# 靈能的挑戰：從碼農開始的通靈王之路 - Kyo Cheng

{%hackmd LeyMdnM3Q4ipfr57bkqpyA %}

#### [📚 ://webconf.tw/agenda/day1-1-f)

###### ▼▼▼ 開始筆記 ▼▼▼

[簡報](https://docs.google.com/presentation/d/1OkdFs2CjQHN5M_UJjqfd38BSuZNtCkhnOQFFgzdjJYs/edit?usp=sharing)
通靈會跟著工程師ㄧ輩子... (真有感XD

來自Titansoft的Kyo
The battle of psychics

12 年全端經驗
TibaMe 主要後端工程師
高雄小型讀書會

Certification: PMP CSM CKAD (k8s)

高雄經營小型讀書會五年以上，熱愛參與活動
沒有經營粉專部落格跟寫書

### 首先
什麼是碼農？
一直需求來就做，重複性的工作沒有太多的思考。
技術門檻低，沒有決策權，可能資策會轉職就可以出來找工作

需求來就做
重複性工作
缺乏決策權
技術門檻低

--> 容易被取代
往下一階段

### 何謂通靈？

> 這在我的機器上可以 work阿

我沒動這裡的程式啊

log + code + domain 皆不知

### 未知帶來恐懼
- 未知領域
- 已知領域

已知=> coding
未知=>
- Legacy
- Infrastructure
- Network
- Net Technology

其他未知
- 盲人摸象 -> 無法掌控全貌
- 不熟悉的 domain
- 使用者需求

需要擴展知識

### Observability

- 日誌
捕捉事件記錄已進行分析和故障排除
留下執行行為

- 指標
提供量化數據以進行效能測量級趨勢分析

- 追蹤
追蹤請求在系統中的鏈路已進行流程分析
使用漏斗把鏈串起來

#### Example
Spooler 接收 VM / Pod+Container

beats -> logstash -> elasticsearch -> kibana

把log切成多個欄位的時候，就可以有效的在kibana上面可以做搜尋

使用關鍵字

#### 指標 Resource Metric

Victoria -> 強化版 Prometheus
再透過Grafana去抓到dashboard

Grafana 可通 victoria 也可通 ElasticSearch
設置好觸發事件

持續用 Prometheus Query DB

集合起來使用 Grafana 送到各地

#### 追蹤 - APM

APM
可以去看 api routes 的 latency

就可以在ELK上面看到數據

Open Telemetry (otel)
圖中的 Bar 可以看執行時間

#### 追蹤 - Distributed Tracing

透過ELK就不用去跑很多的服務追log就可以整理同一個trace.id找到他經過的所有不同服務。
可以透過opentelemetry來做，或是來做request.id放在header自己來做，傳到所有的微服務可以持續往下送，只要parsing出來就可以看到request在不同微服務的路徑

#### 真的需要微服務嗎？

- 微服務的錯誤起手式: 職責拆分
教室 課程 會員 都切成微服務，做一個賣課程的功能結果還是需要 release 全部專案
- 溝通節點變多 Coding 複雜
- 還沒享受到好處被壞處搞死

#### 推薦的微服務
前期收集資訊，

DDD Domain Driven Development 前期資訊

bounded context 巨
- 討論出bounded context
- 將相關的bounded context聚合成monorepo

#### 拆分時機
- 特定bounded context變更頻繁
- 特定bounded context流量較大
- 其他Z>B的時候
- 其他利大於弊

#### 通靈 Case 1
API

hotspot invalid
cache固定早上八點失效，但他就會更新，中間有空窗期，就會導致request持續進來，導致cpu high，若是有可觀測性你就會知道問題在哪裡了

Web API loading is heavy

### 見樹不見林
專注在一個點，卻互略了外在因素
#### 通靈case 2
這 SQL 在我電腦上跑很快 Prod環境慢到不行

(這裏請在場觀眾舉手表決)
- [ ] 資料量變大效能不穩 archiving(定期拿出資料)
- [ ] 變數不同執行計劃 paramteter sniffing (index建立)
- [ ] datalock 查詢速度不穩定 transaction
- [ ] 網路架構不同 查詢速度不穩定 infrastructure

實際上四個都有可能

上面的domain知識略有不同

### 軟體人才Ｔ形
Broad
Ability to work outside of core area
Deep

Ken Rubin - A Counterbalance to the Work variability from sprint to sprint
應對每個 Sprint 工作變化的平衡之道

好的敏捷團隊都是T形，這樣會限縮你對需求的想法，你有更多的思維面對issue有更多的想法，面對通靈的時候可以更快地知道通靈的發生原因

不要限縮領域，可以更瞭解需求

廣度 > 深度

除了webserver外，資料庫 sql cdn cache多了解之後你面對問題的時候就會有更多的想法

#### 通靈3 字體錯誤
緬甸使用者回報在電腦上數字會畫面跑版

數字畫面跑版

x.toLocaleString('my-MM')

> 原來是電腦缺失緬甸字型

### 知識廣度不僅僅只是技術

#### FinOps
不是技術也不是語言，是一個框架

團隊透過框架理解有沒有資源浪費
造成浪費利潤會吃掉，公司會倒掉

https://www.finops.org/framework/
用此網站，團隊討論是否有浪費

> 平均 100 元中有 30 元是浪費掉的

Titansoft use dashboard to observe the cost

Kubecost - Third-party

### 需求來自觀察
客戶 + PM 皆不知

客戶通常說顯性需求，但真正需要的是隱性需求

* 站在背後觀察
* Persona
* Hotjar

#### 延遲決策
- 晚一點下決定，先試著了解背後解決的痛點
延遲決策!=拖延
透過迭代著不讓需求明確

#### 通靈檔案cas4 -> 你的需求不是你的需求
請幫我做一個首頁新增公告，通知新增需求

示圖了解背後的痛點

- 5 why
- 新增公告的需求
- 錯過重要通知
- 難以區分訊息的重要性
- 通知缺乏優先級
- 渴望重要訊息即時被看見

這個痛點是否一定是用這個解法，也許不是，有沒有更好的解決方式：
說不定新增icon顏色就可以解決問題，想一下痛點提出更多方案給使用者，可以誕生更好的解決方式

### 第一性原理

第一性原理

你將事物分解到最基本的事實，從這些基礎向上推導出各種結論

first principles is a physics way of looking at the world. you boil things down to the most fundamental truths and then reason up from there.

Elon Musk

## 產品經理 vs 軟體工程師

PM 專注商業價值
Engineer 實現產品功能

PM & Engineer 不是一刀切分，應該是互助讓產品更好

### Product Developer
業務領導技術前進，技術支持業務成長
business lead to technology innovation

#### 一切從產品出發
持續改善
觀察成效
收集回饋
中心是技術成長

#### 如何提升成員對資料的 awarness

(Workshop)
* 設定資料需動的目標 (ex: 定KPI)
* 不只上線，還要觀察成效
- 使用視覺化工具，讓資料融入開發日常
- (All Hands XDD)
- 建立用數據說故事的文化
- 為何雙11成長

### 再來談溝通這件事
PM 我想要爬蟲APP資訊

- APP 爬蟲
- Wireshark --攔截並分析網路封包，取得數據
- OCR 截圖提取文字內容
- Accessibility 利用無障礙API 模擬操作並獲取結構化資料
- Appium -> 自動化模擬操作，擷取畫面資料

上面說的做法你們都知道吧？
.. 不是只丟名詞

我可能被知識詛咒了

我給你一副牌，但你給我的pair可能跟我的認知不同
pair -> Pocker vs Pockmon (火伊步)

### curse of knowledge

### 我們討論需求的時候不是

TitanSoft 中的討論工具
- 便利貼
- 白板筆
- 蕃茄鐘
- 佈告欄

利用圖畫的方式讓彼此的認知在同一條線上

### 最容易發生知識詛咒的場域？HERE
我們背景知識不一樣 XDD 在座的各位

會後簡報會放在上面

### One More thing
- 提高自己的知識體系
- 全域搜尋程式碼 通訊軟體訊息
- domain chatbot by ai agent (ex. notebookLM)
- 快速找到對應的窗口

- 善用 AI 工具
- Code Review, refactor unit test, document
- VScode extension: copilot with sonet model
- Cursor
- generate vue from Figma
- others

### AI是良藥也是毒藥
70%的問題：AI的學習曲線悖論

非工程師在使用ai工具的時候可以快速的完成七成的工作，三成的工作變成了事倍功半的挑戰

工程師多年累積的經驗應用於塑造跟約束AI的輸出
AI加速了實現過程，但他們的專業知識才是確保產品上限的關鍵

30% 變成事倍功半的挑戰

專業知識才是確保產品可上線的關鍵
不是產生幾百字就好，工程師也要看

系統需求本來就不是幾百字 prompts 可以描述出來的

非工程師用prompt可以得到很快的成就感，但工程師可以的專業才可以最後確保東西可以上線

> 問 ai 少了一個痛苦的過程，學習必須要撞牆過才會變成長期記憶

建立可觀測性：讓所有行為、產品都都在陽光下
提升知識廣度
需求來自於觀察
避免知識詛咒
業務領導知識前進，技術支持業務成長

科學的盡頭是玄學

<div style="color:red; font-size:50px">科學的盡頭是玄學啊</div>

快樂來自於交付有意義的成果!!

###### 聊天區

macbook 的中文輸入很雞肋
知道要舉四次會懶ＸＤＤw
簡報上線讚讚