跳到主要內容

工程師跨越管理的第一道牆 - 放下

越來越複雜的網路應用

2022 年,網路應用越來越複雜,表層是社群服務,轉頭看是廣告服務,詳細看是個資儲存庫,如此複雜的應用,如此眼花撩亂的系統架構,

現代的軟體開發已經從打個人戰,進入到團體戰鬥的打法。

打群架的時代

現在的許多產業,都在徵求軟體工程師,通常是徵求多位,以往以少少數量完成應用服務的時代已經過去。

現代已經是打群架的年代,前端至少一位,後端至少一位,系統管理,雲端管理等,這些都是在軟體公司內具備的職缺,已經很難回到那一人打天下的時代。

因此,誰能夠在技術領域中讓多種面向職能的人,互相進行協作,互相進行工作分配,將產品進度維持穩定產出,這樣的角色變得至關重要。

而通常,除了外部尋找此職能之外,這樣的職位,會以團隊中,最有技術力,且最能夠經常解決問題的人做為代表人。

帶領的第一課 - 『放下』

相信大家都一定有聽過彼得原理(Peter Principle)

因其某種特質或特殊技能,令他被擢升到不能勝任的高階職位,最終變成組織的障礙物

能力越強的人,通常被拔擢的越快,隨著職位的提升,也越發現能力的不適,而這問題在技術管理職位上特別常見。

因此,技術管理的第一堂課,要跟特別提醒的點是『放下』,特別是要放下自己的技術。

這可能與常理有所違背,為何會讓一個技術最強的人,去放棄他本身的技術呢?

放下的定義

放下,並不是要你放棄,癱軟在辦公室的椅子上什麼都不做,也不是讓你就捨棄掉對於技術的熱情,讓自己故步自封。

放下技術,是放下自己對於任何一種技術的直覺反應,本位思考,我們是否曾經聽過這種話『如果是我來做,兩小時就可以完成了』『這個很簡單,改一下就好了』

但今天,做的人不是你,你已經進入管理者的角色,你已經被賦予帶領的職能,帶領才是你該做的事情。

這時候如果以自己過往的『經驗,效率,能力』來看待『他人』的執行步驟及過程,會發現所有事情都如此的格格不入。

此時,你需要就是『放下』



適當的放下自身技術能力

我們可能是因為自己曾經努力過,也可能自己剛好在那個時代,也可能是因為自己比較幸運,不論是哪一種可能,就是這麼剛好的在這個時間點成為『帶人的那個人』

當我們用自己的眼光去看待所有人,看待所有新鮮人,就如同開著跑車去嘲笑騎摩托車的人不努力一般,是如此的不對等,是如此的扭曲,

我們需要做的是 - 『試著用對方的角度思考 / 運作』,透過對方的角度以我們具備的經驗提供協助,以下提供提升團隊技術力的三個方法。

1. 透過範例,引導出更優秀的結果

對於每個技術問題,每個技術要怎麼解,肯定有許多美麗的範例,套用不同的函式庫,讓程式碼看起來是如此的優美又簡短且易讀。

如果這時候,能夠善用自己此部分長處,寫一段類似的範例,找一段類似的結構,並非提供解答,而是提供一種思路的參考和想像,對於夥伴們,一定有更好的收穫。

2. 建立好基礎架構,引導出更容易實作的內容

對於初學,技術能力尚未深刻思考者,其實要建構起一套架構,要構思一套具備通則的方法,是有難度的。

身為技術管理的你,透過自身經驗,將基礎架構建立,也許尚未完美,建構出最適合此時此刻的應用場景架構,讓夥伴能夠容易的銜接,且逐步的協助完善架構。

透過初步適合的架構,打造出不完美的 MVP 應用,再透過團隊的磨合,打造出最適當的產品架構,這才能凸顯具備經驗『你的價值』。

3. 透過詢問,引導出問題所在

最後是詢問,很多人會害怕詢問,也很多人會害怕聽到真話,但詢問的過程,往往會有意外的收穫,特別是單刀直入的問題,更可以獲得答案以外的收穫。

對於夥伴來說,也許他也期待你的詢問,心中也正在納悶著這問題的答案,不論如何,透過層層的詢問,層層的引導,此方法會是一個美妙的滋潤。

最後,設定成長指標

管理的過程是雙向的,是互動的,當我們透過『捨』的動作,來取得對方的『得』。

此時如果可以透過『指標』來看待是否有明確的成長,雙方和多方的互動是否有顯著的提升,效率上的增進。

透過指標的設定,透過 1:1 的機會進行指標訂定,以個人化的方式持續前進修正,且根據每個人的適應性,調整指標的廣度或深度,藉著修正觀察是否每個指標都逐步的朝向『好的方向』前進。

切記,以『善用個人指標,而非相對指標』作為成長幅度的觀察。

後續的課題

能夠看到這邊的人,相信已經是管理職,或者是深陷於管理職的泥沼當中,管理,不一定會是自己技術的突破,但是透過管理,可以讓自己的經驗以倍數的方式帶動團隊的提升。

只有透過帶領,透過管理,才能將自己這數年的內功與百戰不敗的經驗進行傳承,每把鋒利的刀,都需要時間的淬煉,人員的養成也不例外。

最後這句話送各位苦主,

『不怕人成長出走,就怕毫無成長又不走。』

歡迎留言給我,讓我知道你的問題,讓我們一起討論,一起成長,

並將文章分享給那苦海中的朋友。

https://www.facebook.com/caesarfromtaiwan

留言

這個網誌中的熱門文章

RAG 和 Prompt 原理超簡單解說!想知道 AI 怎麼找答案看這篇

這篇文章是給對於你已經開始使用所謂的 ChatGPT / Claude / Gemini 之類的 AI 服務,甚至是 Siri (嘿丟,他也是一種 AI 應用服務喔) 簡單來說是非 技術人員, PM,小白,想要趕快惡補的人 ,直接花十分鐘可以看完的一篇科普業配文章。 或者是概念僅止於,AI 這東西會幻想,會有誤差,會對於生活有些幫助但沒有幫助的人們,做個簡單又不是太簡單的介紹,希望用一個非常入門的方式讓你們有個了解。 當然,這篇文章目的很簡單, 就是引流 ,如果你身邊有已經對於 Web 技術開發的人員,歡迎報名分享給他,年末出國不如學一技在身,參加今年我們舉辦最後一場 RAG 實作工作坊,報名連結 , https://exma.kktix.cc/events/ai-for-dev-course-rag-2 注意: 接下來每個大段落結束都會有一段工商導入,但文章絕對精彩,請注意! 為了讓各位容易想像,我們將整個世界的資訊,先濃縮到這本『西遊記』的世界觀當中,我們整個世界都在這個 『西遊記』 ,而 大型語言模型 我們用 『書精靈』 來描述。 PS. 我們先預設各位,應該都有聽過,西遊記!如果沒有聽過西遊記的,請右轉出去,謝謝! 先來談談向量 在《西遊記》的世界裡,我們可以把 向量想像成一種「內容座標」 ,讓系統知道每個角色、場景、法術等的 「位置」和「距離」 。向量幫助語言模型知道不同內容之間的關聯程度。 向量就像內容的「距離」和「位置」 比方說,唐三藏的 「位置」(向量)會接近「佛經」和「取經」 的概念,因為他一路上都是為了取經而前進。孫悟空的 向量位置則會更靠近「金箍棒」和「七十二變」 這些概念,因為這些是他的特徵。 相似內容靠得更近:像「佛經」和「取經」會靠近唐三藏的向量,因為它們彼此有很強的關聯。 相差較大內容會離得較遠:像「取經」和「妖怪」「妖怪的寶藏」就距離比較遠,因為妖怪的寶藏和取經的目標關聯性不大。 是誰決定的這些位置? 簡單來說,這些位置和關係是模型自己學出來的。語言模型會閱讀大量的資料和這世界觀的資訊,觀察哪些詞語經常一起出現,根據「共同出現的頻率」來決定它們的關係,並且自動生成向量。例如: 如果模型看到 「唐三藏」 總是和 「取經」 一起出現,它就會讓「唐三藏」的向量靠近「取經」。 ...

2024 推薦關注的 JavaScript 知識

以 js 整體發展來看,目前自己最看好的發展是在於兩個面向,一個部分是 Storybook ,一個部分是 Web container ,為何會是這兩個部分,這邊也分享一下自己的見解。 Storybook Storybook, 如果有用過的朋友都知道,他是屬於前端的展示,可以從 UI 的結構,到 parameter 的傳入,以及 component 如何使用的方式細節呈現等完全呈現。 AI 的到來,加上 Storybook 的呈現,可以讓新發展,或者更新版本的 UI Component 不再是孤兒,很快的 AI 可以學習如何使用新的 Component, 且在同時可以讀取 UI 畫面(Vision) 的狀態下進行識別 UI 在呈現上可以使用的方式。 同時也可以直接了解整體程式碼在使用上可以有怎麼樣參數傳入的方式,甚至是,你只要發展出一套 react 的版本,透過 AI 可以直接透過 Storybook 的版本,直接用最典型的狀態(但不一定效果最佳)轉換成 Vue, 或者 Villina JS 的版本。 這對於開發者,是一個多大的福音,Do Once, Call Everywhere. Web Container Web Container, 正所謂,Container 之下無蟒夫,容器化不只是能夠跑在後端,現在也能夠跑在前端,加速了整體的部署,同時也加速了以往的 SSR 的限制,以往很多時候『it works on my pc』的窘境將不再復見,你的瀏覽器將是我的雲端,You are the edge of mine, 聽起來有多浪漫,光靠這招就是一個歡呼! 完全就是一個端到端,環境的問題接下來將再不是一個問題,以往會有的 Node.js 的問題,接下來都可以在 Web Container 裡面排除掉,直接快速的進行部署實現,同時執行出應用端應該有的樣子。 當然瀏覽器支援度會是一個問題,不過我相信這只是時間的問題而已,相信在座的各位,最多的就是時間! 等吧! JSDC 2024  JavaScript Developer 年度盛會,線上展開。 這次講師要講什麼,就是要講這些有的沒的,還不來聽嗎? 聽懂幾個關鍵字,開心學會一輩子! JSDC 2024 網站: https://2024.jsdc.tw/ JSDC 2024 售票連結: https://www.a...

從易經八卦到 AI 應用:用 LLM 自動化數據整理的工程探險

從 2023 年開始,在去年 為何技術老人這樣想那樣做? 的那場分享之前,就開始探索管理的更多可能性,以及探索更深層的奧秘,宇宙的二進位,生活中的陰與陽,到透過朋友深入探索 8 進位和 64 進位的玄學領域。 一開始只是想將自己體驗進行工程的還原,先是以為透過 ai 可以很快(偷懶)就可以解決掉資訊整理的問題,這邊有些踩雷的過程,以及對於整體實作的紀錄,分享給大家。 人生,原本以為很輕鬆的事情,最後都會不太容易 原本目標是希望將網路上許多的八卦資訊,以及六十四卦象內容,透過 AI 將資料進行彙整,就資料進行整合以及釐清就花了些時間 (汗) 以下且聽我慢慢道來 ... . 思緒步驟 大概步驟會是這樣,首先進行基礎八卦資訊搜集,大概由乾掛到坤卦,這些都可以在網路上容易取得,(這邊採用的是先天八卦順序) https://chatgpt.com/share/672083ea-4000-8010-ae50-3e120d845244 接著進入重點, 64 卦目前並沒有太多工程項目可以進行整合資料,因此主要透過 ChatGPT 產生資訊,以及透過 wiki 進行先達到快速效果。 https://chatgpt.com/share/67208416-c210-8010-9d43-a8c7235a1b03 緊接著,就會得到一串很像是 64 掛的內容, 不看不知道,一看嚇一跳,取得資料中會包含錯誤資訊,對應錯誤的上下卦,但畢竟是電腦,有錯很正常,這才是我認識的 ChatGPT (這邊也有試過 Claude 也有相同問題)。 校正回歸 此時經驗就非常重要,透過 AI 協助我們進行資料編寫比對,但不是單純的比對,而是要先想清楚自己的目標是什麼。 64 卦,兩兩相對。 64 卦,每個卦象不重複。 基礎於一開始 『懶』的狀態 , 首先直覺性的,是將比對錯誤的 json 直接丟入,原本預計透過 chain of thought 的方式,讓 llm 進行重複確認,但 ... 測試發現,需要透過 llm 產出原生資料越大時,隱藏的重複錯誤性會隨之提高。 llm 不轉,我轉 因此,這邊的解法朝向糾錯為主。 首先回到目的性,我們需要得到的結果是 完整的 64 卦象 取得對應的正確上下卦位置。 當我們有這樣明...