技能 · LLM 應用 · 框架、LLM 與領域訊號
Gemini
Google 的模型與 API。
- 6.2%
- 核心 AI 職缺提到
- 217
- 筆職缺
- 177
- 家公司
歷史資料從 2026年9月11日 開始。要看出增減，需要一期至少相隔 30 天、可以比較的後續資料。
它在哪些職位最常被提到
每一列的分母是該職位本期的職缺數，依比例排序。
本期怎麼讀
本期有 10 個職位類別的職缺提到 Gemini。
在 8 個有獨立頁面的職位中，沒有一個職位有五分之一以上的職缺提到 Gemini。
沒有任何一個有獨立頁面的職位，提到 Gemini 的比例達到全體核心 AI 職缺的兩倍。
Gemini 屬於「LLM 應用」，是框架、LLM 與領域訊號；請搭配下方和它一起出現的基礎與上線交付技能一起解讀。
解讀規則：「比整體更集中」是指在有獨立頁面的職位裡，至少 10 筆職缺提到這個技能，而且比例至少是全體核心 AI 職缺的 2 倍；「常被提到」是指一個職位至少 20% 的職缺提到它。這些句子描述的是本期開著的職缺，不是趨勢。
- LLM／NLP 工程師9.1%175 筆中有 16 筆
- AI 工程師8.7%1,741 筆中有 151 筆
- AI 研究員8.3%60 筆中有 5 筆 · 樣本未達獨立頁面門檻，不列入解讀
- MLOps／平台工程師7.9%38 筆中有 3 筆 · 樣本未達獨立頁面門檻，不列入解讀
- AI 產品／專案經理7.2%305 筆中有 22 筆
- 資料科學家2.0%151 筆中有 3 筆
- AI 硬體／邊緣運算工程師1.6%123 筆中有 2 筆
- 電腦視覺工程師0.9%113 筆中有 1 筆
- 智慧製造／AOI0.4%225 筆中有 1 筆
- 演算法工程師0.3%321 筆中有 1 筆
和它一起出現的技能
分母是提到 Gemini 的職缺數：其中同時提到各技能的比例，依三種閱讀角度分組。
基礎與解題
類別：程式語言、機器學習、資料工程、資料庫、方法與流程
- Python67.7%程式語言 · 147 筆
- System Architecture54.4%方法與流程 · 118 筆
- REST API36.9%方法與流程 · 80 筆
上線與交付
類別：DevOps、雲端、工具
框架、LLM 與領域訊號
類別：框架、LLM 應用、領域知識、辦公軟體
- ChatGPT81.1%LLM 應用 · 176 筆
- Claude80.7%LLM 應用 · 175 筆
- LLM70.5%LLM 應用 · 153 筆
- Prompt Engineering51.6%LLM 應用 · 112 筆
- AI Agents50.2%LLM 應用 · 109 筆
- RAG48.9%LLM 應用 · 106 筆
- Generative AI46.5%LLM 應用 · 101 筆
產業與地區分布
佔這個技能的職缺數。
- 軟體與網路9945.6%
- 電子與硬體製造2411.1%
- 其他製造業146.5%
- 電信、媒體與數位內容146.5%
- 批發零售與電商146.5%
- 醫療與生技125.5%
- 顧問與行銷服務83.7%
- 金融與保險83.7%
- 餐旅與生活服務62.8%
- 半導體62.8%
- 專業服務52.3%
- 營建與不動產41.8%
- 台北市11050.7%
- 新北市4319.8%
- 台中市2210.1%
- 高雄市177.8%
- 新竹市62.8%
- 彰化縣52.3%
- 桃園市41.8%
- 台南市31.4%
- 南投縣20.9%
- 花蓮縣20.9%
- 新竹縣10.5%
- 嘉義縣10.5%
這個數字從哪裡看出來
217 筆職缺中，各有多少筆是從雇主填的技能標籤、職稱、職務說明看出來的。一筆職缺可能同時有多種證據，所以三個數字相加會大於職缺數。
- 雇主技能標籤45
- 職稱0
- 職務說明188