前情提要
Gap year 期間收到一封獵頭的 LinkedIn 邀約，職位是 AI Workflow Tech Lead。
獵頭來自一家 HR Consulting 公司，背後的客戶公司（以下稱 B 社）資訊目前尚未公開。
獵頭提供的基本資訊
- 職稱：AI Workflow Tech Lead
- 產業：台北軟體公司，提供決策營運優化工具，協助品牌提升轉換率與營收
- 薪資：年薪 2-4M（依經驗而定）
- 工作型態：混合遠距辦公（比例未確認）
- 團隊規模：帶領 3-5 人工程團隊
JD 重點
這個角色的核心是替公司內部建立 AI 驅動的開發流程與自動化系統。
主要工作包含：
- 評估與導入 AI 工具（Claude、Codex 等 LLM / Agent 平台）
- 建立 AI 輔助 workflow：code generation、code review、文件知識檢索、任務 orchestration
- 架構設計：LLM + API + 自動化工具 + human-in-the-loop
- 跨團隊識別瓶頸，轉化成 AI 解決方案
- 建立 prompt design、workflow 可靠性、治理等最佳實踐
- mentor 團隊成員
值得注意的是，JD 描述偏向「內部 AI 工具建設者」，但獵頭口頭說的比較像帶產品團隊的 Tech Lead。
兩者定位有落差，預計在 meet 時釐清。
目前已知 / 未知
| 項目 | 狀態 |
|---|---|
| 薪資範圍 | 已知（2-4M，標準未知） |
| 工作型態 | 混合遠距，比例未確認 |
| 公司名稱 | 未公開 |
| 公司規模與穩定性 | 未知 |
| 角色定位（產品 vs 內部工具） | 待確認 |
| 直屬主管 | 未知 |
| 團隊現況 | 未知 |
自我梳理
對方特別在意兩件事：n8n 以外的 AI workflow 工具廣度，以及 AI Agent 系統設計的實際深度。
這讓我重新整理了一下自己在這塊的積累。
技術工具不是重點，思路才是。我做 AI 相關系統時，習慣先把任務拆成多個 step，
用 workflow 控制整個流程，而不是只寫一段 prompt 然後祈禱它跑對。
具體做過的事：
- RAG 系統：使用者上傳法律合約（PDF / 圖片轉文字）→ Qdrant 向量搜尋 → LLM 回答問題，
應用在專利法規與公司內部產品知識，有實際賣給 SONY 和電子廠的商業案例 - Edge deployment：因為客戶要求本地部署，處理過 Ollama（本地模型）與 API 模型的整合與切換
- 工程架構：Python + Node.js 拆服務，queue / worker 處理流程，
加上 cache 與模型分級使用，控制成本與效能
核心原則只有一個：讓 AI 真正整合進既有流程，提升效率，不只是做 demo。
小結
技術面的吻合度高，AI Agent 系統設計、RAG、導入 AI 開發流程都是近期實際做過的事。
主要的疑慮是角色定位的模糊，以及混合遠距的實際彈性。
這兩點是一面時的優先確認項目。
(fin)