跳到主要內容

發表文章

學習樹園地

學習，就像種一棵屬於自己的樹！ 你是否想過，學習就像在種樹？ 一開始，我們都是一顆小小的種子，對世界充滿好奇，渴望成長。而學習，就是我們汲取養分、茁壯成長的過程。 我是蔡興正，我特別喜歡「學習樹」這個概念。這不是什麼園藝技巧，而是透過系統化學習，讓我們的職涯像一棵大樹，枝繁葉茂，屹立不搖！ 可能有人會好奇，為什麼要把學習比喻成樹？學習樹的概念很簡單：學習是一個持續成長的過程。 我們不斷吸收新知識，就像樹木不斷長出新枝葉，讓自己更加茁壯、更具價值。學習並不是孤立的，而是「成群」的，每一項知識就像一片葉子，彼此相連、互相支持，才能形成完整的知識體系。 各位職場夥伴們，讓我們一起種下屬於自己的學習樹，讓它在我們的職涯中開花結果，成就更美好的自己！ 》部落文章三大主題 主題一：心智圖法—發揮大腦的潛能！ 心智圖是一種「圖像思考」工具，能幫助你整理思緒，提升創意與記憶力。它的運作方式像「神經網絡圖」，從主題出發，延伸出不同分支，把所有相關資訊視覺化。相較於傳統筆記，心智圖更能刺激大腦，使學習與理解變得輕鬆有趣。 其最大優勢在於「跨界連結」，能將不同領域的知識串在一起，發掘新的關聯，對職場人士而言，是提升問題解決能力與創新的好方法。此外，心智圖還能強化學習效率，幫助你快速掌握新知識，讓你思考更有條理，在職場更具競爭力！ 主題二：數位工作—告別忙碌，擁抱優雅人生！ 透過AI與Google APP，如Gmail、Calendar、Drive、Meet等數位工具，你能輕鬆管理行程、協同作業，大幅提升工作效率。這些工具猶如你的「數位小幫手」，讓你減少瑣碎事務，把時間留給真正重要的任務。 結合AI技術，你能更有效率地處理郵件、安排會議、搜尋檔案，讓工作流程順暢無阻。最終目標不只是提高產能，更是讓你有餘裕享受生活與美食，同時也能陪伴家人朋友，真正達到「高效工作、快樂生活」！ 主題三：職涯發展—別讓你的職涯迷路了！ 職涯就像一場冒險，關鍵在於「能力盤點」與「時間管理」。能力盤點能幫助你了解自己的優勢與不足，時間管理則確保你朝著理想方向前進。此外，運用工具來輔助職涯發展，例如紫微斗數，可以幫助你探索天賦、發掘潛力，找到最適合自己的道路。 職涯發展是持續的學習與探索，不斷提升自我，找到與他人相異點，發揮自己的強項，於競爭激烈的職場中持續貢獻，擁抱成就感，創造共好職場，一起成長與共享！ 》課程主題...
張貼留言
閱讀完整內容
最近的文章

課程：AI 時代的自動化知識庫管理

很多人習慣將資料分散儲存在不同位置：桌面、通訊軟體收藏、信箱附件或各個雲端硬碟中。分開儲存本身並非核心問題，關鍵在於缺乏統一的索引，導致需要使用時難以尋找，且無法確認是否為最新版本。 導入 AI 工具並不會自動解決此問題。若輸入端的資料命名混亂、格式不一致且路徑破碎，AI 的輸出品質也會受限。這並非工具本身的限制，而是輸入端資料缺乏結構化整理的結果。 這堂課的核心目的，就是為了 解決輸入端的結構化整理問題 。 ❙ 課程概述：6 小時建立一套可自動運作的資料整理流程 課程時長為六小時，目標是引導你建立一套從「收集」到「歸檔」再到「知識應用」的完整流程，並在課堂中完成第一版專屬的自動化流程圖。 使用的工具包含：Google 試算表、Google Apps Script、Google Antigravity IDE、NotebookLM 與 Obsidian。課程將說明這些工具的串接方式、各自在流程中扮演的角色，並帶領學員實際操作。 》 六個單元的具體內容 現況思考與能力盤點 媒材與提示詞清單建置 Google Apps Script 自動化檔案處理 Google Antigravity IDE 素材整理 NotebookLM 與 Obsidian 知識應用 流程測試與持續優化 第一單元 ：現況盤點  在開始整理前，需先釐清資料管理流程中的關鍵卡點。找出痛點，才能針對性地建立對應的解決方案，同時結合自己優勢與80/20法則，進行資料重點管理，並非管理所有的資料。 第二單元 ： 媒材與提示詞清單建置 將散落於各處的檔案資訊集中至 Google 試算表，建立統一的檢索起點與資料庫索引。 第三單元 ：Google Apps Script 自動化檔案處理  利用腳本自動化執行檔案抓取與統一命名。課程將提供現成腳本，學員只需理解運作邏輯、修改參數並執行，無須具備從零編寫程式的能力。 第四單元 ：AI 代理素材整理  運用 AI 代理（Google Antigravity IDE），將過去耗時的手動分類工作轉為批次自動化處理，將會用SKILL.md的方式來完成。 第五單元 ：NotebookLM 與 Obsidian  知識應用 將整理好的資料導入 NotebookLM 進行資訊檢索與萃取，並結合 Obsidian 建立內容之間的雙向連結，將靜態...
張貼留言
閱讀完整內容

時間不是用來「擠」的，是用來「分配」的

我一直認真地在做時間管理。 雖然，我早知道時間不能「 管 」… 工具試了不少，方法也換了幾輪，行程表裡的每一格都有它的位置。可心裡始終隱隱覺得哪裡不對。不是做得少，也不是做得差，就是有一種被什麼卡住的感覺。 記得姚仁祿老師曾經這樣說：帶著問題探索，當答案出現的時候，你才會恍然大悟與連結。 直到我看到 Ali Abdaal 的影片《Success Is Hard Until You Build Systems Like This》，他說了一句話。這句話對我而言，算不上什麼全新的概念，但它讓我突然看見了那個一直卡著我的地方。 他說： 厲害的人，不管理時間，他們分配時間 。 一個觀念之差，底層的邏輯完全不同。 「擠」是被動的，是在已經被占滿的日子裡，拼命找殘餘的空檔。 而「分配」是主動的——是在時間還沒被任何事情搶走之前，先決定它的去向。你不是在跟生活搶時間，你是在預先設計生活的結構。 這個差別，讓我想起 Ali 在影片裡舉的一組數字： 每週 168 小時 。 扣掉睡眠和基本生存，剩下約 100 小時可以動用。但一份工作加上通勤，就去掉一大半。剩下那 40 個小時，如果沒有主動配置，它們就會悄悄流進螢幕時間、無意識的滑動、漫無目的的等待之中，像沙子從指縫滑走，等你發現，已經是一週的結尾。 你不是沒時間。你只是沒有「先分配」時間。 --- 這個認知，讓我重新看待自己與行事曆的關係。 作為個人工作者，我沒有公司結構給我的會議與排程，沒有上班打卡的節律，也沒有月底固定入帳的薪水。這聽起來像是自由，但更準確的說法是，每一個小時的選擇，都直接影響收入，也直接決定成長的速度。沒有工作，就沒有收入。這種現實，讓我對時間的分配，始終比旁人更加謹慎，也更加用功。 但謹慎，不等於清晰。 我曾以為自己的行事曆已經夠滿、夠認真，卻沒有意識到，忙碌的表面之下，真正值得投入的事，反而常常排不進去。 運動、閱讀、深度思考、陪伴家人……這些事的 ROI 不像接案那樣即時可見，於是一再被推後，等著那個「有空」的時刻。而那個時刻，從來不會自己出現。 時間是公平的，但它偏愛那些提前宣示主權的人。重新去 學會「分配」，是我在時間管理上，最重要的一次轉彎。 --- 這個洞察，不只適用於時間。 錢，也不是用來「省」的，而是用來「配置」的。 很多人的理財邏輯，和過去我管理時間的方式一模一樣：先花，看看剩多少，再說要不...
張貼留言
閱讀完整內容

人機協作：當 AI 產生遺漏時，我們該如何重新設計提示詞框架

此為實作筆記，記錄出錯歸因與解決方案 💬 作者手記 --------------------------------- 蔡興正，2026-04-20 「早晨分享給大家，特別在處理核心數據與資料時，需要警惕此類狀況…」 今天整理 ITS AI 認證課程考古題時，我請 AI 將各章面臨的題目歸納成學習重點。 核對結果發現，部分考題並未出現在輸出裡。AI 沒有說明略過行為，僅靜靜交出看似充實、卻潛藏缺漏的內容。 追溯原因：這並非技術故障，而是給予的提示詞缺乏清晰邊界，導致模型在「精簡」與「周全」之間，傾向了前者。 調整提示詞後，再次重新驗證，內容的正確性幾乎為百分之百。這是一個寶貴的經驗，因此我將修正流程拆解為以下步驟，留作日後參考之用。 》若用三句話來說明： ① AI 如同人類會有慣性：AI  在反覆處理相似任務後，會形成「慣性模式」，進而將錯誤答案視為理所當然地套入。  ② 補救之道 ：仰賴人類協作介入（HITL），這也正說明了，個人「專業深度」的持續精進，是無可取代的核心競爭力。  ③ 讓 AI 持續進化的關鍵？ 透過不斷修正提示詞，才能為模型提供更精準的再訓練依據。 ❙ 防範遺漏：讓 AI 處理受限資料的步驟 適用情境：委託處理具備特定篇幅的專案、清單或素材時，裡面有數字或清單者尤為適用 ❶ 請 AI 先回報盤點總數， 暫緩內容編寫，先讓系統確認來源的規模。 → 此動作對應至專業領域稱為：「建立基礎事實 (Ground Truth)」 ❷ 領域專家親自對焦，此步驟不可省略。 能看出資料對錯的前提，建立在你對素材內容的基礎了解上。 值得留意的觀點： 判斷「對錯」的前提，來自對專案本質的透徹理解。 對業務生疏的操作者，無從下手查閱，也難以察覺差異。 這點出了持續精進之所以至關重要——並非為求與演算法拼搏，而是賦予自身高階協作底氣。越熟悉所屬產業，越能預判工具的產出盲區，進而適時介入導正。 AI，遇強則強，遇弱則弱。你的底蘊厚度，決定了科技的輔助上限。 ❸ 基準底定，重啟生成，給定不容妥協的參考值，產出便擁有了嚴謹的運作框架。 💡 流程設計的價值，遠勝過提示詞的長度。 ❙ 關於 AI 的學習軌跡 「我不會因為系統偶發失誤而卻步。妥善運用，確實比全人工運作高效極多…」 初期導入時未必節省時間，因尚在摸索底層邏輯。然隨著掌握度漸增，產能與...
張貼留言
閱讀完整內容

我用 AI 整理 AI 課的筆記，理論竟然開始「來電」了

2026/4/11，我報名了 ITS AI 人工智慧國際認證課。老實說，雖然我每天都在用 AI，但都是實際操作，很少碰理論。 第一週上課，看著錄影的回放，滿天飛的英文縮寫：RAG、MLOps、Quantization，我的頭雖然沒有很小，但就是塞不進這些東西，也很難與實際的使用相連結。心裡想著：認證是一回事，關鍵是我到底有沒有吸收？ 第二週，2026/4/18 上課時，也就是今日，我改變了策略。我不想再讓腦袋空空地坐在那裡，於是 改用 Google Antigravity 一邊整理筆記、一邊學習 。果然，上午的狀況好多了，精神滿滿。 真正有趣的事情發生在下午。 當時正在講 AI 的演算法，我雖然有興趣，但下午就是容易恍神。就在快放空的那一刻，我突然想到：這些演算法是「結果」，那我自己下指令請 AI 整理筆記的過程，究竟是什麼？  以下圖片的內容，是取自 [ 楊宏文老師的 ITS AI 國際認證培訓班課程 ]   的內容，由  TibaMe 主辦。 為什麼不直接請 AI 把它整理的步驟 ，用課堂上教的專有名詞寫出來？這樣，課本上那些陌生知識就能和我日常操作的經驗直接接上，陌生的資訊，就有機會快速與自己的知識框架結合。 就這樣，這篇文章誕生了。而且整個下午上課，我自己精神異常地好。邊寫邊聽課，不斷的透過問題來向 AI 提問，看著 AI 給我的回答，再對照老師的課程內容，來回比對，覺得太有趣了，我終於有點"來電"的感覺了。 為了讓筆記再提升一個層次，我還要求 AI， 把文章裡出現的每一個專有名詞，都對應回課程的脈絡與意涵 ，讓我能快速查明。不一定每個連結都百分之百準確，但對我來說，這樣一個「橋接」的動作，讓那些原本陌生的詞彙開始有了「位置感」。當我不瞭解時，我即可快速回到講義中查詢，請 AI 進行一個小小的動作，卻是給自己大大的方便。 以下，是我從實務出發、對照 ITS 考綱的實戰拆解，以及它背後呼應的 AI 核心架構，分享給您。 一、第一步從來不是丟資料，而是建立框架 多數人使用 AI，習慣把資料一次貼上，要求立刻產出結果，這往往會導致失控。這是 AI 在處理序列資訊時天生的限制，也是為什麼後來會發展出 LSTM (長短期記憶網路) （Ch3） 來解決傳統模型容易「遺忘」前端資訊問題的原因。 在這次處理中，我第一步是先給予 AI 明確的「...
張貼留言
閱讀完整內容

AI 不是來取代你的，而是讓你有時間做真正該做的事

從消滅瑣事、到成為監工，六個步驟分享給你這個時代真正的演化邏輯。 林副理是一間中型貿易公司的採購主管，手下管著 5 個人，負責全台灣超過三百間供應商的詢報價管理。 每週，他的郵件信箱都會湧進上百封「什麼時候可以收到款項」的重複問題。每一封，他的同事都得一一查帳、一一回覆。每一份供應商報表，都要花上整整一個工作天才能整理完畢。 後來，公司導入了 AI 系統。 那些重複的詢問，AI 3 秒就能回答。 那份報表，AI 花了 5 分鐘就整理好了。 林副理坐在位置上，看著空空如也的待辦信箱，心裡升起一種說不清楚的感覺： 是解脫？還是恐懼？ ❙ 問題：努力的方向，比努力的程度更重要 你有沒有算過，自己一週裡面，有多少時間是在「真正工作」？ 不是看起來在工作，而是那種你坐下來、腦子真的在解決問題、產出真正有價值的東西的那種工作。 根據相關研究，白領工作者每週有三到四成的時間，是花在找資料、整理報表、回覆重複的詢問、轉發郵件、更新進度追蹤表這些事情上的。這些事要花時間，但它們幾乎不創造額外的價值。你做完了，事情沒有進展，問題還在原地等你。 問題不是你不勤奮。很多人每天早到晚退，月報季報一份都沒少，但就是感覺升不上去、做不出差異化。原因不在努力程度，在於努力的方向從一開始就對準了錯誤的目標。 這件事現在有了一個對照組。 你的競爭對手，有些已經開始用 AI 處理掉那三四成的重複工作，轉而去做你還沒時間做的事。 《今周刊》說得直白：「你不用 AI 取代某些人力，但你的競爭者會。」 這句話不是在嚇人，它只是在說明一件正在發生的事：有些公司已經導入 AI，有些還沒有。這個差距會隨時間慢慢展開。簡單來說，懂 AI（愛）的人，工作才不會有「礙」；讓科技幫你解決障礙，你才能重拾工作的熱愛。 我自己就是從這裡開始的。 身為一個職業講師，最消耗我的不是備課，而是備課之後的事。簡報做完了，還要把它重新整理成講義，內容相同，但格式、邏輯、篇幅都要重來，每次都要再花上一段時間。這件事本身沒有創造任何新價值，卻是每一堂課前的例行折磨。 直到我做了一個「 簡報講義生成器 」，把簡報的結構丟進去，AI 自動轉換成可以印出來給學員的講義格式。第一次跑完的那個下午，我坐在螢幕前愣了幾秒。 就這樣？就這樣。 那種感覺不是驚喜，而是一種很奇怪的錯愕：原來我長年接受的那個消耗，其實根本不應該存在。這才發現，搞定瑣事不用靠蠻...
張貼留言
閱讀完整內容

第五步：同時跟多個 AI 協作，一個人也能推進多項任務

系列文章｜AI 不是來取代你的第 5 篇，共 6 篇 iKala 共同創辦人程世嘉曾描述他的日常：身邊隨時有多個 AI 在不同螢幕上同時運作，例如一個在寫董事會摘要、一個在處理郵件、一個在寫程式。他只負責確認方向、補充情境、做最後判斷。 這個畫面，放在幾年前像是科幻場景。但在 2026 年，這件事已經是日常，而且比多數人意識到的更容易上手。 前四步帶你從「問 AI」走到「派 AI 去做」，代表你已經具備了「製作人（Producer）」的基礎視角。這一步，我們要再往上走一層：不只是派一個 AI 去執行，而是同時指揮多個 AI 協同運作，讓自己從單一執行者，升格為整個工作系統的設計者。 這個畫面讓多數人向往，也讓人不禁疑惑：這不就是多工嗎？ ❙ 先釐清誤解：這不是多工 當提到「 一個人同時推進多項任務 」時，你可能皺起了眉頭：「等等，多工不是壞事嗎？」 確實，你自己的多工是個問題，這一點神經科學早有定論。 神經科學研究早已確認：大腦無法做到絕對的同時處理兩件需要思考的事，你以為的「同時」，其實是高速切換。而每一次切換都要支付「認知切換成本（Switching Cost）」。研究估計，每次任務切換平均損耗 15 到 20 分鐘的專注力，長期下來效率損失高達 40%。多工不是高效，是消耗。 但「同時跟多個 AI 協作」，說的不是你在多工。你做的那件事只有一個：指揮。AI 在做的那些事，才是並行的。 想想樂團指揮。 演出時，舞台上有大提琴、小提琴、銅管、木管、打擊樂同時響起，但指揮沒有同時拉琴、吹號、打鼓。他只專注於：確保所有人在對的時間、做對的事。他的認知負荷不是百人的總和，而是對整體方向的掌握。 這也解釋了文章開頭程世嘉的案例為何不矛盾：他在多個螢幕之間移動視線，切換的是「判斷時機」，不是「親自生產內容」。 多 AI 協作的祕密，在於你切換的是「判斷」，而不是「生產」。 傳統多工讓效率崩潰，是因為每一次切換，你都必須親自重新載入厚重的資料情境。但在多 AI 協作中，AI 已預先處理了繁瑣細節，把結果整齊呈現在你面前；你大腦的「載入成本」被壓到最低，每次回到任務時，只需做一件事：判斷下一步。 這正是多 AI 協作的真實樣貌。 你序列化自己的注意力，並行化 AI 的執行力。 你派出任務、然後離開，轉赴其他需要你在場的任務；AI 在背景獨立運行，完成後你回來驗收。這個模式，有個...
張貼留言
閱讀完整內容

第六步：當 AI 把初稿都包了，剩下的才是你真正值錢的部分

系列文章｜AI 不是來取代你的第 6 篇，共 6 篇 如果 AI 能幫你生出報告草稿、分析初稿、程式初版、設計方案，那麼你還剩下什麼？ 這個問題，相信對許多人而言，是充滿困惑與壓迫感。 當 AI 包辦了初稿，剩下的不是與 AI 競爭產出速度，而是回到人身上，覺得有三件 AI 永遠無法取代的事： 維度一：領域專業判斷力，你看得出草稿哪裡脫離了行業現實。 維度二：真實生命經驗，你的一手脈絡讓文件從「AI 的輸出」變成「你的作品」。 維度三：大哉問提問力，你能問出讓 AI 也沒想過的問題。 ❙ 維度一：領域專業判斷力 讓我們先從一個你可能經歷過的情境開始。 我問 AI：「這兩張表格，要不要合併？」 AI 給了你五條理由，說明不需要合併。 我說了一句：「但其實我合併的原因是……」 AI 立刻換邊，開始幫你找合併的理由。 那麼，表格到底合不合併？這個決定權，最終是誰的？ 答案很清楚：是自己。 AI 只是一面鏡子，映出你告訴它的那個世界。它不懂你為什麼這樣選，也不必為結果負責。 它提案，個人為決策負責。 這中間的空隙，就是判斷力存在的位置。 具體一點，來看兩位專案經理的差異：同樣用 AI 產出 WBS（工作分解結構），A 經理直接提交：層次分明、項目完整，引用的是 AI 從全球企業案例裡抓出的標準框架。 看起來沒問題。但三個月後，執行才發現許多環節根本脫離現實。 B 經理同樣用了 AI 的初稿，但她花了半天逐行過，把那些「 看起來正確但不適用於我們產業 」的項目全部標出來，重新調整了整個分解方式。同樣的工具，不同的結果。差距，就在那半天做的事。 別忘了，判斷力不只是「把關」，它更是槓桿。 在 AI 放大生產力的世界裡，一個準確的決策所能撬動的價值，可能是過去的百倍；而一個錯的決策，代價也是百倍。 你的判斷準確率，正在以指數級的速度影響你的職涯軌跡。 ❙ 維度二：真實生命經驗 AI 做出來的東西，完整但薄。 你把那份報告拿給客戶，邏輯通，但沒有溫度。你把那個提案交上去，架構對，但沒有說服力。原因不難找：裡面沒有你。不管那是你做判斷的背後脈絡、你曾經踩過的雷，還是你看過客戶眼底閃過的那一絲猶豫，這些細節，文件裡全都沒有。 把這些血肉放進去，東西才會從「AI 的輸出」變成「你的作品」。 AI 沒有過生活。 它體會不到合約突然被抽掉時的焦慮，也不知道在營收見底的那個季度，你是怎麼帶著一...
張貼留言
閱讀完整內容