心得

前言 我是2025/07 就碩畢，當初沒有找任何的研替或預聘，當初想說當個兵出來找應該也是不會太難找，沒想到情勢險峻，一找也是找了四個月才終於上岸。由於過去的專案經驗，加上實習的內容比較偏 Platform Engineering，所以這次求職我的方向主要放在 Backend、DevOps。我總共是面了10家公司，趁著onboard 前的空檔紀錄一下2026軟體新鮮人求職的經驗。 背景 學歷：政大資管所 實習：Quid 美商網基 刷題：150 題左右 求職時間：2026/03 ~ 2026/07，大多集中在5-6月 求職總覽 投遞：沒有特別算，但基本上有聽過名字的公司我都投了 面試公司：TSMC、玉山TMA、ASUS、Latticework、17 Live、Splashtop、Otto one.o、Going Cloud、Trend Micro、永豐 Turing （這邊列了有去面試的公司，有些我自己覺得方向差太多或沒什麼把握就拒絕了。） Offer：玉山TMA、Splashtop、Trend Micro 求職準備 我原本是有一個縝密的半年求職計畫： 前三個月瘋狂刷力扣 後面開始丟履歷 + 面試 以前偶爾刷刷題是蠻快樂的，但後面發現每天都在刷題刷到壓力超大，所以直接後來直接放棄用刷題找工作的心態。 所以我後面就變成一邊準備面試、一邊複習履歷的內容跟新的知識。我大概會分成這幾個面向準備： 履歷：專案背景、挑戰、技術選擇的權衡 技術知識：Python、DB、Docker、K8s、CI/CD、AWS、Monitoring 但我覺得最重要的還是如何敘述自己的過去經驗，一開始會很習慣的想要把每個專案講的Scope很大、挑戰很多…，但後來發現其實一開始可以著重在專案背景跟想解決的問題，不然面試關高機率在一開始的自我介紹會沒辦法抓到這個經驗中的挑戰到底在哪。 面試分享 TSMC TSID SRE 登錄台積線上人才庫後收到面邀，視訊一面，兩位主管對我，一位是SRE Team的工程師，另一位年紀稍大，應該是蠻大的主管。 流程： 大主管請我先自我介紹10-15分鐘，形式不拘。但我只有準備5分鐘左右的ppt，內容涵蓋自介、實習經歷、專案經歷，以及一點點的碩論，因為碩論跟這個職位完全沒相關，所以就簡單帶過。 大主管和工程師輪流針對自介問問題，大部分集中在k8s、docker container、Argo workflow 以及一些監控的底層技術上。因為我都只有用過，並沒有從頭建構的經驗，所以回答的不是太好。這段過程比較像是技術快問快答而不是討論，不會就換下一題，基本上大主管和工程師都不會針對答案說明對錯等等。 最後還有一些人格特質的問題，但我覺得主要還是集中在SRE會用到的技術上作探討。 大約1hr內結束。 大約兩週後收到感謝信。感覺是想要找真的有碰過infra的experienced candidate，只能說菜就多練。可惜的是不知道是不是面得太爛，從此沒再收過台積的任何面邀。 玉山 TMA 流程： TMA 的面試主要是兩關（履歷關＋一面＋最終面） 一面-總共3.5hr，1hr上機技術考（選擇題+hackerrank）+1hr 人格特質團面+1hr技術團面。上機考是用玉山自己的電腦，所以不用帶自己的電腦，hackerrank也有auto complete 可以用，所以也不需要擔心語法忘記。人格特質應該就照正常發揮就沒問題，主要可能是技術面試的表現。但技術面試的問題五花八門，雖然過去有很多考古題可以參考，但事實是這場一題考古題都沒問出來，大多還是依照大家的回答，面試官根據大家的回答再繼續延伸。面試官不會只讓特定的人一直搶答，會適時詢問比較少發言者的想法，因此不用太擔心回答不到問題，言之有物才是最重要的。 終面- 約10位面試者與約10位主管+10位MA/TMA學長姊+3位經營團隊（董事長）在階梯教室進行團體面談。有些科技趨勢問題會請TMA回答，大多數問題還是for MA回答，因此不用太擔心被點到自己不擅長的題目。有英文問答的環節，但基本上只要敢講就沒問題。這場比較像是透過玉山的經營團隊更直接的傳達玉山的價值給面試者，結束後還拿了母親節禮物。 對TMA來說，一面過了基本上就過了。整體的面試體驗玉山應該是最頂的，每個人都超客氣而且尊重面試者。我原本投BigData/AI，想去智金處做 Platform Engineering，最後被分到 Fintech，深思熟慮後決定放棄報到。 ...

QUID之前 時間來到2024新年後，所有人都開始投遞履歷，準備尋找2024 Summer Internship，而我也不例外。QUID是我很早就鎖定的職缺之一，而我選擇的是Content Acquisition team所開的職位。投出履歷後，很快的就收到 offsite test 的測驗邀請，offsite test 並不是常見的演算法題目，而是請我們在時間內根據題目要求實作的類型。實作完後，又過了一段時間，我被通知進入下一階段實體面試，公司在西湖七星大樓。 面試當天，我帶著筆電，忐忑不安的來到公司。當時的我還不知道，一場長達五小時的面試馬拉松正等著我。在這五個小時裡，從Director、Engineer、Team Lead到HR輪番上陣，但整個過程中讓我感受最深刻的，並非壓力或緊張，而是一種備受尊重的感覺。 無論是與Director進行Behavior Question時，他所展現的仔細聆聽；與Engineer (當時不知道是我未來的mentor XD)一起討論offsite test實作細節；還是Team Lead引導我在白板上解題時的耐心；甚至是HR中途貼心遞上的茶水 — 都讓我感覺公司很用心對待來面試的人，即使我應徵的只是實習生。另一個讓我印象深刻的觀察是，儘管當時AI Agent的應用才剛普及（LLM的發展速度真驚人），公司在面試時，已經非常鼓勵我與AI輔助討論後再給出答案。這也讓我感受到，QUID是一間很早就開始擁抱AI的公司。 最終，這場面試馬拉松在HR遞上7–11禮券作為車馬費後，劃下了句點。兩天後，我收到了錄取通知。在接受Offer的當下，我的2024求職之旅也終於告一段落。 Data Poller 是比較容易的部分 QUID是一間Data-Driven的公司。而我所在的 CA Team 最主要的任務就是提供獲取Data的服務。我們負責從各個社群媒體平台取得資料，並提供 Long-term Service/ Short live Jobs 給 user使用。 我參與的專案大部分都跟TikTok有關，開發的整個生命週期我幾乎都有參與到，從前期的API Document Survey、Tech Design、Data Poller Implementation、Unit Test、Integration Test，一直到Deploy上K8s、用Prometheus Metrics做監控。 在專案中，我的 mentor Josh不會給我硬性的Deadline，也不太規範我該用什麼技術。他反而希望我自己把任務切分成子任務後，給出一個我想像中的Deadline，我們再一起討論、調整。這給了我非常大的自由度去做技術探索，也讓我在「如何切分大型任務」這件事上成長許多。雖然也常常發生我因為經驗不足而把Deadline估得不太準，Josh 就必須很罩的跳下來跟我一起完成，真的非常讓人安心。 「Data Poller是比較容易的部分」就是我這段時間最大的學習以及體會。 在學校參與的專案，小至Deadline前一天才開始的課堂作業，大至耗時數個月的專題，最核心的目標都只是做出一個「能動的」系統。沒有測試、沒有Code review、更不會有CI/CD，一切只靠感覺（和綠色乖乖）。但在QUID，我們也會一起參與Production的開發，除了確保程式有正確產出外，更重要的是，要同時保有可擴充性、可維護性、完善的錯誤處理(Error Handling)，並且expose出能夠持續監控的metrics。這段話聽起來超教科書，但這真的是我在這段實習中最大的收穫之一。 「確保功能正確性通常不是Code Review 最重要的目的」。這句話是 Josh在我發出第一個PR時跟我說的（他可能不記得了😍），我想這句話可以很好的帶出我的體會。 工作之外 公司也提供充足的預算，讓大家開心的吃喝玩樂，而且每次的預算都超足夠，就是要讓大家吃飽喝好。像是每個人都會有happy hour 預算 & happy hour假，約到足夠的人就可以在上班時間去去玩。 ...