AI數位轉型應用開發：Google Gemini與ERP、CRM、HR整合落地實戰
活動訊息
台灣角川2026星夜祭
金石堂閱讀週年慶
第48次中小學生讀物選介
台灣角川歌曲改編作品書展
內容簡介
本書特色
✔ 企業情境 × 系統整合，從痛點到實作
✔ 實戰 ERP、CRM、HR 三大核心系統
✔ 掌握 RAG、Text-to-SQL、Function Calling、AI Agents
✔ 兼顧資料治理、資安、成本與 ROI
AI 導入最難的，從來不只是「選哪一個模型」，而是：如何讓 AI 懂企業的資料、懂企業的流程，最後真正幫企業完成工作。本書以 Google Gemini、Vertex AI、RAG、Function Calling、AI Agent 為核心，帶你一步步打通ERP、CRM、HR 與企業數據，從架構設計、資料工程、API 串接，到實際部署與營運。
讓AI不只會說，更要會做。
30年資通訊實戰經驗 × 企業 AI 開發方法
AI 不缺模型，企業缺的是「落地的方法」
從資料、架構、開發，到部署與營運，完整走完企業 AI 落地的最後一哩路
☑ Text-to-SQL × ERP ☑ CRM × AI Sales Copilot ☑ HR × 企業知識庫
☑ Multimodal × 企業應用 ☑ LLMOps × 成本與效能管理
AI 導入最難的，從來不只是「選哪一個模型」，而是：如何讓 AI 懂企業的資料、懂企業的流程，最後真正幫企業完成工作。
讓 AI 走進企業流程，讓數據真正產生價值
本書以 Google Gemini、Vertex AI、RAG、Function Calling、AI Agent 為核心，帶你一步步打通ERP、CRM、HR 與企業數據，從架構設計、資料工程，到實際部署與營運。
適合讀者
CIO╱CTO╱IT 主管、軟體工程師、系統架構師、數位轉型 PM、商業分析師。
✔ 企業情境 × 系統整合，從痛點到實作
✔ 實戰 ERP、CRM、HR 三大核心系統
✔ 掌握 RAG、Text-to-SQL、Function Calling、AI Agents
✔ 兼顧資料治理、資安、成本與 ROI
AI 導入最難的，從來不只是「選哪一個模型」，而是：如何讓 AI 懂企業的資料、懂企業的流程，最後真正幫企業完成工作。本書以 Google Gemini、Vertex AI、RAG、Function Calling、AI Agent 為核心，帶你一步步打通ERP、CRM、HR 與企業數據，從架構設計、資料工程、API 串接，到實際部署與營運。
讓AI不只會說，更要會做。
30年資通訊實戰經驗 × 企業 AI 開發方法
AI 不缺模型，企業缺的是「落地的方法」
從資料、架構、開發，到部署與營運，完整走完企業 AI 落地的最後一哩路
☑ Text-to-SQL × ERP ☑ CRM × AI Sales Copilot ☑ HR × 企業知識庫
☑ Multimodal × 企業應用 ☑ LLMOps × 成本與效能管理
AI 導入最難的，從來不只是「選哪一個模型」，而是：如何讓 AI 懂企業的資料、懂企業的流程，最後真正幫企業完成工作。
讓 AI 走進企業流程，讓數據真正產生價值
本書以 Google Gemini、Vertex AI、RAG、Function Calling、AI Agent 為核心，帶你一步步打通ERP、CRM、HR 與企業數據，從架構設計、資料工程，到實際部署與營運。
適合讀者
CIO╱CTO╱IT 主管、軟體工程師、系統架構師、數位轉型 PM、商業分析師。
目錄
PART 1 觀念與地基
Chapter 01 企業 AI 的典範轉移
1.1 從 Rule-based 到 Reasoning
1.2 企業數據孤島（Silos）的救星
1.3 導入策略評估
1.4 企業級 AI 的三大支柱
1.5 本章小結
Chapter 02 深入核心—Google Gemini 與 Vertex AI
2.1 Gemini 模型家族詳解
2.2 為什麼選 Vertex AI ？
2.3 長文本（Long Context）的威力
2.4 GCP 生態系整合優勢
2.5 本章小結
Chapter 03 技術架構藍圖
3.1 現代化 AI App 架構圖
3.2 RAG（檢索增強生成）原理
3.3 微調（Fine-tuning）vs. RAG
3.4 Prompt Engineering 基礎
3.5 本章小結
PART 2 數據工程
Chapter 04 結構化數據處理
4.1 SQL Database 的準備
4.2 Schema Description
4.3 數據清洗實戰
4.4 本章小結
Chapter 05 非結構化數據與向量搜尋
5.1 萬物皆向量
5.2 Vector Database 選型
5.3 文件切塊（Chunking）策略
5.4 混合搜尋（Hybrid Search）
5.5 本章小結
PART 3 三大系統實戰串接
Chapter 06 ERP 系統—供應鏈與財務的智慧化
6.1 Text-to-SQL 技術深究
6.2 實戰 Lab
6.3 應用場景：供應鏈風險預警
6.4 應用場景：自動化單據辨識
6.5 防呆機制
6.6 本章小結
Chapter 07 CRM 系統—全通路客戶賦能
7.1 長文本應用
7.2 實戰 Lab
7.3 超級業務助手 Sales Copilot
7.4 客戶流失預測
7.5 隱私處理
7.6 本章小結
Chapter 08 HR 系統—員工體驗與人才管理
8.1 知識庫問答（RAG）實戰
8.2 實戰 Lab
8.3 智慧招募
8.4 應用場景：員工培訓
8.5 本章小結
PART 4 進階應用與代理人（Advanced Agents）
Chapter 09 AI Agents 與工具使用（Function Calling）
9.1 Agent 的概念
9.2 Function Calling 實戰
9.3 實戰 Lab
9.4 本章小結
Chapter 10 多模態（Multimodal）應用
10.1 原生多模態能力
10.2 場景：生產線品管（QC）
10.3 場景：行銷素材生成
10.4 本章小結
PART 5 落地與運維（Deployment & LLMOps）
Chapter 11 提示工程（Prompt Engineering）企業指南
11.1 COT（思維鏈）技巧
11.2 Few-Shot Prompting：給範例讓 AI 學得更快
11.3 防禦性 Prompting
11.4 Prompt Management
11.5 本章小結
Chapter 12 成本控制與效能優化
12.1 Token 經濟學
12.2 快取（Caching）機制
12.3 評估指標（Evaluation）
12.4 本章小結
Chapter 13 未來 Gemini 多模型架構適應
13.1 各版本的核心差異解析
13.2 將現有 Gemini 1.5/3.1 專案升級到 3.5 版本
13.3 如何優化 Gemini 3.5 的成本
13.4 Google 針對低預算任務推出的替代模型
13.5 實作一個 Router Agent
13.6 本章小結
總結
附錄
A 常用 Prompt 範本庫
A.1 ERP 場景：供應鏈與財務（Chapter 6）
A.2 CRM 場景：客戶關係與銷售（Chapter7）
A.3 HR 場景：員工服務與招募（Chapter 8）
A.4 工程與安全（Chapter 11）
B Vertex AI 快速參考指令表（Python SDK Cheatsheet）
Chapter 01 企業 AI 的典範轉移
1.1 從 Rule-based 到 Reasoning
1.2 企業數據孤島（Silos）的救星
1.3 導入策略評估
1.4 企業級 AI 的三大支柱
1.5 本章小結
Chapter 02 深入核心—Google Gemini 與 Vertex AI
2.1 Gemini 模型家族詳解
2.2 為什麼選 Vertex AI ？
2.3 長文本（Long Context）的威力
2.4 GCP 生態系整合優勢
2.5 本章小結
Chapter 03 技術架構藍圖
3.1 現代化 AI App 架構圖
3.2 RAG（檢索增強生成）原理
3.3 微調（Fine-tuning）vs. RAG
3.4 Prompt Engineering 基礎
3.5 本章小結
PART 2 數據工程
Chapter 04 結構化數據處理
4.1 SQL Database 的準備
4.2 Schema Description
4.3 數據清洗實戰
4.4 本章小結
Chapter 05 非結構化數據與向量搜尋
5.1 萬物皆向量
5.2 Vector Database 選型
5.3 文件切塊（Chunking）策略
5.4 混合搜尋（Hybrid Search）
5.5 本章小結
PART 3 三大系統實戰串接
Chapter 06 ERP 系統—供應鏈與財務的智慧化
6.1 Text-to-SQL 技術深究
6.2 實戰 Lab
6.3 應用場景：供應鏈風險預警
6.4 應用場景：自動化單據辨識
6.5 防呆機制
6.6 本章小結
Chapter 07 CRM 系統—全通路客戶賦能
7.1 長文本應用
7.2 實戰 Lab
7.3 超級業務助手 Sales Copilot
7.4 客戶流失預測
7.5 隱私處理
7.6 本章小結
Chapter 08 HR 系統—員工體驗與人才管理
8.1 知識庫問答（RAG）實戰
8.2 實戰 Lab
8.3 智慧招募
8.4 應用場景：員工培訓
8.5 本章小結
PART 4 進階應用與代理人（Advanced Agents）
Chapter 09 AI Agents 與工具使用（Function Calling）
9.1 Agent 的概念
9.2 Function Calling 實戰
9.3 實戰 Lab
9.4 本章小結
Chapter 10 多模態（Multimodal）應用
10.1 原生多模態能力
10.2 場景：生產線品管（QC）
10.3 場景：行銷素材生成
10.4 本章小結
PART 5 落地與運維（Deployment & LLMOps）
Chapter 11 提示工程（Prompt Engineering）企業指南
11.1 COT（思維鏈）技巧
11.2 Few-Shot Prompting：給範例讓 AI 學得更快
11.3 防禦性 Prompting
11.4 Prompt Management
11.5 本章小結
Chapter 12 成本控制與效能優化
12.1 Token 經濟學
12.2 快取（Caching）機制
12.3 評估指標（Evaluation）
12.4 本章小結
Chapter 13 未來 Gemini 多模型架構適應
13.1 各版本的核心差異解析
13.2 將現有 Gemini 1.5/3.1 專案升級到 3.5 版本
13.3 如何優化 Gemini 3.5 的成本
13.4 Google 針對低預算任務推出的替代模型
13.5 實作一個 Router Agent
13.6 本章小結
總結
附錄
A 常用 Prompt 範本庫
A.1 ERP 場景：供應鏈與財務（Chapter 6）
A.2 CRM 場景：客戶關係與銷售（Chapter7）
A.3 HR 場景：員工服務與招募（Chapter 8）
A.4 工程與安全（Chapter 11）
B Vertex AI 快速參考指令表（Python SDK Cheatsheet）
贈品
指定商品滿$888即贈 閱讀隨行袋（款式隨機）
凡全站商品單筆訂單滿888元，即送「閱讀隨行袋」1個，款式隨機出貨。（數量有限，送完為止）
※ 海外訂單恕不提供贈品。
贈品已送完
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價