找ML & AI

導師大大導師

AI 時代下，Junior Engineer 如何真正變強？

AI 工具愈來愈強，寫 code 的速度變快了，但速度本身不等於成長 很多 Junior Engineer 現在每天都在用 AI，卻也開始有更多的焦慮： - 我是真的變強了，還是只是更快把東西做完？ - 手寫能力感覺在退步，只剩下 review，這樣長期下來有問題嗎？ - 做一個完全沒做過的功能，怎麼分辨 AI 給的方向是對的？ - 傳統技術知識的時間被稀釋，要怎麼確保自己的核心能力沒有在退步？ - Vibe coding 出來的東西任何人都可以做，那還需要 Junior 工程師嗎？ 這些問題沒有標準答案，但值得認真討論。 這場活動，我們邀請兩位來自不同工程環境的資深主管，從第一線帶人的觀察出發，討論在 AI 已經高度普及的時代，Junior Eng 到底應該怎麼成長，才能真正建立長期競爭力。 本場活動會以 **panel discussion** 的方式進行，由主持人提問，請兩位 panelists 從各自的工作場景、帶人經驗與觀察切入，針對 AI 時代下工程師的成長問題進行交流與對照。 本場活動將從實際工作場景出發，分享與討論： - AI 時代下，工程師的成長標準與面試評估方式有什麼具體改變 - 從拿到任務到開始動手，不同的人行為差在哪裡，結果差在哪裡 - AI 給了你 code 之後，怎麼建立真正屬於自己的判斷力 - 手寫能力退步、只剩 review 的工作方式，長期下來會有什麼問題 - 傳統硬知識被稀釋的時代，要怎麼選一個基準點深挖，確保自己沒有在退步 - 沒有人帶的環境下，怎麼用 AI 讓自己真正成長而不是依賴 如果你是工作 0–5 年的工程師，如果你每天都在用 AI，但不確定自己有沒有真的進步，如果你開始意識到「完成工作」和「成為更強的工程師」其實不是同一件事，這場活動可以幫你找到方向。 ### Panelists 可以點上方「講師」tab 看更完整介紹 #### 張哲維｜Engineering Manager at Uber, ex-Amazon 從工程師到技術主管，在 Amazon 與 Uber 累積超過十年的美國科技大廠實戰經驗。職涯橫跨個人貢獻者與管理者兩種角色，曾多次在 IC 與 EM 之間轉換，對兩種路徑的真實樣貌都有深刻的第一手體驗。 #### Alive Kuo｜RD Manager (Staff Eng) at VIVOTEK, ex-KaiOS, ex-Mozilla 十多年軟體工程經驗，從瀏覽器開發、前端架構到 API 設計，橫跨外商開放文化與台商組織環境，長期走在 Staff+ Engineer 的技術領導路徑上。目前在公司內部推動 Agentic Development，對 AI 時代工程師該有的思維方式有第一線的實踐觀點。 *主持人：魏志強｜大大帶我飛創辦人、ex-Meta 軟體工程經理* ### 活動亮點 - 兩位主管來自不同環境，幫你理解什麼是跨場域的共通能力，什麼是環境差異 - 本場不會討論最新 AI 工具怎麼用，會聚焦在工程師該累積的能力與思維方式 - 有 Q&A 與實際問題討論時間，可以帶著自己的情境來思考 ### 活動大綱 *我們會在活動前根據報名時收集到的問題，調整部分討論的方向與深度，讓內容更貼近實際來參加的人的情境。* #### Part 1｜AI 時代，工程師「真正變強」的定義是什麼？ 這段會先問一個很多人沒有被正面回答過的問題：真正變強，到底是什麼意思？ 從這個定義出發，再討論 AI 普及之後評估標準有什麼具體改變，以及工作一到三年的工程師，可以用什麼方式知道自己有沒有在對的軌道上。 - 兩位主管心裡對「真正變強」的定義是什麼？ - AI 普及之後，面試與績效評估的標準有哪些具體改變 - 到 mid-level 之前，有沒有一個具體的里程碑可以讓你自己對照 #### Part 2｜從拿到任務到開始動手：你在這段時間做了什麼？ 很多成長差距，不是發生在寫 code 的時候，而是更早之前。AI 讓實作變快了，但也讓一個問題更快被放大：你有沒有在動手之前真正想清楚？ - 同樣一個任務，有人花時間想清楚再開 AI，有人直接開始叫 AI 寫，從最後的 PR 看不看得出差別？ - 有人因為 AI 可以快速 prototype，反而跳過了 Design doc 跟 stakeholder alignment，這種情況主管怎麼看？ - Junior 有沒有辦法主動影響 PM，讓需求在早期就更清楚？ #### Part 3｜AI 給了你 code，然後呢？ AI 能夠加速實作，但從 code 出來的那一刻起，責任是你的。這段會直接討論一個很多人不敢問的問題：如果 AI 給錯了答案，我沒發現，出事了怎麼辦？ - 做一個完全沒做過的功能時，怎麼分辨 AI 給的方向是正確的？ - 主管審 PR 的時候，最常看到工程師在 AI 生成的 code 上犯什麼錯？ - 因為沒有驗證 AI 的答案而出了問題，主管第一反應是什麼？Junior 要怎麼處理才不會傷害自己的職涯？ #### Part 4｜用 AI 學習，思維方式要怎麼不一樣？ - Code Review 與協作思維：現在很多人用 SDD 方式開發，只剩下 review，感覺手寫能力在退步。這樣的工作方式長期下來有沒有問題？跟 AI 協作時，如何保持自己的思辯能力？判斷 AI 產出好不好，有沒有辦法刻意培養？ - 學架構的思維：傳統 design pattern 和硬知識的時間被稀釋，公司方向都在追 context engineering、agentic coding。Junior 要怎麼在追公司方向的同時，確保自己的核心能力沒有在退步？在什麼都在變的環境下，怎麼選一個基準點深挖？ - 驗證、測試與 Workflow：在 AI 時代下，好的 workflow 應該是什麼樣子？兩位主管自己現在跟 AI 協作的方式是什麼？TDD 在 AI 時代有沒有變得更重要？ #### Part 5｜沒有人帶的時候怎麼辦？ 這段專門給那些主管很忙、團隊很小、或遠端工作幾乎沒有人帶的工程師。 - 在缺乏 mentorship 的環境裡，工程師最容易在哪裡走偏？ - Junior 如何有意識地往 Senior/Staff 邁進？從 technical 和 non-technical 兩個面向，有沒有具體的方法確保自己 on the track？ - 有哪些事情是 AI 補不了、一定要從人身上學的？ #### Q&A｜30 分鐘深度討論 我們會在報名時收集大家的問題，活動當天根據最多人關心的方向來回答。現場也可以即時提問。如果你有特定的工作情境或職涯問題，歡迎在報名時寫下來，我們會視情況調整活動內容。 ### 適合對象 - 工作 0–5 年的 Software Engineer - 每天使用 AI 工具，但不確定自己有沒有真正進步的工程師 - 想建立更扎實基本功，而不是只依賴 AI 完成工作的 Junior Engineer - 想重新思考 AI 時代下該怎麼學、怎麼練、怎麼累積競爭力的人 ### 活動流程（Taiwan Timezone） 10:00–10:10｜開場與 panelist 介紹 10:10–11:20｜Panel Discussion 11:20–11:30｜快問快答 / 重點整理 11:30–12:00｜Q&A 深度討論