從商學院到 FAANG：我花了五年，成為軟體工程師。(一) | 本週科技大事 | 開發週記 — AI Podcast 生成器

這集 Podcast 分為三個主要部分：講者分享個人從商學院成功轉職為軟體工程師的五年心路歷程（一）、本週重點科技新聞評析，以及個人 AI 專案的開發進度與反思。

## 第一部分：我是如何花了五年，從商學院一路走到 FAANG 成為軟體工程師 （一）

首先，我想分享我個人的轉職歷程，這個部分因為很多很好玩的故事可以分享，可能會分成三到四集更新。本集談到的內容有：

1. 漫長的抉擇： 轉職並非一時衝動，而是經過長達一年半的深度猶豫與自我探索才下定的決心。
2. 理論的火花： 在研究所的 NLP 課堂上，我第一次體會到用數學理論（如 Cosine Similarity）解決實際問題的震撼與魅力，這是點燃我程式熱情的關鍵火苗。
3. 學習如練功： 我將學習程式視為一場「打怪練功」的遊戲，享受著每點亮一個技能樹（如 SQL、Web 框架）所帶來的即時回饋與強烈成就感，這讓我從不覺得努力是痛苦的。
4. 興趣是續航的燃料： 我認為，要在這個領域走得長遠，發自內心的興趣遠比單純追求職涯發展更重要，它能幫助你度過學習的痛苦期。
5. 結合專業的初次嘗試： 我曾試圖結合會計專業，開發自動化「移轉訂價報告」的工具，這是我將新舊技能結合的第一次實踐。
6. 從失敗中學到的商業課： 這次嘗試的失敗讓我深刻理解到，工具的技術優劣，未必是客戶（會計師事務所）的核心痛點；他們更重視的是客戶資源與年資，而非效率工具。
7. 傳統求職路徑的碰壁： 作為非本科生，傳統的履歷投遞方式讓我屢屢受挫，這讓我意識到必須找到一個更能展現我實際解決問題能力的舞台。
8. 策略轉向：找到適合的舞台 我發現自己不擅長純演算法競賽，但極度適合解決商業問題的「提案競賽」（黑客松），於是便將重心轉移到這個能發揮我優勢的地方。
9. 一次聰明的自我行銷： 在一場企業解題競賽中，我憑藉認真解決問題的態度脫穎而出，並在簡報的最後一頁巧妙地放上我的履歷，成功地將舞台變成了我的求職博覽會。
10. 錯失的機會與反思： 在拿到第一份工作後，我因過於天真而錯過了 AWS 的面試電話，這讓我反思在職涯早期，視野與認知的重要性。

## 第二部分：本週科技大事

1. 新聞一：OpenAI 推出 GPT-5
GPT-5 在用戶體驗上被批評失去了 GPT-4 的「溫暖」與情感互動能力；但在技術上，其邏輯推理、精準度與程式編寫（Coding）能力大幅提升，表現驚人，足以挑戰 Claude 的市場地位。

2. 新聞二：科技巨頭的「挖角式併購」新策略
Google、Meta 等公司開始採取新策略，不再收購整間新創公司，而是直接高薪挖角其創辦人或核心人才，導致原公司被掏空，員工股權價值歸零。

3. 新聞三：Meta 的近期爭議
Meta 本週爆出兩起爭議：1. Instagram 地圖功能因授權介面設計不佳，引發用戶隱私洩漏的擔憂。 2. 其 AI 模型被發現在訓練過程中，曾對兒童說出讚美其「青春形體」等不當言論。

4. 新聞四：用「聞」的診斷帕金森氏症
英國一位護理師被證實能透過嗅覺，準確辨識出帕金森氏症患者身上的特殊氣味，為醫學研究開闢了全新的診斷方向。

## 第三部分：開發週記 — AI Podcast 生成器

這個頻道一部分我想要開始分享我每週的開發週記，

目前我正在開發一個專案，做自動化的AI Podcast 生成器，這個生成器已經全自動的跑超過兩個月的時間，每天固定的產出內容，這個專案的目標不是販售AI工具，是產出我自己有興趣的國際大事，我真的透過每天收聽去優化聲音腳本，這個開發的歷程讓我有很多啟發跟想法，我希望可以每週跟自己對話，把開發過遇到跟解決的問題、甚是是未來的規劃都記錄下來，在這裡也一並分享給大家。

1. 用創業框架驗證想法： 我用「更快 (Faster)、更便宜 (Cheaper)、更好 (Better)」的框架來檢視這個專案。目前 AI 產製已經做到了前兩者，我現在的挑戰與重心在於如何讓內容品質做到「更好」。

2. 本週技術方案： 我開發了「新聞去重」功能，採用了「Embedding 向量初篩 + LLM 模型細判」的兩階段架構，以兼顧效率與準確性。

3. 工程上的血淚教訓： 在開發過程中，我深刻體會到模型 API 的極度不穩定性。這讓我學到，**建立備援機制（Fallback）**至關重要，但這也帶來了架構的複雜性（例如：不同模型的 Embedding 不能直接比較）。

4. 全「Vibe Coding」的震撼體驗： 過去大都小心翼翼的讓AI在既有的程式專案中逐一審核修改。本週我終於嘗試了一把「不看程式碼、只看介面跟Feature」的Vibe Coding，直面工程師內心對無法掌握專案的脆弱，做出了這個YT頻道的介面，幫助我透過即時語音辨識與LLM問答，得到虛擬的即時觀眾反饋，讓我可以話題不中斷。

5. 最重要的反思—我對 AI 的信任已超越自己： 這次經驗讓我震撼地意識到，在避免低級錯誤（如少一個括號、參數錯誤）這件事上，我對 AI 的信任度甚至已經超過了對自己的信任。這種「能力喪失感」與人機關係的轉變，是我在這週感受最深刻的衝擊。

希望今天的分享，能帶給你一些啟發與收穫。

## 自動化Podcast
Voieech科技日报：https://www.youtube.com/@voieech科技日报

## 聯絡我
jeremy@voieech.com

Powered by Firstory Hosting