答案变多了,选择反而更难了
以前我们常觉得迷茫,是因为不知道去哪里找资料。现在问一句,AI 很快给出十条路线:学 Python、学大模型、做 Agent、转产品、做独立开发。它们看起来都像机会,也都像新的落后风险。可选择变多,不会自动让人更了解自己。
一个答案只有放进具体生活里才有意义。比如“去学机器学习”听起来很好,但你现在每周能留出几小时?需要照顾的家人怎么办?你喜欢的是研究问题,还是看到别人做 AI 产品后的兴奋?不问这些,模型可以给出一份漂亮计划,却未必能帮你过那份生活。
尤其在程序员社区里,比较很容易把迷茫放大。有人发出 AI 半天做完整个产品的演示,另一个人看到后会想:我是不是落后了?但演示展示的是最适合展示的部分,通常没有呈现需求如何修改、数据从哪里来、用户是否留下、系统如何维护。我们看到的是一个结果切片,却拿它来衡量自己的整段生活。
我们常把方向问题伪装成技能问题
“我该学什么技术”有时是在问“我还值不值得被需要”;“哪个方向工资高”有时是在问“我怎么才能让家人安心”。如果只把它当成信息检索题,答案越多,心里可能越乱。可以试着把真正的问题说得具体一点:我担心的是收入、失去兴趣、被团队淘汰,还是不知道如何开始?
把问题说清楚不代表就能立即解决,但至少不会用一张课程清单掩盖它。和可信任的同事、朋友聊一聊,写下自己最怕失去什么,也许比再收集十个“未来趋势”更有帮助。
给不确定留一点位置
人很容易希望一次选对,仿佛路线走错就浪费几年。但许多职业选择本来就是边做边调整:先接触一类问题,积累一点经验,再发现自己喜欢什么、不愿承担什么。我们可以认真做选择,同时接受它不是终身合同。
如果还没有答案,可以找一个小实验,而不是再逼自己想得更久。读一份项目文档、做个两天能完成的原型、跟相关岗位的人聊半小时。实验要回答一个具体问题,比如“我喜欢和用户一起定义需求吗”,而不是证明“我一定适合这个行业”。
与其问“哪个方向最有前途”,不如把选择放进一周的真实日程里想一想。你愿意每天做什么?愿意承受什么样的不确定性?你现在的经济和家庭情况允许多大转向成本?这些问题听起来不如趋势报告宏大,却决定了一个方向是否真的适合你。
还有一个容易被忽略的事实:做选择需要的不只是信息,还需要承受选择的后果。模型可以帮你列出转行路径,却不会替你面对收入波动;可以建议读研,却不会替你照顾家人。把这些生活条件告诉模型,会让建议更贴近现实;但最终,仍需要你和真正受影响的人一起商量。
如果你愿意,可以把一周的时间粗略记下来:工作中哪些事情让你专注,哪些事情让你只剩疲惫;哪些问题你会在下班后还想弄懂,哪些只是因为害怕落后才去追。记录不是给自己打分,只是让“我到底想要什么”不再完全靠猜。