心法利器[135] | 五千字聊算法工程师的成长反思（答读者问） - 文章 - 开发者社区

心法利器

本栏目主要和大家一起讨论近期自己学习的心得和体会。具体介绍：仓颉专项：飞机大炮我都会，利器心法我还有。

2024年新的文章合集已经发布，获取方式看这里：再添近20万字-CS的陋室2024年文章合集更新，更有历史文章合集，欢迎下载。

往期回顾

前几条做了一个问题收集：提问收集-0612，从评论区反馈的问题来看，更多是成长角度，可以看得出大家的焦虑还是挺严重的，我在和大家交流的过程其实也有很多反思，在这里和大家分享一下我自己的想法吧。

破除几个误区

“大厂”误区
“流行”误区

技术成长思路
35岁危机问题
后记

补充，下面的一些观点更多是基于自己可能不太成熟的理解，如果有什么问题，欢迎大家在评论区里讨论。

破除几个误区

类似的说法其实我在很多文章里穿插过，这些思维误区可能会很大程度影响我们对自己、环境和未来的误判，此处我比较直接的点出来，方便大家理解和交流。

“大厂”误区

比较极端的观点是，“我是不是进不了大厂就废了”，甚至是所谓的“中厂”也很焦虑，“小厂”就更不用说了，对此我的评价更多是，不要把“大厂”与否当做自己目前状态好坏判断的因素，这个问题不像“考不上985/211”就不太好那么简单。

首先，回到大家在选择上比较关心的点，从工作本身出发（排除掉城市、通勤之类的因素），不外乎就是薪资、技术成长、团队氛围，很多东西看起来和大厂高度绑定，但实际上仔细分析下来，这几年其实已经没那么明显了。

薪资这个事，大厂也分很多种，有些厂就是相对会保守一些，有些会激进一些，比较保守的公司，其实相比其他的公司，就不会那么有优势，反观一些小的创业公司，可能会在人才上非常愿意花钱，如果真的在意薪资，小厂的薪资待遇未必差到值得一票否决。
技术成长，也是有倾向的，维度也可以分很多。首先按照团队内的技术进展来分，早期的开荒阶段，中期的迭代阶段，后期的发展阶段，所需的技术模式是完全不同的，早期开荒倾向于快而稳，这时候更多选择比较经典已经被反复验证可行的方案，中期则会开始尝试当下比较新的技术，到了后期，基本已知的招数就有了后，就要开始探索了。不同阶段对人的技术成长倾向性不同，开荒能力、迭代能力和探索能力，大厂更容易有中后期状态的团队，能做的技术就比较潮，或者说做出来的东西就能被认为是“前沿”，但不代表大厂这种类型的遍地都是。无论是小厂还是大厂的心团队，开荒因为选择比较快而稳的方案，都会显得比较low，这不代表没有成长。
团队氛围上，大小厂的差别更加小了，更多适合遇到的团队风格了。有的团队比较鼓励分享，有的团队比较卷，非常不好选择。

然后需要说的是，大小厂的分工差异。大厂中团队的人数通常会比较多不少，分工就会比较细，在这样的团队内工作，培养的更多就是更加精的能力，简单的说，深度，相比之下，小团队在小厂会比较常见，但是仍然要完成一个项目的开发，所以分工就会比较粗，这会培养出广度比较强的能力，此时大家的视角下，就是隔一会就有个新活到手里，变化比较多。形成的技术栈是粗还是细，是深度还是广度，没有优劣之分，都是成长。技术层面，广度和深度都有应用场景，继续是小团队更喜欢技术广度高的人，大团队分工细的，更喜欢技术深度高的，当然如果深度广度都有的，肯定就香饽饽了。从这个角度看，大小厂真没什么优劣。补充一个细节，大团队的容错率相对高，所以对新人会更加宽容，给出更多空间给新人成长，如果是小团队，工作紧任务重，上来就要干活，而且要求还不低。

再者，是大小厂内部整体的技术状态。越是大厂，越有技术沉淀，甚至形成完整通用的技术方案，对于高频出现的同一个问题，在多个技术积累下便能提升效率，好处是效率真的很高很快，但缺点是，在封装足够多以后，很多人可能就接触不到底层技术了。于是会有这个现象，在业务部门，要用比较通用的某个框架，直接拿来用即可，最明显的例子就是大模型，大模型的微调、强化学习之类的工作都是交给特定的团队完成，对于业务部门而言更多就是直接调接口，微调的工作肯定就少很多，这种知识，如果你是想学的，那就会比较难，不见得说去了大厂，就能学到你想要学的东西。

体面。这绝对是大厂的优势吧，具有“让别人觉得你很强”的能力。无论是父母家人，亲朋好友，还是面对HR，大厂的标签总能让别人觉得你很厉害，生活上其实是更有面子的，工作上，找工作会相对容易，自己也会觉得比较舒服，至于福利，这跟大不大没关系，和公司福利政策有关，大小厂都有开水和不开水的区别。

避免二极管，还是要捞一手，并不是大厂一无是处，顶多只是说，大厂并不是那么绝对的优秀，小厂不是人生就完了，不过相比之下大厂肯定是优先级更高的选择。大厂中遇到比较好的前辈、团队概率还是比较高的（注意是概率），政策啥的也比较完善（纠纷比较少），也比较稳定（可能会有人说隔三差五听到大厂裁员，我的回答是，小厂裁员甚至倒闭是悄无声息的），只能说，大厂有着比较适合成长的土壤，有机会，而且能去比较好的团队的话，还是可以的，但不应该因为自己去不了而感到难受，而是进一步通过观察了解环境调整心态，寻求机会破局，从内部自己找机会突破也是一个很好的选择。

“流行”误区

作为一个经历过多个NLP版本的老人，对所谓的流行感觉真不明显。比较关键的里程碑，机器学习->深度学习（word2vec）->动态表征elmo->预训练模型（bert）->大语言模型（LLM）->推理模型（deepseek），每次都有很相似的说法，“XX后面就不用做了”，“XX已死”，此次技术更新都确实很大，每次更新都有新的热议话题，但是每次在发展的过程都能发现很多缺陷需要突破，但一旦看清了本质，对这个其实就会很淡然了，与其说是压力，不如说是机遇。

我想在这里传达的观点是，不需要为新技术感到压力，不需要追求“自己在做什么技术”，不用为自己“自己正在做的不是最流行的”而感到焦虑，说白了不要轻易觉得某些技术比较“low”。

总会有新技术，总会有新活。前沿的技术变化，突破性技术在大家视角里通常是骤变，一个新东西出来和老的差异巨大，一般就是突然出现的，但是日常工作中面对的工作并不是，需要众多的后续验证，技术设备需要跟上，再者除了技术人员本身，还有产品、老板、投资人、用户需要去适应和接受。一时的没有做有关技术，并不需要焦虑，更多是需要有时间看清形势。

完成任务是核心目标。在技术选型上，我是比较结果导向的，不论使用什么方案，最终只要完成任务，最好还是低成本，便是可以的，在这个思想下，在技术选型上，完成任务是最核心的要求，对新技术并非排斥，但并不能因为尝试新技术而影响了核心任务的完成。当然，如果任务里有需要“增加外宣价值”、“对新技术进行探索”的描述，那新技术肯定就得提高优先级。

学和做要分离。我们要把学习和具体应用两个事分开，学习在现在的版本下是需要持续做的，技术日新月异必须跟上，但做事，我们要根据实际需求来选择，不要感到懊恼和焦虑，再者，我们可以在工作过程对新技术进行尝试，但不能孤注一掷，不能“务实”，做好planB。

主动寻求空间对新技术尝试。我的视角看挺多人的困境是，领导对有关的工作有安排，包括一些具体的方案，但这些方案可能在本人看起来不合适，或不适合个人成长，或不符合前沿技术，所以感到焦虑，这点我也曾经遇到过，我的解决方案主要是这两点：

主动和领导以及前辈交流，该方案选择的背景，理解背后的意图，这是弥补信息缺失的部分，同时也能学到大量技术选型之类“模型以外”的知识。
按照自己的理解，腾出时间，自己去尝试一些自己认为还不错的方案，前提是不耽误正常工作，尤其是自己还算是新人的时候，很扎心，领导的建议可能更可靠。当我们测试起来真不错，那可以拿出来大家一起学习交流，这个氛围是非常好的。

当然，如果没有给足够的空间去尝试新东西，那确实可能会对成长有所影响，此时要考虑解决这个问题了。

综上，希望大家尽快对“流行”有一个比较理性的认识，我们可以去学和尝试，但是和日常工作需要有所区分，我们可以对目前的一些在用的技术产生疑问，更多的，我们需要去尝试和破局，多沟通和分享。

技术成长思路

从新人到老鸟，自己也走了很长一段，我按照我的视角总结一下我自己的经验吧。

先提一下在很早之前写过一篇算法新人的成长，在这里：心法利器[30] | 算法新人如何在工作中成长，这里的建议至今仍然比较有用，此处我就不赘述了，我说一些新的想法。

首先，对新人而言，尽快熟悉工作，并逐步成为这项工作甚至这类型任务的“一把好手”。算法这种工作在分工中重合度通常不会很高，不像一条条的流水线或者销售那种模式，要不是算法任务类型，要不是具体的业务场景，总有一些区别，这导致其实自己的工作总有独特性，此时如果这个事做好，便能具备一定的不可替代性。我们先从最简单的一个活做完，然后基于此去做有关的调研和尝试，了解整个任务的研究现状、常用方法等，然后去尝试，对各个方案都有很扎实的把握，加上你本身就是做着活的，所以有良好的实践场景，干中学，不矛盾。这跟要学前沿的知识不矛盾，前沿知识是需要关注的，好不好用，把东西准备好就能实验，快速落地尝试。

第二，从点到面快速突破。从“一把好手”到“多面手”，一个事能做好后，开始做更多的事，这样步步为营，逐步突破，便能逐渐成为一个领域的专家，在一个范围内形成影响力，而且是技术层面实打实的能力。早年我的经历，文本分类做完，我开始做实体抽取、语义相似度，逐步便把整个NLU领域的核心问题给做明白了，随后便开始拓展更多的任务甚至到了预训练模型，说不上专家，但是NLP的任务基本能搞得定吧，包括一些常见的系统工程也能搭建起来，这非常有好处。至于深度，也是要的，但不是要一个任务做的很深，而是从面到体，光一个任务的深是深不下去的，得把坑挖大才好挖深，否则沙子又会填回去，当你的知识成体系了，例如搜索query理解的，例如推荐召回的，或者更大，例如搜索领域的，那在持续深挖前沿和内在逻辑，自然就会深入了。

然后，开始关注事，什么事是有价值的，什么事是感兴趣的，从技术的局限视角脱离出来。这个阶段，通常大家都可以在给定一个任务的时候，选择合适的方案快速解决，这甚至是一个完整的，覆盖上下游，覆盖迭代周期的技术方案，然而技术出身的人通常会有个幻觉，觉得自己的技术很厉害，很实用，很潮流，但无人识千里马。技术是依托于事才能体现价值的，他帮我们、帮用户完成某个任务，他才有价值，多么炫酷、困难的点，脱离了实际应用，价值就要大打折扣，至少在商业环境，在企业公司，价值才是一切，可能会比我们想象的还要功利，甚至，得是短期价值（很多公司和团队压根活不到长期价值兑现的时候），对长期价值的耐心也不会很高，至少这个环境下是这样的。在这个观点下，技术只是支撑事做好的途径，哪怕现在视角我们要用单行，更多是为了更好地PPT，一旦小模型、传统模型能以更简便、更省钱地就把事做好，是不介意挂羊头卖狗肉的。因此，把事做成，产生价值，才是这里的关键，此时，我们学会去观察业务，了解价值，找到自己对事的兴趣所在，可能更加重要。

这里，一直有个关键词贯穿其中——主动。作为新人，要主动学习，主动沟通，主动尝试，主动突破，主动发现新的机会，主动形成自己的核心价值，这里一直都需要自己主动，诚然我们每天都在那被要求干活，但我们要在这里面主动寻求机会寻求改变，而不是随波逐流，我们要时刻有个意识，我要做什么事情，明确好，然后和现实情况做好权衡，一步步尝试执行。

35岁危机问题

之前的我可能还很自信，只要自己技术好，35岁危机就不是大问题。现在的视角看，我的想法更加成熟了，中年危机客观存在，但不会全都抛弃，会有一部分老师傅被稳定地保留下来。

我目前发现，随着技术的进步，技术门槛确实在降低，持续地有新人来，技术还很先进，尤其是现在大模型环境，很多任务甚至都不需要算法就能搞定了，但是但是，此时需要的角色是指挥大模型干活 ，大模型诚然很聪明，但得知道人的需求是什么，而大模型也不那么聪明，不是产品经理的“一句话需求”就能轻松做好，难听的说，技术的迭代并非淘汰掉一个行业，尤其是新兴的AI行业，而是淘汰掉一些初级，负责技术执行，重复工作的人。老师傅对数据、对算法、对工程逻辑等有丰富的经验的话，反而并不那么容易被淘汰，甚至能发现很多潜在的技术问题，提前规避风险，这点是老师傅特有的优势，这便是专家的必要性，而且是堆叠年轻人所完不成的事，哪怕是应届生，现在也越发倾向于往“精”去走，HC减少但是薪资提高是这几年的趋势。

因此，拥有技术优势的人，反而能更加稳定，但相反，年龄增长后技术成长缓慢的人，会因为年龄带来的成本增加而被应届生淘汰。如果自己没法做到更好的东西，和应届生没什么差别，在残酷的森林法则下，自然要被淘汰。如果还要生存，那不外乎是这几个角度。

如果还想留在这个领域，卷，努力提升自己，形成团队甚至是行业的影响力，体现价值，让大家“舍不得让你走”。
如果想走，那多考虑未来的方向，尽早打算，尽早安排，新领域很可能更要吃经验，毕竟你是期望用这个方案来解决35岁问题的。
两手准备，毕竟狡兔三窟。

（听起来就像是多喝热水）焦虑是正常的心理现象，但也只是一种情绪，并不能帮助我们解决问题，而我们要解决焦虑，真正要看的是焦虑背后的问题，解决问题，执行计划，才是关键的。方案随便想可能有很多，但哪怕是去了解的人都寥寥无几，停留在“35岁危机”的思考，时间长了真没什么意义，更多是开始考虑“XX有没有搞头”、“考XX合不合适”、“烤XX又合不合适”。

后记

在这里，我继续叠甲吧，都是一些自己不太成熟的观点，觉得有问题的欢迎在评论区里友好讨论，我也一起学习。

picture.image