2026年3月20日星期五

程式碼已死，意念萬歲：Google Antigravity 與 Vibe Coding 啟動的開發大革命

簡報：

影片：

1. 前言：從「刻代碼」到「控意念」的轉向

在軟體開發的舊世界裡，創意往往受困於語法、環境配置與無止盡的除錯（Debug）循環。想要實現一個想法，你必須先學會與機器溝通的語言。然而，隨著 Google 推出的 AI 開發工具 Antigravity 橫空出世，我們正在見證一個範式轉移（Paradigm Shift）的奇點：開發不再是手動敲擊鍵盤的苦力活，而是一場由「意念」驅動的華麗表演。

這種被稱為「Vibe Coding」的新模式，將開發者的學習曲線從「如何寫代碼」直接壓縮至「如何下判斷」。即使你完全不懂編程，只要具備清晰的邏輯與願景，現在就能透過 Antigravity 將創意轉化為現實。

--------------------------------------------------------------------------------

2. 重點一：Vibe Coding 的靈魂——當開發變成一種「感覺」

「Vibe Coding」並非只是自動補全代碼，它是一種**意念驅動（Intention-driven）**的迭代循環。在這種模式下，開發者的核心職責從「工人」轉變成了「產品經理」與「審美者」。

「你可以把它理解為一種意念驅動的開發方式... 你就像是一個產品經理，只需要關注最終成品是不是你想要的。這就像是你僱用了一群 24 小時待命的程式員，你負責出主意，他們負責執行。」

Vibe Coding 的三大支柱：

從「寫」到「評」： 你不需要知道代碼如何運作，你只需要觀察 AI 的執行結果（Vibe），並給予正向或負向的反饋。
Tab 補全的極致體驗： 這是 AI 編輯器的靈魂。Antigravity 透過預測你的意圖，讓你在輸入幾個字元時，AI 就能預知你下一步的動作（如自動修正變數名稱或縮進），這種流暢感是 Vibe Coding 成功的關鍵。
迭代反饋圈： 想法 -> AI 執行 -> 人類評斷 -> 修正，這是一個高速循環的過程。

--------------------------------------------------------------------------------

3. 重點二：打破昂貴門檻——頂尖模型的「免費」盛宴

在 Cursor 等競爭對手紛紛走向高額訂閱制的當下，Antigravity 投下了一枚震撼彈：目前完全免費使用最頂尖的 AI 模型。

它打破了品牌壁壘，不僅支援 Google 自家的 Gemini 1.5 Pro 與 Flash，更整合了 Anthropic 的王牌模型：

Claude 3.5 Opus（最強大的邏輯規劃能力）
Claude 3.5 Sonnet
Claude 3.5 Haiku

這對於市場現狀是毀滅性的衝擊。開發者可以根據任務複雜度切換模型，例如用 Opus 制定架構，用 Flash 進行快速的小功能迭代。值得注意的是其刷新機制：免費版額度每週刷新一次，付費版則縮短至每 5 小時。

--------------------------------------------------------------------------------

4. 重點三：Agent Manager——打破對話框的並行生產力

Antigravity 最具洞察力的設計在於 Agent Manager。它粉碎了傳統 AI 工具中「單一對話框」的限制，將 Agent 提升為獨立的「虛擬員工」。

跨項目協作： Agent Manager 是集中管理的面板，你可以同時啟動多個 Agent，並讓它們並行工作。一個處理 UI 介面，另一個處理後端邏輯。
獨立編輯空間： 每個 Agent 的對話都可以轉化為一個獨立的編輯窗口，這讓開發環境更像是一個充滿活力的工作室，而非單調的代碼編輯器。

--------------------------------------------------------------------------------

5. 重點四：典範轉移——「拋棄式代碼」與「永續架構」

這是我身為技術佈道師最想分享的觀點：在 Vibe Coding 時代，代碼不再是資產，它是附屬品，甚至是「拋棄式」的。

當 AI 能在幾秒內生成上千行代碼時，我們不應再執著於代碼的維護，而應專注於架構文件（Implementation Plan & Task Files）。

核心資產： 定義系統邏輯與耦合性的架構文件。
控制手段：
- Rules (規則)： 定義 AI 的「性格」與「品味」，例如強制使用繁體中文、遵循特定的 coding style。
- Workflows (工作流)： 利用自然語言自定義「指令」，將複雜動作（如生成繁體 README 或 GitHub 初始化）轉化為簡單的斜槓指令（/）。

--------------------------------------------------------------------------------

6. 重點五：專家實戰告誡——那些「坑」與全鏈路自動化

作為前沿評論家，我有責任提醒你這條通往未來的路徑上藏著哪些陷阱。

⚠️ 專家警告：千萬別隨便點「Undo」

目前的 Antigravity 存在一個致命 Bug：編輯器中的「Undo/Reject（拒絕）」按鈕並非僅是撤銷代碼，它會直接刪除該指令所創建的所有相關文件。在官方修復前，請謹慎使用此功能，建議先「Accept（接受）」再手動修改。

🔧 安裝與配置的硬核要求

VPN 的 TUN 模式： 國內使用者必須開啟 VPN 的 TUN 模式或虛擬網卡，否則會卡在登錄頁面。若登錄無反應，嘗試切換 Google 帳號歸屬地與節點的一致性。
MCP 與 Docker： 透過 MCP (Model Context Protocol) 整合 GitHub 進行自動發布時，本地必須運行 Docker，因為 MCP 服務是基於容器運行的。
自動化測試： 透過安裝 Browser sub-agent，AI 能自動操作瀏覽器驗證功能。雖然反應較慢（因為涉及模型推理），但這實現了從寫作到測試的閉環。

--------------------------------------------------------------------------------

7. 結語：你準備好調整開發「頻率」了嗎？

Vibe Coding 與 Antigravity 的出現，標誌著語法障礙的徹底瓦解。當「寫程式」的技術門檻趨近於零，人類真正的競爭力將回歸到**「對問題的深刻洞察」與「對完美架構的追求」**。

未來的開發者，不再是受困於分號與括號的苦力，而是手握指揮棒的交響樂團指揮。Antigravity 雖然仍有 Bug，但它展現的未來已經足夠耀眼。

最後思考： 當代碼變成了隨時可拋棄的廉價基礎設施，你的下一個創意，是否已經準備好透過這股「意念」的力量，轉化為改變世界的軟體了？你會如何定義你自己的開發「Vibe」？

從程式小白到 AI 達人：掌握 Python 自動化的 5 個「破局」思維

簡報：

影片：

1. 引言：當 AI 變成你的「外掛大腦」

想像一個典型的辦公室深夜：你正對著數十個 Excel 檔案，機械式地重複著「複製、貼上、格式轉換」，只為了整理出一份月度報表。作為一名擁有 20 年教學經驗、見證過互聯網從無到有的科技觀察者，我深知這種低效率的痛苦是許多職場人士的共同枷鎖。

我們正處於一個如同 30 年前互聯網興起般的歷史轉折點。在當時，如果不學會上網，很快就會被時代拋棄；而現在，我們邁入了「AI 世代」。程式設計不再是工程師的專利，而是每個人都能擁有的「外掛大腦」。如果你還在用體力勞動解決數位問題，現在正是升級思維、重塑競爭力的關鍵時刻。

2. 思維一：生存競爭，這不再是選修課

學習 AI 與程式設計已從「加分題」轉變為職場的「標配」。根據教育部的規畫，108 課綱後的大學生不論科系，程式設計已成為必修學分。

這意味著一個現實：未來新同事的程式能力會比以前強很多。當新一代職場人才普遍具備 AI 與自動化思維時，傳統的手作方式將徹底失去競爭力。我常在課堂上提醒學生：

「30 年前沒跟上網路浪潮的人，現在的生活與生意處境極其艱難；30 年後回頭看 AI，道理也是一樣的。」

3. 思維二：開放生態，Python + AI 的降維打擊

提到 Excel 自動化，老一輩的職場人會想到 VBA。但在我的觀察中，VBA 是「封閉」且「學習曲線陡峭」的工具；而 Python 的優勢在於其龐大的「開放生態系」。

開發效率的質變：VBA 語法晦澀，而 Python 搭配 AI（如 ChatGPT），能讓 AI 幫你寫出 80% 以上的程式碼。
強大的功能外掛：透過 openpyxl 或 pandas 等套件，Python 不僅能處理 Excel，還能輕鬆應對大數據分析與網路爬蟲，這是 VBA 難以企及的。
從「背語法」轉為「下指令」：現在學習 Python 的難點不在於背誦單字，而在於如何運用 AI 產出正確的邏輯。

4. 思維三：物件架構，像「內行人」一樣對話

與電腦溝通的關鍵不在於精通每一行語法，而在於理解「物件架構思維」。這就是我常說的「電腦邏輯」與「人類視覺邏輯」的差異：人類眼睛看到的是「那一格變紅色」，但電腦看到的層級是： Workbook（工作簿） > Worksheet（工作表） > Column/Row（欄列） > Cell（儲存格）。

如果你不理解這個層級，即便有 AI 輔助，你也無法下達精確的指令。

「內行人講話兩三句就能搞定需求，外行人講話卻讓彼此都很累。」

具備了物件架構思維，你才能精準地告訴 AI：我要操作哪一個工作簿裡的哪一個儲存格。這種思維的高度，直接決定了 AI 產出結果的品質。

5. 思維四：超級助教，AI 是你 24 小時的除錯者

在過去 20 年的教學中，我發現初學者最容易卡關的地方就是「報錯（Bug）」。以前找一個錯誤可能要花上一整天，現在 AI 扮演了隨時在線的超級助教：

自動除錯 (Debugger)：直接貼上錯誤訊息，AI 能瞬間指出邏輯漏洞並修復。
程式優化 (Optimizer)：原本執行要花 3 分鐘的笨重報表，AI 可以幫你改寫邏輯，縮短至 3 秒完成。
詳盡註解 (Annotator)：面對如天書般的程式碼，AI 能逐行標註中文解釋，讓程式碼讀起來像讀小說一樣簡單。

導師建議：把 AI 當成一個「永遠不會不耐煩」的私人家教，不要害怕問錯，它會引導你走向正確答案。

6. 思維五：跨界生活學，AI 是解決問題的萬靈丹

AI 的應用不應局限於辦公室，它已經成為一種高效的「生活方式」。分享兩個我個人的親身實例：

驚險的水電維修：家裡裝冷氣時，我對 220V 的電力接線感到恐懼（電到真的很痛！）。我隨手拍下插頭接線傳給 AI，它竟然精準判斷出「線接反了」並指導我如何對調。那一刻，我深切感受到 AI 甚至比遠在天邊的師傅更可靠。
完美的旅遊企劃：去年帶長輩去關西賞楓，我利用 AI 結合 Notebook 工具，自動抓取最佳賞楓景點，並生成圖文並茂的簡報。長輩們看到那份專業的規劃時讚不絕口，而這一切只花了我幾分鐘。

7. 實戰力：排除障礙的「懶人包哲學」

對於初學者，環境設定往往是最大的「攔路虎」。許多辦公室電腦因為權限控管無法安裝軟體，所以我建議使用 「Python 懶人包」與 Spider 編輯器。這種「免安裝、解壓縮即用」的方式，能讓你避開繁瑣的路徑設定。

此外，初學者必須掌握的核心技術是「資料型態轉換」。這是我教學 20 年總結出的最常見錯誤：如果你試圖將文字的 "5" 加上數字的 3，電腦會當機。

使用 str()：將數字轉為文字（用於串接句子）。
使用 int() 或 float()：將文字轉為整數或小數（用於運算）。理解這個基礎，你就跨過了程式設計的第一道檻。

8. 結語：在 AI 泡沫中留下的人

現在很多人在討論 AI 是否有泡沫。從理性分析來看，OpenAI 去年營收約 80 億美金，支出卻高達 1000 億美金，這種瘋狂「燒錢」的模式確實存在風險。但歷史告訴我們，泡沫過後，最強大的工具會留下來並徹底改變世界。

科技的進步不可逆轉，未來我們將無法離開網路，也無法離開 AI。與其恐懼，不如現在就點開 AI 的對話框。

思考題：如果 30 年後回頭看現在，你會慶幸自己今天點開了 AI 的登入畫面，並寫下第一行自動化程式碼嗎？

告別加班！Excel + AI 職場效率革命：從資料整理到自動化報表的轉型大師課

在現代職場中，數據處理能力決定了你的下班時間。身為辦公室生產力專家，我常看到許多朋友在面對成千上萬筆原始資料（如：格式混亂的生日、未脫敏的手機號碼）時，試圖用「體力活」手動統計，或是對著複雜的 Excel 公式抓耳撓腮。

其實，數據整理不該是你的加班理由。今天，我要帶領大家將 AI（如 ChatGPT）轉化為 Excel 的最強外掛。這不只是一篇教學，而是一場思維轉型：我們要從辛苦的「工具使用者」，晉升為優雅的「系統設計者」。

--------------------------------------------------------------------------------

1. 別再死背公式：讓 AI 成為你的 Excel 翻譯官

過去學習 Excel 總是在死背函數名稱，但在 AI 時代，「精準描述需求」比記住語法更重要。以手機號碼格式化為例，若你想將中間四碼隱藏，只需提供結構化的提示詞（Prompt）。

【專家建議】 撰寫提示詞時，切記不要過於直白籠統。誠如原始教學中所言：「不要亂想說我可以用那個什麼很直白的敘述可不可以……他比較容易出現聽不懂的問題。」

💡 實戰提示詞範本（手機號碼脫敏）：

「請幫我寫一個 Excel 公式。來源儲存格為 F1，格式為 0912345678。請使用 REPLACE 函數將中間四碼改為減號，輸出格式需為：0912-345-678。」

--------------------------------------------------------------------------------

2. Excel 隱藏陷阱：為什麼直接擷取日期會失敗？

在處理會員生日時，許多人會直覺使用 LEFT 函數抓取年份，結果卻得到如「29846」這樣的奇怪數字。

【底層邏輯】 這是因為 Excel 對日期的本質認知是「數值」。Excel 將 1900 年 1 月 1 日 定義為序號「1」。你看到的日期（如 70/09/17）只是顯示格式，底層其實是從 1900 年累積至今的天數。因此，當你對日期儲存格執行文字擷取時，抓到的是「天數序號」。理解「數值內容」與「顯示格式」的區別，是進階數據處理的第一步。

--------------------------------------------------------------------------------

3. 解決民國年難題：AI 協作的修正技巧

台灣特有的「民國年」常讓 AI 誤判（例如誤認為西元 1970 年）。這正是體現「人機協作」價值的時刻：發現問題 -> 描述錯誤 -> 獲得更正。

當 AI 初次給出的公式不正確時，請使用以下精確提示：

💡 實戰提示詞範本（民國年轉換）：

「來源儲存格為 C4，是一個西元日期。請幫我寫一個公式：

將該日期的年份減去 1911 以換算為民國年。
擷取前兩個字（如 70）。
關鍵： 請務必使用 VALUE 函數將結果轉換為『數值格式』，以便後續進行樞紐分析的群組統計。」

--------------------------------------------------------------------------------

4. 一鍵變報表：樞紐分析的「群組」魔力

有了正確的年次數據，下一步就是將散亂的資料轉化為決策報表。這裡有兩個專業細節必須掌握：

A. 資料正規化（Data Normalization）

樞紐分析最容易卡關的地方在於「範圍錯誤」。請務必刪除前兩列多餘的標題，確保「欄位名稱」位於第一列。若不這樣做，Excel 會因為找不到明確標題而導致分析失敗。

B. 世代群組化

若要統計五年級（50-59年次）、六年級、七年級的人數：

插入 > 樞紐分析表。
將「年次」拖拉到「列」，並再次拖拉到「值」（設定為「技術」而非加總）。
在年次欄位按右鍵 > 組成群組。
設定起始值：50、結尾值：79、間隔：10。Excel 會瞬間幫你歸納出清晰的世代區間。

--------------------------------------------------------------------------------

5. 視覺化溝通：讓數據自己說話

報表不應只是冰冷的數字，選擇正確的圖表能大幅提升溝通效率。

直條圖： 適合看各年齡層的「具體數量」。
圓餅圖： 適合看各世代在全體中的「比例」。

【大師級圖表優化指南】

修改預設名稱： 將「合計」改為「會員年次分布統計」。
強化資料標籤： 在圓餅圖按右鍵 [設定資料標籤格式]，勾選「類別名稱」與「百分比」，並將標籤位置設為「終點外側」。
突出重點： 單獨選取「七年級生」的區塊並改為亮色（如紅色），能迅速引導老闆的目光。

--------------------------------------------------------------------------------

💡 同場加映：進階練習——血型分布分析

同樣的邏輯也能應用在其他欄位。嘗試將「血型」拖入樞紐分析，並依據數量進行「由大到小排序」。你會驚訝地發現，原本雜亂的 100 筆資料，只需 30 秒就能變成專業的血型統計圖。

--------------------------------------------------------------------------------

6. 進階進化：從公式到 VBA 自動化按鈕

如果你厭倦了重複動作，可以要求 AI 將邏輯寫成 VBA 程式碼。這就像是為 Excel 安裝了自動駕駛。

💡 實戰提示詞範本（產生 VBA）：

「請幫我寫一段 Excel VBA。範圍是 D2 到 D101。邏輯是將 C 欄的日期轉換為民國年次。請提供兩個 Sub：一個是產生資料（GenerateData），一個是清除內容（ClearData）。」

【部署步驟】

按下 Alt + F11 開啟視窗，點擊 [插入] > [模組]，貼上 AI 提供的代碼。
在 Excel [開發人員] 標籤（若未顯示，請至功能區設定勾選）點擊 [插入] > [按鈕]。
關鍵安全步驟： 檔案必須另存為「Excel 啟用巨集的活頁簿 (.xlsm)」，下次開啟時點擊「啟用內容」，自動化按鈕才能正常運作。

--------------------------------------------------------------------------------

結語：從工具使用者變成系統設計者

AI 的出現並非要取代我們，而是要將我們從繁瑣的公式中解放。正如專家所言：「這有點像自動駕駛成熟之後，你不再需要死守方向盤。」

當 AI 幫你處理掉 90% 的重複性勞動後，你會如何利用多出來的時間，來優化你的業務洞察與決策質量？現在就打開你的 Excel，開始這場效率革命吧！

簡報：

2026年3月19日星期四

別再當 AI 的搬運工！從 NotebookLM 轉型「AI 指揮官」：未來職場不缺程式員，缺的是會問問題的人

在資訊超載的當代職場，我們正面臨一場前所未有的「資訊處理量能」危機。許多職場人士每天埋首於海量的報告、影音資料與數據中，試圖用體力勞動對抗資訊洪流。你是否也曾為了整理資料，花費數小時反覆觀看教學影片，或在 Excel 公式與 VBA 程式碼中掙扎？

這種「勤奮的低效」正成為數位時代的致死傷。觀察我們的父輩，常因無法掌握數位工具而陷入無盡的加班迴圈，而這種「世代效率落差」正發生在不願轉型的職人身上。面對 AI 浪潮，真正的競爭力不在於你有多努力「搬運」資訊，而在於你是否能領取屬於自己的「數位紅利」，完成從勞動者到**「AI 指揮官」**的範式轉移。

驚人的「封閉式」智慧：為什麼 NotebookLM 具備更高的決策品質？

在專業工作場景中，通用型 AI（如 ChatGPT）雖然博學，卻常因其「通才」性質帶來風險。兩者最核心的差異在於**「知識控制權」**。ChatGPT 運作於開放框架，而 NotebookLM 則精確鎖定在使用者給定的「封閉框架」文本內。

「通用型大型語言模型（LLM）的設計初衷往往是為了『迎合使用者』。為了讓對話圓滿結束，它有時會產生虛構資訊（幻覺），講出並不存在於原始資料中的內容。但 NotebookLM 會精確鎖定你提供的文本，絕不亂編亂造。」

這種精確性對於研究人員與經理人至關重要。當你將資料丟入 NotebookLM，它不再是一個信口開河的助手，而是一個擁有嚴格紀律、守著既定框架提供洞察的專家。

效率革命：YouTube Note 外掛與「批次處理」的數位紅利

NotebookLM 最強大的應用場景，莫過於將零散的影音資訊轉化為結構化知識。透過 YouTube Note 等擴充功能，我們能實現資訊的「批次處理」。過去觀看 6 段教學影片可能要耗費一個多小時，現在只要將播放清單一鍵導入 NotebookLM，系統便能瞬間抓取內容。

這不只是節省時間，更是一種**「自動化腳本」**的實踐。你甚至可以利用 NotebookLM 的 Podcast（音訊綜覽）功能，在通勤時透過兩位 AI 主持人輕鬆的對話口吻，聽取繁雜資料的重點摘要。這種多元的資訊獲取方式，能讓你在忙碌中依然保有對知識的絕對掌握權。

職場大洗牌：程式員成了失業首選，而「AI 指揮官」正在崛起

技術變革正在重塑職場的價值排序。根據最新趨勢，美國科技業裁員潮中，失業人數最多的職位竟是傳統的程式開發人員。為什麼？因為現在不再需要那麼多「親手寫程式」的人，企業渴求的是「會指揮 AI 寫程式」的人。

這就是**「AI 指揮官」**的核心定義：放下手動操作的傳統包袱，學會用自然語言下達精準指令。無論是撰寫複雜的 VBA 程式碼或 Excel 函數，未來的履歷上，「具備 AI 應用能力」將比「精通單一軟體操作」更具含金量。當 AI 能自動生成報表與視覺化圖表時，你的價值應建立在下達決策與解讀數據的意義上。

文科生的逆襲：文字邏輯將成為 AI 時代的核心壁壘

過去，文科背景者常在數位轉型中感到邊緣化，但在 AI 時代，局勢正全面翻轉。我曾與景文科大國文系的老師們分享：AI 時代的主戰場是「語言」，而文字邏輯正是人文領域的強項。

目前的 AI 辨識能力已達到令人驚嘆的程度。以中華書局的古籍排版為例，即便面對傳統的「由右至左、縱向排版」，AI 依然能準確辨識並進行結構化處理，甚至能精準地將深奧的文言文轉化為直白的白話文。文科生憑藉敏銳的文字掌握力與**「精準提問」**的能力，反而更能發揮 AI 的極限，成為掌控大數據與自動化流程的最優指揮官。這不是技術的競爭，而是關於如何與機器「對話」的競爭。