教學|Google Opal免費開放台灣用戶!Opal是什麼?介面功能、操作教學、限制一次看
教學|Google Opal免費開放台灣用戶!Opal是什麼?介面功能、操作教學、限制一次看

生成式 AI 的浪潮正從內容創作延伸至應用程式開發領域。Google 近日(11 月 6 日)正式將其無程式碼(No-code)AI 應用程式開發平台 Opal」開放於台灣使用,服務範圍更從原先的 15 個國家擴展到 160 多個國家/地區。

Google Opal 這項工具的核心價值在於讓非工程師背景的商業人士、開發者,甚至是個人,皆能透過日常對話的方式,快速建立客製化的自動化流程與應用程式。因此,本次《未來商務》將帶讀者深入了解 Google Opal 的特色、介面功能、實際操作步驟以及適用對象。

Google Opal 是什麼?

Google Opal 是一個創新的 No-code 應用程式開發平台,為 Google Labs 發布的實驗性項目。其設計宗旨在於打破程式碼的門檻,讓使用者僅需透過與 AI 的對話與指令,就能快速生成、調整並部署各種自動化應用程式。

它本質上是一個「AI 驅動的開發環境」,將複雜的程式設計與後端邏輯,轉換為直覺的自然語言互動。透過 Google Opal,使用者不再需要一行行撰寫程式碼,而是可以像與同事溝通一樣,告訴它想要達成的自動化目標,例如:「幫我識別圖像的事件資訊後,並依此於 Google 日歷中建立對應的行程。」平台將基於大型語言模型(LLM)的強大能力,自動生成對應的工作流程、邏輯組件,以及使用者介面。

Google Opal 特色:零門檻、快速迭代

最大的特色是使用者無需具備任何編程知識,即可透過自然語言提示詞(Prompts)來驅動應用程式的開發。且 AI 會自動理解使用者意圖,並建議或創建完整的自動化流程圖,大幅縮短開發時間。而使用者在建構過程中即可直接進行測試,並根據結果隨時調整對話指令,實現快速優化。

Google Opal 介面由三大區塊組成

Google Opal 建構應用程式的流程被設計得極為直觀,大幅降低了技術門檻。介面主要由三個部分組成:

● 底部的對話框:

使用者可在此處輸入提示詞持續與 AI 互動、並調整需求。 Google Opal ● 上方的流程圖編輯區:

以視覺化節點的方式展示應用程式的自動化邏輯。每個節點代表一個動作(如:發送郵件、執行程式碼、提取數據),並擁有相應的顏色供使用者對照,如黃色代表使用者可以輸入內容(User Input);藍色代表 AI 自動生成(Generate);綠色代表生成的結果(Output);橘色則供使用者附加圖片、YouTube 影音、連結 Google 雲端檔案等(Add Assets)。這些節點,使用者皆可以自由新增、拖曳、連接或修改。 Google OpalGoogle Opal使用者可點選「Add Assets」進行:附加圖片、YouTube 影音、連結 Google 雲端檔案操作等。 **● 右側的結果生成區:**當使用者設計完應用流程後,可於右側面板進行測試。依照流程圖編輯區的設計,如設有 User Input 的節點,則可點選右側面板中的 Preview,並在右下角輸入提示詞。 Google Opal 也可以點擊上方的「App」進此到此頁面進行測試。 Google Opal Console 則可看到 Google Opal 背後的 AI 如何分解使用者的流程圖任務,並徵召了哪些大型語言模型來執行及所耗費的時間。 Google OpalGoogle Opal Theme 則是可為應用程式命名或提供主題描述,並也支援隨機產生主題。 Google Opal

四步驟用「對話」生成應用程式

本次,《未來商務》將實際演示如何使用用「對話」的方式生成應用程式,操作步驟如下:

步驟一、登入 Google Opal

首先,使用者需使用 Google 帳號進行登入。 Google Opal

步驟二、自行創建或選用現有模板,編輯自動化流程

登入後,使用者可以看到 Google Opal 的介面分為兩區:

一為「Your Opal apps(你的 Opal 應用程式)」,使用者可自行輸入提示詞(Prompt),如希望 App 實現的功能、輸入與輸出項目,讓 AI 先生成一版應用程式的骨架,之後再自行修改。

二為「Gallery(模板庫)」,此為 Opal 提供的各式 App 模板庫。適合對建置 App 細節流程還不熟悉的使用者,可直接用預先建置好的 AI 應用去進行客製化修改。 Google Opal 以下將實際操作兩種製作 App 的方式:自行創建、從現有模板去修改。

一、自行創建

  1. 點擊右上角的「+ Create New」。 Google Opal
  2. 輸入提示詞。

進入後,於底下的對話框輸入提示詞。以本次實測為例,輸入的提示詞為「我想要做一個貼文產生器,當我貼入文章給你,你會將內容進行二創(維持原意,不會加入你個人的觀點),並提供適合發布於 FB 及 Threads 兩個社群管道的文案及配圖。」 Google Opal 3. 客製化調整。

針對 Google Opal 生成的初版應用程式骨架進行客製化調整,並確認各節點中的提示詞是否符合需求。要注意的是,雖然 Google Opal 可讀懂中文提示詞,因為經過確認,它的各個節點及提示詞皆符合最初提供給它的提示詞。然而,它生成的流程及結果卻以「英文」為主,可能增加不熟悉英文者的使用門檻。 Google Opal 另經測試,無法直接請 Google Opal 將內容翻成中文。我輸入「你可以將各節點及提示詞翻譯成中文嗎」,Google Opal 卻顯示:「無法處理此請求。詳情:我無法處理以其他語言呈現節點和提示的請求。**我的目的是幫助您建立或修改人工智慧應用程式。**如果您想建立新應用程式或修改現有應用程序,請告知我。」 Google Opal 二、從現有模板去修改

  1. 複製現有模板。

Google Opal 內建不少模板供使用者直接複製使用。使用者可先點入該模板中,檢視該 APP 的設計是否符合自身所需,如符合的話,則可點擊畫面中右上角的「Remix」按鈕,如此該款模板便會被複製到「Your Opal apps(你的 Opal 應用程式)」的區塊,並於 APP 名稱的尾端會帶有「Remix」以供使用者辨別。 Google Opal 另一種複製方法是,可直接將鼠標滑到該款模板上方,於左上方同樣會出現「Remix」按鈕,點擊後即會被複製。 Google Opal 2. 輸入提示詞或手動調整。

以本次實測為例,直接輸入提示詞,「除了 blog post 外,希望 AI 能將文章轉譯(二創,基於内容原意下做改寫,但不提及文章中沒有出現的内容)文章,成適合發佈至 threads 上面的文案」,請 Google Opal 協助新增功能。 Google Opal 下圖即是 Google Opal 自動新增的節點。 Google Opal

步驟三、應用程式測試

在流程設計完成後,用戶可以於右側的結果生成區輸入模擬或實際的內容,觀察流程是否按預期執行、輸出結果是否準確。若發現邏輯錯誤或需要優化,可以直接返回第二步驟進行調整。 Google Opal

步驟四、正式使用/發布

一旦測試通過,使用者即可決定:

● 自己使用:將應用程式保存在個人工作區,作為日常的效率工具。

● 分享與發布:若該應用程式是用於團隊或企業內部,則可以設定權限並發布,取得分享連結後供其他同事使用。 Google Opal

Google Opal 協助企業流程自動化、個人效率提升

Google Opal 旨在賦能創作者、創新者,尤其在無 IT 相關背景的情況下,也能透過簡單的提示詞將自身想法轉化成可實際應用的工具。因此,適合的使用對象以及場景包括:

**● 企業流程優化專員:**快速建立部門級的自動化工具,如:客服工單分類、潛在客戶資料自動登錄、跨部門數據報告自動生成。

**● 內容創作者/行銷人員:**設計自動化內容排程工具、社群媒體分析儀表板、將長篇文章自動摘要為行銷文案。

**● 個人用戶:**建立個人化生產力工具,如:會議紀錄摘要機、自動化發票管理系統。

**● 傳統軟體開發者:**作為快速原型(Prototyping)工具,在正式編碼前,迅速驗證產品概念與流程邏輯。

Google Opal 限制:台灣已開放使用,但僅支援英文版

儘管 Google Opal 已對台灣地區的使用者開放,但在語言支援上仍有重要的限制:平台的核心互動介面和底層的指令邏輯目前僅支援英文。當輸入中文提示詞時,系統能理解意圖並嘗試生成應用程式,但生成的自動化流程圖中的節點名稱、參數提示或建議的文字內容,仍會是英文。對於不熟悉英文專業術語的使用者,這可能會在客製化細部流程時造成理解上的障礙。企業在推動內部使用時,需考量員工的英文能力,或在內部創建標準化的中文操作手冊來克服此一限制。

本文授權轉載自FC未來商務,作者為陳祈安

延伸閱讀:NotebookLM新增「深度研究」!實測|AI代理變「找資料+寫報告」神助手,好用嗎?

關鍵字: #AI工具
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓