Hi 讀者，
在開始本週的內容之前，我想跟各位報告一個消息，由於 ALPHA Camp 的內容經營方向將有所調整，《RISE-UP 科技人才升級週報》將在下週三（2 月 7 日）發行第 27 期後先暫停出刊，感謝各位讀者一直以來的支持，希望這份刊物有確實在商業管理、科技趨勢與職涯發展等各方面向各位讀者推薦深度與實用性兼具的內容。我們會在下一期提供更多的後續資訊。
撰寫本文的時候，剛好 Apple Vision Pro 評測解禁，對這個產品感到好奇的讀者，我們推薦兩篇評測文章：來自 The Verge 的 〈Apple Vision Pro review: magic, until it’s not〉 與 John Gruber 寫的〈The Vision Pro〉，後者向來對蘋果較為友善，讀者可自行斟酌。影片評測除了 The Verge 的之外（近 30 分鐘），也可以參考華爾街日報記者 Joanna Stern 拍攝的短片，以她一貫的幽默風格，試圖在生活的各種場景使用 Apple Vision Pro，例如烹飪和滑雪（誤）。
另外還要提到一項產品，我們在上一期提到「AI + 搜尋」的趨勢，本週 Arc 瀏覽器開發商 The Browser Company 推出「Arc Search」iOS app，主打功能是快速搜尋，啟動 app 後會立刻出現搜尋框與鍵盤，使用者輸入關鍵字後會提供一個「Browse for Me」功能：自動彙整前幾項搜尋結果，產生一頁整理後的資訊（並且附上原本的項搜尋結果連結），感興趣的讀者可以下載來玩玩看。
Titan
[中] 李昆謀／RMN 的六種可能型態
原文連結｜閱讀時間：10-15 分鐘
本文作者是 91APP 產品長李昆謀，他在文中以媒體、通路、品牌與廣告系統商之間的關係，來探討 RMN（Retail Media Network，零售媒體廣告）的六種可能型態，並且佐以實際案例作為說明，有助於讀者了解 RMN 的發展與趨勢變化。
根據「台灣數位媒體、廣告技術、行銷科技社群」（Taiwan Publisher Group，TPG）的解釋，RMN 是「零售業者運用廣告技術，如搜尋引擎的關鍵字廣告、聯播網等技術，提供品牌供應商關鍵字廣告以及橫幅廣告。」 目前美國最大的 RMN 業者是 Amazon Ads。而 RMN 本身也已經從原本的「站內廣告」演進成包含運用零售資料和站外廣告聯播網的型態。
作者在本文中提出「通路及媒體」「零售數據是核心」「通路自建廣告系統」⋯⋯一共六種型態，除了以架構圖搭配實際案例說明，也展示出不同型態間的演進關係，例如從通路即媒體型態的站內廣告，走到以零售數據為核心來導入站外流量，再到第三種為了因應 cookieless 時代，以及零售通路商開始收集第一方數據、建立 CDP 系統的通路自建廣告系統。
[英] Bartlomiej Wronski／NVIDIA 科學家平常怎麼使用 ChatGPT
原文連結｜閱讀時間：25-30 分鐘
各位讀者應該多少有使用過 ChatGPT，相信有些人也已經把 ChatGPT 或是其他 AI 相關的工具納入日常工作流程；但如果你只用過免費版的 ChatGPT，對於這類工具的實用價值還抱有懷疑，或許閱讀這篇文章會有些幫助。本文作者 Bartlomiej Wronski 在 NVIDIA Research 擔任首席研究科學家（principal research scientist），研究領域是即時電腦圖像技術。文中列出各種他在工作跟生活上如何使用 ChatGPT Plus 的場景，其中有不少地方跟我的使用經驗相符，有興趣的讀者不要錯過了。
首先是關於工作，Wronski 經常用到 ffmpeg 和 ImageMagick，但他是 command line 苦手，他說 ChatGPT 可以完美地解決各種需求，從基本的轉檔工作到複雜的任務，ChatGPT 都可以生出有效、可運作的指令，這也跟我讓 ChatGPT 產出 pandoc 轉換文件格式指令的經驗相符。Wronski 還舉了一些跟程式語言腳本、正規表示式和 LaTeX 等等的使用情境。
Wronski 表示自己有輕微的自閉症類群障礙（ASD），在理解他人和根據情境判斷、調整溝通方式等方面比較有困難，有時光是要回覆一封簡短的 email 也可能花掉他一小時去斟酌語氣，但 ChatGPT 可以很快完成任務。文中開玩笑地猜測，科技公司（例如他待過的 Google）應該有不少員工都會用 ChatGPT 來寫 peer review。Wronski 還提到一個有趣的用途，可以請 ChatGPT 擔任你的家教，在一些常見但你不熟悉的主題「考考你」，又或者是請 ChatGPT 在你學習的過程中指出、解釋你的錯誤，他說這在語言學習上特別有幫助。
不過 Wronski 也提醒：千萬不要把大型語言模型當作是知識模型（knowledge model），否則你會很失望。綜觀全文，Wronski 的 ChatGPT Plus 使用經驗並不花巧，沒有用上什麼 hack 或是 prompt engineering 手法，或許也因此更加凸顯出這項工具的實用性。（Wronski 強調文章都是他自己寫的 XD）
[中] YWC／ElasticSearch 打造搜尋產品的經驗談
原文連結｜閱讀時間：10 分鐘
本文是我前陣子在 PTT Soft_Job 版讀到一篇文章的部落格版本，作者 YWC 以他個人在電商與垂直搜尋的個人經驗，從「公司要為產品打造搜尋功能（甚至將搜尋作為產品）」的角度出發，依據「搜尋」這件事的定位、打造搜尋生態系、搜尋評量指標與 ElasticSearch 技術的應用等四個環環相扣的部分，去分享需要注意的概念、事項與思考方向。
作者首先指出的就是要確定產品目標，也就是團隊要先弄清楚：為什麼要做搜尋？想要投入多少資源？要呈現的搜尋體驗是什麼？「precision or recall? 給使用者答案或探索（推薦）？搜尋結果希望『寧缺勿濫』或『寧爛勿缺』？」YWC 寫道。在搜尋評量指標的部分，作者提到一個「Boss」評量指標，如果老闆問說：「為什麼這幾個詞的搜尋結果這麼差？」可以先思考這跟使用者有關還是商業策略有關；作者也提醒，這些指標需要由 PM 跟開發者一起研究。
本文提供很多實用的提醒事項，我不清楚本文與 PTT 文章版本的先後順序，也在此提供 PTT 版本的連結，作者有另外給發問的原 po（一位 PM）一些建議。
[英] Michael Lopp／如何及早發現、預防優秀的員工因為「感到無趣」而辭職？
原文連結｜閱讀時間：10-15 分鐘
這是一篇 2011 年的文章，作者 Michael Lopp 是一位擁多年經驗的技術主管，曾經任職於 Netscape、Palantir、Slack 和 Apple 等，他從 2002 年就開始寫部落格至今，出版過幾本關於軟體開發者、軟體工程管理與領導力相關的書籍。
當你手下的優秀工程師有天突然無預警地遞出辭呈時，表示他/她可能不再相信這家公司的前景，但 Lopp 認為，更糟的是他們覺得「在這裡工作很無趣」，對此他在文中分享了可以如何及早辨識出優秀員工感到無趣的徵兆，以及幾種可能的解決方案。
Lopp 分享了三個可以偵測無聊訊號的方法，其中一點是「反常」。當一位平常很優秀的員工突然生產力下滑、在出乎意料的時間點請假、遲到早退⋯⋯ Lopp 甚至建議可以直接當面詢問（他寫了一篇文章談 1:1）。至於「防無聊」的解法，Lopp 認為管理者要先自問：「他們想在這家公司做什麼？」「公司和管理者有要讓他們達成目標嗎？」如果這兩個問題有答案，那剩下的事會簡單一些。他後續提供了六個解法的方向讓讀者參考，對這個問題感興趣，或者你正好是面臨這種煩惱的管理者，或許可以閱讀 Lopp 的文章。
閱讀更多內容，請看《RISE-UP 科技人才升級週報》各期目錄。
