## 事前準備 請用便條紙寫下**三件**關於自己的事情。 - 你是誰? - 你最近在做什麼? - 你期待今天發生什麼? --- # 畢業前,你沒想過的那些事 Bear --- ## Check In 我們起來動一動 ---  --- ## 你的夢想是什麼呢? --- ## 出社會前:我的夢想 ---  --- ## 現在:軟體工程師 不曾想過,以致於大學沒去修相關課程 --- ## 留言板  --- ## 進入正題:我是誰 你們都是什麼科系的? ---  --- ## 故事的起點:第一個專案 ---  --- ## 我們學到了什麼? --- ## 還好我要退了! 學弟,這件事就麻煩你了? ---  --- ## 代理教師之路 有人的夢想也是當老師嗎? ---  --- ## 轉職 這是我想要的生活嗎? ---  --- ## 我們學到了什麼? ---  ---  --- ## 轉職 ≠ 失敗 只是路線選擇的不同。 --- - 第一家公司,一開始非常挫折且痛苦 - 覺得跟不上大家,整天戰戰兢兢地過日子 ---  --- ## 漸入佳境 --- - 在網絡偶然看到程式相關的讀書會,選擇加入 - 有著不同公司的前輩,請益了更多的問題 - 一年半後進入舒適圈,沒有猶豫太久,離職進入第二家公司 --- ## 如何學習程式 --- - 讀書會讀設計模式 - 假日跑咖啡廳自己動手寫看看 - 練習 vim、IDE - 架 blog,有了長期的 side project - 寫有趣的東西,比如:terminal 版本的猜數字遊戲 ---  ---  ---  --- ## Done is better than perfect. 先求有,再求好。 --- ## 推薦書單 (1) ### QBQ:問題背後的問題 ---  ---  --- ### 上述的故事中,有哪些符合 QBQ 的精神? --- ## 剛剛聊的是我怎麼走過來的 接下來聊聊你們即將走進去的世界。 --- ## AI 時代的軟體開發 - AI 工具在過去幾年徹底改變了軟體開發的樣貌 - ChatGPT、GitHub Copilot、Cursor、Claude Code... --- ### 什麼改變了? --- #### **入門難度降低**:人人都可以寫程式 --- #### Junior 工程師的門檻變高 --- #### 以前要查半小時的問題,現在可能幾秒鐘就有答案 --- #### **寫程式速度**大幅提升 (寫程式速度 ≠ 開發速度) --- ### 什麼沒有改變? --- #### 溝通與理解需求 工程師不只寫程式,還要與人合作 --- #### 使用者天馬行空的想法 [Problem Solving](/2023/04/27/Problem-Solving/) --- #### [Coding Principle](/tags/Principle/) 長期維護的專案,仍然有修改的可能 --- #### AI 給你答案,但你要會問對問題 **判斷 AI 輸出品質的能力** ---  ---  --- #### **持續學習**:軟體世界不變的法則。 --- ### 你們平常會使用 Google 解決問題嗎? --- ### 不要把使用 AI 當作自己的優勢! 就像是很少人會講自己很會用 Google ---
--- ## How to Learn AI in 7 steps ✅ 的項目是我自己會使用的技巧,其他會帶過 --- ### Step 1: AIM framework ✅ - A (Actor): 告訴 AI 扮演什麼角色 - I (Input): 提供背景資料與脈絡 - M (Mission): 明確說明你要它做什麼 --- ### Step 2: Pick Your Instrument ✅ 專注一個工具,深入學習 --- ### Step 3: Build Context with MAP ✅ - M (Memory): 對話歷史與前次紀錄 - A (Assets): 附加的檔案或資料 - A (Actions): AI 可執行的外部動作(搜尋、寫程式等) - P (Prompt): 指令本身 --- ### Step 4: Debug Your Thinking - 思維鏈模式 ✅:要求 AI 「逐步思考,展示推理過程」 - 驗證模式 ✅:請 AI 反問 3 個釐清意圖的問題 - 精煉模式:請 AI 先提出 2 個更精準的問題版本,讓你選擇 --- ### Step 5: Steer Toward Experts ✅ 避免空泛提問,在提示中點名具體專家、研究或框架 --- ### Step 6: Verify the Output - 假設清單:請 AI 列出所有假設並標示信心程度 - 引用來源 ✅:請 AI 附上連結與出處 - 反證:請 AI 找出反駁自身答案的證據 - 稽核數字:請 AI 重新演算所有數據 - 跨模型驗證:同一個提示丟給 ChatGPT、Gemini、Claude 互相批評 --- ### Step 7: Develop Taste with OCEAN - O (Original): 要求非顯而易見的觀點 - C (Concrete): 加入真實案例與數字 - E (Evident): 呈現可見的推理邏輯 - A (Assertive): 要求明確立場與論點 - N (Narrative): 用故事結構組織內容 --- ## 推薦書單(2) ### 納瓦爾寶典 ---  --- - 「正和遊戲」 - 運用熱情來培養技能 - 活出真誠的自己來退出競爭 --- ## Takeaway 「最有價值的能力,往往來自你覺得最浪費時間的經歷。」 --- ## Check Out --- ### Recap: 你今天印象最深刻的一件事? --- ## Q&A --- ## Feedback 
返回文章
▶
等待中..