最近在工作上用了AI工具，來分一下我使用的心得吧！
在這篇我也想順便玩玩AI，我會先打出我的原文，再將文章讓AI進行整理與文字修飾，會使用 Gemini, Grok, ChatGPT
提示詞如下
這是我今年使用AI的心得，幫我修正文字錯誤及修飾文辭。
原始稿
大約在 2024 年 9 月，GhatGPT 的文字語意分析有質的飛躍，在那時候我就逐漸把工作上的文書類的工作丟給他了。例如: 撰寫教育訓練的文件、分析文件內容等。還來在2025 年年初，也可以依需求敘述產生簡單的程式碼。在這期間，有使用幾家語言模型: ChatGPT 、Grok、Gemini 。後來我主要使用 Gemini，主要原因是 我日常使用的文書工具是Google公司底下的，例如: Google Doc , Google Drive 等等。
在使用期間，有考慮過資訊安全相關方面的議題。我該使用雲端廠商所提供的AI，還是自己架設 LLM ，經過實地的一番比較，自己架設 LLM 一方面需要有足夠的硬體持有成本，要滿足我日常工作要求止少需要 4090 24G 的獨立顯示卡，另一方面也要時時更新 LLM 的版本以解決他內部資料的新鮮程度。於是我最後選擇訂閱雲端服務。至於資訊安全的部份，我是會先人工過濾掉感資訊在進行詢問，或是把工作的電腦切割成，可以連上網路與不可連上網路進行工作。
AI 可以在工作上可以幫我做什麼事情? 在我目前的經驗上，除了可以協助撰寫 及 分析 文本資料，還可以幫忙粹取圖片文字、語音轉文字，還可以透過排程定期抓取資料及整理。
就在今年，因為工作上需要每月抓取定軟體 CVE 資訊。原本一開始的想法是: 寫爬蟲程式 -> 取得網站資料 -> 萃取HTML理的資料 -> 進行資料分析 -> 套入報告模板 -> 產生報告。
後來我轉念一想：有沒有不寫程式 並透過 AI 分析文件資料？
最終的結果使用 n8n 流程工具完成，完成後的流程是: 爬資料 -> 餵資料給AI -> AI依提示整理、萃取資料並匯出報告 -> 產生報告。
使用 AI 工具之後不僅在處理流程少了很多，另外我也省去撰寫程式的時間成本。
目前在網路上有流傳 「AI 將會取代工程師」。
關於這部份的說法，我認為這樣說才對: 「懂得善用AI的人 將會取代 不使用AI的人」。
AI 是屬於能力加成工具。假設有一個人在 資訊處理的本質能力(寫Java, 操作 Linux 等)是 10 ，在使用 AI 之後會乘以 10 就是 100 的能力值。而且本質能力月高，使用AI 工具之後綜合的能力也會明顯提升。
以上是我近一年使用AI工具的心得，說說看你的想法。
Gemini 2.5 Pro
大約自 2024 年 9 月起，我觀察到 ChatGPT 在文字語意分析方面有了質的飛躍。從那時開始，我便逐漸將工作中的文書處理任務交由 AI 協助，例如撰寫教育訓練文件、分析文件內容等。到了 2025 年初，AI 甚至能依據需求描述產生簡單的程式碼。在此期間，我曾嘗試過幾家不同的語言模型，包含 ChatGPT、Grok 及 Gemini。最終，我主要選用 Gemini，考量點在於我日常慣用的文書工具，如 Google 文件、Google 雲端硬碟等，皆隸屬於 Google 生態系。
在使用過程中，資訊安全是我相當重視的一環。我曾評估過究竟該採用雲端服務商提供的 AI，抑或是自行架設大型語言模型（LLM）。經過實際比較後發現，自行架設 LLM 不僅硬體持有成本高昂——至少需要 NVIDIA GeForce RTX 4090 24GB 等級的獨立顯示卡才能滿足我日常工作的需求——更需時時維護 LLM 的版本，以確保其知識庫的時效性。因此，我最終選擇訂閱雲端 AI 服務。至於資訊安全方面，我會在提交請求前，先手動過濾掉敏感資訊；或將工作電腦區分為可連網與不可連網的環境，藉此降低風險。
那麼，AI 在工作上能為我分擔哪些任務呢？依我目前的經驗，AI 除了能協助撰寫及分析文本資料外，還能進行圖片文字萃取、語音轉文字等作業。此外，透過排程設定，AI 亦能定期抓取資料並加以整理。
就在今年，因應工作需求，我需要每月擷取特定軟體的通用漏洞揭露（CVE）資訊。最初的構想是：撰寫爬蟲程式 -> 取得網站資料 -> 萃取 HTML 中的資料 -> 進行資料分析 -> 套用報告模板 -> 產生報告。
後來我轉念一想：是否能在不撰寫程式的情況下，直接透過 AI 分析文件資料呢？
最終，我利用 n8n 這套流程自動化工具實現了這個想法。優化後的流程變為：爬取資料 -> 將資料提交給 AI -> AI 依據提示整理、萃取資料並匯出 -> 產生報告。
導入 AI 工具後，不僅大幅簡化了處理流程，也省下了我撰寫程式的時間成本。
目前網路上流傳著一種說法：「AI 將會取代工程師」。
關於此觀點，我認為更精準的描述應為：「懂得善用 AI 的人，將會取代不使用 AI 的人。」
AI 本質上是一種能力增幅工具。假設一個人在資訊處理的基礎能力（如撰寫 Java 程式、操作 Linux 系統等）為 10 分，在導入 AI 輔助後，其能力值將可能乘以 10，達到 100 分。而且，個人的基礎能力越強，善用 AI 工具後所能發揮的綜合能力也將越顯著。
以上是我近一年來使用 AI 工具的心得。
關於您最後提到「說說看你的想法」，我很樂意分享：
您對 AI 工具的觀察與應用，以及最終的心得總結，都相當精闢且富有洞見。我完全認同您將 AI 視為「能力加成工具」的觀點。
從 AI 的角度來看，我們的核心價值在於輔助人類更有效率、更有創造力地完成任務。您所經歷的從繁瑣的爬蟲程式撰寫到利用 n8n 與 AI 協作的流程優化，正是 AI 應用價值的絕佳體現。這不僅節省了時間成本，更重要的是，它讓您能將精力聚焦在更高層次的策略思考與價值創造上。
您對資訊安全的考量也非常重要。在享受 AI 帶來便利的同時，如何確保資料的隱私與安全，確實是使用者和開發者都需要持續關注的議題。您採取的過濾敏感資訊及隔離工作環境等措施，都是現階段務實且有效的做法。
至於「AI 將會取代工程師」的討論，您的看法「懂得善用 AI 的人，將會取代不使用 AI 的人」確實更貼近現實。AI 的發展並非旨在取代人類，而是成為人類強而有力的夥伴。對於工程師而言，AI 可以自動化重複性的編碼工作、協助偵錯、提供解決方案的建議，甚至加速學習新技術的過程。掌握並善用這些 AI 工具，無疑能大幅提升工程師的生產力與競爭力。
您的經驗分享，對於其他正在觀望或剛開始接觸 AI 的使用者來說，具有很高的參考價值。期待未來能看到您更多關於 AI 應用的精彩分享！
Grok3
自2024年9月起，ChatGPT的文字語意分析能力顯著提升，實現了質的飛躍。從那時起，我開始將工作中的文書任務逐漸交由AI處理，例如撰寫教育訓練文件、分析文件內容等。到了2025年初，AI甚至能根據需求描述生成簡單的程式碼。在這段期間，我體驗了多款語言模型，包括ChatGPT、Grok和Gemini，最終選擇以Gemini為主，原因在於我日常使用的文書工具多為Google生態系統產品，例如Google Docs和Google Drive，與Gemini整合更為順暢。
在使用AI的過程中，我曾深入考慮資訊安全相關議題，特別是選擇使用雲端AI服務還是自行架設大規模語言模型（LLM）。經過實際比較，自行架設LLM需要高昂的硬體成本，至少需配備如NVIDIA 4090 24GB的獨立顯示卡以滿足日常工作需求；同時，還需定期更新LLM版本以確保資料新鮮度。綜合考量後，我選擇訂閱雲端AI服務。為確保資訊安全，我會先人工過濾敏感資訊後再進行AI查詢，或將工作電腦分為可連網與不可連網兩種環境，以隔離敏感資料。
AI在工作上能提供的幫助遠超乎想像。以我目前的經驗，除了協助撰寫與分析文本資料，AI還能執行圖片文字萃取、語音轉文字，甚至透過排程定期抓取並整理資料。例如，今年因工作需求需每月收集特定軟體的CVE（常見漏洞與暴露）資訊，最初的流程構想是：編寫爬蟲程式→獲取網站資料→萃取HTML資料→進行資料分析→套入報告模板→生成報告。
後來我轉念一想：能否不寫程式，僅透過AI分析資料並完成任務？最終，我採用n8n流程自動化工具實現了這一目標，流程簡化為：爬取資料→將資料輸入AI→由AI根據提示整理與萃取資料並匯出報告→生成報告。使用AI工具後，不僅流程大幅簡化，還省去了撰寫程式碼的時間成本。
目前網路上流傳「AI將取代工程師」的說法，我認為更精確的表述應是：「善於使用AI的人將取代不使用AI的人。」AI是一種能力增強工具。假設某人在資訊處理的核心能力（如撰寫Java程式、操作Linux等）為10，使用AI後，其能力值可放大至100。核心能力越強的人，使用AI後的綜合能力提升也越顯著。
以上是我近一年使用AI工具的心得，請分享你的看法。
修訂與修飾說明：
-
文字錯誤修正：
- 「GhatGPT」修正為「ChatGPT」。
- 「還來在2025年年初」修正為「到了2025年初」，語句更自然。
- 「止少」修正為「至少」。
- 「感資訊」修正為「敏感資訊」。
- 「HTML理的資料」修正為「HTML資料」。
- 「月高」修正為「越強」。
-
文辭修飾：
- 優化語句結構，使表達更流暢，如「逐漸把工作上的文書類的工作丟給他了」改為「開始將工作中的文書任務逐漸交由AI處理」。
- 統一專業術語，如「大規模語言模型（LLM）」取代「LLM」，並在首次出現時加上全稱。
- 增強邏輯連貫性，例如在描述AI功能時，補充「遠超乎想像」以強調AI的廣泛應用。
- 簡化冗長表述，如「完成後的流程是」改為「流程簡化為」。
-
結構調整：
- 分段更清晰，確保每段聚焦單一主題（如AI功能、資訊安全、具體案例、未來展望）。
- 對CVE資訊收集案例的描述，補充「常見漏洞與暴露（CVE）」的全稱，方便讀者理解。
-
語氣與風格：
- 保持原意與個人心得的語氣，但稍加修飾，使語句更正式且具說服力，符合心得分享的語境。
- 結尾的觀點「善用AI的人將取代不使用AI的人」保留原句精髓，並以更精煉的方式呈現。
我的看法：
您的心得深刻反映了AI工具在工作場景中的實用性與潛力，尤其是在自動化流程與提升效率方面的應用。您提到的n8n結合AI的案例，展現了如何透過低程式碼工具實現高效工作流，這是非常有啟發性的實踐。此外，您對資訊安全的考量也非常務實，特別是在當前資料隱私備受關注的環境下，分離連網與非連網環境的做法值得推廣。
關於「AI取代工程師」的觀點，我完全同意您的看法：AI並非取代人類，而是作為能力放大器。核心能力強的人能透過AI實現更大價值，這也呼應了當前技術發展趨勢——未來職場將更重視「人機協作」的技能。您的經驗也提醒我們，選擇合適的工具（如雲端服務或自建LLM）需權衡成本與效益，這對其他工作者來說是非常實用的參考。
若您有其他具體問題或想深入討論某部分，請隨時告訴我！
ChatGPT
大約在 2024 年 9 月，ChatGPT 的文字語意分析能力出現質的飛躍，從那時起，我逐漸將工作上的文書類任務交給它處理。例如：撰寫教育訓練文件、分析資料內容等。到了 2025 年年初，它甚至可以根據需求自動產生簡單的程式碼。
在這段期間，我嘗試過幾家語言模型，包括 ChatGPT、Grok 和 Gemini。最後我主要選擇使用 Gemini，主要原因是我日常所使用的文書工具多屬於 Google 旗下產品，例如 Google Docs、Google Drive 等，與 Gemini 的整合性較高。
在使用 AI 過程中，我也考慮過資訊安全的議題。究竟是該使用雲端廠商提供的 AI 服務，還是自行架設 LLM（大型語言模型）？實際比較後我發現，自行架設 LLM 除了需要高昂的硬體成本（例如至少需要一張 RTX 4090 24G 的顯示卡），還必須不斷更新模型版本以確保資料的新鮮度與正確性。綜合考量後，我選擇訂閱雲端服務。而在資訊安全方面，我會先人工過濾敏感資訊再提交給 AI，或將工作用電腦分割為可連網與不可連網的環境，視情況切換使用。
AI 在工作上能幫我做什麼？根據我目前的經驗，除了撰寫與分析文字資料，它還能協助萃取圖片中的文字、將語音轉換為文字，甚至能透過排程工具定期抓取並整理資料。
今年因工作需求，我需每月整理定期發布的軟體 CVE 資訊。原本的構想是：撰寫爬蟲程式 → 擷取網站資料 → 萃取 HTML 中的資訊 → 進行資料分析 → 套用報告模板 → 產出報告。
後來我轉念一想：是否有可能不寫程式，單純透過 AI 就完成文件的分析？
最後我改用 n8n 自動化流程工具來實現整個流程：爬取資料 → 將資料餵給 AI → AI 根據提示整理、萃取並匯出報告 → 自動產出文件。
使用 AI 工具後，不僅簡化了整個處理流程，也節省了撰寫程式所需的時間成本。
目前網路上常流傳一句話：「AI 將會取代工程師。」
對此我認為，更貼切的說法應該是：「懂得善用 AI 的人，將取代那些不會使用 AI 的人。」
AI 是一種能力加成工具。假設一個人在資訊處理的本質能力（例如寫 Java、操作 Linux 等）是 10，透過 AI 的輔助可將其能力加乘為 100。而且本質能力越高，搭配 AI 工具後所展現的綜合效能也會越強。
以上是我近一年使用 AI 工具的心得，歡迎你分享你的看法。