2026.12.12
Experience
Staff Software Engineer @ Nitra 2026 - Present
Staff Software Engineer @ Crescendo Lab 2021 - 2025
Junior-Staff Software Engineer @ Umbo CV 2018 - 2021
Community
工程組導師 @ 第六屆曼陀號領航計劃 2024
講者 @ 台灣技術社群 (slides) 2018 - Present
My LinkedIn:
AI轉型如何開始
轉型後如何優化
Q&A
導入 ≠ 轉型
2026 年了,導入基本沒實踐門檻。人人都用 AI Coding、開發產品
AI 轉型不是鼓勵多用、導入新工具、只調整工作流程
AI 轉型是:
說穿了,就是個組織/團隊層級的內部倡議
天時:符合時空背景與趨勢的願景 (Vision)
地利:符合組織文化、團隊慣性的執行準則 (Guiding Policy)
人和:對齊期待,開放團隊參與 (Team Engagement)
讓我們看個實際案例:
Nitra 的工程倡議-Deployment Express
One-Liner:
希望透過優化軟體發佈的流程,解決目前產品開發時常會互卡,產生難以預估的上線延遲風險,最終影響產品的 Go-to-Market 規劃。
Before:程式碼審查依賴人工,產品發佈彼此相依
After:程式碼審查高度自動化,產品發佈彼此獨立
指標: Lead Time for Changes & Change Failure Rate
執行方向
Do's:什麼行為值得鼓勵?
Don'ts:什麼行為希望避免?
在 Top-Down 與 Bottom-Up 中找到平衡
| 執行風格 | 解決問題 | 對齊標準 | 對齊期待 | 塑造文化 |
|---|---|---|---|---|
| Top-Down | ❓ | ✔️ | ||
| Bottom-Up | ❓ | ✔️ | ✔️ |
對齊期待與標準 - 以 PR Review Automation 為例
開放討論,讓苦主來規劃
開放自由參與執行
最後,整個 Deployment Express 倡議改了些什麼:
AI 導入 ≠ AI 轉型
AI 轉型是倡議,要解決真實的問題、對齊標準與期待,更要塑造團隊文化
倡議的成敗,不在於倡議者多會起頭,而是怎麼讓團隊跟得上
我們遇到什麼問題? => Increasing Complexity
As a program is evolved, its complexity increases unless work is done to maintain or reduce it. — Lehman's second law of software evolution, M. M. Lehman, 1996
Cognitive Surrender
Rule Entropy
Rule Entropy
AI Review 沒有訂好標準
產生的大量 Slop
Cognitive Surrender
Author 無法消化所有回饋
改由 AI 判斷與回覆
Rule Entropy
試圖優化但無法理解規則
加更多規則補落差
Cognitive Surrender
Reviewer 無法消化所有回覆
改由 AI 判斷與回饋
AI-Reinforced Loop
AI 寫、AI Review、AI 判斷
One-Liner:
我們希望透過培養工程師成為特定的領域專家,並將他們的知識寫成人與 AI 都可以理解的標準,並工具化。AI 承擔重複性的工作、加速開發,人專注在做決策與管理風險。
Before:AI 產出氾濫,人消化不完
After:每個 AI 產出都有對應的標準與人負責把關
從既有的 Doc 與 Skill 中萃取出有用的知識與規則,變成題庫形式的標準
用 Golden Quetions 訓練人
用 Golden Quetions 迭代工具
AI 轉型後,挑戰才正要開始
如何解決:打造以人為本的工程文化
An engineer moves forward; the team moves forward.
— Team Velocity, the core value of Nitra Engineering
AI 轉型是團隊倡議
解決問題、對齊標準、塑造文化
AI造成的問題,最終都是人的問題
培養專家、工具化標準、打造持續成長的友善環境
最後,讓我們透過 Q&A 來交流吧 😈