職缺需求拆解
輸入一組目標職缺，整理共同能力、關鍵字、證據要求與資訊缺口。
- 輸入：5–10 份真實職缺
- 輸出：能力需求矩陣
- 查證：回到原始職缺逐條核對
職涯 AI 應用
把 AI 用在選擇、定位與求職行動
適合職涯轉換課程中的研究、整理與演練情境。AI 提供協助，但重要決策仍以真實資料與個人責任為準。
經驗深度訪談
讓 AI 逐題追問事件、行動、困難與結果，找出履歷裡沒有寫出的能力證據。
- 輸入：一段工作經驗
- 輸出：STAR 證據素材
- 查證：數字與角色必須由本人確認
路徑比較與反方檢查
比較候選方向的進入成本、學習需求、風險與可逆性，主動尋找反證。
- 輸入：三條候選路徑
- 輸出：機會評分表
- 查證：加入訪談與市場資料
面試模擬與修正
依目標職缺進行追問式模擬，標記回答中的空泛、矛盾與缺乏證據處。
- 輸入：職缺＋履歷
- 輸出：回答修正清單
- 查證：由真人回饋可理解度
軟體新創 AI 應用
把 AI 用在研究、原型與驗證循環
適合軟體新創課程中的市場研究、訪談整理、MVP 與營運工作流。
市場與替代方案掃描
快速建立競品、替代行為、價格與評論問題的研究地圖，再回到原始來源查證。
- 輸入：問題與目標客群
- 輸出：市場研究初稿
- 查證：官方網站與真實評論
訪談逐字稿分析
整理反覆出現的行為、情境、成本、矛盾與未回答問題，不以摘要取代原話。
- 輸入：經同意的訪談紀錄
- 輸出：證據與假設表
- 查證：回讀原始段落
MVP 原型規格
將一個核心使用情境拆成使用流程、必要畫面、資料與成功訊號。
- 輸入：已驗證的價值主張
- 輸出：原型規格與測試腳本
- 查證：五秒測試與任務測試
回饋到迭代決策
把回饋分成阻塞、需求、困惑與偏好，依證據強度決定是否改版。
- 輸入：測試紀錄
- 輸出：保留／調整／刪除清單
- 查證：避免單一使用者決定全部
負責任使用
AI 的速度愈快，查證與資料邊界愈重要
- 不把未公開的公司、客戶或個人敏感資料輸入公共工具
- 重要數字、法規、職缺與市場資訊回到原始來源確認
- AI 生成的履歷、案例與推薦內容不得虛構經歷
- 訪談摘要保留原始紀錄，避免模型改寫受訪者意思
- 保存提示詞、版本與決策理由，讓工作流可以被檢查
