Hi 讀者，
我們上週推薦的文章「沒有專職 PM、不靠數據，Linear 怎麼打造產品？」最近推出影片與 podcast 訪問版本，如果你比較喜歡訪談形式，可以點擊連結去收聽/觀賞。
另外一件想跟大家分享的是我們的好朋友 ihower 宣布推出電子報《愛好 AI Engineer 週報》，定位是針對會寫程式的讀者，提供關於 AI engineer、LLM 應用開發和 prompt engineering 等主題、可以實際派上用場的內容與文章推薦，感興趣的讀者可以點擊前面的連結訂閱或者閱讀第 0 篇內容。
Titan
[optin-monster-inline slug=”hlq7r8kikxf7imrv22xq”]
[中] 黃昱嘉／軟體工程師轉職行銷主管，學會這三件事讓我成為更好的領導者
原文連結｜閱讀時間：10-15 分鐘
你也有過擔任主管的「創傷後壓力症候群」（PTSD）嗎？是否曾經無奈地「降低品質標準」？作者黃昱嘉在一次組織重組後從軟體工程師（被）轉職為行銷主管，本文是他分享領域與身份轉換所經歷的衝擊，以及他從中獲得的三項學習與體會。
作者先描述了他在轉任主管後遭遇的兩個狀況，其中不管是「經常要救火」還是「團隊成員無預警離職」，相信有些擔任過主管的讀者不會感到陌生。尤其文中一句「後來只要聽到部屬說：『可以跟你討論一件事嗎？』並走向空會議室，我就會再次經歷同樣的創傷。」真的很有畫面。
文章後半段，黃昱嘉分享了他怎麼剖析問題、找出解法。例如他發現「降低品質標準」其實是「目標溝通不清」的結果；又例如他開始嘗試運作有效的一對一會議，和同事建立起信任關係後，也就不再出現「閃電離職」的事件。
[英] Amanda Peyton／成功的公司都是相似的，失敗的公司各有各的不幸
原文連結｜閱讀時間：15 分鐘
本文作者是 Fintech 新創 Braid 共同創辦人 Amanda Peyton，Braid 成立於 2019 年，主打多人共用錢包（共用的銀行帳戶）與借記卡（debit card）服務，算是一種消費性的支付（payment）產品，例如就有消防員們用 Braid 存放「公積金」。Braid 從 Index 和 Accel 等創投募集到一千萬美元，然而卻在上個月宣布終止營運。Peyton 分享了四年來公司的幾次起落，以及她從中學到的五個寶貴教訓。她在文章前段改編托爾斯泰的名句，寫道：「成功的公司都是相似的，失敗的公司各有各的不幸。（Successful companies are all alike; every failed company fails in its own way.）」
Peyton 在文中列舉了五項迷思，例如早期採用者是你最好的客戶、公司成長指標很漂亮代表隨時可以募到資金、失敗對所有人都是一次學習的經驗⋯⋯以第一點來說，她們發現一開始就很乾脆地存入 500 美元的使用者其實是詐騙集團，真正的使用者行為反而是小心翼翼地轉入幾次小額的款項。她的另一次錯誤是投資人在 2021 年 10 月建議她可以準備新一輪募資，她卻想要等數字更漂亮再說。另一個她學到的教訓是關於使用第三方服務快速搭建產品，不僅有可能因為一筆又一筆的 SaaS 費用吃掉你的毛利，還可能因為其中一個服務改變，在技術上影響整個產品的運作和體驗。
文章最後是關於 Braid 終止營運，團隊在六月就解散，Peyton 決定獨自善後，她買回公司的智慧財產（IP），準備有一天要東山再起。Peyton 說雖然寫文章是為了分享創業經驗，但她個人最大的體悟是「再也不想失敗了」。
[英] James Somers／未來 AI 要怎麼學新東西？
原文連結｜閱讀時間：20-25 分鐘
作者 James Somers 是作家也是工程師，他想探討 AI（準確來說是 LLM）與人類相互依賴的關係，代表問題是：以後 AI 要怎麼學習新東西？因為這些大型語言模型正在威脅他們的營養來源——真人在網路上分享內容的動力。Somers 以工程師熟悉的網站 Stack Overflow 為例，指出自 Web 2.0 以來，有一段時間 UGC 網站（像是維基百科、Yelp 和 Reddit 等）與搜尋引擎 Google 一直是互利共生的關係，網站使用者（絕大多數是無償）產生大量人們感興趣的內容，由 Google 索引之後為網站帶來對內容感興趣的新使用者。
然而這樣的關係就在 Google 推出「OneBox」之後開始發生變化，Google 會試著在搜尋結果最上方顯示「答案」，接著才是搜尋結果，這樣的做法直接影響了網站的流量，甚至有些 Google 提供的答案是直接來自網站裡的內容，可以想見這會引發不滿，例如 Yelp 就曾將 Google 告上法院；歌詞網站 Genius 也逮到過 Google 直接使用他們的內容。那這些事情跟 ChatGPT 等「AI」有什麼關係？根據一項七月發表的研究指出，ChatGPT 推出後，Stack Overflow 的貼文數減少了 16%，到後來甚至進一步減少 25%。（編按：這個研究與今年更早一點關於 Stack Overflow 流量下跌的討論並不是同一個。）換言之，ChatGPT 這類 AI 聊天機器人會降低人們上網分享的動力。同時各大網站也相繼推出第三方使用內容的限制（例如 Reddit 的 API 收費方案），這些都會影響 LLM 的訓練資料來源。
有在追蹤 AI 相關消息的讀者可能已經猜到了，其中一個大家在嘗試的解決方案是「合成資料」（synthetic data），也就是用 AI 自己產生的資料訓練自己（ ChatGPT 跟使用者的對話也是其中一種），但合成資料的訓練效果並不好，甚至可能導致 AI 表現更差。那該怎麼辦？這是文章後半段討論的重點，也加入了一點 Somers 本人的猜想：假如 AI 開始問我問題呢？我們也很推薦他寫的另一篇文章〈The Friendship That Made Google Huge〉，內容是關於兩位傳奇 Google 工程師 Jeff Dean 和 Sanjay Ghemawat 長年結對開發（pair programming）的故事。
[英] Julia Evans／工程師，你應該寫一份自誇文件
原文連結｜閱讀時間：10-15 分鐘
先前我們曾經提到工程師可以藉由「公開自己的工作」增加「好運的表面積」，本文作者、工程師 Julia Evans 提供了另一個思路，這篇 2019 年的文章告訴工程師們應該寫一份「自誇文件」記錄工作成果，讓自己更容易受到認可。她甚至建議大家把這份文件分享給主管和同事。文末有一份 Evans 提供的自誇文件模板，感興趣的讀者可別錯過。
一般來說，好的工作表現應該要獲得認可，但現實總是比較複雜，有些重要的工作容易被看見，有些則因為主管看不懂而沒有獲得應有獎勵（甚至就是單純被忘記了）。Evans 在文章中列舉了幾項支持「自誇文件」的理由，例如你自己可能不記得所有做過的工作，總是要到績效考核時才來回想（然後就忘東忘西），而主管當然也無法完全記得。有了這份文件，就算你臨時被換主管，也可以很快讓他知道你做過哪些重要工作、帶來哪些影響。
Evans 認為這份「自誇文件」也有助於她反思自己的工作，回答諸如「我最自豪的工作是什麼？」「我目前工作的大局觀（big picture）是什麼？」「我應該多做（或少做）什麼事？」「我希望自己的工作產生什麼影響？」等問題。她也提醒讀者不要遺漏那些「模糊的工作」，例如改善程式碼品質、讓 code review 變得更好、讓 on call 工作變得更容易、降低技術債等等。文章後半段還有提到團隊可以怎麼導入這種自誇文件的文化，讓團隊運作得更好。
閱讀更多內容，請看《RISE-UP 科技人才升級週報》各期目錄。
【GenAI Engineer: LLM 應用開發工作坊】向專家學習，快速掌握完整 LLM 技術和 AI 應用的多項案例
