技能 · 工具 · 上線與交付
Git
版本控制。
- 23.5%
- 核心 AI 職缺提到
- 828
- 筆職缺
- 519
- 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 Git。
在 8 個有獨立頁面的職位中，有 4 個職位至少五分之一的職缺提到 Git：LLM／NLP 工程師 36.6%、AI 工程師 30.8%、資料科學家 28.5%、電腦視覺工程師 23.0%。
沒有任何一個有獨立頁面的職位，提到 Git 的比例達到全體核心 AI 職缺的兩倍。
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。
- MLOps／平台工程師42.1%38 筆中有 16 筆 · 樣本未達獨立頁面門檻，不列入解讀
- LLM／NLP 工程師36.6%175 筆中有 64 筆
- AI 工程師30.8%1,741 筆中有 536 筆
- 資料科學家28.5%151 筆中有 43 筆
- AI 研究員26.7%60 筆中有 16 筆 · 樣本未達獨立頁面門檻，不列入解讀
- 電腦視覺工程師23.0%113 筆中有 26 筆
- 演算法工程師15.3%321 筆中有 49 筆
- 智慧製造／AOI12.0%225 筆中有 27 筆
- AI 硬體／邊緣運算工程師10.6%123 筆中有 13 筆
- AI 產品／專案經理6.9%305 筆中有 21 筆
和它一起出現的技能
分母是提到 Git 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
- Python79.0%程式語言 · 654 筆
- System Architecture50.5%方法與流程 · 418 筆
- REST API33.5%方法與流程 · 277 筆
- Machine Learning31.0%機器學習 · 257 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
- LLM51.2%LLM 應用 · 424 筆
- RAG35.9%LLM 應用 · 297 筆
- AI Agents32.7%LLM 應用 · 271 筆
- Claude29.5%LLM 應用 · 244 筆
- Generative AI27.1%LLM 應用 · 224 筆
產業與地區分布
佔這個技能的職缺數。
- 軟體與網路36343.8%
- 電子與硬體製造16019.3%
- 半導體576.9%
- 金融與保險465.6%
- 醫療與生技354.2%
- 批發零售與電商334.0%
- 電信、媒體與數位內容313.7%
- 其他製造業313.7%
- 專業服務253.0%
- 營建與不動產161.9%
- 顧問與行銷服務121.5%
- 餐旅與生活服務60.7%
- 台北市41750.4%
- 新北市12815.5%
- 台中市708.5%
- 高雄市455.4%
- 桃園市445.3%
- 新竹市435.2%
- 新竹縣404.8%
- 台南市161.9%
- 苗栗縣111.3%
- 彰化縣50.6%
- 雲林縣30.4%
- 花蓮縣20.2%
這個數字從哪裡看出來
828 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387
- 職稱0
- 職務說明659