鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
50
10
30
精选

分享一些在当下求职环境中做心态调整的思考和经验

午后茶
午后茶
2026-10-20 01:02
阅读 3538
午后茶
2026-10-20 01:02
阅读 3538

  当前求职环境可以说是非常抽象,比如可能努力很多年获得的学位,开发的项目,做的工作不被认可。虽然“如何找工作”这个问题的解是比较关键的。但我个人认为当下“保持一个比较好的求职心态”,是“如何找工作的前置”,可能是更加重要的。这篇文章纯个人观点,仅供参考。

个人情况

  我最近一年多一直在求职,也在本站分享过我自己的项目以及个人简历。至于目前找工作的情况嘛……直白的说,基本上就是在找转行的工作。后续如果再做自己的项目,也会拿出来分享,可能也会分享一些关于转行的经验之类的。

焦虑的来源-几十年来惯例的人生导向

  最近一直在想,在实际操作中,我一直以什么结果为导向,来做事情呢?无外乎都是“学位”、“做项目的能力”、“赚一些钱”、“亲友的评价”、“把不必要的测试工作转包给测试代码,提升效率,来赢得领导的重视”以及“在社会上展现自己的价值,帮助别人以提升社会影响力”。基本上也就是这些。这些也是我个人在前面十几年,从小学到中学这个阶段,不断被灌输的一些思想。可能目前的教育也是这样一个状态(这句话未经详细调研,仅个人观点)。可能更广的一个视角下,就是“要有钱”。   但是从另一个角度来说,这些想法基本上都可以翻译成“我希望别人觉得我挺厉害,挺可靠。” 在以前版本中,这个想法还是比较“正确”的,我也因此收益颇丰。但在当前的经济环境下,面对诸多不确定因素,这样的想法在某种意义上已然成为了单纯的“精神折磨”,甚至是“推进不择手段做事的核心指导思想”。 我还在网上见过“大厂毕业生贷款炒股负债几十万”,“创业负债几十万乃至上百万”这样的情况。   在上学时,我们经常能学到一句话“实践是检验真理的唯一标准。” 那么在当下的环境中,经过了不断地实践,我个人认为“努力让他人高看自己一眼”,很可能就是焦虑的主要来源,而这样的想法应该是需要改善的。

人生的导向应该是什么

  个人认为,人生的导向应该是“在健康的前提下,自己开心”。 “哦,这真的是一个经典回答”。   最近大家可能经常听到一些词,比如“创造力”或者“创新能力” “选择大于努力”。虽然说每个人的能力上限,或者说数值都不一样,但我个人最近几年的经验来说,在睡好,精神不紧张/焦虑,开心的一个状态下,“创新能力”、正确决策的概率以及面试时的“场域感”才能做到自己的100%。 以自己活的是否幸福为目标,多问问自己是不是幸福开心的,可能很多问题也就自然的有答案了。   “自己能力的100%”,也是相当重要的。我们拿高考分数举例,假设700分是100%,那么80%是多少?560。可能例子不太恰当,但好在比较直观。经常熬夜,焦虑,那能好么?

个人的一些思考和心态调节经验

  无论什么方法,核心内容就是降低旧有惯例,即“让他人高看自己一眼”的影响,多问问自己能不能真正开心。   当然这里也有一个可能绕不开的问题:“结婚”。我个人观察,赚钱能力强的,找的对象也不一定好,仍然可能匹配到有坑的对象,这几年也有很多新闻可以佐证这一点。而我身边也有很多没什么学历、个人能力以及赚钱渠道,但是至少看起来婚姻状况挺好的同学。我个人斗胆陈述一下,我个人认为真正影响找靠谱对象的原因,可能和人格健全程度有比较强的关系。 而人格健全程度,在前面二十多年的生活和学习中,在目前的版本似乎是不怎么被重视的。大家可能更重视旧有惯例。但是呢,实际操作中可能就是因为自己有比较大的bug,让一些不靠谱的对象钻了空子。或者更常见的就是压根不敢找对象,寄希望于未来有钱等。   什么是“人格健全”,我建议是和AI去仔细聊一聊,然后再和身边的亲友讨论一下。我个人感觉我自己也是到最近几年,才算是达到了一个相对比较健全的情况。我说一下个人理解,应该包括但不限于:“能清楚的知道自己的优点和缺点是什么,接受自己的不完美”、“遇到挫折,或者重大压力时,情绪上不轻易失控。必要时知道求助,并能够合理的参考他人意见”、“能做出选择并承担后果”、“决策能够结合实际,避免长期陷入幻想”、“能反思自己的行为模式,从经验中学习”。其实这些个人理解,也是让AI帮我说的,然后我自己整理了一下。至于怎么完善自己,以前可能是读书,现在有AI了,什么问题都可以和AI聊,可以把AI当作主要的方式,读书为辅,也可以与其他人沟通。   当然了,人格不是特别健全这个事情,和原生家庭可能也是有关系的。最近这两年我也经常刷到“原生家庭有罪”这种论述。我个人的观点是:原生家庭有问题是环境因素,不过一般也能够通过完善自己来规避掉此类问题。虽然可能会花些时间,但也请给自己一些宽限。

具体的一些心态调节方法:

  • 早睡觉【最重要】:虽然这篇文章发布时间可能比较晚,显得没什么说服力,不过我最近也就熬了这一天。影响早睡觉的诱因就是手机。睡前把手机放远一点,实在睡不着可以数羊(用数羊程序强行覆盖焦虑程序)。如果长期熬夜,可以阶段性的提早。比如说平时2点才睡,那么就先提到1点。差不多了再继续往前提。

  • 内耗改外耗:现在这个年代,谁敢贴脸嘲讽,非亲戚直接开骂,亲戚可以不理(心理隔离)。

  • 选择性的看求职经验:现在大环境不好,其实滋生了很多释放求职焦虑的主播。有可能刷了一条引起焦虑的视频,平台就会无限制的给你推送相关内容,有时也非常搞心态。条件允许的情况下,单独搞一个号刷求职经验;不允许的情况下,设置一个时间边界,比如说周六日这种休息时间,刷到也不看。

  • 重大事件不预设结果:比如说考研或者面试,不要总想着成功或者失败,事前尽自己的努力就可以了。预设本身不能提升成功率。

  • 失败后及时总结经验教训,事后不回想失败本身:比如说面试失败了,那么面试完当时就应该把所有的经验教训总结好。后面只要解决问题就可以,不要去反刍失败。解决问题能够打开正向反馈,是有益的。反刍失败没有意义,只是徒增焦虑。其他失败也类似,尽早总结问题,后续尝试解决问题,不反刍失败本身。

  • 学会放过自己:如果一个东西使出了浑身解数,还是得不到,那么就是老天不想让得到。实在不行,该放弃就放弃。

  • 多问问自己是否开心:迷茫的时候,怎么努力都不行的时候确实要多问问自己是否开心。

给在校学生的一些建议

个人认为,有这么几点比较重要:

  • 不要超过自己能力去消费:比如说男生不要无节制的氪金游戏;女生不要陷入各种消费陷阱。其实都类似,地球online的物品和装备,不管是“游戏装备”,还是“衣服”或者“化妆品”等东西,都无法给使用者提升属性或者各类词条。哪怕是老版本,基本上也很难让人高看一眼。非必要情况下,避免负债。网贷利率高的很离谱。
  • 测试并正确认知自己的能力边界:这块我自己做的也不是特别好,可以去B站或者和AI聊一聊,然后自己多思考。
  • 知道自己喜欢什么,擅长什么:每个人不一样,这也会在挺大程度上决定工作的是否顺心。B站也有挺多类似的视频可以参考。
  • 心理健康和身体健康是第一位:不知道机会什么时候会到来,那么就在它到来之前养好自己的身心。有机会再努力奋斗。

最后

  也没啥可说的了,祝大家开心。

求职
人生
交流
50
30
分享
操作
评论
相关内容
0个评论
全部评论
点击登录,快来和大家讨论吧~
表情
图片

目录

🔥 热门文章
1
手把手教你设计一个成熟的 Agent Harness
2490
2
我用 REA 逆向了付费颜色 APP,结果很意外!
570
3
离谱,DeepSeek 崩了 5 小时,大家却喊:梁圣恩情还不完??
420
4
DeepSeek 全新模型发布,性价比最高的一集!
380
5
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
370
6
自己学习ai,直接买cursor 的套餐,还是买gpt 或者claude 的套餐?
360
7
又一个国产版 Codex 神器,也来卷办公了!
330
8
AI 越强,被它拒绝的代价就越大 我有时候会想:AI 越来越厉害之后,有些事情,会不会反而越来越难做? 这个想法看起来有点矛盾。AI 明明在降低门槛,让不会写代码的人做出软件,让不会画画的人生成图片,让一个人完成过去需要整支团队才能完成的工作。但今天用 Codex 的时候,AI 拒绝帮我编写 SQL 注入的请求体,而那还是我有源码、在本地跑测试的情况。那么,往后是否只会更难? 我们假设某一天,AI 说:「这个请求违规,我不能帮助你。」到那个时候,你还有多少能力,能绕过它,把事情做完? 这里的「违规」需要打个引号。平台的规则、模型的判断、法律的要求,以及一件事实际有没有造成伤害,彼此之间并不总是画得上等号。一个请求可能确实危险,也可能只是缺少上下文被误判,或者恰好落在某家公司的限制范围里。 无论是哪种情况,随着我们越来越依赖 AI,这句拒绝都可能变得越来越贵。 今天,一个程序员让 AI 帮忙写代码,AI 拒绝了,他大概率还有别的办法:查文档、找开源项目、问同行,或者自己写。麻烦一点,慢一点,但路还在。 可如果十年之后,大部分程序都由 AI 完成,情况就不一样了。 很多人从接触编程的第一天起,就习惯了描述需求、等待生成、运行结果、继续迭代。他们能做出相当复杂的产品,却未必经历过独立处理底层问题的训练。平时,这种能力结构完全够用,效率甚至更高。只有 AI 拒绝的时候,他们才会发现:平常被省掉的那段学习过程,恰好是此刻最需要的东西。 到那时,一次拒绝的成本,可能就从「今晚多花两个小时」,变成「先花半年学会这门技术」。 拿 SQL 注入举个稍显极端的例子:往后,连真正理解这类攻击如何发生、能够独立构造测试的人,会不会也越来越少? 这里也包括那些有正当需求的人。一个开发者想检查自己的旧系统,一个经过授权的安全研究员想复现漏洞,假如 AI 识别到危险模式就拒绝,而使用者又只熟悉「让 AI 帮我检查」,这项原本可以独立完成的工作,就这样卡住了。 但是安全专家不会因此消失,但这类技能可能越来越集中在少数人手里。你仍然可以找专家,只是要付出更多的钱、更多的时间,以及更高的沟通成本。 类似的困境,未必只发生在网络安全领域。 你想从一个停止维护的软件里取回自己的数据,需要解析它的旧文件格式。AI 判断这涉及规避保护措施,拒绝继续。你拥有这些数据,却没有能力把它们读出来。 你买了一台设备,厂商停止提供服务。你想修改程序让它继续运转,过程中需要处理某种访问限制。AI 不愿协助,而你所掌握的维修方式,早已只剩下「把报错发给 AI」。 你想给常用的网站写一个辅助工具,减少重复操作。平台将此归入自动化限制,AI 也据此拒绝。过去会写脚本的人可以自己判断、自己处理;未来的使用者,可能连从哪里开始都不知道。 这些例子有一个共同点:当工具同时承担了「执行工作」和「传授知识」的角色,它的拒绝就不只是挡住了一次任务,也挡住了获得这种能力的机会。 更麻烦的是,这种依赖往往是我们主动选择的,而且每一步都很合理。 既然 AI 几秒钟就能做好,为什么还要花几个月学习?既然公司可以采购成熟的 AI 服务,为什么还要养一支负责基础工作的团队?既然市场上已经很少有人手写这些东西,学校为什么还要花大量时间教? 对个人、公司和学校来说,这些选择都有现实依据。但叠加起来,整个社会保留的独立能力就可能越来越少。等到某项能力突然受到限制,我们才发现,备用方案早已在追求效率的过程中被一点点削掉了。 所以,「AI 越强,做事越便宜」可能只描述了未来的一半。 另一半是:被允许的事情越来越便宜,被拒绝的事情依然需要人工完成,却要面对更少的人才、更高的报价,以及越来越难获得的知识。两边的成本差距,会越拉越大。 有人会说,可以换一个模型,或者用本地模型。这确实是重要的选项。只要工具之间还有充分竞争,开放模型还足够可用,限制就未必能形成真正的门槛。 但备用方案也需要维护。它需要硬件、知识、软件生态,以及一群仍然理解这些系统的人。如果大多数人已经习惯了最方便的商业服务,那么「理论上还有别的办法」和「普通人实际用得起、用得明白」,之间仍然可能隔着很远。 我担心的,正是这段距离。 我不指望 AI 对任何请求都照单全收。对明显会伤害他人的行为设置限制,有充分的理由。但我们也需要关心:限制由谁定义,误判有没有申诉渠道,用户能不能换工具,以及脱离这个工具之后,还剩下多少独立行动的能力。 保留这些能力,平时看起来甚至有点低效,明明可以自动生成,还要理解原理;明明可以一键完成,还要知道手动怎么做。 但这些看似多余的知识,会在工具拒绝、失效、涨价或改变规则的那一刻,成为真正的选择权。 AI 越强,我们可能越需要留意它说「不」的那一刻。 因为那句话的分量,最终取决于:它拒绝之后,我们还能做什么。
310
9
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
300
10
WorkBuddy 本地 API 桥 + dsh 插件:把你的 WorkBuddy 额度,变成手边随手可用的模型
290
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
墨得问题墨得问题