發表文章

Google Gemini 2.5 Flash + Gem管理工具:車輛調度實戰測試

圖片
實際的案例問題: 遇到司機剛好在鬧離職、突然面臨隔日其中一條路線,整天沒人跑車的情況下,我選擇直接使用Google Gemini 2 .5 Flash + gem管理工具,進行公車跨路線支援、調整既有班次的策略,一共22張截圖,結果後續被主管勸回來跑車,並通知不用調整了。(但我還是已經調整好了) 調整班次訴求: 除了必須合理維持每一班的尖峰、離峰發車時間、避免乘客久候多時外,同時還要預測評估每一位司機在發前一班的時間後,下一班的發車時間是否也能順利銜接上去準時發車? 一、本次的測試班表時間長這樣,兩條完全不同的發車路線: 循環線 23路線 二、以下為Google Gemini 2.5 Flash + Gem管理工具的車輛調度過程: (不想看漫長的推理、決策、規劃的過程,可以直接往下拉到底,就能直接看到結果。) 三、驗證推理、決策、規劃成果: 來看Google Gemini 2.5 Flash + Gem管理工具的推理、決策、規劃結果: 原始的循環線班次 Google Gemini 2.5 Flash + Gem管理工具調整的版本1 Google Gemini 2.5 Flash + Gem管理工具調整的版本2 最後,我也使用Google Gemini 2.5 Flash + Gem管理工具重現我主管的調度思維流程: 四、那麼,經過Google Gemini 2.5 Flash + Gem管理工具組合下,所調整後的班次時間又會跑去哪裡呢?當然就是出現在,由各位自行在手機應用商店中,下載安裝所謂的任何一款公車動態App上,因為APP動態推播的到站時間,都是直接使用同一個api與資料庫來源。 效果影片:

AI是否真的會搶走人類的工作?(這篇有實際使用中的職場案例可以解惑)

圖片
在撰寫這次的文章標題前,筆者自己來分享一段在近日幾天經歷過一段十分有趣的工作日常紀錄,當然,一定是跟下面這一張Excel截圖內容以及Google Gemini 1.5 Flash或Google Gemini 1.5 Pro、Google Gemini 2.0 Flash、Google Gemini 2.0 Flash Thinking本身的推理能力有100%的關聯性,請務必仔細聽我娓娓道來。 (可自動生成Multi-Chain Reasoning提示詞內容的Gem管理工具,延伸閱讀: 集結當前四種Ai技術最強夢幻組合 ) 第一個實際職場上的生成式AI使用例:車輛管理 整件事情的起源,最初是這樣,由於筆者才剛從其他的產業類別,橫跨進來這個未曾接觸過的交通運輸業部分(簡單說就是相關的工作經驗是零),截至目前為止也才僅待了四個月的時間(註:正在寫這篇文章的時候),那為了能趕上其他同事累積多年以來的學習進度呢,於是就自行製作了這一張可以透過Excel來掌管車輛停放位置的超強工具,如下圖所示。 影片效果: 這邊筆者要先解釋一下,這張Excel不是完全單靠生成式ai工具來完成的,這張Excel背後是集結了同事們在工作領域上的無償知識分享 + 筆者自己長期手寫累積的職場工作筆記 + Google Gemini 1.5 Flash一起共同完成的,基本上Google Gemini 1.5 Flash在這裡的情境,只有協助提供我關於Excel的公式的需求支援部分這樣。 那它的唯一好處就是,能夠把車輛管理這件事,輕鬆實現完全模組化,同時在筆者離職、未來新人任職該產業時(即便是沒有相關經驗),也能在30分鐘內快速理解上手所需的知識與完成車輛的停放順序規劃,這也符合降低門檻這件事的標準,未來也能無痛整合ai agent(Ai代理人)的應用。 延伸閱讀: Ai工作流的學習指南 第二個實際職場上的生成式AI使用例:機動調整大眾運輸工具的時刻表 於是,整件事情發展來說,真的是說巧也真的是有夠巧合的,因為我人在西元2024年10月18日中默默更新這一篇 「Ai推理」的標準定義是什麼? 的內文時,就在隔天西元2024年10月19日凌晨時分,就很剛好臨時遇到同事請病假,隨即就直接在筆者的手機上實際操作、臨時上陣測試這一段完全不在預期之內、完全零腳本的突發事件了,當然,這部分就真的是100%完全仰賴Go...