工作三年，许多想说

最近读到laike9m <工作三年我学到了什么>，听完那期捕蛇者说博客，觉得自己的视角下有许多不同，想也来写一写自己的感想。我毕业之后就一直在一家硅谷小厂工作，到今年6月也满三年了。前两年的角色大致是DE/SDE，最近一年在转向AI/LLM。这篇想把主题扩展到工作之外，到生活，心态，团队，方方面面，也算一个阶段性的记录。

换方向是常有的事

换方向是常有的事，在小公司里更是。我刚进公司的时候是做维护data pipeline，花了6个月做了一次AWS EMR到databricks的迁移，稳定之后就几乎不需要时间维护了。随后便去接手了后端服务的性能优化，以这个契机接触了python / redis / mysql / elasticsearch后端技术栈，有段时间还去做了一些k8s hpa的调研。然后就是从一年前的夏天开始做AI一直到现在，现在也逐渐走上正路。如果在大公司里，这算不算三年换了两次组呢？我不太知道。但总体来说，我觉得十分满足，给了我太多跨领域学习的机会。

我现在不太会想这样的经历会不会不专注，这是从后视镜看到的看法。在那个当下，我能看到的只是：面前有一个机会，我要不要抓住它？能在某个领域一直做很久并成为那个领域的专家，是一件幸运的事，但在目前的公司里我不太能看到这种可能。这个时代本身就是在变化的，所以我更多把换方向看作为一种常态，毕竟在科技行业，变化是一定会发生的事，我们谁也不敢说能依靠现在的技术栈一直工作到退休。

playground是我的工具箱

在小公司一个比较大的问题是技术栈比较简单，使用的技术一般比较成熟，甚至老旧。带来的问题就是视野和发展受限，“在工作中学习”是一种奢望，很容易处于一种“好像没什么再可以学的”状态，但是回归到人才市场时，却发现自己一无所长。我慢慢想出了一种变通解决的方法，叫做“在工作外学习，在工作中实践”，即选定一些自己感兴趣的知识和领域，慢慢了解它、学习它，并在工作中尝试运用它。一般来说，老板对新技术的采用抱开放态度（毕竟能提升性能或者省钱，都是看得见的成果），至少能申请一些做实验的机会，如果能上到生产环境那就是一次从0到1使用的经验，即使不采纳，也可以为以后的工作做铺垫。我发现在小公司里这样的机会还真不少，如果能证明有显著提升，最终能上到生产环境的概率很高，比如这几年我做了：

[Y] (llm) ReAct agent
[N] (benchmark) valkey vs redis
[N] (benchmark) postgresql vs mysql
[Y] (full stack) 带计费功能的openai api proxy
[Y] (redis - client tracking) redis客户端缓存
[Y] (redis - redis stream) 基于redis的可靠消息队列
[Y] (mysql - replication) 基于mysql binlog的变动数据捕获 (change data capture)
[Y] (k8s - keda) 基于keda的k8s HPA
[N] (python - cpp extension) 用cpp写的trietree包，加速字符串匹配

有idea了，就花时间自己动手探索一下，在我的playground repo把教程跑一遍，或者做一个原型prototype看看情况，效果好的可以直接进行展示，效果不好也积累了知识。基本原则是小量试错，不花太多的时间就能得到初步结论，做一些笔记，然后拿着结论决定是否需要深入研究。这样长久积累下来我的playground repo就变成了一个大工具箱，里面有我的所有学习笔记和测试代码，可以随时clone下来作为知识库搜索。

欢迎来star我的playground: https://github.com/gongyisheng/playground

上twitter，找mentor

同样也是小公司的问题，由于人才密度不够高的缘故，容易视野受限，有时向同事学习的方法，也不一定是最优的，需要花时间关注社区和大公司的进展。我倾向于关注人，我在推特上关注了不少乐于分享的同行，以及独立开发者，他们一些发言能极大地启发我，一些例子：

plantegg 教会我抓包，网络栈和数据库，和动手的重要性
dongxi_nlp 提醒了我要多看AI论文
MathewShen42 让我意识到要做动手做论文复现

和优秀的人相处才能经常有这种启发到的时刻，这些都是我在工作中也许要摸索很久才会发现的，或者是根本看不到在工作中能有习得的机会。

这三年在公司做了不少tech sharing，大概一年2-4次，分享的话题从完整的项目实现到case study都有，做过面向全公司（包含非tech听众）和面向大团队（tech，但不熟悉技术栈）以及小团队的，时长不超过一小时。做tech sharing压力并不大，也不需要深度很足，只要你懂得比同事多，就可以做tech sharing。我个人把tech sharing用作几个目的，一个是作为费曼学习法的实践，将自己学到的知识输出一遍，才算真正学会了，二是督促自己学习的方式，我常常会在自己有一个想share的idea，有所学习但不够深入的时候，就约一下一个月后的tech sharing，在这段时间鼓励自己深入动手学习，~~当然了还能让公司帮我顺便报销一下软件和硬件开支。~~

撇去一些业务模块的分享，这几年大概做了这些：

valkey vs redis
databricks vs AWS EMR
prompt engineering - 如何写prompt
RDS deep dive - mysql RDS疑难杂症
packet capture - 网络抓包
change data capture - 模块介绍的Q&A

tech sharing的话题选择和内容安排，需要非常了解听众，最好的是能引发听众讨论的。比如RDS deep dive那一期的讨论是所有sharing里最积极，我和听众的体验都很好。像这种话题，团队里每个人或多或少都有使用RDS的经验，Q&A会很积极，很有深度。像这样容易引发讨论的sharing，我甚至不需要写深奥的内容，能起到抛砖引玉的效果就可以。

不过时间久了，也发现tech sharing的局限性。一场tech sharing的内容，听众事后能有30%能记得已经不错，如果不是自己遇到一次或者动手实践过，从sharing上学到的知识也会很快忘记，遇到过很多次同事遇到我曾经tech sharing上分享过的问题，仍然毫无头绪。另一种情况是听众知道分享的技术/工具/模块更好，但是由于采用过程需要引入重构迁移，被认为是重要但不紧急的工作，安排在backlog，最终遗忘。所以我认为做tech sharing并不太能帮助一个团队显著提升工作效率，更多的可能是对于自己个人的意义，以及讨论时抛砖引玉的效果，作为知识的记录。

我与树莓派，以及失败的硬盘生意

找自己感兴趣的事做，并依赖它们养成习惯，会事半功倍。2024年初开始处于对硬件的兴趣，有了自己第一个树莓派，最初的想法是用来作为回国期间openai套壳服务的服务器，又不想在云服务上开t4.micro一个月花20刀，掐指一算性价比不如自己运维。后来故事就多了起来，首先是openai套壳在朋友中还挺受欢迎，有了十几个用户，然后是喜欢上了selfhost，在上面自建了许多包括监控、相册、对象存储、记账、密码管理、机器学习实验记录、KV缓存等许多服务，让我就有很强的动力去使用这些服务，帮助我自己养成了许多习惯。后来有了更多的派，还有一个在做我的mini主机。

虽然树莓派作为主机，服务器，都不算是一个很好的选项，性价比也不够突出，但它给我带来了好奇心，成为了学习和使用的理由，我觉得这种机会和经历是无价的，是我觉得在硬件/软件上花的最值得的几笔钱。另外两个是RTX3060和claude code，3060算深度学习入门级显卡，跑跑推理/embedding/BERT finetune无压力，也可以玩游戏放松；claude code在我不熟悉的领域开发极快，节省大量查文档时间，我经常拿来用于代码库问答和学习新工具。

类似的基于兴趣的试错我还有很多，比如我买了不少m.2硬盘，注意到ebay上部分硬盘有套利空间，一度想做硬盘转手买卖生意。卖了几块之后发现这个生意最大的bug在于要上州税和所得税，如果换去免税红州，运费又会上去，其实利润空间不大。然而这些硬件知识也没有白费，后来在投资中给了我意外的帮助，这当然是后话。学到的知识就是赚到，没有什么是会白学的。

管团队就像玩部落冲突

虽然我没有管理团队，但依据我的观察，团队的运作和部落冲突游戏里部落的运作非常像：

都是一群以利益为共同目标而聚在一起的人，公司（团队）最终面向的是赚钱（impact），部落玩家面向的是赚资源
团队的文化大多建立之初就决定了，部落的风格（chill or competitive）也是在部落建立之初就基本决定了，都是由创始的少数几个人决定的
团队的leader看上去有很大权力，但也受到组员制约，并不是绝对的权力，部落首领也是如此，部落首领想改变规则，需要部落成员配合执行，否则无法改变
即使团队leader离开了，团队仍有很大惯性延续过去的行事规则，执行共识的成本最低，部落也是如此，部落的规则延续是因为符合大家共同的利益
团队的流动性很高，是一个巨大的red flag，会很难积累起业务相关的经验和know-how，部落里流动性很高，部落也做不起来，很少会看到大神
在KPI压力小的地方，人际关系一般都会比较松弛
和leader建立信任最好的方式是持续地兑现承诺
经常说“对事不对人“，但我想说，人非常重要，管理层（leader）的能力非常重要，与平庸的人共事代价巨大，意味着会有一大堆麻烦事

我有个不成熟的想法是，能在游戏里管好部落，就也能管好团队。有点组织行为学的意思，以后真当了leader回头看

小厂，大厂

这是一件我没有想清楚的事，我没有执念一定要去大公司，过去在大公司实习的体验并不好，而过去三年的学习进度很让我满意，可能累一点的是需要我不断主动学习，工作中学习的机会都要我主动创造，仿佛工作在限制我的学习范围。我想再继续观察一会儿，虽然我已经观察了很久。

AI

大模型非常强，随着软件和硬件提升，会越来越快，能力越来越强
未来会继续存在的工作机会：创造新知识，或者在知识只储存在人脑中的小众领域避难，后者会越来越少
AI完全替代人力不太可能，但部分替代，或者是提效，是完全可能的，觉得未来确实不需要这么多程序员
过去几年云服务厂商巨额资本开支（Capex），很快会进入折旧期，若营收不以相同幅度提升，必须挤占运营开支(Opex)来保持利润
所以基于4，Capex换Opex，裁员买卡，是我们未来可能会看到的
如果5发生了，那么AI税会提上日程，AI厂商要承担社会责任

我不想再听漂亮话

这个part会说话比较直接(难听)，但也确实都是事实，大多基于我的观察

在美国如果不处于创新的前沿，就容易有被降本的压力
企业（以及管理层）内心中对于员工大多处于一种用完即弃的状态
上对下隐瞒十分普遍，在公司全员会只能听到"Wins come all day"，layoff的消息到最后一刻才会知道
“Let’s divide the work” = “I want to take your project”