【免費課程報名】技術開發技能 1-6 人人都可以是生成式 AI 的 Builder : Amazon Q 介紹 | 完課紀錄回傳履歷表
104學習
AI程式語言應用
這項技能指的是運用程式語言來開發、訓練和部署人工智慧模型，包含資料前處理、演算法實作及自動化流程。具備這能力能讓工作更有效率，提升決策準確度，並創造智能化解決方案。隨著企業數位轉型加速，掌握相關技術成為競爭優勢，有助於跨領域合作與職涯發展。簡言之，是未來職場不可或缺的關鍵技能。
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
【免費課程報名】技術開發技能 1-1 生成式 AI 如何顛覆您的工作模式 | 完課紀錄回傳履歷表
【免費課程報名】技術開發技能 1-2 開始採用生成式 AI: 提示工程,檢索增強生成與微調 | 完課紀錄回傳履歷表
AI資料科學家全方位課程
【AI基礎思維2】掌握AI關鍵核心技術_機器學習及深度學習
【大師開講】智慧製造應用案例 – AI運用於瑕疵檢測
【職場人必備的GenAI入門課】 精準GAI指令，提升職場競爭力
【免費課程報名】技術開發技能 1-5 人人都可以是生成式 AI 的 Builder : Amazon Bedrock 介紹 | 完課紀錄回傳履歷表
【免費課程報名】技術開發技能 1-7 您需要考量的生成式 AI 解決方案背後的數據模型| 完課紀錄回傳履歷表
AI 協思簡報術｜從模糊點子到精準說服的提案策略
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
AI人工智慧核心能力認證
AI人工智慧在現今社會已成為不可或缺的好幫手，不論生活或產業領域都與AI息息相關， 本認證針對AI入門學習者設計開發，採級距制評分，您可藉由此認證學習，並提升個人於AI科技知能。亦可透過本認證作為個人AI知能鑑定。
明逸數位有限公司
人工智慧應用與技術 (實用級/進階級/專業級)
人工智慧應用與技術證照分為實用級、進階級及專業級，涵蓋人工智慧基礎理論、機器學習、深度學習及資料分析等核心技能。持有該證照者具備運用AI技術解決實務問題的能力，能設計並優化智能系統，提升企業數位轉型效能。證照適合希望掌握AI技術並應用於各行各業的專業人才，助力職涯發展與競爭力提升。
尚未查核發照單位
生成式AI課程認證
線上課程約8小時
這個入門微學習課程主要說明生成式 AI 的定義和使用方式，以及此 AI 與傳統機器學習方法的差異。本課程也會介紹各項 Google 工具，協助您開發自己的生成式 AI 應用程式。
完成此活動，贏取徽章！向世界展示您掌握的技能，拓展雲端領域的職業之路。
課程目標：
● 定義生成式 AI
● 說明生成式 AI 如何運作
● 說明生成式 AI 的模型類型
● 說明生成式 AI 應用程式
Google
生成式AI能力認證
「生成式AI能力認證」為通識型初階能力檢核，通過者具備「知AI」的能力，可知道生成式AI的基礎知識、具備「用AI」的基本概念與邏輯，並具有基本體驗生成式AI實做的經驗，認證內容涵蓋生成式AI的基礎知識、能力強化、應用技能、倫理法律等四大面向。生成式AI能力認證旨在評估考生對生成式AI技術的全面理解和應用能力。
財團法人資訊工業策進會
精選貼文，掌握第一手知識
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
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）
AI最新熱門工作揭曉！工程師不只要會寫程式 這技能創造更多收入
2025-11-02 經濟日報編譯易起宇 由聯合新聞網授權轉載
OpenAI、Anthropic和Cohere等人工智慧（AI）新創公司，正加緊招募一種為數稀少的軟體開發人才：前線部署工程師（Forward-Deployed Engineer，FDE）。這些軟體工程師必須既要會寫程式，又要在派駐到企業客戶組織內時，能和顧客交流，協助客戶客製化模型，加速採用AI技術，以創造更多收入。
英國金融時報（FT）報導，OpenAI今年初成立一支FDE團隊，預計今年底前將擴充至約50名工程師。Anthropic也表示，今年將把包含FDE和產品工程師的應用AI團隊規模，擴大為五倍，以滿足客戶需求。
求職平台Indeed數據顯示，這種需要與客戶面對面交流的AI職缺，今年來已一飛沖天，1-9月每月刊登的FDE職缺數量已暴增逾800%。
這種人才趨勢的出現，是因為雖然從製造業到醫療保健等各行各業，都正日益熱衷於引進AI工具，但常不確定該如何應用AI技術，以及要怎麼利用這筆投資獲利。
Anthropic應用AI團隊主管瓊恩表示：「一家財星500強（Fortune 500）的銀行業者，和一家打造原生AI產品的新創公司，需求完全不同。」
數據情報大廠Palantir英國AI主管普雷特尚，形容這種方式為「從內部發現產品」，「你會希望自己打造的事物，在以簡報介紹給客戶時，促使他們說，『這東西將顛覆遊戲規則』」，前線部署工程師知道「珍貴的軟體並非程式碼或語言有多精美…而是要對終端客戶有意義」。
Palantir約20年前便從軍隊派駐海外的概念取經，招募這種人才，如今FDE已約占半數員工，並已派遣到阿富汗和伊拉克的軍事基地、美國中西部的工廠、以及煉油廠。
AI新創公司也希望效仿Palantir。Cohere共同創辦人暨執行長戈梅茲表示，一開始和客戶簽約時就部署工程師，有助建立長久而持續的關係。
雖然FDE目前在AI企業員工中的占比仍相對小，但OpenAI表示，此職位的需求已超越其預期。OpenAI歐洲和中東FDE團隊主管佛尼爾說：「這讓我們學會了不同行業客戶的真正需求，並幫助我們基於真實世界的運作，提升研究和產品陣容。」
延伸閱讀：
AI取代誰？報告揭「科技業職位最危險Top 4」 這領域反而人才荒
Gartner公布2026年十大戰略技術趨勢 AI帶動創新新成果將大量湧現
AWS免費課程幫你打造AI「學力」證明，攻搶12萬AI職缺！
AI時代的資工人何去何從？專家：向「文組」取經是條出路
AI快速發展，當Cursor等AI助手能幫人自動寫程式、AI預期將達到「中級軟體工程師」的水準，資工系新鮮人的就業處境正面臨艱難挑戰。資工教育、初階工程師到底該培養什麼技能？專家認為，未來資工人才需要擁抱AI素養、運算思維，讓資工系變得「更像文科學位」。
文／田孟心編譯 由天下雜誌授權轉載
本文目錄（點擊可快速前往）
教育怎麼改？「AI素養」是關鍵另一種機會：發現文科思維的價值
當「Cursor」等AI神器能幫人自動寫程式，資工教育、初階工程師到底該培養什麼技能？卡內基美隆大學等程式教育專家建議，讓資工系長得「更像人文學科」，是一條出路。
隨著ChatGPT等聊天機器人的能力不斷進化，它們開始能夠像人類一樣順暢地回答問題、撰寫論文。但論及「取代人類」的挑戰，它們最有殺傷力的，還是針對電腦科學領域。
如今，大型科技公司和新創公司都紛紛推出能自動產生程式碼的AI助手，而且能力正在迅速提升。
今年一月，Meta執行長祖克柏預測，AI將在今年的某個時刻達到「中級軟體工程師」的水準。
新鮮人的境遇特別艱難。根據技術研究和教育機構CompTIA的分析，在過去三年中，尋求兩年或兩年以下經驗員工的公司數量，下降了65%。
教育怎麼改？「AI素養」是關鍵
大學校園裡，以編寫程式碼為主的資工系首當其衝。這引起全美各地大學的資工系所，都在努力理解技術轉型的影響，並努力思考在AI時代該教授哪些內容。
美國頂尖資工院校之一，畢業生遍佈全球各地大型科技公司的卡內基美隆大學，資工教授柯提納（Thomas Cortina）指出，「AI確實震撼了資工教育」。儘管卡內基美隆過去在培養學生方面取得佳績，但今年，資工學院還是暫停暑期工作，邀請教職員一同規劃針對AI時代的新課程。
哥倫比亞大學的資工教授溫（Jeannette Wing）也表示，「我們正看到AI海嘯的冰山一角。」
綜合《紐約時報》訪談許多資工教育工作者，他們認為資工學科可以擴展，變得「更像文科學位」，亦即更加重視批判性思考和溝通技巧。
這與美國國家科學基金會（NSF）的想法不謀而合。
該基金會正在資助一個名為「Level Up AI」的計畫，結合大學與研究人員，共同探討AI教育的本質。
主導這項計劃的資工教授馬希爾（Mary Lou Maher）直言，「資工教育的未來可能會減少對程式設計的關注，而更專注於『運算思維』和『AI素養』。」
其中，運算思維指的是能否將問題分解成更小的任務，逐步訂定解決方案，並利用數據得出基於證據的結論；而AI素養指的是，理解AI如何運作、如何負責任地使用AI，以及AI如何影響社會。
馬希爾強調，培養「理性的懷疑」應該成為新的目標。
根據世界經濟論壇《2025年未來就業報告》，當前最重要的求職技能是「分析性思考」、「彈性」和「社會影響力」。
報告裡也提到，「AI素養」不僅僅是為IT專業人士「錦上添花」，而是對全人類都很重要，教育部門更該強化這個技能。
歐盟與OECD也發起「人工智慧素養框架」（AILit），預期在2026年發布，幫助年輕學習者以批判性、創造性，和合乎道德的方式接觸AI。
另一種機會：發現文科思維的價值
在求職市場上，資工系畢業生也開始發現文科思維的價值。
在一片慘淡的就業前景中，北卡羅來納大學夏洛特分校的大四生德雷克（Connor Drake），幸運地在30次投遞（通常要投100-200次）後，就面試上一家科斯的網路安全實習生職位。
德雷克分享，他個人對AI的「防禦策略」，是拓展自己的技能組。除了資工專業以外，他還輔修政治學，加強學習安全與情報研究，並且擔任大學網路安全社團的負責人——如此一來，他就更能勝任網路安全專業領域的工作。
「資工學位曾經是通往就業天堂的金鑰匙，」22歲的德雷克說道，「但現在情況已不是那樣了。」
最後，儘管資工畢業的菜鳥面臨就業寒冬，但也有專家認為，AI對於「輔助軟體市場」大有前景。
如今，從醫學到行銷領域都在客製化自家的聊天機器人，這些聊天機器人軟體必須為各產業量身打造，並由這些產業的數據庫提供支援。
史丹佛大學計算機科學教授艾肯（Alex Aiken）認為，軟體工程崗位的成長可能會下降，但參與程式設計的人員總數將會增加。
因此，大專院校仍可維持對資工基礎知識和AI原理的教學，並擴展用新工具進行軟體設計的大量實務課程。
或許，有一個重要的前提是：資工學員不會太過仰賴AI本身。
卡內基美隆的柯提納表示，許多資工學生將聊天機器人視為完成作業的「靈丹妙藥」，「但他們連一半的程式碼都看不懂，」「很多人正在意識到自己寫程式碼的價值，打算重新開始。」
（資料來源：NYT, WEF, Nature, FAS）
（原文標題：AI時代的資工人該何去何從？專家：向「文組」取經）
推薦閱讀：
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？
AI強勢取代！企業寧僱AI也不找菜鳥，今年畢業生有多慘？
念到博士卻失業？AI時代，大學畢業該繼續升學嗎？
AI浪潮下孩子還要上學嗎？世界權威、母親李飛飛：教育是這4重點
AI秒殺人類工程師，現在矽谷科技家長都希望小孩讀「這類科系」
[joblist_plugin title='更多104【軟體工程師】工作機會' url='https://www.104.com.tw/jobs/search/?ro=0&jobcat=2007001004' amount='3']
工作導入AI，卻常常做一半沒下文？104資深協理：別先想「AI能做什麼」
做了一堆AI工具，卻沒多久就晾在那裡？該如何真正用AI解決工作問題？104資深協理李明倫分享3個實際案例、5類提示詞與7步驟實作法，教非技術職從「非做不可」的工作開始，把工作拆成角色交給不同的AI，打造你的「AI營運團隊」。
文／《104職場力》整理
本文目錄（點擊可快速前往）
新需求不斷增加、系統卻跟不上，工作卡在人工怎麼辦？如何選題：第一個AI專案，不要挑最大的問題讓AI進入工作流程：3個案例看人與AI重新分工非技術職如何和AI協作？把AI當「第一天上班的聰明新人」從問題到落地：非技術職也能採用的7步驟從最想解決的問題開始，打造你的AI營運團隊
公司導入AI後，興沖沖用AI做了一堆工具、Dashboard與Skill，卻過沒多久就晾在那裡，或者做一做就沒有下文……這可能是許多工作者近期的共同經驗和痛點，到底該如何和AI分工協作、真正用AI提升工作效率？
104人力銀行資深協理李明倫（Will Lee）觀察，生成式AI的出現，讓「先做一個工具看看」變得很容易，而他認為，AI應用能否落地，關鍵不在工具本身，而在一開始挑的問題。因此他認為，導入AI的第一個問題，不是先想「AI可以做什麼」，應該從「我現在最想解決什麼問題？」開始。因為持續存在的問題會帶來足夠的改善動力，團隊才會願意反覆測試、修正，最後把AI放進日常工作。
本文整理自104人力銀行資深協理李明倫於104「AI煙火小聚」分享的主題「如何打造你的AI營運團隊」，他並非技術職主管，過去兩年卻與團隊透過生成式AI、自動化及AI輔助開發（Vibe Coding），逐步改善資料整理、客服追蹤與工作流程，本次分享他與AI的協作心法。以下節錄精華內容。
【開始前的提醒】操作前應確認AI工具權限與資安規範本次分享中，李明倫使用公司提供的Claude企業版來協助盤點工作問題。實務上，工作資料能否提供給AI，仍應依照各公司核准的工具、權限與資安規範來判斷。建議操作前需確認哪些資料可以上傳、哪些內容應先去識別化。
新需求不斷增加、系統卻跟不上，工作卡在人工怎麼辦？
在成長期的單位，常見的工作狀況是：新的客戶、新的服務與新的流程持續出現，連帶增加新的名單、資料、報表、分析及管理需求；即使工作量倍數成長，但人力卻沒倍數成長，系統建置速度也不一定能跟上，因此耗費大量時間在人工整理資料。
「最好的方法還是系統。」李明倫說：「可是新的單位、新的服務很多流程還不確定，不可能直接建到CRM。」尤其是新服務剛開始運作時，流程與規格可能仍在調整。若此時投入大量工程資源建正式系統，一旦作業方式改變，系統都得跟著改。他形容，這階段急著要求PM與工程建系統，「其實只是在丟另外一個炸彈給他們」。
這種情況下，許多團隊會先用Excel試算表來因應過渡期。「結果就是我很會用Excel，包括寫各式函數。」他說，資料不多時，這種方式快速又有彈性；但隨著檔案、函數與使用者增加，Excel的極限逐漸浮現，例如檔案跑不動、多人共用時可能誤改、資料散落在不同檔案，或是主管需待人工彙整才能掌握進度，都是可能發生的問題。
而本次分享的AI輔助開發工具，李明倫將它定位為「過渡方案」。它不取代正式後台，也沒有直接串接所有系統；用途是讓尚未定型的流程先被實際使用、驗證和修正。等規格逐漸穩定，團隊再把真正需要的功能移入正式系統。這段過渡期也像一場低成本的使用者測試，幫助更快確認規格與使用方式。
如何選題：第一個AI專案，不要挑最大的問題
首先要注意的是，不是所有工作都值得投入時間打造工具，李明倫建議，優先挑「高頻、重複、可標準化、成效可驗證」的問題：
高頻：經常或定期發生。
重複：大量步驟相同，人工反覆複製、整理或確認。
可標準化：狀態、判斷條件、處理順序或截止時間能說清楚。
可驗證：能用時間、錯誤率、處理量、採用率或其他KPI比較改善前後。
選定之後，他建議先問5個問題，把答案寫下來當作「改善前」的基準：這件事多久做一次？每次花多少時間？有幾個人參與？哪裡最容易出錯？成功後要看哪個KPI？
另外，第一個專案不必挑全公司最大的痛點。規模越大，利害關係人、資料來源與例外情況通常越多。從最常重複、最容易驗證價值的工作著手，更容易做出第一個真的有人使用的版本。
讓AI進入工作流程：3個案例看人與AI重新分工
案例1：客服案件量大，進度仍靠Excel管理
把Excel搬上網頁只是表面，真正的改變是工作方式
某個客服團隊每天要處理大量資料，一筆筆聯絡、確認、做紀錄。曾經客服為了不掉球，發展出「把資料複製到Excel」的整理方式，記下當天聯絡狀況與下次聯絡日期，也方便主管查看進度及數據。為了改善工作流程，團隊起初嘗試增加試算表的函數和提醒，檔案卻隨資料累積變得更龐大、跑不動。李明倫接著把工作群組中的大量溝通訊息、現有流程規則、團隊成員口頭反映的問題彙整，交給AI協助標出流程中明確與仍在變動的部分，以及可能的斷點。
關鍵在於，AI蒸餾出可能的問題之後，還要跟現場同仁確認。「AI畢竟不在這個單位裡面，整理完以後我們還是會跟同事討論，哪些是大家認同的、哪些是AI想像的。與實際狀況不符合的，就剔除掉。」
問題收斂後，他們以Vibe Coding建立網頁工具來快速驗證。客服仍然處理同一批案件，但操作方式改變了：
所有案件集中處理，減少在不同資訊之間來回切換
網頁化操作，多人可同時查詢及填寫，資料不會互相覆蓋
可依案件屬性、時間與處理狀態等條件搜尋及排序
優先顯示當天必須處理案件，急件也能調整優先序
主管可直接查看處理量及相關數據，省去另行整理
【案例1】管理工具介面示意圖（圖／104職場力小編使用AI製作）
這項工具的重點不只是幫忙整理資料，還改變了客服每天如何工作。客服能把注意力放在聯絡與服務，資料搜尋、排序、提醒與統計則交由工具承接。流程還在變動時，團隊也可以快速修改規則，持續確認哪些功能值得進入正式後台。
他分享，工具導入後，即使曾有人力較吃緊的時期，團隊單人每日處理量仍能較過去平均提升一倍以上，工作量的波動也有所下降。不過他也補充，還有各種因素可能影響成果，因此不能將改善幅度完全歸因於工具。
案例2：開發名單持續增加，需在多份Excel不斷切換
從「整理排序」到「開發優先順序建議」
另一個團隊會接到多種來源的開發名單，例如講座名單、不同月份的專案名單、AI推薦名單，每種檔案格式、欄位和產生時間不同，累積一段時間後，客服可能需要在多份試算表之間切換與比對；多人共用時，同樣可能不小心覆蓋資料。
為了改善工作模式，本例也以AI輔助開發製作管理工具，將不同批次的名單集中到同一個工具，客服可依人員、批次或開發狀態篩選，主管也能看到整體進度。同時，工具內不會直接顯示敏感的聯絡資訊，沿用內部原有的權限控管。
【案例2】管理工具介面示意圖（圖／104職場力小編使用AI製作）
這個案例不同之處，是「名單整理排序」還多了一道AI與人工的來回協作：以AI參考過去成功案例的特徵，提出新名單的開發優先順序建議，並交由人工審查註記。人工複核被安排在關鍵判斷和防呆節點，大量整理與初步排序則交給AI。
案例三：公用客服信箱大量來信，回覆、紀錄、管理都費時
Power Automate與AI接力分類處理
公用信箱的回覆與管理也是許多團隊的痛點。信件數量少時，大家可以直接分工處理；但隨著業務成長，短時間內累積數百封來信，便可能出現重複處理、漏回或無法掌握處理進度等問題。
團隊原本把每封信登記到Excel試算表，再手動註記分類及處理狀態，管理雖有改善，行政負擔卻很重。
李明倫和AI討論解決方案，說明來信量、人工步驟與管理困難，最後決定採用Power Automate自動化工具，將Outlook收到的郵件定期匯入試算表，不必再花時間備份，收到即同步；再由AI協助分類，最後上傳至前例開發的客服處理工具，集中查看信件類別與處理進度。另外，Power Automate是AI提出的第2個建議。原先想的解法不可行，討論來回幾次才定案。
【案例3】信件管理流程示意圖（圖／104職場力小編使用AI製作）
共通點：沒有預設解法、讓AI從工具變營運夥伴
3個案例看下來，第一個共通點是都沒有預設既定解法。他們把團隊工作現況與遇到的困難交給AI盤點、討論，再從幾個解決方案裡比較選擇、來回修正，最後採用的做法有時可能與最初想像相差很遠。這些工具也都由團隊共同討論、實際使用並調整修正。
第二個共通點，是工作被重新拆解過。李明倫用「AI營運團隊」來形容，核心主張是把工作重新解構，拆解能力、角色，再看哪些可以交給AI。以名單案例為例，一套流程內其實有好幾種職責，例如整理與比對資料（助理、分析）、釐清規格與流程（PM）、開發工具（工程）、產出主管要看的數字（Dashboard管理），最後才是實際聯絡客戶的客服。現在其中好幾段交給AI，角色之間會互相接力，人只留在需要判斷的節點。讓AI從工具，真正變成「共同營運夥伴」。
非技術職如何和AI協作？把AI當「第一天上班的聰明新人」
「AI不是通靈。即便他非常聰明，你沒有跟他講清楚，他的回答當然不會精準。」
李明倫把AI視為第一天上班、能力很強的新同事。不過，AI能快速分析與建立原型，卻不了解部門情境，也不會讀心。若提供的背景越模糊，來回修正的次數通常越多。
因此盤點型提示詞可以包含5類資訊：
背景現況（Existing）：工作現狀、流程如何運作
規則與判斷邏輯（Rules）：工作實務上的詳細規則，包括決策規則、狀態定義、操作模式
佐證資料（Evidence）：實際工作檔案、畫面與案例說明
問題與落差（Problem）：目前看到的問題，哪裡耗時、容易出錯、缺少SOP
明確任務要求（Ask）：希望AI最後產出什麼、給誰用，例如建立SOP、待確認資訊、問題及建議
他也分享，「盤點型」和「工具型」的prompt不太一樣：盤點型要把問題和資料給足，和AI討論出卡點；而工具型比較單純，就是把功能講清楚。
AI「專業新人」交辦模板
想請AI先協助盤點問題，可以使用以下格式：
我目前要處理的工作是＿＿。現在由＿＿負責，使用＿＿工具。這件事大約每＿＿執行一次，每次花費＿＿。目前最耗時或容易出錯的環節是＿＿。現有資料包括＿＿。必須遵守的規則是＿＿。我希望改善的結果是＿＿。請先幫我整理目前的工作流程、主要痛點與可能解法，暫時不製作工具。請同時標出適合由AI協助的步驟，以及仍應由人判斷的步驟；如果資訊不足，請先向我提問。
實作心得1：一次只加一個功能，做完立刻驗證
直言自己並非技術職，李明倫打造工具時，會先和AI討論方案是否可行，確認後再逐步增加功能。他曾一次要求多項調整，結果自己和AI都容易混亂；後來改成一次處理一個小功能，完成後立刻驗證。此外，正式讓同事使用工具後，後續修改則要區分測試版與正式版（Staging／Production），避免調整功能時讓現場工具直接停擺。
實作心得2：AI說「很簡單」，不代表真能做出來
AI提出可行方案後仍要實測。李明倫坦言，有些AI口中的「很簡單」，最後仍可能做不出來；第一版範圍越小，團隊越能及早發現限制。遇到看不懂的技術問題時，他也會直接請AI換一種方式解釋，確認自己理解後再做選擇，避免盲目操作讓後續修改變得更複雜。
實作心得3：把專案知識建立在MD檔
每個主要專案也會建立MD檔，記錄規則、步驟與使用方式，避免重要脈絡散落在長對話中。至於是否進一步做成可重複調用的Skill，則要看流程的共通性。李明倫提到，許多工具的規則非常細，只適用特定單位；若跨團隊無法直接套用，保留成專案MD檔更實際。
實作心得4：文字講不清楚，就截圖給AI看
李明倫提到，和AI來回修正時，他大量使用截圖：把畫面截下來、圈起要改的地方，比打一長串文字精準得多。若要說明幾份檔案之間的關聯，他甚至會用PowerPoint畫成一頁示意圖。部署失敗時也是同樣做法：平台上會顯示錯誤訊息，截圖給AI就會自行修正，讓錯誤不再是障礙。
從問題到落地：非技術職也能採用的7步驟
想從0開始一個AI專案，必須涵蓋選題、盤點、測試與持續營運。綜合李明倫分享的實務做法，整理為以下7個步驟：
Choose 選題：選一個值得解決的問題，優先挑「高頻、重複、可標準化、成效可驗證」。寫下發生頻率、每次花費時間、參與人數、常見錯誤與成功指標。
Define 定義：用EPSP梳理現況（Existing）、問題（Problem）、AI解法（Solution）、標準流程（SOP）與預期影響（Business Impact）。
Discover 盤點：蒐集現有試算表、文件、SOP、工作討論、操作畫面，訪談真正執行工作的人（使用者痛點），再請AI整理流程、痛點與可能機會。整理完務必回到實務現場逐項確認。
Prototype 原型：只解決一條核心流程，第一版先求能用、能測，不急著做成完整系統。
Test 實測：找一位真實使用者放入真資料，實際使用一段時間（一天／一週），記錄錯誤與新需求，反覆修正。
Standardize 標準化：把有效做法整理成固定輸入、固定流程與固定輸出，並定義負責人、更新頻率、SOP及檢核標準。
Review 檢討：定期檢查時間、品質、KPI、使用率與可擴充性；若規則或現場需求改變，再回到下一輪選題與定義。
李明倫認為，真正可複製的不是Prompt，而是「Problem → Solution → SOP → Review」的方法，重新拆解工作，讓工作流程持續進化。
從最想解決的問題開始，打造你的AI營運團隊
而在工具導入後，李明倫建議AI專案的成效不要只看「做出幾個工具」，應追蹤使用者是否持續使用、人工時間是否下降、錯誤或遺漏是否減少、工作品質和核心指標是否改善，以及這套流程能否被交接與持續調整等。
他也強調，雖然本次分享是使用Claude，但不同AI工具都能協助盤點流程與建立原型，介面設計、功能穩定度和使用習慣可能各有差異，選擇自己和團隊用得順手的工具即可。真正決定專案能否落地的，仍是問題是否值得解、規則是否講得清楚，以及使用者是否參與驗證。
從「非做不可」的工作開始，AI才會進入每天與每週的真實流程。當團隊持續經歷「發現問題、建立解法、形成SOP、檢視成效、再修正」的循環，累積下來的成果會超過零散的提示詞或單一工具，逐漸形成一套可運作、可交接、可改進的人機協作系統。
[course_plugin api_type='course_id' title='測你的AI素養' id='e9e13d08-2c6f-49b2-bae8-1e9418588041']
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？
AI大幅降低了寫程式的門檻，工程師該如何在AI時代中保有競爭力？作者、資深工程師指出，現在市場受到AI衝擊最大的是「新手工程師」，因為較難判斷AI答案的品質與正確性。他也建議，工程師與其害怕被取代，不如開始思考：什麼才是真正不可替代的能力？本文節錄自《工程師下班有約》。
文／林鼎淵（Dean Lin）
本文目錄（點擊可快速前往）
市場其實對品質並沒有那麼高的要求當沒有程式背景的人，可以在AI的幫助下完成專案如果高度專業的技能也被AI取代解決問題的能力會更加重要要對自己的專業有更深刻的理解結語：別讓專業成為你唯一的價值
前陣子聚會時，有個工程師朋友問我：「你未來職涯規劃會繼續寫程式嗎？還是有別的打算呢？如果只會寫程式，感覺撐不過下個世代。」
面對這個問題，其實我深有感觸；因為AI確實給我工作帶來非常大的幫助。
甚至可以這麼說，在演算法優化、程式重構、SQL撰寫、DB規劃、單元測試、變數命名等任務上，AI已經做得比絕大多數的工程師更好。
但其實AI對我們的幫助越大，越應該去想：「我會不會哪天就被AI取代？我會不會被其他更擅長使用AI的人取代？」
市場其實對品質並沒有那麼高的要求
有了AI，所有領域的門檻都大幅下降；對外行來說，AI生成的作品「看起來」已經足夠專業了。
下面舉幾個已經受到嚴重衝擊的產業：
1. 翻譯
其實一般人無法分辨出AI翻譯與專業翻譯的差距，因為現在AI已經能翻譯出「有品質、讀起來流暢」的文章了；除非譯者本身擁有超高的文學素養與專業知識，否則翻譯的效率與品質可能還比不上AI。
2. 插畫
即使你沒有學過繪圖、設計，現在透過簡單的指令，AI就能生成出「符合需求」的插畫，這讓許多原本有外包需求的公司轉而投向AI的懷抱；假使繪者沒有自己的個人品牌，或是獨特的風格，那未來生存的空間會越來越小。
3. 行銷
市場有時要的不是「有品質」的文章，而是「大量」的文章與回覆，而這正是AI擅長的事。他除了生成文章的效率很高外，還能模擬出上百種不同人格，在貼文下互相留言，營造出討論熱烈的景象、引導話題風向。這讓原本要請好幾位員工才能完成的任務，現在靠少數菁英就能搞定。
之所以上面的產業會受到較大衝擊，是因為從外行人的角度來看，70分跟90分是差不多的，絕大多數人都不具備品鑑的能力。
當沒有程式背景的人，可以在AI的幫助下完成專案
這幾年社群媒體上，我越來越常看到「文組、PM」分享自己在AI的幫助下，成功開發程式與轉職工程師的文章。
身為一名寫了10幾年程式的工程師，每次看到這類文章時，總有一種莫名的情緒，好像過去苦苦修煉的技巧，在AI時代變得一文不值。
但我又不得不承認：「他們說的是真的！現在寫程式已經幾乎沒有門檻了。」
前陣子有個商科出身的朋友，他靠Cursor這個AI程式碼編輯器，在一天內完成了購物網站的後台。這不是單純的前端網頁，是包含後端API、資料庫的完整系統。
儘管我知道大部分的功能都是套模板，功能也只有簡單的CRUD（新增／查詢／修改／刪除），但這個成果依舊讓我感到震撼。
因為在過去如果想建立一個購物網站的後台，即便只要最基礎的功能，這個專案對新手工程師來說，可能也要花1~2個月才有辦法完成，而且成果搞不好還有很多的 Bug。
但現在AI直接打破專業的鴻溝，即使你完全不懂程式，也「有機會」完成一些基礎的專案、功能。
不過隨著專案複雜度提升，AI的錯誤率也會隨之上升，如果沒有程式背景，依舊會遇到一些鬼打牆、無法解決的問題。
其實遇到無法解決的問題是幸運的，怕的是寫出看起來可以正常運作，但實際上漏洞百出的程式。
但隨著AI持續成長，搞不好再過個幾年就能解決這些問題也說不定。
別忘記，你現在使用的AI，將會是歷史上最弱的。
如果高度專業的技能也被AI取代
有些人可能覺得自己是業內的資深人員、專家，AI應該威脅不到我吧？
如果你有這樣的想法，不妨看一下發生在我朋友身上的案例。
他是一個年薪300萬的工程師，之所以可以領到這個薪水，除了熟悉產業外，另一個重點是他非常熟悉組合語言。
如果你不知道什麼是組合語言，就把它想成20個人努力去學，最多就1個人能夠理解並掌握的技術。因為人才稀有，所以都是高薪職位。
原本朋友覺得自己可以靠這個稀有技能爽爽做到退休，但在ChatGPT 4.0推出後，他開始焦慮了。因為他發現過去只有少數人能掌握的組合語言，對AI來說根本沒有難度。
也就是說，如果公司意識到這件事，基於人力成本考量，很有可能把他給Fire；然後請一個熟悉這個領域，並對組合語言有基礎理解的工程師來取代他。
解決問題的能力會更加重要
也許在3年內，現有的開發生態會被AI顛覆。
對過去的工程師來說，寫出優秀的演算法、易讀性高的程式非常重要；但現在，能判斷出演算法的好壞、程式的可執行性會更加重要。
因為大部分寫程式的任務都已經可以外包給AI了（前提是別違反公司資安規定），所以培養分析與拆解問題的能力，並瞭解如何清楚地將需求轉換成電腦能理解的指令，才是如今工程師的核心競爭力。
而在未來，也許工程師的價值會變成解決複雜的商業邏輯、分析多個系統的資料流，有能力判斷不同方案的Trade-off（權衡）；而撰寫程式這件事，在10年後搞不好會變成類似「傳統技藝」的存在。
不要覺得這件事不可能發生，過去我們有想過只要動嘴就能做設計嗎？有想過AI生成的音樂、動畫，水平已經跟人類不相上下了嗎？
現在市場受到AI衝擊最大的是「新手工程師」，因為新手工程師較難判斷AI答案的品質與正確性。所以企業在徵才時，可能會優先考慮擅長用AI輔助開發的資深工程師。
【筆者碎碎念】從面試官的角度來看，在AI時代下，我更在乎求職者是否有處理正式環境Critical issue的經驗；因為程式語言、框架可以後天學習，但有能力處理正式環境issue的人並不多。技術能力只能用來衡量平時的工作效率，但遇到緊急狀況時，在壓力下是否有足夠的膽量與決策能力就很看人格特質了。畢竟不管AI的建議有多好，還是要有「人」來做出判斷與決策。
要對自己的專業有更深刻的理解
下面分享一段朋友說的話。
前幾年Golang很火，相關職位的薪水都比其他程式語言來得更高，所以就有人一窩蜂地跑去學Golang。
不過朋友是這麼說的：「這份專案用Golang寫，是因為面對這個需求時，Golang的效能比較好而已；在AI的幫助下，我花一個禮拜寫完這個專案，而Golang我才接觸兩個禮拜。」
這段話要表達的不是Golang很好學，而是當你對程式的本質有深刻的理解時，程式語言只是一種工具而已，因為背後的底層邏輯都是相通的。
高薪工程師的核心競爭力，不在於知道多少工具或語言，而在於理解需求、解決問題。
想讓AI給你最大幫助，還是要具備對應的知識水平。否則AI是對的，你就是對的，AI是錯的，你就是錯的。
結語：別讓專業成為你唯一的價值
這篇文章要傳遞的並不是「工程師已死、工程師將被AI取代」這類訊息，而是希望大家停下腳步，問問看自己：
「5年後，我今天所做的這些事還重要嗎？」
「如果AI能完成我的工作，那我的價值在哪？」
當AI持續顛覆各種專業，真正的威脅不是AI本身，而是你是否已經習慣了安逸，忽略了成長與思考。
專業只是解決問題的「工具」，而AI是工具中的新選項；老闆、客戶並不在乎你用了什麼方法，他們只在意你能不能幫他們解決問題。
過去只要會寫程式就能混口飯吃，但在AI的時代，你還需要具備其他重要的多元化技能，讓自己更難被取代。
可能是解決複雜問題的思維、跨領域整合的視野，或者是更深入的人際溝通與合作能力。
未來AI可以做到的事情會越來越多，但依然需要有人去解決問題、推進決策、承擔責任。
我無法預測未來，但我相信能夠在時代浪潮中保持競爭力的人，永遠是那些願意不斷適應、持續調整的人。
願我們都能在AI的時代中，找到屬於自己的新價值。
【人類永遠不會滿足，所以一定會有新的工作誕生】早在1928年，知名經濟學家凱因斯曾預言在未來「每天只要工作3小時，每週工時只需15小時」。但時隔近百年，這項預言並沒有成真，因為他低估了人類的慾望；在資本市場的推動下，爆肝、熬夜等問題依舊存在於多個行業。現在AI已經取代了很多人的工作，就像當年自動化工廠推出後取代了不少工人一樣。但許多產業衰敗的同時，也會催生出新的產業；像這幾十年來，互聯網和科技領域的工作正在蓬勃發展。而近幾年AI相關的機會、職缺，也在快速成長中；如果能掌握這波時代紅利，何嘗不是你超越其他人的機會呢？
節錄自：博碩文化《工程師下班有約：企業內訓講師帶你認清職涯真相！》／林鼎淵（Dean Lin） 著
[joblist_plugin title='更多104【軟體／工程】工作機會' url='https://www.104.com.tw/jobs/search/?order=15&jobcat=2007001000&page=1' amount='3']
推薦閱讀：
【科技業高薪攻略】菜鳥年薪300萬不是夢！外商工程主管授求職3心法
為什麼進灰色產業就很難離開？工程師灰產薪水真的很高嗎？
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？
AWS助攻AI人才媒合 超過4.5萬人透過免費課程累積AI「學力」證明
AI相關職缺需求持續攀升，年成長9.1%，2025年第二季更突破12萬個AI相關工作機會。為回應市場熱度，104學習與AWS合作推出 「AI人才就緒計畫」，上線五個月已吸引超過4.5萬人次參與AI入門與進階技術的學習路徑，無論是商務應用、提示工程、生成式AI到雲端技術，皆成功帶動學習與求職行為轉換，逐步打造具備「學習力×科技力×溝通力」的AI人才生態圈。
文 /【104學習】
AI學習熱潮持續升溫 生成式AI與提示工程最熱門完課認證讓學員主動應徵率成長近2倍：AI技能提升求職行動力學力證明讓企業邀約面試數增加7成：學習紀錄成「辨識人才」指標挑戰AWS官方證照：打造被市場看見的競爭力
AI學習熱潮持續升溫 生成式AI與提示工程最熱門
由104學習與AWS合作推出的「AI人才就緒計畫」，包含兩大主題「商業應用技能」與「技術開發技能」，總共16堂、不到10小時的免費課程。該計畫自2025年7月在104學習課程中心上線以來，共吸引超過4萬5800人次參與課程，展現台灣職場對生成式AI、提示工程與雲端技能的高度需求。
在課程主題中，「商業應用技能」最受學員青睞，其中又以 「生成式AI如何顛覆您的工作模式」課程的學習人次最高，反應許多非工程領域的職場工作者，也開始積極導入AI工具提升效率與創造力。
[course_plugin api_type='course_id' title='AWS商業應用最受歡迎課程' id='553bc7bd-5e0e-48c4-af58-41ed7368ce15']
在「技術開發技能」主題部分，最受歡迎的則是「提示工程最佳實務：有效利用Claude 3」，協助工程師與技術人員掌握當前最主流的提示設計與生成式AI 應用技巧，進一步提升模型運算與內容生成的品質。
[course_plugin api_type='course_id' title='AWS技術開發最受歡迎課程' id='6c274081-2d28-4fe6-ad3b-997567c09734']
特別的是，當使用者在104學習完成AWS線上課程之後，系統將自動產出完課證明，並直接同步至使用者的104履歷表中，讓企業能一眼辨識求職者的AI能力。這項機制不僅提高求職者履歷的讀取率，也為學員帶來更明確的求職優勢。
完課認證讓學員主動應徵率成長近2倍：AI技能提升求職行動力
因此，除了超過4.5萬人次投入AI 技能學習之外，104 與AWS的AI人才就緒計畫，更因具備「學習紀錄回傳與履歷自動更新」功能，使求職者與企業兩端的行為皆出現顯著轉變。
在求職端，根據104學習的數據顯示，在「商業應用技能」主題中，以完成「打造生成式AI就緒組織」課程的學員求職行動力最積極，這些學員在獲得該課程的完課證明，學習紀錄自動同步至履歷後，在接下來三個月內，他們主動應徵職缺次數成長了195.4%，也就是說，完成生成式AI課程的學員，更願意多投幾封履歷。這項數據同時反應，具體的AI技能證明不僅帶來求職者的成就感，更能強化他們的信心，使其願意跨出舒適圈，投遞過去因技能門檻而不敢挑戰的職缺，AI 學習歷程因此成為促進求職行動力的重要推力。
[course_plugin api_type='course_id' title='完課後立刻推升求職行動力' id='10361c40-8284-4333-b589-b234b1c815bb']
學力證明讓企業邀約面試數增加7成：學習紀錄成「辨識人才」指標
在企業端，104學習觀察到相同趨勢。在「技術開發技能」課程主題中，完成「提示工程最佳實務 : 有效利用 Claude 3 」並擁有該學習紀錄認證的學員，在三個月內獲得的企業主動邀約面試次數提升68.8%。顯示企業在搜尋人才時，已優先鎖定具備AI技能學習歷程的履歷。104與AWS認證的學習紀錄成為企業招募時的重要指標，使其更容易辨識具備生成式AI、提示工程與雲端應用能力的即戰力人才。
這些數據不僅代表學習行為上的進步，更顯示AI技能已深刻影響求職市場的互動方式。對求職者而言，學習不再只是加分項，而是能直接轉化為行動力與機會；對企業而言，AI學習歷程正在成為加速辨識人才、提升招募效率的新標準。
[course_plugin api_type='course_id' title='讓企業邀約率增加的課程' id='6c274081-2d28-4fe6-ad3b-997567c09734']
立即觀看 104 x AWS AI人才就緒計畫免費16堂完整課程
挑戰AWS官方證照：打造被市場看見的競爭力
在補強AI 技能後，越來越多學習者開始進一步挑戰AWS官方證照。根據多項國際IT證照薪資調查，擁有AWS AI相關證照，平均年薪上看10萬美元，顯示雲端與AI技能已成為全球企業高度重視的能力指標。對求職者而言，AI證照不僅是技能驗證，更是企業在評估AI應用與技術能力時可直接參考的「專業可信度」。
104學習與AWS整理出最受學習者關注的AWS熱門認證：
AWS認證的人工智慧從業人員-基礎級認證 AWS Certified AI Practitioner-Foundational了解更多AWS認證的雲端從業人員-基礎級認證AWS Certified Cloud Practitioner-Foundational了解更多AWS認證的機器學習工程師-助理級認證AWS Certified Machine Learning Engineer-Associate了解更多AWS認證的開發人員-助理級認證AWS Certified Developer-Associate了解更多
關於AWS官方認證更多資訊
如果還沒準備好立刻投入考照，104學習也提供多元的AWS認證學習資源，協助使用者們以更從容的步伐進入雲端與AI的專業領域。104學習涵蓋從基礎入門到進階備考的完整課程，包括雲端基礎概念、生成式AI應用、提示工程實作、機器學習訓練流程與AWS服務操作技巧等內容，都能找到相對應的學習路徑。104學習以系統化課程、可回傳104履歷的學習紀錄與彈性進度安排，陪伴準AI人才逐步累積雲端與AI技能，為正式挑戰AWS證照打下更扎實的基礎。
探索更多AWS認證課程
[joblist_plugin title='更多104【AWS AI人才】工作機會' url='https://www.104.com.tw/jobs/search/?jobsource=index_s&keyword=AWS;mode=s&page=1' amount='5']
延伸閱讀👉 AWS免費課程幫你打造AI「學力」證明，攻搶12萬AI職缺！👉 搶攻12.1萬個AI工作！104運用AWS技術推「AI人才就緒計畫」目標首年培育逾3萬人👉 AI人才需求強勁！工作機會年增9.1% 企業數位轉型與人才培育成關鍵
AI時代「技能落差」是企業最大挑戰 技職年會倡產學共育
2026-07-15 聯合報記者柯美儀 由聯合新聞網授權轉載
人工智慧（AI）近年快速發展，產業需求持續轉變，技職教育也面臨新挑戰。台灣技職教育年會今（15）日登場，聚焦「AI時代的人才共育解方」，主辦的國際技能發展協會（Skills for U）執行長黃偉翔表示，企業目前最大挑戰是人才技能落差，須透過產官學合作，縮短AI時代人才培育與產業需求之間的距離。
延伸閱讀：學者示警 AI恐掀大失業 宜速應對
Skills for U執行長黃偉翔說，AI已快速融入民眾日常生活，從工作、學習到個人生活規畫都可見其應用，反映人類需求正帶動產業轉型，也重新定義人才能力需求。他指出，AI不只是軟體技術，更牽動AI伺服器、散熱、電源、記憶體等整體供應鏈發展，因此技職教育的人才培育必須與產業需求同步調整。
[course_plugin api_type='course_id' title='104 AI通用素養檢測｜104獨家AI測驗認證' id='e9e13d08-2c6f-49b2-bae8-1e9418588041']
黃偉翔指出，目前企業最大的挑戰在於技能落差，也就是求職者所具備的知識、技能與態度，與企業職缺所需能力存在落差；另一方面，學校與政府的人才培育速度，往往追不上產業快速變化的腳步，因此必須透過產官學及非營利組織共同合作，縮短人才培育與產業需求之間的距離。
黃偉翔表示，在教育部《技職教育政策綱領》的推動下，希望串聯政府、學校、企業及民間團體，共同建立技職人才培育生態系。今年年會共有超過70所學校、30多家企業、產業公協會，以及中央、地方政府與智庫代表參與，盼透過跨界交流，共同提出AI時代的人才培育解方。
教育部常務次長朱俊彰表示，技職教育現今面臨許多挑戰，產業變化快速，加上少子化衝擊，如何讓更多孩子、更多家長放心讓孩子投入技職教育體系，是教育部目前非常重要的課題。
談到AI時代的人才培育，朱俊彰表示，教育部今年5月提出「AI人才方舟計畫」，希望學生不僅學會負責任使用AI，更能運用AI解決問題，並培養AI無法取代的能力，「我們不會被AI取代，但會輸給懂得使用AI的人」。
延伸閱讀：AI力即國家競爭力！政院推「AI人才方舟計畫、指引3.0」，雙軌並進翻新產業生態
朱俊彰說，教育部正推動《技職教育政策綱領》，成立技職教育諮詢會，並與經濟部、國發會、勞動部等部會合作，同時持續協助大專校院強化師資、優化課程與改善教學環境，提升技職教育品質。
總統府副秘書長何志偉說，政府正推動AI及五大信賴產業、新十大建設，從半導體、智慧製造、機器人到無人機，每一項產業發展背後都仰賴技職人才支撐，「沒有人才，就沒有AI；沒有技職，就不會有產業」。
何志偉指出，台灣能走到今天，並非依靠少數人，而是無數在工廠、實驗室、教室及產線默默付出的工作者共同努力的成果。他提到，政府持續透過政策協助產業導入AI，例如今年4月已啟動中小微企業AI導入補助方案，最高每月可補助10萬元，並提供完整申請指引，希望協助更多企業運用AI提升競爭力。
更多AI課程，歡迎點擊按鈕前往104學習
專家工作都怎麼用「AI搜尋」？3招高效提問讓AI工具幫你找資料
生成式AI的搜尋功能既直觀又有效率，還可以提出後續問題深入探討。本文示範關於AI搜尋網路知識、公司內部知識庫、專家知識的提示詞，幫助升級AI搜尋技巧，為你找到更有價值的答案。本文節錄自《職場人的生成式AI工作法》。
文／艾麗莎．法瑞、賈布里．羅薩尼
本文目錄：讓AI幫你做資訊搜尋（點擊可快速前往）
1. 網路知識2. 公司知識3. 專家知識
所有管理者必須取得資訊，才能做出好決策。你還記得過去在圖書館翻找書籍的日子嗎？搜尋引擎和關鍵字觸發網路革命，做研究變得容易許多，而且更快。現在，生成式AI再次改變這個典範。管理者可以向生成式AI提問，獲得以自然語言呈現的詳盡資訊。這種方式既直觀又有效率，還可以提出後續問題深入探討。現在，不只網路搜尋可做到這點，管理者也可藉由生成式AI驅動的聊天介面，在搜尋公司內部知識庫時，獲得更多互動和個人化的體驗。生成式AI不只會找出內部文件或資料夾的連結，還能直接回答問題或是提供摘要。
將生成式AI當作助理，可以改變傳統上檢索資訊的方法，你可以利用它來取得：
1. 網路知識
與傳統瀏覽器整合時，你可以請生成式AI瀏覽網路資料，擷取重點，並於回應中直接標示出處。你可以提出複雜的問題，不只是使用關鍵字，還可把搜尋範圍縮小到特定來源，例如：新聞文章、產業報告或YouTube影片。生成式AI不但可以瀏覽多個網站的資料，甚至能快速生成摘要，大大加快你的搜尋速度。
試試看：請生成式AI就過去一年供應鏈管理技術[請自行指定技術]的最新發展做摘要，並把焦點放在優勢、挑戰和實際應用。請引用來自可靠來源[請自行指定來源]的重要研究和文章。
提醒：務必查證引用來源的可靠性
生成式AI系統有一個明顯缺點，尤其在早期階段很明顯，也就是常會捏造引用、來源，甚至整個研究和論文都是子虛烏有。為了因應這個問題，一些專門的生成式AI系統納入「謙虛」的護欄，這些機制讓AI識別並承認其局限性，明確表示找不到相關資訊或無法提供確切答案。這種方法有助於減少錯誤資訊，確保接收資訊的可靠程度和來源。然而，最終的檢查和驗證仍然是人類的責任。
另一個有用的策略是，在你的提示詞中加入「請不要捏造來源」等指示；雖然這個指示仍然無法完全消除風險。
2. 公司知識
如果生成式AI連接到公司的內部知識庫，就能快速搜尋公司內部資料庫、文件和報告。除了提供來源或連結列表，還能歸納重點，並從現有資源找出其中的關聯和發現。管理者可輸入：「就這個問題[請自行指定問題]，過去嘗試過哪些解決方案？」生成式AI會根據已有的文件找出相關資訊，並將發現精簡為條列式的重點或短文。
試試看：就技術面[請自行指定技術]的應用，要求生成式AI列出過去三年的相關項目，歸納做法上的共同點和差異。
試試看：有關[請自行指定主題]，要求生成式AI找出過去一個月內與[請自行指定對象]分享的所有檔案。
試試看：要求生成式AI找出你的同事[請自行指定指定]評論過的所有檔案。
3. 專家知識
你可以要求生成式AI把聊天紀錄和虛擬團隊討論中共享的大量訊息，轉化為有系統且易於使用的資源。如果你必須監督、參與某些專家社群或群組，共享大量有價值的知識，這一點會對你特別有幫助。你可以要求生成式AI依照副標將資訊歸類，並做總結。生成式AI可以辨識趨勢和廣泛討論問題，提供你可能想要聯絡或追蹤的活躍貢獻者名單。
生成式AI如何幫助社群管理者？
每個組織都有專家社群或群組，由一群樂於分享知識、對某個主題懷抱熱情的人組成。如果你是社群管理者，內建於軟體產品中的生成式AI模型（如Microsoft 365 Copilot for Office和Google Gemini for Workspace）可以在很多層面上幫忙：
擷取對話。要求生成式AI監控社群聊天內容，擷取其中最好的見解和學習內容。你可以在每週摘要或通訊中分享這些內容。
偵測主題。要求生成式AI識別重複出現的主題、趨勢和問題，包括拆解對話，藉此了解上下文並對訊息進行分類。
整理知識。指導生成式AI把識別出來的主題整理成有條理的表格。無論是撰寫知識庫文章、摘要報告或資料庫條目，AI都可以加入重要見解和專家意見，快速供使用者參考。
提高查找方便性。要求生成式AI將整理好的知識整合到公司內部知識庫中，使員工得以透過關鍵詞或主題輕鬆搜尋。
專家地圖。建立主題與相關專家之間的連結。要求生成式AI識別且標記在某個主題提供有價值見解的成員，以建立內部專業知識地圖。如此一來，特定主題或查詢結果可直接連結該社群中的專家。
節錄自：天下文化《職場人的生成式AI工作法：《哈佛商業評論》提升生產力、團隊創意和決策品質的35堂課》／艾麗莎．法瑞、賈布里．羅薩尼 著
推薦閱讀：
打造ChatGPT行政小助理：專屬AI助理幫你處理瑣碎行政工作
用AI快速寫Email！ChatGPT Writer、Copilot等中英文電子郵件生成
NotebookLM更新影片摘要、中文Podcast怎麼做？3步驟生成AI語音摘要
除了ChatGPT還有哪些生成式AI？16種AI工具應用解析
【Graphy AI教學】AI自動生成圖表、數據分析4技巧
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
下班好累...4個只要躺著學AI的方法！輕鬆學習AI知識跟上科技趨勢！
文 /職迷不霧
AI 發展好快，每天都被資訊轟炸💥 加入一堆 AI 電子報和 AI Line 群，結果下班累死了...根本沒力氣再學習 AI 知識...有 AI 焦慮怕跟不上趨勢的你！不用再花時間苦學了～我要分享我自己發明的：4 個只要躺著，就能輕鬆學 AI 的方法🪄
4 個只要躺著學 AI 的方法：（點擊快速抵達）
🙈 閉著眼睛學：NotebookLM
🖍️ AI幫我學：AI總結
🎦 滑短影音學：IG Reels
📱 刷脆文學：Threads
1. 🙈閉著眼睛學：NotebookLM
NotebookLM 是一個可以把大量文字資訊，讓兩位 AI 人用聊天的方式，幫助簡單理解的 AI 學習工具，就好像在聽 Podcast 那樣🎧。所以很多人會把它當作筆記助理、報告分析助手，一推出時只有「語音摘要」可以用，後來陸續新增了影片摘要、心智圖、學習卡以及測驗的功能。
而我自己最愛用的就是「語音摘要」，可以讓我邊上班邊用耳朵學習 AI 知識💡 做法超簡單！
只要點「＋新建」按鈕後，選擇右上「🔍探索來源」，輸入這個簡短的提示詞：「今天AI最新消息的重點」
提交後選擇「語音摘要」，等一下下～ AI 就會幫你生成 Podcast🎉 把枯燥乏味的 AI 科技消息變成有趣的節目，聽起來一點都沒有痛苦學習的感覺！以後每個藍色星期一早上，就用 Podcast 開啟上班日吧😍
點擊快速回目錄⤴
2. 🖍️AI幫我學：AI總結
以前 Chrome 瀏覽器大家最常裝的擴充就是擋廣告、Google 翻譯以及 Evernote Web Clipper，但現在 AI 時代來臨🚀 擴充功能逐漸轉變成沈浸式翻譯、AI 總結...等等 AI 助理取代，而且一個擴充就能包山包海，像 AI Summary，就可以重點摘要網頁、Youtube 影片和文件，而且還可以針對 AI 整理出來的資料，繼續問答了解更多～
身為 AI 社群小編，積極吸取 AI 新知是最重要的工作，但我真沒那麼多美國時間把所有文章一篇篇慢慢看完，用 AI 總結爬文已是一件習以為常的事了～不過呢，通常總結出來的字還是好多😂 所以這個時候！有個小技巧㊙️
一定要再點「Make it shorter」這個按鈕，這樣文章就會變成精華中的精華✨ 不到 30 秒就能掌握整篇文章的內容！如果有興趣，我才會再花時間自己閱讀原文，這種做法超有效率，讓我再吸收資訊上節省更多時間⏰
點擊快速回目錄⤴
3. 🎦滑短影音學：IG Reels
過去要學新東西、看教學影片，第一的想到的就是上 Youtube 找資源，但現在人類的耐心已經被短影音訓練到所剩無幾😂，所以我們更要好好善用僅存的注意力。這時候就要借助演算法的力量！讓自己在閒暇之餘，滑手機的時候被動學 AI📱～重點是 IG 要追蹤 Reels 在做「 30 秒講完 AI 工具」內容的創作者，我這裡推薦 5 位經營 AI 的 IG 帳號：
職迷不霧 @career_noloss（就我本人💗）
AI郵報 @aiposthub
叡一 @igeuwu
S的AI研究所 @gptsavyy
軟式生活 @sofi.life_official
點擊快速回目錄⤴
4. 📱刷脆文學：Threads
現在不只短影音讓人滑個不停，連 Threads 上的文章也很容易讓人一刷再刷！剛開始平台上幾乎都是素人帳號，但現在越來越多知識型創作者加入了～而且寫文的語調與形式都比較口語化👍，不像網路文章那麼嚴肅，所以刷 Threads 的時候就不會覺得在讀文章，一下看有趣的貼文😜，一下看 AI 有關的內容🤖，都不用額外花時間找資料來看，很輕鬆就可以在社群上獲取知識！
所以我也很推薦追蹤 Threads 在做「幾句話講完 AI 新聞」內容的創作者，我這裡推薦 5 位經營 AI 的 Threads 帳號：
資訊學院 @techtip_s
Smart.AI @smart.ai.tw
Brief AI電子報 @ai.briefnewsletter
AI觀察日記 @future.ai.tw
skill.boost.ai @skill.boost.ai
點擊快速回目錄⤴
以上這 4 個躺著學 AI 的祕笈，我覺得跟成癮式學習法滿像的～打破學習=痛苦的迷思！千萬不能讓自己害怕學習，從「被迫」變成「主動」，重點是還可以持續無痛的維持學習的好習慣。希望今天的分享有幫助到你～歡迎追蹤我的 IG😍 我是分享 AI & 職場成長內容的職迷不霧💗 ，讓你天天偷學一點！加薪多一點！
作者：職迷不霧點我追蹤職迷不霧 IG ❤️❤️❤️
延伸閱讀：【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什麼都不會？AI有聲繪本是最輕鬆快速的學習方法｜Gemini Storybook【AI吉卜力】3個免費生成吉卜力風格的AI，ChatGPT替代品推薦！不用付費！附教學【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)
離不開AI了！工程師怕變「指令操作員」 網曝正確用法：你會越來越強
2025-07-01 聯合新聞網綜合報導 由聯合新聞網授權轉載
AI當道，許多人在學習使用AI的同時，也擔心自己會不會被取代。一名工程師表示自己現在的工作完全離不開AI，怕自己變成指令操作員，對此網友們紛紛表示「順應潮流」。
延伸閱讀：AI來了！工程師也會被取代？ 力抗AI的5大關鍵：創意、跨域、情感、文化、批判
一名科技業RD（研發工程師）在Dcard發文表示，自己目前在一家不到50人的公司上班，以往都是公司上層開完SPEC（產品規格），交由原PO設計，驗證是否正確後就出產品。但近年AI發展迅速，目前看個SPEC，就把SPEC的內容用描述的方式給AI，讓整個流程變得更快速，同時也有更高的正確性，後續的設計跟驗證基本上也都大同小異。
原PO認為自己目前唯一的價值可能就是用過往經驗判斷AI回答夠不夠好、回答的內容是不是有更好的設計方式這類的，「導致目前完全離不開AI」，害怕自己變成「指令操作員」，又怕流程都自己來速度沒辦法跟上其他同事。
對於原PO的擔憂，網友們都認為「不用離開AI」，「現在各種AI正在興起，當你還在慢慢手刻code的時候，別人用AI已經可以產出一堆了。因此只有不會利用AI的人會被淘汰，擁有domain knowledge+善用各種AI才是現在的版本答案」、「其實沒AI也是在問Google 查前輩的文件或者code，只是把詢問的對象變成GPT而已」、「以後要拚的就是誰比較會用AI」、「AI現階段就是很好用的工具，有計算機你還會用算盤嗎」、「學會用工具本來就差很多，效率至上」。
也有人提出AI的正確使用方法，「你如果用 AI 來抄答案，那你只會越來越笨；相反，如果你把AI當作討論的對象，你就會越來越強，知識的攝取、從知道到內化、舉一反三，絕對不是單純理解而已」、「你可以自己先設計一套SPEC然後餵給AI，找看看自己跟AI不同的問題點，這樣你也能學習」、「最基本的原則是AI會的你也要會，如果AI給了答案，但你不知道為什麼是這樣解，那就繼續問他細節，直到你學會為止，反正AI有無限耐心又不藏招。但要注意AI幫你看完SPEC後吐出來的設計，你是不是能100%理解，而且可以想到更多優化的點，進一步和AI或同事討論出更好的方案」。
有任何收穫或想分享的，都來和大家一起聊聊吧！