我連結產品與工程，並且親手把它實現。

跨越設計、產品與技術三個角色的軟體專案主管 —— 從 UI/UX 起步，歷經 PM 歷練，現在帶領工程交付。習慣在使用者、營運、工程 三個視角之間靈活切換，並將 AI 融入每日工作流程。

我的三大核心能力

• 使用者洞察 —— 從 UI/UX 累積的訪談與觀察力，讓我能挖掘需求背後真正的痛點
• 商業邏輯轉譯 —— 從 PM 時期累積的能力，將營運語言轉譯為工程規格，降低溝通與返工成本
• 獨立交付力 —— 從需求釐清、技術診斷到跨部門協調落地，能獨立完成完整循環

職涯歷程

• 2022–2024 UI/UX 設計師（亞路科技 Allroad Tech）—— 學會讀懂「人」：SaaS 開店平台、沉浸式預約系統、POS 系統；累積使用者洞察與痛點分析能力
• 2024–2025 軟體專案經理（舒果農 Soohoobook）—— 學會讀懂「系統」：實作 SQL、ERD、業務邏輯，擔任商業與工程之間的轉譯者
• 2026 – 至今 軟體專案主管（舒果農 Soohoobook）—— 駕馭 AI、填補技術空缺：Azure CLI 自助診斷、自建 Claude Skill、進行跨層級技術判斷

跨層級技術能力

• AI 工具設計 —— Claude Code / Cursor / Custom Skills；將 SOP 封裝為可重用的 AI 工作流，把個人 know-how 轉化為團隊資產
• 雲端獨立排查 —— Azure CLI / App Insights / Front Door；Subscription 層級資源盤點與跨區域網路問題排查
• 資料庫效能調校 —— T-SQL / Query Store / Statistics；能區分 CPU 飽和與鎖等待，提出多階段優化方案
• AI 產品開發 —— Azure OpenAI / RAG / Teams Bot；涵蓋從規劃、設計、開發到部署的完整生命週期
• 需求與設計 —— Figma / Notion / UML / ERD；將商業邏輯轉譯為工程可實作的規格
• 工程團隊賦能 —— 撰寫培訓手冊、SOP、AI Skill；建立「先 grep 再交辦」與「五步盤查法」的團隊文化

我怎麼跟 AI 工作

我的日常開發介面是 AI coding agent，但我對 AI 的用法不是「問了照做」。 AI 給的答案，我一定用資料庫實查對過；對不上的時候，我修正的不只是那個答案， 而是把「code 與數據對應到的實際業務場景」餵回去——欄位背後的商業意義、 哪個數字才對得了帳、哪種寫法踩過什麼坑。每一次對話都在訓練它， 下一次它就能更快給出有價值的答案。

更重要的是讓這些訓練離開我的對話視窗，變成全公司的資產。我把它分成三層：

• 對話層 —— know-how 只活在當次對話裡，換個視窗就歸零。這是起點，不能是終點
• Skill 層 —— 驗證過的做法沉澱成可重用的 skill，用 GitHub 版控、開分支走 PR 審核後發布，全團隊共用同一套
• 工具層（MCP） —— 高風險、高頻、所有人必須拿到同一個答案的邏輯（例如業績算法），鎖進診斷 MCP 的工具層，連 AI 都不會答錯

在交付流程上，AI 嵌在每個環節：

• 需求釐清 —— 與營運進行深度訪談，用 Claude Code 整理逐字稿與假設清單，定義 MVP 範圍
• 規格轉化 —— 產出 Figma Flow、UI Mockup、PRD；由 AI 草擬 UML/ERD 初稿，再由人工驗證業務細節
• 工程交付 —— 運用元件庫、預先確認 SQL Table 結構；先 grep 真實 codebase，再產出工程師交辦清單
• 測試驗收 —— 建立完整 Use Cases；自動產出測試案例草稿，以業務知識篩選補強

AI 不取代判斷，而是加速判斷的執行。

為什麼選擇我

• AI 工具設計者 —— 不只是 AI 使用者，更能設計 AI 工作流、自建 Claude Skill，將個人 know-how 轉化為團隊資產
• 跨層級診斷者 —— 在缺乏資深 Ops 的情況下，能運用 Azure CLI、Query Store、T-SQL 獨立完成跨層級技術診斷與審計報告
• 商業技術橋樑 —— 擁有 UI/UX → PM → 技術主管三段經歷，能流暢切換使用者、營運、工程三個視角

可承接的項目

• 短期接案（4–8 週）開發 AI 工具
• 協助既有產品導入 AI 能力
• 知識庫 / 內部工具的產品策略諮詢
• 過去設計作品：舊版作品集（封存）

如果這些與你尋找的方向吻合，歡迎聯絡我。