的Boards是dashboard（儀表板）的意思，Graphy AI的用途之一是建立儀表板，儀表板內可以展示各種圖表、數據指標和其他視覺化元素。不過這裡主要是介紹Graphy的AI圖表輔助功能，因此就不對儀表板編輯功能著墨太多了。我們可以在生成的圖表基礎上去修改圖表類型及數據，點擊此圖示。可以快速切換其他種圖表類型。（圖／旗標出版提供）左側可以馬上看到結果，各類型的圖表底下還會提供客製化選項。（圖／旗標出版提供）別忘了生成的數值、單都是AI虛構的，可以點擊此頁次來修改。若想直接在此AI完成圖表製作，可以直接在這裡灌入手邊的真實數據。（圖／旗標出版提供）這2頁稍微體驗了Graphy AI的一鍵生成圖表範本功能，透過AI提供的範本，我們可以回頭優化Excel數據，確保最終產出的圖表更符合需求，減少手動摸索的時間。【技巧3】寫分析報告的救星！請Graphy AI幫忙一鍵分析 Graphy AI當中還有一個最貼心、最不可錯過的AI功能 - 它可以根據我們設計好的圖表內容進行分析，提供各種總結式的論點，這簡直是寫報告的利器啊！例如AI會自動檢測圖表數據中的趨勢，並試著解釋這些趨勢的意義。或者幫我們識別數據中的異常值，提供可能的原因分析。凡此種種，有了Graphy AI提供的資訊做為靈感來源，就可以更輕鬆完成Excel圖表分析報告了。本例假設已經在左圖中整理好真實的數據，接著在圖表的編輯畫面中點擊此圖示。提供的功能包括insights（提供洞見)、summarize（做總結）、Find anomalies（異常偵測）。也可以請AI將分析結果整理成投影片、報告、簡短PO文…等。（圖／旗標出版提供）我們來試試投影片這一項，點擊上圖的Presentation。沒兩三下就生成投影片大綱 (Slde1、Slde2….) ，點擊「Insert」可以將這些內容插入到圖表下方。（圖／旗標出版提供）將生成的報告內容置入圖表內，看起來更有模有樣了。（圖／旗標出版提供）如果需要翻譯，可以在前頁下圖中點擊「copy」鈕，再將內容複製到ChatGPT等聊天機器人做翻譯。（圖／旗標出版提供） Graphy AI所提供的參考報告內容，其中的各種「見解」可以多參考是不是您要的方向。（圖／旗標出版提供）看到了吧！AI實在太強大，輸入區區一句話，幫我們自動做好圖表、簡報的參考資料了。筆者認為Graphy AI這樣的工具最適合用在當你對做圖表（或者做簡報）完全沒有靈感的時候，可以用這個工具快速獲得一些參考範本、或者可以嘗試切入的報告觀點。【TIP】但千萬記得是「參考」資料喔！乍看之下AI生成的內容還滿有模有樣的，但如同操作時所看到的警語：AI responses can be inaccurate or misleading，有些內容細細推敲後可能根本毫無邏輯（甚至是虛構出來的）。總之，我們可以用AI來節省時間和激發靈感，但絕不能完全依賴它，最終的內容還是需要我們自己去檢驗、修正和補充，以確保資訊的準確性。【技巧4】抓現成的Excel圖表請AI分析除了在Graphy AI介面生成圖表範本、整理數據外，Graphy AI也可以抓取一些現成的圖表來重製、做分析，此服務整合了多種資料來源，包括Google Sheets（可放置Excel檔案）、Google Analytics、Google Search Console、Meta Business、LinkedIn Analytics和x.com等，讓使用者可以輕鬆將不同平台上的數據匯入並快速生成視覺化報表，進一步分析各種指標和績效。做法很簡單，先在主畫面點擊Chart，點擊Import chart，可以選擇匯入哪些來源的圖表。（圖／旗標出版提供）想抓取Excel圖表資料來做分析時，可點擊「Google Sheets」。（圖／旗標出版提供） 2 接著會用瀏覽器登入您的Google試算表服務，若有內含已經做好的Excel圖表需要分析，直接點擊開啟它 3 當您將滑鼠游標移到現成的圖表上，就會看到Save to Graphy圖示，點擊後就可以將這張圖表匯入Graphy AI網站（圖／旗標出版提供）【TIP】沒看到Save to Graphy圖示？在您註冊好Graphy AI帳號時，應該會引導您安裝Save to Graphy這個Chrome瀏覽器外掛，若在上圖中沒看到此圖示，代表外掛還沒有安裝好，請自行到Chrome商店搜尋、安裝。延續前面的操作，在點擊Save to Graphy圖示後，畫面會切回Graphy AI網站，可看到圖表已經匯入完成了。點擊「Save and open app」儲存，並在儀表板畫面開啟。在儀表板畫面中，將滑鼠游標在圖表上停留，點擊選單內的Edit圖示。請注意，這裡的圖表數據跟Google試算表是「連動」的喔！若Google那端的數據有更新，可以點擊此圖示進行更新。右上角也會顯示這張圖表的來源是Google試算表。（圖／旗標出版提供）最方便的就是AI分析功能，請點擊此圖示。希望AI生成哪類型的報告都可以，本例選擇「Summarize」請AI針對Excel圖表做個總結。（圖／旗標出版提供）幾秒鐘的時間就針對左側的Excel原始圖表生成摘要給我們參考了！（圖／旗標出版提供）節錄自：旗標出版《超有料！職場第一高效的 Excel ✕ AI 自動化工作術：生成公式 + 函數、做自動化，用 AI 解決所有 Excel 難題！》／施威銘研究室著推薦閱讀： Excel公式讓ChatGPT幫你寫！輸入指令就能懂的Excel公式教學 ChatGPT分析數據資料會出錯嗎？修正盲點教學，制定策略更高效精準 ChatGPT生成Excel圖表不卡關！xy軸設定、中文顯示問題輕鬆搞定 [course_plugin title='推薦Excel相關課程' keyword='excel' amount=2]

【104職場力】・AI

GA4 資料怎麼看？一次分清事件、維度指標、來源範圍與探索工具

網站有了資料，仍可能因為選錯欄位、來源範圍或工具而回答錯問題。以網路商店為例，從資料入口與事件模型出發，再把分類、量化與分析目的接起來。本文目錄帳戶、資源與資料串流事件參數如何支持工作問題維度、指標與自訂欄位首次使用者與工作階段來源依問題選擇報表與探索練習與行動任務常見問答官方資料與查核日期帳戶、資源與資料串流帳戶管理資源；資源承接同一分析需求的資料與報表；資料串流把網站或應用程式資料送進資源。商店若同時有網站與應用程式，要依是否一起分析同一群使用者，判斷是否放入同一資源。建立串流後仍需設定收集，不會補回過去未收集的資料。事件參數如何支持工作問題 GA4以事件記錄互動，例如瀏覽頁面或完成購買；參數補充商品類別、交易金額與幣別等細節。先查自動收集、加強型評估或建議事件，再決定是否自訂。建議事件有既定名稱與參數，仍需依文件實作，不代表已自動收到。同一間商店若只送出購買事件，卻沒附商品類別，就只能知道發生購買，無法據此比較哪類商品受歡迎；所以先想清楚工作問題，再決定要收哪些細節。維度、指標與自訂欄位維度描述特徵，例如裝置類別、國家或事件名稱；指標量化結果，例如事件次數或收益。手機帶來20次購買，手機是裝置類別的值，購買次數是量化結果。同一顧客可能觸發多次事件，事件次數不能當成不重複使用者人數。同一間商店想比較不同會員等級的購買表現，即使已送出等級參數，報表也不會自動出現可用的自訂欄位。因為收集參數與建立報表欄位是兩件事，還要依用途與範圍建立自訂維度，確認與指標相容。先在測試事件核對等級值，再核對自訂定義，就能分清是收集有問題，還是報表欄位未備妥。即時報表可看近期事件；偵錯檢視用於啟用偵錯模式後檢查測試事件與參數。完整報表尚未處理好，不等於追蹤失敗。首次使用者與工作階段來源使用者開發以首次使用者來源理解新客最初如何找到網站；流量開發以工作階段來源分析各次造訪。同一人可以有多個工作階段，不能要求兩張報表數值完全一致。顧客首次從自然搜尋來，之後點電子報回訪。研究最初帶來新客的管道，先看使用者開發；研究這次電子報導入的造訪，則看流量開發及工作階段維度。實際來源數值仍受標記與歸因規則影響。依問題選擇報表與探索一般報表適合持續查看常用業務表現；需要自訂步驟或深入比較時用探索。漏斗探索先定義商品瀏覽、加入購物車、購買的事件與順序，觀察步驟流失；路徑探索則觀察某頁面前後實際發生的互動。練習與行動任務以下是自編教學練習，非官方試題，也不代表現行考試題型或配分。商店要比較手機與桌機各有多少次事件，下列哪一組配置最符合需求？甲，以裝置類別分組，查看事件次數。乙，以事件次數分組，查看裝置類別。丙，以國家地區分組，查看事件次數。答案是甲。裝置類別可把手機與桌機分開，事件次數可量化各組的互動量。乙把分類與量化的角色顛倒；丙雖然也有維度和指標，卻回答地區差異，沒有回答裝置差異。選工具時要回到題目的比較對象，不能只看選項裡有沒有熟悉名詞。商店已定義商品瀏覽、加入購物車、完成購買這三個步驟，想找出哪一步流失最多，最適合先使用哪項工具？甲，路徑探索。乙，漏斗探索。丙，流量開發。答案是乙。題目已經指定步驟與順序，漏斗探索能呈現各步驟間的進展與流失。甲適合觀察實際走過的互動路徑；丙回答這次造訪從哪裡來，沒有直接回答指定步驟的流失情況。工具都能提供資訊，仍要選最貼合當下分析目的的那一個。行動任務：選一項商店需求，寫出要收集的事件與參數、分組維度、衡量指標及來源範圍，再說明為何選一般報表、漏斗或路徑探索。常見問答問：完成本課程就能取得 Google 官方認證嗎？答：本系列為入門與備考導讀，不直接核發 Google 官方認證，也不保證通過；取得認證仍須依官方規定完成評量。問：案例與練習是官方考題嗎？答：案例與單選題是依本課程觀念自編的教學練習，不是官方試題，也不代表現行題型或配分。官方資料與查核日期資料查核日期：2026-10-21。考試資訊以 Google 官方最新公布為主，應考前請核對當年度測驗頁。 Analytics 階層｜Google Analytics 官方GA4說明 https://support.google.com/analytics/answer/9303323?hl=en 事件｜Google Analytics 官方GA4說明 https://support.google.com/analytics/answer/9322688?hl=en 維度與指標｜Google Analytics 官方GA4說明 https://support.google.com/analytics/answer/13947485?hl=en 開發自訂事件｜Google Analytics 官方GA4說明 https://support.google.com/analytics/answer/12229021?hl=en 使用者與流量開發比較｜Google Analytics 官方GA4說明 https://support.google.com/analytics/answer/14731736?hl=en 探索｜Google Analytics 官方GA4說明 https://support.google.com/analytics/answer/7579450?hl=en 更多〈Google Analytics (分析) 個人認證資格〉推薦好文 Google Analytics 個人認證有什麼用？認識能力界線、官方入口與報考準備Google Analytics 認證怎麼準備？測驗規則、語言、證書效期與續證核對GA4 分析如何支持行銷？資料品質、重要事件、歸因與 BigQuery 整合

【104職場力】・Google Analytics

AI大神Karpathy的「LLM Wiki」是什麼？改善工作流、打造知識複利

AI大神卡帕西（Andrej Karpathy）是特斯拉Autopilot神經網路架構推手、OpenAI共同創辦人，看看他如何運用「LLM Wiki模式」蓋出知識圖書館，這個模式的核心主張是，維護結構化知識庫的初期成本，會在成熟後帶來巨大的回報。文／樂羽嘉編譯　由天下雜誌授權轉載本文目錄（點擊可快速前往） LLM Wiki是什麼？卡帕西的真知灼見三層知識架構LLM Wiki核心主張：複利效應的豪賭LLM Wiki實際上怎麼運作？怎麼用Obsidian建立你的LLM Wiki？建立LLM wiki的訣竅LLM Wiki有哪些優點？LLM Wiki有哪些缺點？每次問AI問題、得到答案，然後AI就失憶，下一次提問從零開始，是不是感覺很可惜？看看「AI大神」卡帕西怎麼幫AI蓋圖書館、累積知識複利。每一位AI工程師都打造過類似的檢索流水線。你對文件做嵌入、切片、儲存向量，提問時回傳相關切片、由Claude或ChatGPT模型合成答案。這套流程確實行得通，但如果3個月後有人問了一模一樣的的問題，系統只會機械式重複相同動作，沒有從前一次互動學習到任何東西。這正是傳統RAG（檢索增強生成）的缺點，也就是從不保留知識。系統永遠處於健忘狀態，每一次查詢都必須從零開始，空有能力卻無法成長。有AI大神之稱的卡帕西（Andrej Karpathy）是特斯拉Autopilot神經網路架構推手、OpenAI共同創辦人，透過課程教會一整個世代工程師深度學習。卡帕西發現這個問題，提出了一種架構上截然不同的處理方案──「LLM Wiki模式」。「LLM Wiki」是什麼？為什麼重要？ LLM Wiki是什麼？卡帕西的真知灼見卡帕西使用軟體工程學的「編譯」（Compilation）來做類比。當你編寫原始碼時，編譯器會把原始碼轉換為優化的二進位產物。你不會每次都直接執行原始碼，你會編譯一次，分發產物，然後根據需求，有效率地跑原始碼。編譯過程雖然昂貴，但之後每次使用都能獲得回報。傳統RAG直接針對原始碼去跑，每次查詢都要重新閱讀相同的論文、重新切分相同的PDF、重新綜合整理相同的答案，等於每次請求時都在執行原始碼。 LLM Wiki模式則主張：先編譯你的知識。使用LLM閱讀你的來源資料，把內容綜合整理為結構化、互連的wiki頁面，然後針對這個「編譯產物」做所有查詢。綜合整理過程只發生一次，隨著補充更多來源增加、更新，預先組織好而且經過交叉引用的知識則能改善每次查詢品質。這個編譯產物是一個wiki。不是資料庫，不是向量資料庫，是一組人類可讀、由 LLM維護的markdown檔案，一個概念一個檔案，有交叉引用、來源追蹤，透過Git做版本管理。這是核心觀念的轉變，從「無狀態的檢索」轉向「有狀態、有複利效應的知識」。三層知識架構卡帕西的模式把知識組織為3個界限清晰的層級，每一層都明確的定位、嚴格的所有權模型。第一層：原始來源（不可變層）這是你的輸入層。包括研究論文、YouTube逐字稿、網路文章、會議記錄、部落格文章，任何你想讓系統學習的文本。把來源文件存放在sources/目錄下，當成不可變（Immutable）處理。LLM會閱讀它們，但絕不會修改，這些文本是推導出後續所有內容的基礎真理。這種不可變性是刻意設計，有需要的時候你隨時可以從零開始重新推導出整個Wiki。第二層：Wiki（由LLM維護）這是模式的核心。Wiki是一系列*.md檔案的集合，每個概念、主題或實體對應一個檔案，完全由LLM維護。人類閱讀Wiki，但不直接編寫，每次有新資料來源時，由LLM自動綜合整理、更新。每個Wiki頁面都有YAML Front Matter（markdown檔案頂端存放後設資料的區域），用來追蹤標題、標籤、出處以及最後更新時間。頁面之間使用 [[slug]] 標記互相引用，使知識圖譜以純文本的形式清晰呈現。第三層：schema（治理層） schema是一個JSON檔案，定義整個頁面宇宙：Wiki追蹤哪些概念、它們的縮略名（Slugs）、標題、單行描述，等於是LLM執行人類意圖的合約。當你希望系統開始追蹤一個新概念時，只要在schema中增加一個PageSpec（頁面規範）就好。下次吸收相關來源時，LLM就會自動建立、填寫這個頁面。若你想停止追蹤某個內容，就從schema拿掉。schema是人類唯一需要主動管理的部分，下游的一切都是自動化的。也就是說，人類負責定義哪些知識應該存在，LLM則負責組織、整理這些知識並保持最新狀態。 LLM Wiki核心主張：複利效應的豪賭 LLM Wiki模式的核心主張是，維護結構化知識庫的初期成本，會在成熟後帶來巨大的回報。傳統RAG避開了這些成本，查詢時才做綜合整理，建構成本低、不需要設計 schema，但永遠不會變聰明。第1天和第1000天的同一個查詢，產生的答案品質完全一樣。 LLM Wiki逆轉這種取捨。匯入成本高、schema設計費神、維護需要定期校對，但維護了一年的wiki與全新的系統的品質差異極大，頁面佈滿交叉引用，答案融合了數十個來源，這種複利循環代表有價值的答案本身也成為知識庫的一部分。 LLM Wiki實際上怎麼運作？ LLM Wiki架構很極簡，只有三個要素：一個存放markdown檔案的資料夾：這就是你的知識庫，可以包含任何內容：研究筆記、會議摘要、專案文件、讀書筆記、個人參考資料、有附註的程式碼片段。每個檔案內部要使用統一結構：好的LLM Wiki會使用一致的內部格式，包含標題、簡短摘要、主題標籤（Tags），接著才是內容。模型利用這種結構來更快速定位相關資訊。用Claude Code當查詢介面：你打開終端機，切換到Wiki資料夾，啟動Claude Code，對它提問。Claude Code會讀取所需的檔案、合成答案，按照要求更新或新增筆記。就這樣，不需要資料庫、不需要向量嵌入（你想要也可以加）、不需要伺服器。只有檔案和一個強大的模型。 Claude Code特別適合這項任務，因為它能直接從你的本地檔案系統讀取檔案。你不需要把內容複製貼上到聊天視窗，只要告訴它筆記在哪裡、直接提問就可以了。怎麼用Obsidian建立你的LLM Wiki？你可以使用Obsidian這個本地優先markdown編輯器，來建立工作流。你的檔案都保存在本機硬碟中，Obsidian只是用來讀寫這些檔案的工具。第一步：安裝Obsidian、建立vault（資料庫）從官方網站下載 Obsidian，建立新的vault，放在你容易記得的位置，例如~/wiki或~/Documents/llm-wiki。在Obsidian中，「vault」只是一個資料夾，裡面全部都是純markdown檔案。第二步：定義筆記模板一致性是讓wiki可查詢的關鍵。建立一個模板檔案_templates/note.md： Markdown # undefined **Summary**: 用一句話描述這則筆記**Tags**: #topic1 #topic2**Created**: 2026-04-06T00:00:00+00:00**Last Updated**: 2026-04-06T00:00:00+00:00 --- ## Content 在這裡寫主要內容 ## Related Notes - [[Note Title]] 不需要完全照這個格式，重點是每篇筆記都要有一行摘要（Summary）、標籤（Tags），這樣Claude就算完全不讀整個檔案，也能快速判斷相關性。第三步：用大分類資料夾整理不要過度設計，先從4到5個頂層資料夾開始： plaintext Copywiki/├── _templates/├── projects/├── research/├── reference/├── meetings/└── inbox/ inbox/ 用來放還沒整理的筆記，之後讓Claude幫你分類。第四步：開始寫第一批筆記把對你最重要的知識先搬進來，例如常查的資料、整理好的流程、研究過的概念、做過的決策與這樣做決策的原因，不要一次全部匯入，最自然的方式是遇到新資訊就慢慢加入。第五步：安裝Claude Code 先安裝Node.js，然後執行： Bash npm install -g @anthropic-ai/claude-code 登入你的Anthropic帳號後就可以使用。第六步：查詢你的Wiki 打開終端機，進入你的wiki資料夾： Bash cd ~/wikiclaude 然後可以問問題，像是：我有哪些關於機器學習的筆記？幫我整理research資料夾中關於RAG系統的內容我要寫關於X的提案，有哪些相關筆記？找出提到雨傘公司的筆記、摘要關鍵論點 Claude會讀取你的markdown檔案，找出相關內容，給出有依據的回答，標註來源檔案，讓你可以驗證、深入挖掘。建立LLM wiki的訣竅寫摘要，不要只寫內容：每篇筆記開頭的一句摘要非常重要。Claude會先看這一行來判斷是否相關，花個10秒寫摘要，可以省掉模型讀錯文件的成本。使用一致的術語：例如你有時寫「RAG」、有時寫「retrieval augmented generation」，模型可以理解，但是統一用詞會讓結果更乾淨。建立筆記之間的連結：Obsidian的 [[wiki link]] 會建立筆記之間的關係，Claude可以沿著這些連結推理。連結愈完整，你的知識系譜就愈強。筆記要聚焦：比起餵一篇1萬字的大雜燴，不如拆成10篇1千字的主題筆記。內容愈聚焦，愈好查詢。使用 /inbox 蒐集想法：不一定要追求完美，你可以把粗略、雜亂的筆記丟進 /inbox，再請Claude幫你整理，例如「幫我看inbox資料夾，建議每篇筆記該分類到哪裡，並加上標籤」。 LLM Wiki有哪些優點？知識會隨著時間累積產生複利。這是核心優勢，每一份資料都會豐富同一個Wiki頁面，改善後續的所有查詢。一個匯入50篇關於Transformer論文的Wiki，在回答相關問題時，回答的深度和交叉引用的密度，會遠超過只對同樣 50篇論文進行切片的RAG系統。Wiki的答案整合全貌，RAG則只會翻出最相似的切片。 Wiki變成熟後，查詢速度變快、變便宜。由於「綜合整理」發生在匯入階段而不是查詢階段，查詢過程就變成了針對預先組織好的材料進行「檢索＋生成」，那些吃力的LLM工作都已經事先做好了，包括理解來源、識別重點、撰寫清晰解釋、建立關聯。人類能閱讀知識庫。所有的產物都是純markdown檔案，工程師可以閱讀、編輯、對Wiki進行版本管理。如果LLM寫錯了，你可以直接修正。Git歷史紀錄提供了完整的稽核軌跡，沒有難以除錯的不透明嵌入資料庫或向量儲存。出處明確。每個wiki頁面都會記錄哪些來源文件有貢獻。如果一個頁面包含錯誤資訊，你可以追溯回原始來源。當某個來源更新或被證實不可信時，你清楚知道哪些頁面需要重新匯入資料。規模運作提高成本效率。在重複的綜合整理調用中，系統提示詞的快取機制能大幅降低API成本，路由機制能防止不必要的頁面重寫。成本高昂的綜合整理工作已經在匯入時預先完成，所以每次查詢的成本非常低。交叉引用的密度。隨著wiki持續擴充，頁面會累積用 [[slug] 形式指向相關概念的交叉連結，這就是用純文字實現的知識圖譜。wiki發展成熟後，這種可導航的知識結構對查詢很有幫助。 LLM Wiki有哪些缺點？大規模資料匯入緩慢、昂貴。對於每個來源，流程至少會對每個相關頁面呼叫兩次Claude（路由+綜合整理）。若匯入一個包含50篇論文、產出10個wiki頁面的語料庫，呼叫Claude API的次數約是100到200次。這對個人知識庫可行，但對企業級的大規模匯入流程來說成本較高。這個模式是適合最佳化精心挑選的可策展知識，比較不適合用來大量匯入文件。綜合整理的品質很依賴LLM。wiki的品質取決於用來整理內容的模型，如果模型誤解來源、錯誤地合併兩個概念、憑空產生不存在的關聯（幻覺），這些錯誤會寫進wiki，持續影響後續所有查詢。所以這一步需要仔細設計提示詞、定期執行deep lint檢查。 schema設計是一種負擔。決定要建立哪些頁面、如何命名、描述範圍怎麼界定都不簡單。設計不良的schema會導致：什麼都被判定為相關或什麼都抓不到，產生過於稀疏或過度膨脹的頁面。在新領域中，通常需要反覆迭代才能設計出好的schema。線性掃描限制規模。使用NumPy計算餘弦相似度的扁平化嵌入索引，在頁數達到約500頁以前都很有效。超過這個規模後，延遲會惡化，需要引入近似最近鄰（ANN）索引工具（如 FAISS、ChromaDB或Weaviate）。若要擴展至混合檢索（BM25+向量檢索），則需要額外成本。頁面過時風險。當你加入一個會大幅更新某個概念的新來源時，路由步驟應該要捕捉到、觸發「重新合成」，但如果頁面的schema描述太模糊或對齊不良，負責路由的LLM可能無法看出相關性，導致該頁面內容過時。雖然可以透過定期檢查程式碼或定期全面重新匯入來減少問題，還是需要主動維護。缺乏即時知識。這個模式不是為了即時串流數據（如X推文、股市數據、新聞API）設計的，對於需要即時更新的知識領域，wiki模式反而會增加摩擦而非提升效率。（資料來源：Medium、MindStudio）（原文標題：AI大神教你改善工作流，用「LLM Wiki」打造知識複利）推薦閱讀：用AI做競品分析如何開始？7步驟看懂對手弱點，制定攻防策略最新模型Gemini 3.1 Pro　7個「深度工作」必備提示詞專家：但願你能早點知道的8個ChatGPT好用方法比提示工程更重要，「上下文工程」Context Engineering怎麼做？

【104職場力】・AI

ITE嵌入式系統軟體開發專業人員備考｜IEA／IEX核心、驅動與中斷同步觀念

準備 ITE 嵌入式系統軟體開發專業人員鑑定，需把 IEA「嵌入式系統技術」的系統軟體，連接到 IEX「嵌入式系統的開發平台與工具（Embedded Linux）」的核心架構、中斷、程序執行緒與裝置驅動。本篇整理這些主題的基本判斷：工作屬於哪一層、事件如何通知，以及共享更新為何需要同步。本文目錄考試範圍：IEA系統軟體與IEX核心、驅動必懂觀念1：應用、核心與驅動的責任必懂觀念2：輪詢與中斷處理必懂觀念3：共享計數與工作協調常見誤判：從題目條件排除錯誤方向練習題與解析：沿用本堂影片教學題備考檢查清單本篇對應的官方範圍與延伸準備方向官方來源與資料說明考試範圍：IEA系統軟體與IEX核心、驅動本篇對應 IEA 系統軟體中的核心與驅動，以及 IEX 的 Embedded Linux 系統架構與核心、系統中斷服務、處理程序與執行緒、裝置驅動程式。備考目的在於辨認責任、執行環境與資料競爭；排程和記憶體管理僅作角色介紹，不等於完整機制教學。必懂觀念1：應用、核心與驅動的責任應用程式決定產品行為，例如顯示溫度、比較警報門檻。核心管理處理器時間、記憶體與裝置存取等系統資源。驅動程式則處理特定硬體的控制細節，讓上層能透過合適的介面使用裝置。在一般 Linux 架構裡，這些角色互相配合；不是每個應用程式都直接碰硬體暫存器。以讀取感測器為例，應用程式提出讀值需求，相關核心介面與驅動協助完成裝置存取，再把結果交回。若底層根本沒有成功取得資料，改畫面顏色不會修好通訊。反過來，如果讀值正確而警報門檻比較寫錯，就應該檢查應用邏輯。分層的價值，是把問題縮到可以驗證的範圍。必懂觀念2：輪詢與中斷處理資料到達的時機，也需要軟體協調。輪詢是程式反覆查看裝置狀態；中斷則是事件發生時提出通知，由處理器轉去執行處理。中斷不等於整個應用已經完成，也不保證零延遲。在一般 Linux 硬體中斷處理階段，應快速處理必要工作，將適合延後的工作交給允許的執行環境，不能在裡面任意睡眠等待。必懂觀念3：共享計數與工作協調同時工作還可能產生資料競爭。假設2個執行緒共用1個計數器，都先讀到10，各自加1後都寫回11，最後就少算1次。即使使用多核處理器，也不會自動消除這個問題。對單一共享計數，可以選合適的原子操作；對一整段相關資料，則要依執行環境使用適當的鎖或其他同步方法。在溫度監測器案例中，溫度採樣、畫面更新及網路傳送可以是不同工作。排程決定誰何時執行，記憶體管理協助配置與隔離資源，而共用資料仍要有同步設計。若警報有明確期限，還必須分析最壞反應時間；只憑平均執行得很快，無法保證每次都及時完成。常見誤判：從題目條件排除錯誤方向把所有錯誤歸給應用：底層沒有取得資料時，修改配色無法修復通訊；讀值正確但警報比較錯誤，才應優先查應用邏輯。把中斷通知視為工作完成：中斷不保證零延遲，一般 Linux 硬體中斷處理也不能任意睡眠等待。需辨識哪些工作可延後到合適環境。把多核或較大的資料型別當成同步：兩者都不會保護讀取、修改、寫回的整個過程。原子遞增適用於題目限定的單一計數；多項資料的一致性仍須另行分析。用平均速度推定每次都及時：有明確期限的警報，仍需分析最壞反應時間。練習題與解析：沿用本堂影片教學題以下2題為自編教學題、非官方原題；題幹、選項與答案沿用本堂影片，不代表官方出題或計分方式。第1題｜單選溫度監測器中，哪項工作最接近裝置驅動程式的責任？ A. 依裝置規格操作控制暫存器。 B. 依使用偏好決定畫面配色。 C. 依產品規則決定警報門檻。答案是 A。操作裝置控制暫存器，需要理解硬體規格，是典型的驅動責任。配色與警報門檻則屬於本案例的應用需求。這不是說驅動與產品行為毫無關係，而是先用責任區分，避免在錯的層次反覆修改。第2題｜單選 2個執行緒會同時遞增1個共享事件計數器，哪個處理方向最適當？ A. 改用多核處理器分擔遞增。 B. 替計數器使用原子遞增。 C. 把遞增改成先讀再加再寫。答案是 B。條件限定為單一共享計數的遞增，合適的原子操作可以避免更新被覆蓋。A 的多核處理器不會自動消除競爭；C 的先讀、再加、再寫，正是兩個執行緒可能寫回相同結果、覆蓋更新的原因。即使加大資料型別，也沒有保護讀取、修改、寫回的過程。如果還有其他必須一起更新的資料，就要重新分析整體同步，不能認為所有地方加上原子操作就一定安全。備考檢查清單 □ 能把產品行為、資源管理與裝置控制，分別對應應用、核心與驅動。 □ 能區分輪詢與中斷，說明一般硬體中斷處理的等待限制。 □ 能用「兩個執行緒都讀到10、都寫回11」重現遺失更新。 □ 能說明單一原子遞增的適用條件，並辨識多項資料需整體同步的情況。練習任務：在硬體資料路徑旁標出應用、核心與驅動的責任，找出可能被同時存取的變數並說明同步需求。本篇對應的官方範圍與延伸準備方向本篇依官方技能規範選材，僅涵蓋上述入門觀念，並非兩科完整考綱教學，也不保證考過。依課程規劃的範圍覆蓋表，尚須另外準備： IEA：另準備 C 指標、位元操作、驅動程式實作與軟體分析設計；多核與記憶體階層也需完整原理及題目練習。本文的分層與計數案例只建立入門判斷。 IEX 核心：另補排程、記憶體管理、檔案系統、匯流排存取與電源管理的完整機制，以及 Linux／Android 概述與特性。第4篇僅接續啟動與除錯主線。 IEX 介面與人機介面：另準備 USB／RS232C、有線無線網路、驅動開發、圖形輸出、輸入、視窗控制項、事件通知及 Shell 相關概念。開發整合與趨勢：另做板上除錯、同步設計與整合練習，並依官方更新補充最新趨勢。下一篇：ITE嵌入式系統軟體開發專業人員備考｜IEX交叉編譯、Linux啟動與除錯官方來源與資料說明資料查核紀錄：2026-10-22。技能規範採官網連結版本，PDF 未標年度／版號；修訂狀態仍須依官方確認。本文不推估主題占分；Linux 技術文件僅補充觀念。 IEA技能規範（ITE官方範圍） IEX技能規範（ITE官方範圍） Linux裝置模型（開發專案第一方技術文件） Atomic types（開發專案第一方技術文件） Driver Basics（開發專案第一方技術文件）更多〈ITE-嵌入式系統軟體開發專業人員〉推薦好文 ITE嵌入式系統軟體開發專業人員怎麼準備？報考資格、考科與辦證規則 ITE嵌入式系統軟體開發專業人員備考｜IEA硬體架構、記憶體與介面重點 ITE嵌入式系統軟體開發專業人員備考｜IEX交叉編譯、Linux啟動與除錯

【104職場力】

偷學Anthropic工程師！6個實用Claude提示詞一次看

想讓Claude更懂你的需求、產出更精準？整理Anthropic工程師極力推薦的6個實用提示詞，從需求訪談、教學模式、開發規劃到建立技能與專案記憶，一次掌握更有效率的Claude用法。文／樂羽嘉編譯　由天下雜誌授權轉載本文目錄（點擊可快速前往） 1. 讓Claude Code用大白話解釋運作流程2. 讓Claude一直考你，直到你真的學會3. 在Claude動工之前，先對你進行需求訪談4. 讓Claude把你的開發計畫做成網頁5. 把重複性的任務固化成「技能」6. 自動捕捉這次對話該記住的事使用工具：Claude 網頁版：https://claude.ai/ 電腦版：https://claude.com/download 手機APP：iOS下載、Android下載想要有效利用AI得到想要的答案，就必須給AI高品質的提示詞。要成為提示工程高手，有一條捷徑就是向打造這些AI模型的工程師偷學。《XDA》科技記者法賽爾（Mahnoor Faisal）深入研究Anthropic工程師極力推薦的提示詞和原則，並分享6種他覺得最好用的提示詞： 1. 讓Claude Code用大白話解釋運作流程法賽爾分享提示詞，有很多來自Claude Code團隊的工程師Thariq。Thariq經常在X分享使用Claude Code的工作流程技巧，常常都是那種你想都沒想過但可以立刻上手的方法。他也會分享Anthropic團隊其他成員和社群流傳的提示詞，而這個提示詞背後還有一個很有趣的由來。 Thariq是幫妹妹用AI協助開發一個WNBA數據網站之後分享這個提示詞的。他意識到，Claude Code平常在畫面上顯示或說明的內容，大概有99%對妹妹毫無意義，因為那些內容是寫給精通開發語言的人看的。因此，Thariq設計了一個提示詞範本來解決這個問題。這個提示詞的功能是重塑Claude Code的工作與溝通方式。它不會把所有事情都放在你的主要工作階段執行，然後一路用滿滿術語進行解說。相反的，它會把實際工作交給一個非同步背景代理（async background agent）處理，你的主要工作階段只需要定期查看進度並向你回報。除此之外，它還會啟用explore agent（探索代理），這個唯讀代理唯一的工作就是四處查看並解釋各種功能怎麼運作，但不會動到任何東西，所以你不只是看著事情發生，還能真正瞭解背後發生了什麼事，所有內容都會用白話文解釋，因為這個提示詞會強調技術術語對你毫無用處。提示詞：這是我的提示詞：「【在這裡輸入你的任務需求】」請幫我啟動一個非同步背景代理來執行這項工作，並在它工作的過程中定期查看進度，然後幫我摘要目前發生了什麼事。我完全沒有技術背景，所以請用最簡單的大白話為我做摘要。請利用「探索代理」（Explore Agent）向我解釋另一個代理正在處理的事情背後的運作原理，好讓我在過程中順便學習。如果背景代理遇到任何錯誤，請立刻停下來告訴我，並引導我修復它。請記住，我沒有任何技術背景，任何技術術語對我都沒有幫助。 2. 讓Claude一直考你，直到你真的學會幾個月前，用AI寫程式最困難的部分就是產生能用的程式。現在AI程式寫得很好，跟上它的速度反而變得更難。科技記者法賽爾一直想確保自己是真的理解模型替他寫的程式，不想不假思索地接受AI上繳的成果。法賽爾分享的這個提示詞，來自Thariq在Anthropic的同事Suzanne。Thariq當時一直在詢問同事是怎麼跟上Claude正在建構的內容，這是他最愛的解答之一。這個提示詞不會讓Claude完成所有工作，再一次把所有解釋傾倒給你。它會把 Claude變成一位老師，一次只處理一個概念，先要求你用自己的話重新說明你理解了什麼，確認你真的掌握後，才會進入下一步。法賽爾最喜歡的部分是Claude會透過AskUserQuestion這個Claude Code內建工具來做到「考考你」的效果。這個工具能讓模型暫停流程，然後向你提出真正的選擇題或開放式問題。另一個值得特別注意的細節是最後那一行 /goal 那段內容，設定了一個非常明確的停止條件：在Claude確認你已經理解檢查清單上所有內容之前，整個工作階段都不能結束。不能提早落跑，也不能隨便說一句「好啦好啦我懂了」就直接進入下一個主題。你必須證明自己真的懂，否則這堂課就會繼續下去。提示詞：你是一位教學成效極高的睿智老師，你的目標是確保使用者能夠深入理解這次工作階段中的所有內容。請在每個步驟循序漸進地教學，不要等到最後再一次性說明所有內容。在進入下一個階段之前，你必須先確認使用者已經完全掌握目前階段的所有重點。這些重點包括高層次概念（例如動機與目的），也包括低層次細節（例如商業邏輯與邊界情況）。請持續維護一份Markdown文件，其中包含使用者應該理解事項的檢查清單。請確保使用者理解：問題本身：問題為何存在、問題的成因，以及不同的可能分支情況。解決方案：為什麼採用這種解法、設計決策的原因，以及需要考慮的邊界情況。更廣泛的背景脈絡：這件事為什麼重要，以及這些變更會產生哪些影響。請確保她理解「為什麼」（並持續往更深層的原因追問），同時也要理解「是什麼」以及「如何運作」。充分理解問題本身非常重要。為了瞭解使用者目前的理解程度，請主動要求使用者先用自己的話重新說明自己的理解。接著再根據使用者的回答協助補足缺漏的地方。使用者可能會向你提問，也可能要求你用ELI5（像對五歲小孩解釋）、ELI14（像對十四歲青少年解釋）或ELII（像對實習生解釋）的方式說明。請使用AskUserQuestion透過開放式問題或選擇題來測驗使用者，務必不斷變換正確答案的位置，作答完成之前不要公布答案。如果有必要，可以展示程式碼，或引導使用者使用除錯工具（debugger）。/goal 在你確定使用者已經證明自己瞭解清單上所有項目之前，這個工作階段不應該結束。 3. 在Claude動工之前，先對你進行需求訪談 Thariq分享的另一個提示詞顛覆了傳統的互動模式：與其從你先開始把所有想要的規格與需求講清楚，不如讓Claude來對你進行訪談。這裡的關鍵在於AskUserQuestionTool。這跟前面教學提示詞裡互動式提問的機制完全一樣，只不過在這裡，它的用途是專案規劃（Planning），不是考試。 Claude會先讀取你的規格文件（spec file），然後針對你完全沒想過要指定的細節對你展開連珠炮般的靈魂拷問，包括邊緣案例（Edge cases）、技術權衡（Trade-offs）、UI設計決策等等通常開發到一半、改起來最痛苦時才會浮現的問題。徹底審問完後，它才會把最終的完成版規格書寫進檔案裡。提示詞：請閱讀這份@SPEC.md，使用AskUserQuestionTool詳細問我關於這裡面的任何事情，包括技術實作、UI & UX、隱憂、權衡等。請確保提出的問題不是那種顯而易見的表面問題。務必非常深入，持續不斷地問我，直到細節完全齊全為止，再把最終的規格書（Spec）寫入檔案中。乍看之下這可能很像Claude Code的Plan（規劃）模式，那是因為它們是從不同角度追求同一個目標：在寫任何程式碼之前先做好思考，這樣Claude就不用去瞎猜你的意圖。Plan模式是讓Claude提出做法給你批准，這個提示詞則是讓 Claude先把做法從你的腦袋裡引導出來。 4. 讓Claude把你的開發計畫做成網頁科技記者法賽爾現在基本上已經拋棄傳統簡報，改用HTML網頁來做簡報頁面。他也淘汰了傳統文件，改用互動性更高、只要部署好就能直接丟連結分享的瀏覽器網頁。Thariq也喜歡這樣做，他在X和Claude官方部落格上分享一篇精彩的文章，解釋為什麼在要求AI工具產出內容時，HTML格式比Markdown格式好非常多。他的理由是，Markdown處理短篇文章很方便，但只要文件長度超過100行，基本上就沒人想讀了。HTML則允許Claude嵌入真正的圖表、表格、包含語法突顯的程式碼、豐富的色彩、可以點擊的滑桿和複製按鈕。你可以在任何瀏覽器打開，分享給任何人，對方不用安裝任何Markdown閱讀器。Thariq現在不論在規劃、寫規格、做探索、程式碼審查（Code Review）還是寫報告時，全都是用HTML。下面這個提示詞就是把這種思考應用在特定工作上，在動工前規劃好開發藍圖。Claude不會丟給你一面看過一次就會忘記的文字牆，會把整個計畫做成結構精美的HTML頁面來呈現，附帶網頁原型、數據流向圖、真正值得審查的核心程式碼片段。提示詞：請在一個HTML檔案中建立一份詳盡的實作計畫。請務必在裡面製作一些原型（Mock-ups）、展示數據流（Data Flow），加入我可能需要審查的重要程式碼片段。請確保內容很容易閱讀、消化。 5. 把重複性的任務固化成「技能」如果你發現自己老是要重複引導Claude執行某些相同的固定步驟，代表這個步驟應該被打包成一項「技能」（Skill）。技能就是一組儲存為可攜式檔案的提示詞清單，有特定任務需要時，Claude會自動調用。下面這個來自Anthropic官方提示詞庫的招式，能把你不斷重複的繁瑣流程變成一個簡單的快捷指令。提示詞：請為這個專案建立一個 [/ship] 技能，用來執行 [執行linter語法檢查和測試，然後草擬一份commit訊息]。第一個中括號是你要用來觸發它的快捷鍵名稱（例如 /ship），第二個中括號填進你每次都懶得重新教Claude的步驟序列。Claude會自動把它寫成技能，你團隊的任何人都可以直接執行這個指令。 6. 自動捕捉這次對話該記住的事在每一次Claude Code對話中，Claude都會摸索出許多小細節，像是你的專案怎麼串接、你偏好的程式碼規範、它犯過並修正的某個錯誤。但在預設情況下，當對話結束時，這一切記憶都會蒸發，導致下一次對話又得重新來過，浪費時間成本。這個來自Anthropic官方提示詞庫的提示詞，就是阻止這種悲劇發生的終極大招。提示詞：摘要我們這個Session做了什麼，建議有哪些內容應該新增到CLAUDE.md中。 CLAUDE.md是Claude Code每次啟動對話時都會優先讀取的檔案，本質上扮演了這個專案的常駐記憶體。透過這個簡單的提示詞，你不需要自己苦哈哈地記錄哪些東西值得留下來，Claude會幫你做好，它自己最清楚在這個Session克服了哪些障礙，你只要讓它提出建議，然後保留真正重要的部分就好。（資料來源：XDA）（原文標題：偷學Anthropic工程師！6個好用的Claude提示詞）推薦閱讀：用提示詞讓Gemini修照片！2026年最受歡迎的7種玩法碾壓不用AI的學生！10個NotebookLM學習提示詞進階玩家必學：5個NotebookLM實戰技巧

【104職場力】・AI

[KNIME]KNIME Analytics Platform 5.5 版本重點更新介紹

近年No code或Low code工具越來越盛行。近期很努力的在學習新的工具KNIME，是一套開源的資料科學與數據分析軟體，使用者可透過拖拉節點、串接流程，無需寫程式即可完成資料整合、處理、分析、視覺化與機器學習等任務。在稽核領域也可以用來製作許多稽核程式，前陣子已經完成製作了Benford定律的查核模板。在2025/7/2 KNIME官方發布了5.5版的更新這次版本大幅簡化了AI Agent的開發流程，能夠更輕鬆的打造專屬的AI Agent，無需複雜整合、編碼或面對陡峭的學習曲線。主要更新亮點列點如下： 1. AI Agent開發更容易 - 全新的Agent Prompter節點，整合工具提取、選擇與迭代於單一節點，讓代理開發更直觀。 - Agent Chat View 節點，為代理型數據應用快速加入即用型聊天介面。 2. AI 模型連接器大幅擴充 - 新增 Anthropic Claude、Google AI Studio & Vertex AI 的 Gemini 模型、IBM watsonx 等連接節點，AI 模型選擇更豐富。 3. 工作流程版本管理 - 直接在 KNIME Analytics Platform 內對上傳至 KNIME Hub 的工作流程進行版本管理。 4. 使用者介面更新 - 元件對話框可於側邊面板開啟，元件輸出直接顯示於底部面板。 - 支援標籤（Tabs）重新排序與節點對齊，提升工作流程組織效率。 5. 全新工作流程畫布渲染系統（實驗功能） - 大型工作流程載入更快、操作更流暢，可於偏好設定中啟用。 6. 日期與時間資料處理更簡單 - Expression 節點現可直接處理日期與時間型別，相關節點也全面現代化，提升易用性。 7. 深度整合 Microsoft Fabric - 支援連接 Microsoft Fabric 主要服務，於 OneLake、Data Warehouse 讀寫數據，並管理 Power BI 語意模型。這麼好用又免費的工具真的非常推薦大家下載使用，唯一缺點是只有英文版沒有中文化的介面，但這應該不是太困難的障礙。下載網址：https://www.knime.com/downloads 進入下載頁面後資料都不用填，將同意的選項勾選後按Download即可。提供了Windows、Mac、Linux等版本可下載，值得一提的是Windows有三個選項。一和二都是安裝檔，第三個Zip選項則是下載解壓縮資料夾後即可使用，完全不需要安裝！這麼厲害好用的工具推薦給大家~ Notion原文連結：https://stevenwublog.notion.site/KNIME-KNIME-Analytics-Platform-5-5-225f7f8f282880509f16c1b3ff771f9f

Steven Wu・賈伯斯加個n：職涯/稽核/財會審計/履歷

ITE嵌入式系統軟體開發專業人員備考｜IEA硬體架構、記憶體與介面重點

準備 ITE 嵌入式系統軟體開發專業人員鑑定，IEA「嵌入式系統技術」中的硬體基本架構、記憶體、介面周邊與電源，是理解元件選用與資料傳遞的基礎。本篇依官方範圍整理保存特性、介面辨識與供電條件；讀完應能從題目需求判斷元件角色，而非只靠容量、速度或接線數量作答。本文目錄考試範圍：IEA硬體與介面必懂觀念1：從資料路徑辨識元件必懂觀念2：用線路與選取方式辨識介面必懂觀念3：讀不到溫度時的供電檢查常見誤判：從題目條件排除錯誤方向練習題與解析：沿用本堂影片教學題備考檢查清單本篇對應的官方範圍與延伸準備方向官方來源與資料說明考試範圍：IEA硬體與介面本篇對應官方 IEA 技能規範的硬體基本架構（處理器、匯流排、記憶體）及介面周邊與電源主題。備考時可將題目拆成「誰運算、資料是否須斷電保留、如何選取周邊、供電是否成立」四個問題。這是本篇的學習整理，並非官方公布的題目分布或配分。必懂觀念1：從資料路徑辨識元件案例：感測器每秒送出一次溫度，處理器判斷是否過熱，畫面顯示結果；使用者設定的警報門檻，要在關機後保留。感測器取得物理量，處理器執行程式，顯示器輸出資訊。匯流排讓元件交換資料，不能因為它負責傳送，就把它當成運算單元。執行中的變數與暫存資料，通常放在 RAM。一般 RAM 斷電後不保留內容，所以警報門檻若要下次開機繼續使用，就需要非揮發性儲存，例如 Flash。容量大小和是否斷電保存，是不同的判斷條件；把 RAM 加大，並不會自動讓它變成永久儲存。保存位置決定後，還要考慮寫入方式。不要每次讀取溫度，都把完全相同的門檻重寫到 Flash；這既多餘，也要考慮寫入壽命。案例可在使用者確認新門檻時才保存，平常以 RAM 裡的值運算。實際寫入粒度、壽命與斷電保護，仍須依元件資料表設計。必懂觀念2：用線路與選取方式辨識介面保存位置確定後，還須正確連接感測器。常見的 I2C 使用時脈與資料兩條訊號線，透過位址選取目標；常見的 SPI 則以時脈、輸入輸出資料線及晶片選擇訊號連接。兩者都要確認裝置支援的電壓、時序及通訊設定，不能看到感測器就直接認定介面相同。必懂觀念3：讀不到溫度時的供電檢查如果接好後仍讀不到溫度，先查供電與接地，再核對訊號接腳、位址及設定。若裝置有省電模式，還要確認周邊已喚醒；處理器運作正常，不代表感測器也有正常供電。這就是把數位訊號、介面與電源管理放回同一條資料路徑來看。常見誤判：從題目條件排除錯誤方向把容量當成保存特性：RAM 再大也不會因此成為非揮發性儲存；先辨認是否需要斷電保留，再比較其他條件。只數導線就選介面：須一起判斷訊號功能與目標選取方式，電源與接地線不能算成通訊特徵。SPI 有接線變形，應依元件規格核對。處理器正常就排除電源問題：感測器可能未供電、未共地或尚未喚醒。遇到無讀值，先核對供電，再查接腳、位址與設定。練習題與解析：沿用本堂影片教學題以下2題為自編教學題、非官方原題；題幹、選項與答案沿用本堂影片，不代表官方出題或計分方式。第1題｜單選裝置必須在斷電後保留警報門檻，哪一種安排符合需求？ A. 把門檻只存在 RAM。 B. 把門檻保存到 Flash。 C. 把門檻只留在暫存器。答案是 B。這裡要求的是斷電保留，Flash 的非揮發特性符合條件。一般 RAM 和處理器暫存器都不能單靠自身達成這項需求。這題沒有要求比較寫入速度，因此不能用「處理器旁邊比較快」代替儲存特性的判斷。第2題｜單選板上周邊共用時脈與資料兩條訊號線，控制器用位址選取目標，最符合哪個介面？ A. SPI。 B. USB。 C. I2C。答案是 C。關鍵是共用的兩條訊號線，加上位址選取。這與 I2C 的常見形式相符；常見 SPI 以晶片選擇訊號區分目標，USB 也不是這組接線描述。判斷時把線路與選取方式一起看，不能只數接了幾條導線，因為還可能有電源與接地線。備考檢查清單 □ 能區分處理器的運算、匯流排的傳遞與記憶體的保存角色。 □ 能以斷電保留需求解釋 RAM 與 Flash 的選擇，並說明 Flash 不宜無意義重寫。 □ 能以 SCL／SDA 與位址辨識常見 I2C，以時脈、資料線及 CS 說明常見 SPI。 □ 能畫出資料路徑，列出供電、接地、接腳、位址、時序及喚醒狀態的檢查項目。練習任務：畫出感測器、處理器、記憶體與輸出四個區塊，標出資料流、警報門檻保存位置及介面。本篇對應的官方範圍與延伸準備方向本篇依官方技能規範選材，僅涵蓋上述入門觀念，並非兩科完整考綱教學，也不保證考過。依課程規劃的範圍覆蓋表，尚須另外準備： IEA：另補數位電路分析、處理器架構、多核、記憶體階層完整原理、其他匯流排與當期硬體趨勢。本文只有資料路徑與基本保存特性，未深入上述主題。 IEA 系統軟體、應用語言與分析設計：另準備 C 指標、位元操作、驅動實作及軟體分析設計；核心與同步的入門觀念接續於第3篇。 IEX：USB／RS232C、有線與無線網路、Android、完整核心機制及人機介面仍須另讀；第3、4篇僅選取核心、驅動、建置與啟動觀念。下一篇：ITE嵌入式系統軟體開發專業人員備考｜IEA／IEX核心、驅動與中斷同步觀念官方來源與資料說明資料查核紀錄：2026-10-22。技能規範採官網連結版本，PDF 未標年度／版號；修訂狀態仍須依官方確認。本文不推估主題占分；Linux 技術文件僅補充觀念。 IEA技能規範（ITE官方範圍） I2C概述（開發專案第一方技術文件） SPI支援概述（開發專案第一方技術文件）更多〈ITE-嵌入式系統軟體開發專業人員〉推薦好文 ITE嵌入式系統軟體開發專業人員怎麼準備？報考資格、考科與辦證規則 ITE嵌入式系統軟體開發專業人員備考｜IEA／IEX核心、驅動與中斷同步觀念 ITE嵌入式系統軟體開發專業人員備考｜IEX交叉編譯、Linux啟動與除錯

【104職場力】

Claude Cowork排程任務怎麼用？讓AI定時工作，自動產出報告教學

想讓Claude定時幫你完成重複性工作？本文解析Claude Cowork的Schedule排程任務功能，教你設定執行時間、權限與模型，打造自動搜尋資料、整理內容、產出報告的AI工作流程。本文節錄自《Claude 萬用手冊》。文／施威銘研究室本文目錄（點擊可快速前往） Schedule：讓Claude定時幫你做事實戰：每天早上接收台股盤前快報建立排程任務手動試跑排程任務使用Cowork模式前，請先確認你已升級到Claude Pro以上方案（需付費訂閱），並安裝最新版Claude Desktop。Cowork是桌機版獨有功能，網頁版與行動版無法使用。Claude網址：https://claude.ai/下載桌機版：https://claude.ai/downloads延伸閱讀：Claude Cowork怎麼用？要付費嗎？解析操作流程、權限設定及模型選擇 Schedule：讓Claude定時幫你做事前面介紹的Cowork任務，大多是「你下指令、Claude執行、完成後交回結果」的一次性流程。不過，實務上有些工作並不是只做一次，而是每天、每週或每月都會重複出現。例如每天早上的市場快訊、每週五的工作週報、每月初的對帳整理，這些工作通常規則固定、格式明確，但每次都手動執行又很花時間。這時就可以使用Cowork的Schedule（排程任務）功能。 Schedule可以把一個任務的提示詞、執行時間與工作環境固定下來，讓Claude在指定時間自動執行。它和一般Cowork任務的能力差不多，一樣可以使用Connector、Skill與Plugin；差別在於，一般任務是你手動開始，排程任務則會依照時間表自動啟動。排程任務大致有幾個特性：只需要設定一次任務內容可以依照固定頻率自動執行，例如每小時、每天、平日或每週每次執行都會開啟新的任務回合，並讀取當下最新的資料、檔案或Connector內容執行結果會保留在任務清單中，方便日後回頭查看能使用一般Cowork任務可用的Connector、Skill與Plugin 接下來，我們就來看看要怎麼設定排任務吧！實戰：每天早上接收台股盤前快報我們會以「每天早上8:00自動產生台股盤前快報」作為範例，示範如何建立一個排程任務。這個任務要做的事很單純：每天早上，Claude會自動搜尋最新的台股大盤、國際股市與指定自選股資訊，整理成一份Markdown格式的盤前快報，存到指定資料夾中；同時也會建立一封Gmail草稿，方便我們檢查後寄出。也就是說，我們會把原本每天都要手動查資料、整理重點、寫成快報的流程，改成由Claude定時完成。接下來就來看設定方式。建立排程任務首先，進入左側欄的Scheduled頁面，點擊「+ New task」，可以看到兩種建立排程任務的方法： Create with Claude，就是透過Claude一步步引導你建立排程。這種方式適合你只有大概想法，但還不確定任務細節該怎麼寫的情況。 Set up manually，即手動設定。這種方式適合你已經知道任務要做什麼、何時執行，以及要使用哪些工具。本例會使用手動建立的方式，直接設定盤前快報的排程任務。點擊Scheduled，進入排程任務頁面；點擊+ New task，開啟建立選單；本例選擇「Set up manually」，開啟手動設定視窗。（圖／《Claude 萬用手冊》）【TIP】注意！排程任務只有在電腦開機、未進入睡眠，且Claude Desktop持續開啟時才會執行。若希望排程任務能準時執行，建議開啟Keep awake，並確認Claude Desktop沒有被關閉。開啟手動設定視窗後，就可以開始填寫排程任務的名稱、任務描述、任務內容、工作路徑、模型與執行時間等設定。其中最重要的是任務內容。這段文字就是Claude每次執行排程時會依照的提示詞。因為排程任務會反覆執行，若提示詞寫得太模糊，Claude每次都要花更多推理成本判斷你想要什麼，也比較容易產生不穩定的結果。建議把資料來源、例外處理、輸出格式、檔名規則與後續動作都寫清楚。特別是排程任務通常會長期執行，模型選擇也要考量使用量。如果任務是固定流程、規則明確的工作，通常不需要使用最高階模型；本例雖然不算深度推理任務，但步驟較多，包含搜尋、整理、寫檔與建立Gmail草稿，因此使用Sonnet系列會比Haiku更穩定。本例範例提示詞如下：【提示詞】所有資料都用今天搜尋的結果，不要靠記憶，抓不到就標「資料缺漏」，過程中不要問我。1. 國際與台股大盤：幫我看昨天台股、美股、日韓股市主要指數（加權、櫃買、道瓊、那斯達克、日經、KOSPI）的收盤點數和漲跌幅。2. 自選股：2330、2414、2317、3008、2603，每一檔列出昨日收盤、漲跌幅，以及近24 時內的重大新聞或公告1–2則（含連結）。3. 輸出：Markdown格式，分四段——國際盤、台股大盤、自選股、重點關注。存到StockBrief 資料夾，檔名yyyy-mm-dd.md（今天），同名覆寫。4. 另外把內容轉成精簡的純文字郵件版，用Gmail擬稿到flag-examples@gmail.com，主旨「盤前快報-yyyy/mm/dd」。（圖／《Claude 萬用手冊》） Create scheduled task：任務名稱建議使用英文或數字，因為Claude的任務名稱不支援以中文命名選定工作路徑資料夾，本例為StockBrief 權限模式選擇「Act without asking」，避免排程執行到寫檔或建立Gmail草稿時停下來等待確認選擇Sonnet系列模型。本例屬於搜尋、整理、輸出與建立草稿的固定流程，不需要使用Opus；但步驟較多，使用Sonnet會比Haiku更穩定設定排程任務的執行時間點擊「Save」儲存（圖／《Claude 萬用手冊》）儲存後，可以在Scheduled頁面的任務列表中看到剛建立的排程任務。（圖／《Claude 萬用手冊》）【補充】設定排程的第三種方法除了Create with Claude和Set up manually之外，也可以直接在新的Cowork任務中描述你想建立的排程任務，讓Claude協助規劃。這種方式適合你已經知道大方向，但還沒整理好完整執行細節的情況。你只要先說明想建立的任務類型、執行頻率，以及大致要完成的步驟，Claude就能根據你的描述補齊任務內容、時間設定等。若資訊不足，它也會先提出問題，確認後再進入排程任務的建立流程。明確指出要建立「排程任務」；提供簡單的步驟大綱，Claude就能根據你的大綱，協助補齊排程任務的設定細節。（圖／《Claude 萬用手冊》）當資訊不足時，Claude會先提出問題，協助補齊任務設定；確認必要資訊後，Claude會進入排程任務的建立流程。（圖／《Claude 萬用手冊》）手動試跑排程任務設定完成後，建議先手動試跑一次，確認任務能不能順利完成。尤其是第一次建立排程時，不建議直接等到正式排程時間才看結果。因為如果提示詞、權限設定或資料夾路徑有問題，排程可能會在實際執行時失敗，反而錯過原本要產出的內容。即使還沒到排程時間，也可以從Scheduled頁面的任務列表中點進任務詳細頁，手動啟動測試。點擊剛建立的排程任務，進入任務詳細頁。（圖／《Claude 萬用手冊》）點擊鉛筆圖示，可打開排程任務設定視窗，進行編輯修改；點「Run Now」，即可立刻手動執行一次排程任務。（圖／《Claude 萬用手冊》）啟動排程任務後，左側任務清單中會出現Scheduled區塊，顯示正在執行的排程任務。點擊該任務後，就可以進入執行視窗查看進度。排程任務的執行方式和一般Cowork任務很像。Claude會先根據提示詞規劃步驟，接著搜尋資料、整理內容，最後把Markdown檔寫入指定資料夾，並在Gmail中建立草稿。點擊正在執行的排程任務，可以進入任務視窗查看過程 Runs：會記錄這個排程任務的每次執行紀錄 Progress：Claude依照提示詞規劃的任務步驟 Context：會顯示此排程任務，點擊後可以回到任務詳細頁（圖／《Claude 萬用手冊》）任務完成後，Claude會將生成的 Markdown檔寫入指定資料夾，它也會在Gmail中建立對應的盤前快報草稿。（圖／《Claude 萬用手冊》） Gmail草稿中查看Claude建立的郵件內容，確認內容沒有問題後，可再由使用者手動寄出或分享。（圖／《Claude 萬用手冊》）這樣就完成排程任務的建立與測試了。節錄自：旗標《Claude 萬用手冊：Claude.ai | Desktop | Cowork | Code Mode | Design | Computer Use | Skills | Connectors | Plugins》／施威銘研究室著推薦閱讀： Claude Cowork怎麼用？要付費嗎？解析操作流程、權限設定及模型選擇 Claude Skills怎麼用？內建與個人Skill差異、適用情境及使用方式憑借書證免費用GPT、Claude！教育部推「館館有AI」擴及47所大學「Claude Design」新登場！AI工具生成原型、簡報怎麼做和修改？告別Token焦慮！Anthropic提供4個有效降低Claude Code成本祕訣！

【104職場力】・AI

Excel資料篩選卡關？AI教你IF、COUNTIF、自動篩選一次看懂

Excel進階篩選工具功能強大，卻也是許多上班族最容易卡關的操作。該怎麼下判斷公式？這篇實測用ChatGPT、Copilot等AI工具提示如何解決資料篩選問題、生成包括IF、COUNTIF等函數，並結合自動篩選與進階篩選技巧，就算不熟Excel公式，也能靠AI輕鬆解題！本文節錄自《超有料！職場第一高效的 Excel ✕ AI 自動化工作術》。文／施威銘研究室本文目錄（點擊可快速前往）先一窺正規Excel書教的篩選解法請AI提示如何解決Excel資料篩選問題：AI生成IF函數 + 自動篩選器教學跟AI提示如何用「某某」功能完成任務：AI生成條件式公式 +進階篩選器教學請AI重新生成新的函數、公式：AI生成COUNTIF函數任何微不足道的Excel操作卡關都儘管問AI：AI 提供自動篩選器操作提示【使用AI】AI聊天機器人（ChatGPT、Copilot、Gemini…都可以） ChatGPT網址：https://chatgpt.com/ Copilot網址：https://copilot.microsoft.com/ Gemini網址：https://gemini.google.com/ 前一節看到，請AI直接篩選Excel資料實在太方便了，不過，若讀者怎麼操作就是試不出來（有可能您的檔案結構偏複雜）、或者對於提供商業內容給AI有顧慮、又或者ChatGPT的免費上傳額度滿了不能用…，不管任何原因，任何資料篩選需求請AI提示我們用Excel怎麼做行得通嗎？當然！筆者也建議讀者不要完全捨棄這種解法，畢竟以AI聊天機器人來說，不是每一個都支援上傳Excel檔，而免費的ChatGPT也有上傳附件、圖檔的額度限制，萬一急用時免費額度卻用完了，一定會有請AI輔助解決的那一天，而且，用這一招學一些Excel基本技巧也不錯！以資料篩選工作來說，Excel的自動篩選、進階篩選功能，及其搭配函數的使用是一定要稍微熟悉的，當操作上卡關時，可以隨時搬出AI來解圍。先一窺正規Excel書教的篩選解法延續前一節的範例，底下先快速看一下以往 Excel 書會教的進階篩選做法 (稍微有點高竿喔！沒學過不會是正常的)，做個比較才會有感覺。我們先回顧一下這個例子的需求：想從經常變動的商品資料中，篩出各分類的最新資料，並單獨存放方便檢視【第1步】開始做看看。首先，在E3儲存格用函數建立一個篩選條件，這是為了判斷「目前的分類名稱跟下一列名稱是否不同」，假設查出A7那一格的名稱跟A6的不同，就可知道A6那一列是該分類的最新（最後一筆）資料：在E3用函數建立篩選條件，顯示為FALSE(假)  看一下公式，比較儲存格內容是否一樣時，用了<>「不等於」的符號。此公式表示「判斷A3跟A3的下一格是否一樣」，OFFSET(A3,1,)就表示A3往下一格走，指的是A4儲存格 E3之所以顯示FALSE，是因為A3往下一格，即A4的分類名稱跟A3是一樣的（都是冷氣機），因此會顯示FALSE。若兩儲存格的值不一樣，E3儲存格則會顯示TRUE(真) 【第2步】接著，叫出Excel的「進階篩選器」來操作，進階篩選的基本概念是設定一個條件式，然後用此條件式來篩選資料。下圖的設定就是用剛才的條件式把原始資料篩過一遍：點選表格內的儲存格，再按下資料頁次排序與篩選區的進階鈕開啟進階篩選交談窗後，點擊將篩選結果複製到其他地方項目將資料範圍欄位設為儲存格A2：C14  這一步是重點，將準則範圍欄位設為儲存格E2：E3 將複製到欄位設為儲存格G2，表示將篩出來的資料放在G2  按下確定鈕呼～完成了！各分類的最新商品都被自動篩選至表格裡【TIP】Excel進階篩選在執行時，會將E2：E3準則範圍內的條件公式套用到資料範圍的每一列，因此在檢查完A4跟A3的名稱是否一樣後，會繼續往下檢查A5跟A4是否一樣、A6跟A5是否一樣....，依此類推。請AI提示如何解決Excel資料篩選問題：AI生成IF函數 + 自動篩選器教學前面的步驟確實能完成Excel篩選任務，而Excel進階篩選器的設定看起來也幾個欄位而已，但本例設計條件式絕對需要經驗，若對Excel不熟，光是「公式該怎麼下（我哪知道該用OFFSET函數！）」、「篩選窗那些設定要怎麼設…」都會卡關。在沒有提供檔案給AI聊天機器人的情況下，這樣的例子該如何請AI幫忙呢？底下就來試試看，只要我們沒有直接丟資料給AI，它所回覆的通常就會是解法思路，而大部份情況都會教我們用函數搭配一些內建功能來解決問題：【TIP】提醒讀者，如同第一章提到的，AI聊天機器人絕對會提供我們看似很詳盡的操作步驟，嘗試後出錯是常有的事，但做為操作的參考思路還是有幫助。如1-5節的說明，最佳的資料提供做法就是上傳資料的截圖給AI 描述需求，務必要指明儲存格，而且我們還附了截圖，AI會錯意的機率小了許多  ChatGPT給的指示很明確，上圖圈起來那一段是要我們在 D3貼上公式，此公式可以識別目前所在的這一列是不是每個分類的最後一筆資料接著按住填滿控點"+"，往下拉到D14儲存格最後一筆資料都被識別出來了，目前AI教的結果都正確接著，上圖AI聊天機器人教筆者用內建的自動篩選器把資料篩出來，這一步也沒問題【TIP】回顧最開頭所下的提示語，筆者是希望AI把篩出來的資料「額外」統整在G2儲存格，這部分 ChatGPT就沒有回答到。這是常有的事，此時您可以繼續提要求，但以本例來說，步驟6已經把資料篩出來了，直接複製起來貼到其他地方也就完事了，不見得要繼續花時間向AI提問。跟AI提示如何用「某某」功能完成任務：AI生成條件式公式 +進階篩選器教學當然，若您稍微知道進階篩選器提供了「把篩選出來的資料額外存放到某儲存格」的功能（如前面的示範），也可以請AI提供這方面的做法給我們參考（再次提醒，只能做為參考，不要期望過高）：  AI這一步是要我們先建立用來篩資料的條件式（也就是前面步驟4的準則範圍）  所教的公式跟前面所用的OFFSET函數稍有不同，沒關係先試試看先照上圖AI指示的建議，在F2儲存格建立條件式（在Excel內是稱準則範圍，AI是稱條件範圍，這樣的小出入要自己稍微變通一下）接著就照左圖AI給的「進階篩選器」操作指引一步步做，還是需要抓Bug，例如資料範圍應該是A2:C14，這種小錯誤算是容易修正的本例照著AI的指引操作完進階篩選器，結果「電風扇」這個分類的最後一筆資料沒被篩出來前面一再說過，即便照著AI的指引也不見得能保證成功，若遇到像本例「電風扇」的最後一筆資料未被篩出來的問題，我們就得進行除錯，通常不外乎是函數、公式或篩選條件需要調整，是否能糾出問題會很考驗個人的Excel功力。【TIP】結合前面所學的看起來，問題應該是出在做為準則範圍的那個條件式公式：此問題的關鍵在於兩個公式的邏輯不同，OFFSET函數提供了更靈活的參考範圍，能應對數據結尾的特殊情況，而「=A3<>A4」則單純比較當前列和下一列的值，但當到達最後一列時，下一列並不存在，就不會觸發篩選條件，導致最後一列的電風扇資料被忽略。請AI重新生成新的函數、公式：AI生成COUNTIF函數當然，卡關的當下我們通常不會知道可以採用什麼替代函數來做，別忘了可以再次向AI發問，讓它進一步提出修正方案：繼續追問，直接把遇到的錯誤情況提供給AI：「照你的做法，電風扇這個分類的最後一筆資料沒被篩出來」但一開始回的好像沒什麼改善，滿常「跳針」講一樣的內容，這是常有的事  重提需求，目標講明確一點，例如請AI改個公式看看最後AI新給了=COUNTIF(A$3:A$15,A3)=COUNTIF(A$3:A3,A3)這段公式。AI也會幫我們解釋函數用法及公式的邏輯照AI的給的公式，貼到F3儲存格（需自行將A3:A15改成A3:A14）  再操作進階篩選器一次，成功解決最後一列篩不出來的問題了【TIP】AI真的很厲害，新給的公式是改用統計次數的COUNTIF函數來處理，這樣就不會有前面=A3<>A4這個條件式所遇到「最後一列沒有下一列，導致最後一列篩不出來」的問題。因此，讀者只要遇到卡關，可以請AI多試不同的公式，這個做法會比請AI在舊公式上除錯來得快。任何微不足道的Excel操作卡關都儘管問AI：AI 提供自動篩選器操作提示除了看起來稍微有點學問的進階篩選功能外，爾後讀者如果遇到任何Excel內建操作的問題，都可以把截圖丟給AI聊天機器人，請它給出操作提示。不用怕，任何小功能都行。【1】例如面對一些不複雜的篩選需求時，Excel的自動篩選功能也常被使用，這是使用率最高的篩選工具：位於資料頁次/排序與篩選區的篩選鈕是最常用的Excel篩選工具可以直接勾選要篩選的條件，例如勾選萬華區結果如右  也可在此輸入部份的值，例如大安區做為篩選條件這裡也提供一大堆自動篩選條件【2】雖然自動篩選操作起來很直覺，不太需要教，但如果一時不曉得如何指定篩選條件，不妨就把「卡關的截圖」+ 「想篩出什麼資料」請AI給出提示吧：例如想篩出「請款單編號」中含"10" (月份) 的項目，光點點按按是篩不出來的。這時就可以搬出 AI 聊天機器人來協助：  附上資料截圖建議附上自動篩選器的截圖，這樣AI聊天機器人的回答才不會太發散描述需求本例AI教筆者用萬用字元符號來處理看到左邊AI聊天機器人的提示，雖然對這個位置的指示沒到很精準，但至少AI有提供篩選的思路(若對於在哪裡輸入不清楚，可以再繼續逼問AI) 【TIP】但提醒讀者，如同第1章所提到的，「請AI教你Excel怎麼操作」比較適合對Excel有一定熟悉的人（以本例來說，至少你自己要用過自動篩選器！），因為AI聊天機器人對操作位置的指示不會100%精準，若您對某功能壓根不熟，光看AI聊天機器人的步驟操作極有可能會白花時間。節錄自：旗標出版《超有料！職場第一高效的 Excel ✕ AI 自動化工作術：生成公式 + 函數、做自動化，用 AI 解決所有 Excel 難題！》／施威銘研究室著推薦閱讀： AI寫Excel公式這樣最省時！ChatGPT、Copilot描述需求、生成函數、錯誤修正一次學會 ChatGPT整理Excel表格超快速！用AI輕鬆搞定複雜資料【Graphy AI教學】AI自動生成圖表、數據分析4技巧！連報告都能一鍵生成的靈感救星

【104職場力】・AI

整理包／最熱門生成式 AI 大拚場 ChatGPT、Gemini、Grok、DeepSeek 各擅長什麼？

2025-06-24報導／經濟日報記者吳康瑋　由聯合新聞網授權轉載生成式人工智慧（GenAI）技術迅猛發展，多款強大的AI工具幫助各行業提升工作效率。《經濟日報》為協助讀者了解各項AI工具，將「ChatGPT、Gemini、Grok、DeepSeek」等四大生成式AI列出，為讀者分析四款生成式AI的各自效能，就「開發者」、「訂閱費用」、「主要功能」及「擅長領域」等細項逐條分析。 AI工具確實快速提升效率，不過使用者也要注意，目前的AI工具不保證完全正確，甚至也會答非所問、提供錯誤資訊、或產生「AI幻覺」，使用者對生成的資料仍應有基本的辨識能力，避免AI工具謬誤。各家生成式AI重點馬上看 ChatGPTGeminiGrokDeepSeek使用建議 ChatGPT OpenAI的ChatGPT堪稱帶動GenAI風行的先驅，也有廣大用戶，付費企業客戶近期突破300萬戶，有免費與付費模式，每月20美元的ChatGPT Plus訂閱費每月20美元，用戶指出，付費版反應速度更快，用戶在使用ChatGPT時隨時擁有最佳的使用品質。「資料分析」方面，ChatGPT的優勢在於將資料壓縮、精簡化，適合急需快速獲取關鍵訊息的使用者。「文案生成」上，適合創作個人化內容。「圖表製作」方面，ChatGPT的圖表較為簡單，但圖片較無法把文字一起生成出來，繪圖時整體構圖比較簡單。網址：https://chatgpt.com/ ChatGPT小檔案開發者OpenAI付費版費用每月20美元（約新台幣610元）主功能提供文本生成、對話回應、內容創作、翻譯、問題解答等多種功能擅長領域自然語言處理、文本生成、教育輔助、創意寫作、客服支持等 Gemini Google DeepMind開發的Gemini專注於多模態學習，能同時處理文本、圖像和音頻數據。版本包括2.0、2.5和最新的2.5 Pro，推理和數據處理能力進步快速。Gemini 2.5 Pro提供更強大的計算能力和更高準確性，讓用戶在處理複雜任務時能獲得更佳體驗。付費版額外提供用戶包括2TB儲存空間、Gemini Advanced和其他AI功能。「資料分析」方面，Gemini提供的內容易於閱讀，文法經過重新梳理，適合需要清晰解釋的使用者。在「文案生成」上，Gemini能一次生成多達15個標題，提供選擇建議，對於需要多樣化提案的用戶非常方便。「圖表製作」方面，Gemini 的完整度高，使用者可選擇不同的圖表類型，並能下載圖片、Excel或JSON格式的數據。網址：https://gemini.google.com/ Gemini小檔案開發者Google DeepMind付費版費用每月19.99美元（約新台幣650元），可免付費試用一個月主功能強大的推理能力，擅長處理複雜的問題和情境，能同時處理文本、圖像和音頻數據等多模態文件擅長領域AI推理、圖像理解、科學研究和技術開發 Grok Grok是由X（前稱 Twitter）開發的生成式AI，專注於社交媒體內容的生成。最新版本Grok3提供更強大的功能，能即時生成與當前熱點話題相關的內容，結合社交媒體數據分析趨勢，提升用戶互動的實時性，成為品牌營銷和社交媒體管理的理想工具。「文案生成」方面，Grok風格簡潔有力，類似科技周刊的風格，適合快速傳達訊息。「圖表製作」方面，Grok可以較為輕鬆的運用文字組成圖表，並附上有關的資訊數據，對於需要快速理解數據的使用者來說很實用。網址：https://grok.com/ Grok小檔案開發者應用程式X（前身為Twitter）付費版費用每月30美元（約新台幣970元）主功能即時生成與當前熱點話題相關的內容擅長領域社交媒體互動、內容創作、即時訊息生成和品牌營銷 DeepSeek DeepSeek專注於資料搜尋和訊息檢索，開發商為位於中國大陸的「杭州深度求索人工智慧基礎技術研究」，中資避險基金幻方量化創立的人工智慧公司，創始人暨執行長梁文鋒持續致力將大陸AI技術推向全球市場，提供R1和R2兩種不同的服務模式。「資料分析」方面，DeepSeek提供前言和總結，讓懶人可以快速理解內容。在「文案生成」上，DeepSeek的口語化風格能夠生成10個標題，附上創作理念和選擇建議，適合需要親民語言的使用者。「圖表製作」方面，DeepSeek使用文字排列呈現，提供Python程式碼，對於技術使用者來說相當便利。網址：https://www.deepseek.com/ DeepSeek小檔案開發者中國大陸企業「深度求索」付費版費用每100萬（輸入）tokens收費人民幣16元（約新台幣66.68元）主功能資料搜尋和訊息檢索，利用生成式AI技術提升搜索引擎的智能化，提供相關建議和訊息過濾功能擅長領域資料搜尋、訊息檢索、知識管理和數據分析使用建議生成式AI工具已經落地商業化，從自然語言處理到多模態學習、社交媒體互動及訊息檢索等多種服務都能提供，競爭也更加激烈。用戶可根據自己的需求，選擇最合適的AI工具，以提升工作效率與創造力。綜合比較四款生成式AI後，提供讀者幾點建議。若需要多樣化的文案提案，可考慮Gemini；若喜歡口語化一點的表達，可選擇DeepSeek。AI繪圖方面，生成多幅圖片建議可使用Grok，若希望作品有較高的品質，可選擇Gemini。在「資料分析」方面，若希望能獲取較「簡潔明瞭」的資料，建議選擇「ChatGPT」，讀者若希望能得到比較容易理解的內容，應該選擇Gemini。針對「表格整理」方面，若要以更快的速度掌握大致上的資訊，建議選用ChatGPT；若讀者希望在表格中能得到較「詳細」的內容，可考慮DeepSeek。針對「生成圖片」功能上，若讀者追求圖表要具有充分「完整性」的類型，建議使用Gemini。推薦閱讀： AI聽話卻沒懂你？OpenAI揭露AI「裝乖」假象與職場真風險 AI強勢取代！企業寧僱AI也不找菜鳥，今年畢業生有多慘？除了ChatGPT，還有哪些生成式AI？16種AI工具應用解析打造ChatGPT行政小助理：專屬AI助理幫你處理瑣碎行政工作 [course_plugin title='推薦AI相關課程' keyword='AI' amount=2]

【104職場力】・AI

有任何收穫或想分享的，都來和大家一起聊聊吧！