✨ 本次 Skill Shot 亮點

這堂課的核心，是用 Replit Agent 帶你走完一次完整的 AI 資料工程實作：從一個公開金融網站，做出一個可以互動、可以部署上線的儀表板。

你將完成一條完整流程：

• Replit Agent 負責分析網站來源、建立爬蟲、抓取價格與成交量等公開資料
• 逐步整理負責把散亂的網頁資料清洗成結構化欄位，處理缺漏值與格式問題
• Dashboard 負責把結構化資料變成指標卡、趨勢圖與互動介面
• AI Debug 與部署負責把 Demo 修正成真正能上線運作的產品

課後可應用在股價追蹤、產業資料整理、政府公開資料或新聞資訊等其他公開網站場景。

☝️ 你會學到

• AI Web Scraping 實作：讓 Replit Agent 分析網站結構、建立爬蟲流程，取得價格、日期、成交量、漲跌幅等公開金融資料
• 資料結構化技巧：把原始網頁資料清洗、整理成 Dashboard 可用的結構化格式，處理欄位不一致與缺漏值
• 金融 Dashboard 建置：建立指標卡、趨勢圖與資料表，把結構化資料變成一眼看懂的互動視覺化介面
• AI Debug 與部署流程：學會用 Agent 協助定位抓取錯誤、修正資料問題，並將完成品部署上線
• 可重複使用的 Prompt 範例：一套能套用在其他資料專案上的需求拆解與 Agent 溝通方法

學完後，你能獨立走完「資料取得 → 結構化 → 視覺化 → Debug → 部署」的完整流程，並把方法延伸到任何你想追蹤的公開資料來源。

👥 適合對象

AI Agent 初學者

用過 ChatGPT 或 Claude，但還沒實際操作過 Agent 完成資料工程專案的人

想追蹤金融資訊的人

想自己整理股票、市場指標等資訊，卻不知道怎麼從網站資料變成可用工具的人

獨立開發者／作品集需求者

想快速做出一個能展示、能部署上線的資料應用作品的人

資料工程／分析初學者

了解爬蟲與資料處理的概念，但缺乏一次從頭到尾動手完成的實作經驗的人

⏱️ 課程內容

開場與需求拆解

從「我想做一個金融 Dashboard」出發，示範如何把模糊需求拆解成資料來源、欄位與功能，讓 Agent 能正確理解任務。

AI Web Scraping 與資料整理

使用 Replit Agent 分析金融網站的資料來源、建立爬蟲取得資料，並將原始資料清洗、結構化成可分析格式。

Dashboard 建置實作

建立市場指標卡、趨勢圖、資料表與互動介面，把結構化資料轉換成可快速理解的視覺化資訊。

AI Debug 與上線部署

示範如何讓 Agent 協助定位抓取錯誤、修正資料與格式問題，最後將金融儀表板部署上線並實際操作。