AI 工程師的能力地圖｜AI 工程師的能力地圖有哪四層？

看完職缺就覺得要學的東西太多，到底該從哪裡開始？看完職缺之後，很多人的第一個反應是：要學的東西也太多了吧。別緊張，其實能力是有層次的，不是全部都要一起學。只要用一張地圖把它們排好，就知道哪些是地基。哪些東西可以晚一點再補，也一目了然。這支影片會帶你認識 AI 應用工程師的四層能力地圖。最後還會教你一個方法，找出自己最該先補的缺口。這張地圖由下往上蓋，一共分成四層。下層不穩，上層就蓋不高，這點很重要。第一層是程式基礎，包含 Python 語法、條件迴圈、函式和讀寫檔案。這一層是所有工作的共同語言，沒有它，後面都免談。第二層是資料處理，像是讀 CSV、清理資料、寫 SQL，還有呼叫 API。因為 AI 應用的輸入和輸出，幾乎都是資料。第三層才是 AI 模型應用，像提示詞、串接 API、RAG 和 Agent。最上面是第四層工程化，我們等一下再細講。先來聊聊第四層，也就是工程化。它包含 Git 版本控制、寫測試，還有把程式部署成網頁或服務。另外還要處理錯誤與紀錄，並且注意資安與個資。如果只有這幾行程式能跑，沒有這些，那就只是個玩具。有了版本控制、測試和部署，你的作品才有機會上線。所以別小看這一層，它是作品能不能上線的關鍵。除了這四層，還有一條貫穿全部的軟實力。它包括定義問題、寫清楚需求，還有跟非技術人員溝通。天下雜誌 2026 的企業調查指出，老闆偏好能定義問題的人。他們也喜歡會指揮 AI，並且能跨域整合的人。這正是非本科轉職者的機會。因為你原本行業的經驗，就是你理解問題的優勢。根據 104 人力銀行 2026 的調查，我們來看企業的 AI 需求。企業最看重的 AI 硬技能，前三名是流程自動化、機器學習和自然語言處理。對應到地圖上，流程自動化落在第二層和第三層。自然語言處理，則對應第三層的大型語言模型應用。所以先把第一到第三層做扎實，就涵蓋市場最常見的需求。了解地圖之後，接著動手畫出你自己的能力雷達。把自評表複製到筆記或試算表，每一項用零到三分評估自己。表格最後還有軟實力：定義問題、寫需求文件、跨部門溝通。零分是沒聽過，一分是看過教學，兩分是能照著做。三分代表你已經能自己做出來了。各層平均分最低的那一層，就是你接下來四到六週的重點。你也可以把填好的表貼給 AI，請它依分數建議練習題目。像這樣的提示詞，就能直接貼過去使用。還有一個陷阱要提醒你：不要從第三層開始跳著學。很多人一開始就追最新的 Agent 框架。結果卡在 Python 讀檔，或是 JSON 格式。這樣跳著學，反而浪費更多時間。照著地圖由下往上補，才是比較穩的做法。地基穩了，再往上蓋第三層，會輕鬆很多。來做個小檢查：Git、測試與部署，屬於哪一層？選項有第一層程式基礎、第三層 AI 模型應用，和第四層工程化。先想想看，答案是哪一個？答案是第三個選項，第四層工程化。因為工程化層決定作品能不能穩定上線，包含版本控制、測試與部署。最後幫你整理今天的重點。第一，把能力分成四層：程式基礎、資料處理、AI 模型應用，還有工程化。第二，用零到三分自評，平均分最低的那一層，就是接下來四到六週的重點。第三，別從第三層跳著學，先把第一到第三層做扎實。現在就把自評表複製下來，替自己畫出一張雷達圖吧。先分層盤點，再從最弱的一層補起。