
你會讓同一個工程師自己寫、自己測、自己 review 再自己上線嗎?
Anthropic 的新文章讓我更確定,AI agent 也需要分工。很多人類團隊踩過的坑,AI 會重新踩一次。
Deep Tech & Advisory
SEA Super-App Tech Advisor
這段是透過矽谷合作夥伴參與東南亞大型 Super App 的系統開發。我們做的比較像是在大型企業的高壓條件下,產出穩定高品質的交付。
Role
Technical Advisor / Enterprise Platform Delivery
Client
匿名東南亞 Super App
Industry
Consumer Platform / Enterprise Architecture
Outcome
在不揭露客戶身分的前提下,保留我在大型平台協作、企業級交付與跨團隊判斷上的經驗。
Case Study Summary
>這個案例展現的是我如何在大型平台交付與跨團隊協作裡提供高密度技術判斷。
>它對 CTO、架構負責人與企業平台決策者特別有參考價值,因為焦點在 execution discipline。
>重點不是單一功能,而是如何讓大型系統、組織節奏與交付品質一起對齊。
這個案例適合誰看
>CTO、平台架構與大型系統交付負責人
>需要跨團隊對齊技術節奏的企業決策者
>關注 execution discipline 的工程領導者
核心成果
>協助企業平台在高複雜度情境下維持可交付架構
>提升跨團隊協作時的技術清晰度與責任切分
>讓大型系統交付更貼近可維持的產品節奏
關鍵限制
>大型平台的問題常常不是單點技術,而是組織與架構相互卡住
>跨團隊協作若缺乏清楚責任分界,決策會很快失焦
>企業級交付需要長期穩定性,不適合只追求短期速度
可複製方法
>先定義責任邊界與接口,再談架構理想型
>把 execution discipline 當成產品品質的一部分
>用清楚的 decision log 降低跨團隊摩擦
FAQ
市場量級
SEA scale
系統要求
Enterprise-grade
合作型態
Cross-team
這類大型平台案,麻煩的通常不是某一個功能做不做得出來,而是系統邊界、跨團隊依賴和交付穩定性全都黏在一起。
平台規模一大、整合點一多,一個小決策的影響範圍就會比一般新創產品大很多。
更現實的是,這種案子很多資訊不能公開。所以你得在不揭露敏感細節的前提下,還是把架構判斷和交付能力做穩。
我們在這段合作裡,比較像是透過矽谷合作夥伴,進去協助一個東南亞大型 Super App 的系統交付。
我們的工作不是擁有整個產品,而是在高流量、高整合要求的環境下,幫團隊把技術邊界、架構協作和交付判斷想清楚。
這種角色最重要的,不是提出一個很漂亮的理論答案,而是讓不同團隊可以在比較明確的界線下推進,別讓複雜度最後變成交付風險。
執行上,這類案子最考驗的其實是節奏。
技術判斷的價值,不只是設計一個「理論上正確」的架構,而是讓架構選擇真的對得上交付順序、整合限制和責任邊界。
因為有 NDA,我不能公開客戶名稱和更細的系統內容。但即便如此,這段合作還是很能反映我在大型平台環境裡處理企業級架構和交付協作的方式。
這段合作的公開價值,我覺得主要有三件事:
對我來說,這段經歷比較像是在補上一塊很現實的拼圖:我們不是只會做 0 到 1,也知道 enterprise-grade delivery 真的卡在哪裡。
大型平台的工作,很少是在找一個最漂亮的技術答案。
更多時候,真正重要的是把責任邊界畫清楚、讓跨團隊介面穩定,然後確保交付節奏不要被複雜度拖垮。
這段合作也讓我更確定,工程領導很多時候看的不是 code volume,而是 coordination quality。系統一變大,協作本身就是核心技術。
Contact
在不揭露客戶身分的前提下,保留我在大型平台協作、企業級交付與跨團隊判斷上的經驗。
Related Writing

Anthropic 的新文章讓我更確定,AI agent 也需要分工。很多人類團隊踩過的坑,AI 會重新踩一次。

AI 把執行成本壓低之後,真正稀缺的變成規劃、判斷,以及知道該先做什麼。

我同時長期用 ChatGPT Pro、Claude Code Max 和 Google AI Pro。現階段如果要給建議,我會把它們當成三種完全不同的工作取向。