前言

這篇文章想跟大家分享，我在職場上實際使用過能輔助工作的 AI 工具🔧。
像 ChatGPT 或 Gemini 這些常見的 AI 工具，相信大家已經很熟悉它們的基礎功能了💪，所以在這裡就不多作介紹。重點會放在 GitHub Copilot、Trae、還有 NotebookLM 這三個 AI 工具，來聊聊它們怎麼幫我省下時間，提升工作效率✨。

NotebookLM

有時候會接到這樣的工作內容：
「這個專案預計要接新的〇☐金流哦，這份文件你看一下，評估開發時程給我，感謝。」

在這種情境下，如果需要快速評估金流或物流的技術文件，我們可以把文件餵給 NotebookLM，並透過問答的方式來獲得想要的答案，NotebookLM 會根據我們提供的文件內容來回覆問題。

舉個例子，我們可以輸入：
「請問如果要透過線上下單的方式完成〇☐金流付款，需要串接哪些 API？」

NotebookLM 會根據輸入的問題，告訴我們文件中對應的 API 接口與相關欄位資訊。

（NotebookLM 根據文件內容回答）

如果對內容有疑慮，也可以點擊在後方出現的標註數值（例如 ① ），在左側就可以看到對應文件中的來源段落，方便確認資訊來自文件哪個部份。

（有底色的就是對應說明）

他就像是說書人一樣，告訴你他手上的書本有哪些故事＝資訊。

或者是像這樣的情形：「等等10分鐘後開會，要根據客戶這份 PTT 討論功能，看一下。」在短時間內需要理解文件中的概覽與內容，可以透過 NotebookLM 快速吸收，不僅查找資料方便，也可以陪你迅速掌握整個文件脈絡。

▶ NotebookLM 來源

GitHub Copilot

假設同個功能需要切換成不同語言，原本在寫 JavaScript 要切換成 Vue，如果自己來實作可能需要想一下怎麼轉換才正確。
但如果透過 Copilot 就簡單多了！ 舉例來說：
「要在 Vue 專案裡加一個新增數字事件，目前 JS 的範例已經寫好了。」

這時候我們可以直接新增一個 SFC，貼上現有的 JS 範例，然後開啟 Copilot 輸入框直接輸入：「請轉換成 Vue Composition API 風格」，Copilot 會根據指令與檔案上下文，自動將框選的程式碼轉換完成，產生完的結果如果確定是可行的，點擊「接受」就轉換好囉✨！

（JS 轉換成 Vue Composition API）

另外，Copilot 也支援切換不同的模型來做使用：

簡單來說，就是把需要修改的程式碼框起來，輸入需求請 AI 協助處理即可，也可以撰寫部份功能，再請 AI 做生成 & 整理。
截至目前 Copilot 免費方案可以每個月提供 2,000 次發送請求回覆，以及 50 次代理模式或聊天請求。如果有更大量的使用需求可以參考官方方案。

▶ GitHub Copilot 來源

Trae

看到這裡，大家可能會好奇，如果我們的需求不只是對單一檔案調整，而是要跨多個檔案一起新增或編輯時該怎麼辦呢？
這時候就可以認識另一個 AI 工具「Trae」，它能讓我們透過對話，修改整個專案的程式碼。

在剛開始建立時，Trae 能套用現有 VS Code 環境，原本安裝的套件大多會自動帶入。介面設計上與 VS Code 相似，因此幾乎不需要額外適應，就能快速上手。

（Trae 工作區域）

建立AI Agent

我們可以根據當前專案需求建立智能體，建立方式：登入後找到右上方「user」圖示 ⇾ AI 功能管理 ⇾ 智能體。

接著點選「創建智能體」，根據你的需求填入以下內容：

• 名稱：幫他取個好聽的名字吧😏，這個主要是識別用，在對話框也會出現。
• 提示詞（Prompt）：定義智能體的角色，建議盡量以條列方式描述，這樣能讓指令更清晰，方便 AI 理解你的需求。
  例如：
  1. 一位精通 Vue 的專家，具備豐富的專案實戰經驗。
  2. 以組合式API（Composition API）風格作為回答範例。
  3. 回覆內容盡量以條列方式呈現，並在每個要點後附上具體的技術選擇建議。
     ......等等。
• 工具 MCP：新增要存取和使用哪些外部工具和服務。你可以把 AI 模型想像成一個非常聰明的大腦，但你得給他需求清單要和哪些外部工具做互動。
• 工具 內置：設定可以有哪些功能權限。

都設定輸入完後，請按「創建」。

這樣自訂智能體就完成啦！如果不知道要怎麼設定，也可以先用內建的智能體試試看。

這樣就可以直接在對話框與它互動了，可以發現它會直接對專案所有檔案內容做修改。且跟 Copilot 一樣，修正好的程式檔案需 Code Review 接受後，才會合併進專案。

但它有個小限制，免費版問約10個問題後，再來要獲得答案都需乖乖排隊。

（有請求額度限制）

▶ Trae 來源

結語

從 NotebookLM 的文件快速理解、到 GitHub Copilot 的程式碼轉換與生成，再到 Trae 幫助我們跨檔案甚至全專案修改，可以看出 AI 已經不只是「輔助問答」的角色，而是逐漸成為開發流程裡的 合作夥伴 🤝，它能替我們節省部份的作業的時間，把更多精力留給真正需要思考的架構與邏輯設計。

雖然目前每個工具各自都有一些條件或限制，像 NotebookLM 需要先餵文件、Copilot 的免費額度、Trae 的排隊機制，但只要善用它們各自的特點，就能在日常開發中提升作業效率 🚀。

未來，隨著 AI 工具越來越成熟，相信工程師的角色也會更多地轉向在「決策與整合」，而不再是單純地「埋頭寫程式」。換句話說，AI 不是來取代工程師，而是成為我們提升效率、拓展思維的助力。如何善用這些工具，將會是工程師在現今與未來世代的重要課題。
如果你還沒有實際體驗過，或許可以先從這三個工具開始試看看，體驗 AI 在開發工作流程中所帶來的不同！

參考資料與延伸閱讀

⑴ NotebookLM 使用工具來源
⑵ Github Copilot 使用工具來源
⑶ Github Copilot 方案參考來源
⑷ Trae 使用工具來源