¶結束近十年的 mentor，謝謝你 web camp

曾經，我覺得當 mentor 真的很適合我。歷經了將近十年之後，我覺得……
也許，有些事情不是非得由我來做，有些人也不是因為我說了什麼才會改變，放下一點使命感，得到一點自己的人生。

曾經有朋友 (神Q超人) 說，我像是職涯中的擺渡人，送一個個學員去想去的地方。
但其實回過頭來看，這被擺渡的名單中還好還有我自己。

¶我得到的兩個人生體悟

我想分享，花了近十年得到兩個寶貴的人生體悟。

1. 沒有另一個自己
2. 提醒自己「不要當拯救者」

這些大多都是我在 camp 的招生中的體悟，因為在 training camp 的招生中，也許對我自己而言，就只是看了一些生命的過客(面試者)，但是對於這些來面試的人而言，他們卻是正處於人生十字路口當中，不一定明白未來的方向，以及不一定會回頭看自己的過去。所以面對招生，我也許比這些面試者都來得嚴肅與認真。

¶尋找與自己相同的人

在每一梯的招生中，其實我們都遵照著設計流程，先思考「我們要找什麼樣的人」之後歸納特質，再設計問題設法問出這些特質。

在這個過程中，我不斷地希望自己能找到與自己相同的人，哪裡相同呢？一樣喜歡寫程式，一樣對技術狂熱，一樣喜歡分享有的沒的，一樣的……很多期待。

但是，時間過去了，你說有人一樣嗎？也許有類似的，但是不會有一樣的。
某些人的過去與自己不一樣，但後來也很喜歡研究寫程式，討論寫程式遇到的問題，成長的過程難免發散，但我會覺得總少了點什麼……。某些人過去和自己非常接近，但是學習寫程式這件事情，並沒有投入相同的熱情與好奇心，最後也是因為人格特質的關係，後來的發展非常不一樣。也有人與我過去喜歡相同的事物，抱持著相同的想法，但是學會寫程式之後，對於人生的職涯想法，卻天差地遠。

歷經了好幾屆之後，其實鐵齒的我是一直沒有放棄這個方向的。學員成長成進駐者留在好想工作室後，也觀察著我偶爾幫忙 Camp 的事情，重要的是常常提醒我一句話「他們只是學員，他們不是你」雖然我也會說「當初我也是學員」但這樣的提醒最終的結論都會是「你是在這條路上，最特別的那一個」。(感謝芒果扮演這樣的角色)

跟自己說「你自己是最特別的，為這樣的存在感到開心就好了」

和季蓉聊到這一段時，季蓉問了我一個問題「為什麼要尋找『與自己相同的人』？」我其實內心並不是想找人討論寫程式的事而已，內心更深處的渴望其實是想證明「我並不是最特別的人」

得到這個結論的我，其實滿驚訝的。因為我自己內心的聯想是「特別的人？不被友善對待，最後孤單的自己，看著其他的一般人都有可以和自己一起瘋的朋友，真好」

所以，我要先承認自己的特別之處，再來就是友善待人。將這兩件事分開，不要有因果關係。也許特別之處帶給我自己的是讓我自己快速看懂某些事情，但事實並非一定要由我來說明白，默默犧牲我與別人之間的關係，與我討論變成了無趣的事，自然孤獨，對吧？^^

¶不要當拯救者

在每一梯的招生中，其實都想一下，什麼樣的人需要來 training？
而我內心的劇本，有一次和後端 camp 的 mentor(結語) 在討論時，他說他不這麼想，反而會是詢問學員想要處理什麼樣的問題，陪他解決。

我自己反思了「什麼樣的人需要來 training？」這件事情，同時覺得解決方案不適合我自己，我原本的設定是「建立一個系統來解決人才培訓的問題」而不是把這個過程變成手工業，一對一的客製化，我覺得不夠好玩。

「什麼樣的人需要來 training？」

我原本的設定是有心想要自學寫程式的人，但是學習效率不佳或者學習成效不好，而尋求 training camp 幫助。我能提供的是一種學習方法與學習習慣的健檢，用不用看個人。

也許你現在看起來會覺得沒什麼，但我仔細想想，這內容隱含著「我扮演著拯救者角色的過程」，當我體悟到這件事時，距離 camp 結束剩不到三年了。

扮演著拯救者的副作用相當多，關係建立也相當不健康，所以當我發現這件事之後，我開始漸漸的放下了對學員們的惦記與某種不存在的承諾。例如，他們來 camp，我就覺得自己不應該耽誤他們的時間，快速找到自己可以幫他們 code review 的時間，並且如期的完成這件事。後來的我就覺得，要不要 code review 依學員們自己如何看待自己的成品，如果他很急，就會密集地跟我約時間，因為他的事重不重要，他自己會表現出來。

後來，這樣的關係，也讓彼此獲得比較好的呼吸空間。

¶最後，我為什麼決定停止招生？

並不是因為 AI 而沒有人要學 Web，而是因為學 Web 這件事，AI 已經可以陪著你學，所以不需要來 Camp 才能學。

最一開始，我發現學員離開 camp 後，開始面臨 junior 職缺縮減的問題。公司逐漸使用 AI 協助甚至取代部分原本需要培訓 junior 的工作。

後來我又發現，面試時常常會被問到：
「你怎麼用 AI」

這似乎已經成為新時代工程師一定要弄懂的問題。

如果不會使用 AI 加速工作，技術再強，也可能跟不上時代的速度。甚至從另一個角度來看，這也可能被解讀成學習與適應新工具的能力不足。

那怎麼辦？

Training 的過程，當然也必須加入 AI。

這似乎就是未來的方向。

於是我開始觀察：學員到底是怎麼使用 AI 學習的？

使用免費或較基礎 AI 服務的人，可以縮短一般爬文、找資料的時間，但少了原本閱讀、思考與消化的過程；另一方面，AI 也可能產生錯誤資訊，反而讓人花更多時間繞圈。

使用付費 AI 服務的人，則通常可以使用能力更完整的模型，降低來來回回確認與整理的時間。

大多數的 AI 教學與資源，多半都是在講「如何用 AI 工作」並不是教你用 AI 學習。

即使有一些 AI 學習資源，很多也是教你用 AI 開發一個學習工具，而不是教你：

「怎麼直接把 AI 當成學習的夥伴。」

所以，那批刷卡買了 AI 的學員，某種程度上反而找不到一套成熟的方法可以參考。

他們有了更強的工具，卻不知道怎麼拿這個工具來加速自己的學習。

我把這一批人稱為：

「第一代 AI 學習原住民」。

他們不是不會使用 AI，而是第一次面臨一個新的問題：

當 AI 已經成為學習過程的一部分，我們到底應該怎麼學？

聊到這裡，我想先回頭看看，在 AI 出現之前，我們習慣的學習大概有兩種樣子。

學習的兩種樣子

1. 問題驅動學習
2. 學院派學習法

¶問題驅動學習

也就是我們比較常說的「痛點學習」：先訂定目標，在完成目標的過程中，遇到什麼問題，就學習解決這個問題所需要的技術。

設定目標 → 實際執行 → 遇到問題 → 學習解決問題所需的技術 → 繼續完成目標

這種學習方式的特點，是每一次學習通常都有明確的需求，因此學到的東西往往印象深刻，也很容易直接應用在當下的問題上。

但它也有一個限制。

因為學習是被當下的問題驅動，所以容易只記住：

「這個問題可以怎麼解？」

卻不一定建立起：

「什麼情況適合使用這個技術？」

當離開原本的題目，遇到不同的 case 時，也許就不容易活用。

甚至為了盡快完成目標，沒有多花一些時間理解：

• 為什麼要使用這個技術？
• 它和其他技術有什麼差異？
• 什麼情況下應該選擇另一種做法？

所以，問題驅動學習很適合快速累積實戰經驗，但如果想真正掌握一項技術，還需要在解決問題之後，再回頭整理它背後的原理、適用情境，以及和其他技術之間的差異。

換句話說：

問題驅動學習，很容易讓你知道「怎麼做」；但不一定能讓你知道「為什麼這樣做，以及什麼時候該這樣做」。

¶學院派學習法

我姑且把另一種常見的學習模式稱為「學院派學習法」，也就是大家熟悉的「先從基礎打起」：先建立知識體系，再進入實務應用。

而所謂的基礎，並不是事物運作的基礎原理。我們並不是先學會電子雲、波耳的氫原子模型，才學化學反應的吧？

我們的「從基礎」開始學，往往來自於知識最接近直覺的地方。它才是我們認知中的基礎，往上往下延伸更細緻的知識系統。

學院派學習法的優勢在於，知識已經被整理成一套路徑。學習者不用每次遇到問題才決定下一步該學什麼，而是可以沿著既有的結構，逐步建立知識體系。因為被系統化了，所以記憶與理解都消耗掉更少的認知負荷，而更可以透過「全貌」與「原理」幫助學習。

但是它也是有不少的問題。

知識學會了，要用在哪？怎麼用？雖然會了很多但實務上複雜的情境卻不會運用的人比比皆是。

¶AI 來臨後的學習法

AI 正好補足了兩者的缺點

面對特定問題時，我們可以在投入解決前，先請 AI 協助整理教材並鎖定目標。
在這個過程，我們也會遇到類似的語法，或者歷史上某些技術迭代的關係，所以現在選擇了某種做法。

這些事情，現在大多都可以交給 AI 協助完成。

請 AI 以你目前遇到的問題為範圍，尋找相關教材，並安排一組課程。並且提供課程大綱在開始前 review 每堂課的預期成效。過程中還能隨時與 AI 探討全貌與底層原理。保持好奇心、跨領域地討論特定議題，這種對話習慣正是拓展人類思考跨度（深度與廣度）的關鍵。

提問了一個大哉問，為什麼電腦 1byte=8bit 是怎麼決定的？
跟 AI 聊了許久，免費模型提供的故事精彩。
未來的學習模式，不用受限提問的領域，靠著基本邏輯與對「疑惑的敏銳度」決定你吸收知識的深度與廣度。

下次，可以試看看。

準備好下列幾項

1. 學習的目標
2. 尋找教材
3. 目前自己的程度

請 AI 模型透過「金字塔原理(感謝 Lai)」提供一組課程，讓自己可以學習

1. 請 AI 提供課程大綱，要每堂課的學習目標，在開始前收斂一下學習的廣度與深度
2. 請 AI 批改作業，確認自己正確理解該目標的運作原理

中途還來得及請 AI 修改課程錯誤與方向。
學習過程，一定要找 AI 討論問題。

回到 camp 招生

這樣看來，靠 AI 自學已經變得相當可行，只是很多人還沒有掌握這個方法。AI 大幅縮短了軟體學習的時間成本，再也不用辛苦爬遍官網與文件。這讓我逐漸意識到：學員似乎真的不再那麼需要來到 Camp 了，因為想學什麼，靠 AI 都能達到類似的效果。

最後剛好是 Howard 在最後的 mentor 會議中宣佈工作室走向時，才讓我放下心中懸而未決的事情，停止招收才是對學員真正正確的選擇。

最後

十天後，教師節快樂

照顧自己的童年，就是照顧好自己