學 AI 這件事，2026 年跟三年前完全不一樣。以前要會 Python、懂機器學習、能讀論文。現在入門門檻低到只要會打字就能開始。但「入門容易」不代表「用得好容易」。這篇整理一條可行的學習路線，幫你少繞一些路。

學習路線圖

AI 學習可以拆成三個階段。每個階段的目標不一樣，不用急著跳級。

零基礎怎麼選路線

老實說，零基礎不是先問哪堂 AI 課程最紅，而是先問你要把 AI 用在哪裡。想低成本試水溫，可以從 YouTube、Anthropic / OpenAI 官方文件、Google AI Essentials 這類自學資源開始；適合時間零碎、願意自己找答案的人。想補系統底子，大學課程比較像正餐，政大、台大或 Coursera / edX 上的機器學習課能把統計、資料處理、模型概念補起來，但速度會慢。想履歷上多一行，就看 Coursera、edX、吳恩達 DeepLearning.AI 或 iPAS 這種線上認證。想最快用在工作，我自己會選「工作邊學」：拿公司真實任務練提示詞、整理資料、做自動化，卡住再補課。別只看課不練，也別把證照當保證。模型迭代很快，今天的工具教學半年後可能過期；基礎統計、問題拆解、資料判讀反而比較耐用。

入門：學會跟 AI 對話（1-2 週）

這個階段的目標只有一個：讓 AI 聽懂你的話。

挑一個主力工具開始用。 ChatGPT 或 Claude 都行。不要同時開五個帳號，先專心用一個。建議從 Claude 入手，因為它的指令遵守能力最好，新手比較不會遇到「AI 不聽話」的挫折感。

學基礎提示詞結構。 角色、任務、格式、限制，這四個元素搞懂就能覆蓋八成場景。詳細教學在 提示詞完整指南。

拿真實工作任務練習。 明天上班要做的事，今天試著用 AI 做做看。寫信、整理會議紀錄、做簡報大綱、翻譯文件。不要為了練習而練習。

這個階段不需要花錢上課。各模型的官方文件就是最好的教材。

中階：建立工作流（1-3 個月）

入門之後會發現，單次對話能做的事有限。中階的目標是把 AI 融進日常工作流程。

多工具搭配。 發想用 ChatGPT、搜尋用 Perplexity、寫作用 Claude、資料分析用 NotebookLM（NotebookLM 強在逐字稿與資料整理；簡報生成中文字會明顯扭曲，要做正式稿建議只取結構，視覺回 Google Slides 或 Canva）。每個工具有自己擅長的場景，學會什麼場景用什麼工具。

進階提示詞技巧。 Chain of Thought、Few-shot、角色堆疊、分段送。這些技巧能讓輸出品質跳一個檔次。詳細在 進階 Prompt 技巧。

初探自動化。 用 Zapier 或 n8n 串接 AI API，讓重複性高的任務自動跑。

了解 RAG。 知道什麼是 RAG、NotebookLM 怎麼用、什麼場景需要讓 AI 查你的資料再回答。詳細在 RAG 白話解釋。

這個階段會開始感覺到生產力有明顯的跳升。

進階：設計 AI 系統（3 個月以上）

不只是「用 AI」，而是「設計 AI 系統」的話，進階階段要學的東西跟前兩個階段很不一樣。

Agent 架構。 AI Agent 能自己拆解任務、呼叫工具、管理記憶。學會設計 Agent 的工作流程，是 2026 年最有市場價值的 AI 技能。

上下文工程。 從寫 prompt 升級到設計 AI 的整個運作環境：記憶架構、工具調度、異常處理。這是提示詞工程的進化版。

API 串接與部署。 用 Python 或 JavaScript 呼叫 AI API，自己建服務。這一步需要程式基礎。不會程式的話，n8n 這類低程式碼（low-code）工具也能做到七八成。詳細在 OpenClaw 多 Agent 架構。

AI 學習路線圖：入門到進階三階段

學習資源推薦

免費資源

Anthropic 官方文件。 Claude 的 prompt engineering guide 寫得非常好，概念清楚、範例實用。即使主力用 ChatGPT，這份文件的思維框架也完全適用。

Google AI Essentials（Coursera）。 Google 出品，涵蓋 AI 基礎觀念、提示詞設計、倫理。免費旁聽，想拿證書才付費（月費約 US$49）。適合非技術背景的人建立全面的 AI 認知。

吳恩達的 DeepLearning.AI。 Andrew Ng 的課永遠是品質保證。他的短課程系列每堂一到兩小時，主題涵蓋 prompt engineering、RAG、Agent 開發。免費。

GyozaLab。 繁體中文的 AI Agent 深度教學。看英文文件覺得吃力時，這是很好的中文替代方案。

付費資源

資策會 AI 課程。 台灣本土最完整的 AI 培訓體系。課程涵蓋生成式 AI 應用、prompt 設計、AI 專案管理。費用因課程而異，通常幾千到兩萬不等。適合想考資策會證照的人，上課跟考試內容有直接對應。

台灣人工智慧學校。 由台灣 AI 社群建立的培訓機構。課程從 AI 素養到技術實作都有。跟企業和政府的培訓計畫有合作，有些場次免費。

Coursera / edX 上的大學課程。 史丹佛、MIT 的 AI 課程都能在線上修。適合想深入理論的人。但目標如果是「用 AI 工作」而不是「研究 AI」，這些課程可能太學術了。

AI 證照比較

2026 年的 AI 證照市場很熱鬧。以下按推薦順序排，以台灣就業市場為基準。

台灣本土證照

資策會生成式 AI 能力認證。 費用約 NT$3000，效期 2 年。涵蓋 prompt 設計、LLM 概念、AI 倫理。目前台灣業界認可度最高的生成式 AI 通識證照。104 人力銀行上有不少職缺把它列在加分條件裡。

iPAS AI 應用規劃師（初級）。 經濟部主辦，2026 年大幅降價到 NT$400。CP 值極高。考試內容偏基礎，非技術背景的人也能準備。政府背書的證照在公務體系跟傳統產業還是有分量的。中級 NT$500，效期 3 年。

AIATCL（台灣人工智慧學校）。 費用約 NT$1500。常見於企業跟政府的內部培訓計畫。認知度比前兩張稍低，但公司有跟 AI 學校合作的話，考一張不虧。

國際證照

Google AI Essentials。 在 Coursera 上修完就能拿。月費約 US$49。對外商求職有加分效果。內容偏通識，不深但全面。

Azure AI Engineer（AI-102）。 微軟的 AI 工程師認證，費用約 US$165。適合走技術路線、用 Azure 雲端的人。考試有一定難度，要會 Azure 的 AI 服務架構。

AWS Machine Learning Specialty。 費用約 US$300。適合已經在用 AWS 的雲端開發者。考試偏技術，需要有機器學習跟 AWS 服務的實作經驗。

證照建議

時間有限就先考 iPAS 初級。400 元，履歷上多一行政府認證的 AI 能力證明，投資報酬率最高。

要認真做 AI 相關的職涯轉型，資策會的生成式 AI 認證是目前最值得投資的一張。考過之後在台灣的 AI 相關職缺裡，它的辨識度很高。

想進外商，Google AI Essentials 在國際的認知度比台灣本土證照好。

證照 vs 作品集

立場很明確：作品集比證照有用，但兩個最好都有。

證照證明有基礎知識。面試官看到履歷上有一張 AI 證照，至少知道有碰過這個領域。它是敲門磚。

作品集證明能解決問題。面試官想看的是用 AI 做了什麼。用 AI 自動化了一個流程？建了一個 RAG 系統？prompt 庫幫團隊省了多少時間？這些才是讓人記住你的東西。

最省力的策略：花一天考完 iPAS 初級（400 元），剩下的時間全部拿來做作品集。

目標推薦投資例子注意事項
想求職作品集為主，低成本證照輔助iPAS 初級 + 一個 AI 自動化流程、一個 RAG demo、一份 prompt case study履歷不要只寫「會用 ChatGPT」，要寫省了多少時間、處理什麼資料、誰會用
想做副業作品集與案例頁優先，證照看客戶類型用 AI 做內容排程、客服 FAQ、Notion / n8n 工作流，整理成前後對照客戶通常先看成果，不太在意證照；但傳統產業可能會吃政府或 Google 證書
想轉職證照補信任，作品集證明可落地資策會生成式 AI 認證 + 3 個跨職能作品：行銷、資料整理、內部工具轉職不是考完就結束，要把原本領域知識變成 AI 應用場景
想學興趣自學與便宜課程就好，先別重押證照Google AI Essentials、吳恩達短課、YouTube 教學，搭配自己的小專案興趣學習最怕買一堆課沒做完；先用免費資源跑一輪，再決定要不要付費

AI 證照 vs 作品集的投資報酬率比較

開始學 AI 的最簡單做法

打開 ChatGPT 或 Claude，把手上的一個工作任務丟給它試試。不要等「準備好了」再開始，邊做邊學最快。

學習路上遇到什麼問題，提示詞的部分可以先看 提示詞完整指南，AI 工具的選擇可以參考 AI 模型完整比較。

小企鵝的經驗

小企鵝是政大資工碩士，碩士時期參加教育部影像辨識 AI 組得到佳作獎。那個專案最大的學習其實是技術之外的東西：「AI 專案最難的地方在搞清楚到底要解決什麼問題，技術反而其次」。很多人一上來就想用最新的模型、最酷的技術，結果解決的問題根本不存在。

現在每天輪流使用 Claude Code、Codex、Perplexity、Grok、Gemini、ChatGPT、NotebookLM、OpenClaw 等工具。學校的演算法跟系統架構訓練是底子，但日常 AI 技能（提示詞工程、agent 設計、內容自動化流程）九成是自己摸出來的。

OpenClaw 是小企鵝自己用的多 agent 系統，記憶架構分三層、可以自動排程。這套架構是長期試錯出來的：核心檔案越精簡，agent 失憶率越低；越想塞所有東西進記憶反而越亂。

證照這件事，小企鵝沒有特別考過 AI 相關證照。文中的證照建議是基於市場觀察整理。最大的差異化還是來自實際做出來的案例：教育部佳作獎在面試時的份量比一張紙的證書重得多，因為它代表「有問題、有解法、有成果」的完整經驗。

工具會換、模型會更新，但「把需求拆解清楚、交給對的工具」這個能力不會過時。

延伸閱讀

常見問題

Q: AI 課程跟線上教學差在哪？

AI 課程通常有架構、作業、同儕或助教回饋，比 YouTube 片段更適合需要節奏的人。線上教學適合先試水溫，但如果你常看完就停，付費課程也未必救得了執行力。

Q: 沒寫程式背景能學 AI 嗎？

可以。入門 AI 應用多半先學提示詞、工具選擇、資料整理，不用一開始就寫程式。只是想做 Agent、RAG 或 API 串接時，至少要補一點 Python、JavaScript 或 low-code 基礎。

Q: 大學 AI 課程值得嗎？

看目標。想補機器學習、統計、模型原理，大學課程很有價值；只想把 ChatGPT、Claude 用進工作，Coursera、官方文件或工作任務練習通常更快。

Q: AI 證照有用嗎？

有用，但不要神化。iPAS、資策會或 Google AI Essentials 能證明你有基本概念，對履歷是加分；真正拉開差距的通常還是作品集與實際案例。

Q: 從零開始該先學什麼？

先選一個主力工具，例如 ChatGPT 或 Claude，拿真實任務練提示詞。接著補資料整理、搜尋驗證、基礎自動化。不要一開始就追模型論文或高價證照。

Q: 自學 vs 有人帶差很多嗎？

差在回饋速度。自學便宜、彈性高，適合自律的人；有人帶能縮短卡關時間，適合轉職、求職或需要作品集期限的人。最後還是要靠自己動手做。

整理：Penna｜小企鵝 Penchan