AI & Data Dreamers練功房
寶箱片場規則
資料工程師 資料分析師 資料科學家 機器學習工程師 AI 應用工程師 後端工程師 FDE/解決方案工程師 架構師 Tech Leader AI 產品經理
Tech Lead・職位指南

Tech Leader

帶一個小團隊把事情做完:拆工作、交出去、定驗收、看結果;台灣職缺多叫技術主管。

自評進度
登入後記進度
FIT・適合誰
  • 會在意整個團隊的進度,不只自己負責的那一段
  • 願意把自己做得來的事交給別人做,花時間看他的 PR、給具體回饋
  • 能把「這段設計為什麼這樣」講給工程師聽,也講給非技術的人聽
DUTIES・職責

每天在做什麼

  • 拆工作:把專案劃分成清楚的模組和任務,每個成員有明確的職責
  • 訂團隊的開發規範:程式碼風格、PR 流程、每次提交都走程式碼審查
  • 技術決策:主導開發方向、選型、技術債什麼時候還,對技術方向提出建議
  • 對外溝通:和產品、主管、其他團隊對齊需求與時程;範圍變了先講影響
  • 帶人:一對一、給回饋、和組員一起找下一步要練的東西
  • 自己仍寫程式,但比例下降;常接的是最難、或還沒人熟的那一段
SKILLS・技能

必備

  • 技能樹門檻:需求與簡報 ③+帶人與專案管理 ②,再加任一枝技術到 ③
  • 程式碼審查:看得懂團隊每一段程式,回饋說得出要改哪裡、為什麼
  • 工作拆解與估時:把需求切成一週內做得完的任務,排出里程碑
  • 需求與簡報:寫需求文件,向主管報告進度、卡點與風險
  • 帶人基本功:委派、給回饋、一對一

加分

  • 專案管理:時程、範圍變更、風險回報;Trello、Jira、Notion 這類協作工具
  • 工程流程:CI/CD、測試策略、上線與 on-call 輪值
  • 招募:寫職缺、出面試題、評估候選人
  • 系統設計:能和架構師討論取捨,必要時自己做決定
INTERVIEW・面試準備

會被問什麼

  1. 行為題:帶過最難的一個專案、組員之間意見衝突怎麼處理——用 STAR 法則
  2. 委派題:組員交出來的東西能跑,但結構不是你要的、也沒有錯誤處理,你怎麼做
  3. 流程題:你會怎麼設計 PR 與審查流程,怎麼讓規範有人照做
  4. 取捨題:時程來不及,你砍範圍、加人,還是延期?怎麼跟主管說
  5. 技術題:一樣會考系統設計與程式,看你能不能做技術判斷
NEIGHBORS・相鄰職位邊界

和誰容易搞混

架構師

架構師管系統的設計決策;Tech Leader 管人和交付。小團隊裡常是同一個人。

AI 產品經理

PM 決定做什麼、為什麼做;Tech Leader 決定怎麼做、誰來做、多久做完。

後端工程師

Tech Leader 多半從後端或資料工程師做上來,帶著原本那一枝的技術深度,再加上帶人和對外溝通。

工程經理(Engineering Manager)

更偏人和組織:招募、考核、職涯發展;寫程式的比例比 Tech Leader 更低。

HEADHUNTER・與獵頭合作

怎麼跟獵頭談

  • 職稱有 Tech Lead、技術主管、Team Lead、研發組長;問清楚要帶幾個人、自己還寫多少程式
  • 履歷寫團隊的成果:帶幾個人、交付了什麼、流程改了什麼(審查流程、上線頻率)
  • 問清楚是團隊內升任還是外部招募;外部進去要先花時間讀懂既有系統和人
  • 問考核看什麼:團隊交付、技術品質,還是個人產出
READ・延伸閱讀

這份指南整理自 Dex 的文章