「有沒有發展性」不能只看公司名,要看你這份工作是否還在讓你「跨半步」成長;六年一直跳,可能正是因為每次都在換賽道而不是累積。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
判斷發展性,看這份工作是否還在累積
一份工作有沒有發展性,可以拆成兩件事:你在這裡能不能持續學到新東西(沉澱),以及你做出的東西對公司有沒有價值(變現)。立正談選機會時傾向於每次不要原地踏步、也不要一次跨一大步,而是跨半步——比如從做 A 變成做 A 加一點新東西,或是在同一賽道裡把 scope、層級往上抬。這樣自己既有成長,對下一個公司也有可複用的經驗。反過來說,如果每次跳槽都是換一個完全不同的領域,過去的積累就很難被別人看重,等於重新開始。你可以拿這個標準去量 Celestica 這份 DevOps:過去一年你具體多會了什麼、負責的範圍有沒有變大,還是只是把同一套流程做得更熟。
一直跳槽,可能缺的是「主動規劃」而不是機會
有人分享過在大廠做基礎、無聊、沒什麼 impact 的項目時,做法不是默默等,而是先保質保量把手上的活做完,再主動跟主管談接下來三到六個月的 roadmap,說清楚想學哪個方向、想碰哪些技術棧。主管通常沒有理由拒絕一個已經證明自己能交付、又想成長的人。這條路的好處是:你不用靠跳槽來換成長,而是在現職裡把範圍一點點撐大。如果你六年一直跳,值得先問自己:是每家公司真的沒東西可學,還是你沒有在職內主動爭取過?如果是後者,換公司很可能只是重複同一個循環。
出处 3
先做一件能驗證判斷的事
AI推演與其現在決定「要不要一直幹」,不如先花一次一對一,跟你的主管談你想在接下來幾個月多接觸哪一塊(例如某個 service、某類自動化、或更上游的設計),並問清楚組裡有沒有這類機會。這一步能驗證的是:這份工作到底還有沒有可爭取的成長空間。觀察反饋——如果主管能給出具體方向或項目,說明這裡還有「跨半步」的餘地;如果談完發現確實沒有,那才是你該認真考慮外部機會的信號。這比單純憑「待了幾年」判斷發展性更可靠。
出处 3
資料沒有針對 Celestica 或 DevOps 崗位本身的分析,也沒有你目前的職級、團隊規模與實際工作內容,所以只能給判斷框架,無法替你斷定這家公司有沒有前景。
出处
- 1如何选择和创造机会|下饭视频
講「沉澱與變現」「每次跨半步」,是判斷一份工作有沒有發展性的核心標準。
- 2跨赛道跳槽的经验|跳槽的最佳时机?|如何选择职业4/4
談跳槽時機與動機,可對照你「六年一直跳」的模式是不是在換賽道而非累積。
- 3Charles采访幕后
具體示範如何在現職內主動跟主管爭取新方向,適合你這種想驗證「還能不能成長」的情況。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 有个投资人讲 alexzandra wang
最直接的是周楠那期访谈,标题就点明他讲 Alexandr Wang 为什么是顶级创始人;片段里还提到 Scale AI 在 2021 到 2022 年因自动驾驶降温而客户变少的转折。
- 找到10%高价值的工作,但是在AI时代,对于data scientist来说,高价值的工作是什么呢?我觉得我之前很多的高价值的工作现在都没有价值了,而且留不下来,而且别人不会觉得是我做的。
AI 让“处理信息”这件事变便宜,所以数据科学里原来值钱的分析、建模、报表正在贬值;新的高价值位置是判断该做什么、把模糊问题变成可执行系统,并对结果负责。
- 为什么个体AI用的很好但是整个公司团队没有上来?
个人用得好,是因为他一个人就能把背景、判断和反馈闭环起来;团队上不来,是因为这些能力散在每个人脑子里,组织结构和激励又没跟着改。
- 职业院校实训科教师(体制内)+ 个人开发者/IP 运营者。想请您诊断我这套工作流架构:① 最脆弱、迟早出事的一环是什么?② 最过度建设(投入产出最差)的一环是什么?③ 如果只能再做一件事,您建议做什么?
最脆弱的是学生数据与云服务混用的那条链路;最过度建设的是多设备、多模型、多平台的全互联架构;如果只做一件事,先给「学生数据不可上云」划出一条可验证的物理边界。
- 我每天很忙,但不知道工作有没有价值,怎么识别 fake work?
识别 fake work 的关键不是看你有多忙,而是追问:这份产出完成后,下游会做出什么不同的决定或行动?如果多生产十份,真实结果也不会更近,那它很可能只是让你感觉在前进。
- 如何看待国内办公场景workbuddy爆火和AICG盛行的短剧,对我们这些使用原生agent的开发者有什么建议。
办公场景的AI工具和短剧爆火,说明AI正在把“生产内容/代码”的单价压到很低;对原生agent开发者来说,越靠近“为结果负责”就越难被替代,光会调工具本身不构成壁垒。