记录 on Nekonull's Garden

2026 秋随记

Mon, 05 Oct 2026 10:01:38 +0800

整修博客的时候才注意到居然离上次更新已经超过一年了。虽然之前引入了 TIL 希望能有更频繁的分享，但最后看因为各种原因还是没有能继续下来。（不过书签和书签摘要倒是一直有在更新。）从 2025 年底到现在（2026 年 10 月）发生了许多事情，思想和心态也有了一些变化，想来还是写一篇随记，在此和各位读者分享，欢迎评论交流。

工作

其实很早之前就有跳槽的想法了，25 年底也做了一些尝试，但是今年真正迈出了最大的一步。大厂固然很好，但是 25 年底到 26 年春，身边几个要好的同事相继选择了离开，有的内部转岗，有的跳去了其他公司；虽然没有和他们深入交流过原因，但其实自己也能逐步感觉到，工作压力的增加、监管日益趋严、组织中对 AI 的盲目推行、为汇报留痕的内耗空转…甚至于只要在内网看到 AI 相关的关键字，就会有一种生理上的厌恶，想要呕吐。

26 年 7 月，通过一位校友的内推，我更新简历并投递，正式开始了新公司的招聘流程。工作太久，对面试知识早已生疏，日常上班之外还得早起刷题。好在多轮面试（线上 + onsite）后，总算成功在 7 月底拿到了 offer。说来也巧，拿到 offer 的当晚我就提交了辞呈，然而第二天（前半年的评估结果公开日），我才知道自己获得了高等级，还有涨薪和股票。但即便有这些激励，还有多层上级的挽留面谈，我也无心再在这里耗下去了。（某位上级也提到，ta 之前已经注意到我的负荷过高，准备增添人手，但还没来得及调整。）因为担心触发竞业协议，离职理由写的是健康原因，不过也不算是借口，毕竟高血压和入睡困难是真实存在的。最后离职交接又花了一个月，补文档、画架构图、以及处理新的工作（是的，因为有同事休假，直到最后依然在干活），交接之后把我一个人的职责拆给了五个人。在 8 月底总算结束了我在前司 4 年多一点点的职业生涯，走出大楼的那一刻，久违看到了一次夕阳，如释重负。如果有我的前同事读到这里，感谢之前的合作和陪伴，在此祝你们后续一切顺利吧。

8 月底离职后，其实没有休息多久，9 月初就入职了新公司，现在也还在 landing 中。虽然新的岗位没有解决我的一切痛点（有些东西毕竟还是得入职了才知道，这样预期大概也不现实），但整个人的心态感觉好了很多，比起之前那种每天数日子的感觉算是极大的改善了。尽管有的时候还会思考跳槽是否值得（薪资增长幅度不高，还放弃了 27 年初已经确定的股票），但最后综合各方面充分复盘了一次，还是认为选择跳槽是当时的最优解了。后续可能会对新工作有更多分享，但是还是先不要太过期待吧。

生活

和新的工作相伴而来的，是城市的变更，从深圳搬到了杭州。现在在杭州只住了一个月不到，还不能说对这个城市有充分的认识，但城市氛围的确与打工之城截然不同，感觉上更平静更松弛。非机动车道的划分也是杭州明显比深圳强的一点（不过可能几乎所有城市都比深圳强），走在路上被电鸡滴的概率大幅降低（虽然逆行的电鸡还是会走人行道）。之前 25 年 8 月和妹妹来杭州旅游过一次，但当时只是走马观花的看了几个景点，没想到现在却在此定居了。想要揭开这座城市的面纱，大概还需要后面逐步探索吧。此外江浙沪包邮区果然名不虚传，大部分购物都能做到次日达（甚至当日达），着实方便。

人际交往上，之前深圳的圈子就只能线上交流了，不过也在重新激活上海的好友。杭州-上海的高铁班次频繁，运行时间也不长，五十分钟可能比城市内长距离移动还短，后续也可以考虑周末去逛逛上海的各种活动。

最大的生活改善莫过于住宿条件了。此前在深圳的时候，在公司附近租了一室的小公寓，主要考虑的是距离近，上班一站地铁，下班直接走回去；但房价本身很小，价格却挺高，而且还在逐年涨价；来到杭州后，虽然找房颇有些波折，但最后还是选择了一个离公司两站路的商品房小区，以更低的价格租到了两室一厅的房子，甚至还搬了个椭圆机回家。不过也因此通勤时间有些上涨，单程门到门快半个小时了，天气许可的话走走还挺好的，但不知道后面降温或暴雨会如何（实在不行打个车应该也还好）。

24 年中我开始写周记，26 年初决定细化到日记。写周记的时候常常只记得几件大事，但日记写的频繁，即使只是写流水账，记录下一天中的事情和心情，但粒度会细很多，能捕捉更多细节。写的过程本身也是整理和释放，写完了会有一天真正结束了的轻松感。更重要的作用是细粒度数据也是 AI 极好的上下文，常常可以在讨论中发掘出之前的一些细节，其实已经暗示了某种动机，并引导出了最后的决策。

家庭

之前在深圳，回家就是半小时地铁的事情，每个周末都会回家吃顿饭。但来了杭州后，回一趟家就意味着单程 5 个半小时的高铁，或 5 个小时的飞机（算上机场来回时间）了，无论是时间成本还是金钱成本都增加了不少。其实很早就想过，成年后和父母家人陪伴的时间越来越少，可能累积起来 90% 和父母在一起的时间都是成年之前，成年之后就剩 10% 了。但之前还能以还在同一个城市，有什么事可以随时处理来安慰自己，现在则是要正视这一事实了。和几位同学朋友问过，他们也只是有意识安排回家的时间，但除此之外也无太多能做。可能这就是现实吧，不同世代终究会有自己的生活。

妹妹今年 9 月升入了初三，明年就要迎来她人生中的第一次大考。暑假和周末都有在上补习班，成绩总体来看在年级上游，但是没有那么拔尖，有的科目成绩依然不太稳定。国庆回家的时候，就妹妹的教育和父亲做了激烈的讨论，父亲的观点还是上一辈主流的收手机平板，多报班多看课，争取多拿几分干掉千人上个好高中。但我认为妹妹在这个年纪已经有自己的主见，能自己管理学习和兴趣爱好，知道自己需要什么样的帮助；家长应该做好副驾，可以指路，可以提供帮助，但是不要下手微操；作为学生，能维持住自己的排名就已经十分努力了，没有必要为了几分把关系闹僵，或者是进一步恶化现状。最后大家都默默看手机吃水果了，希望父亲能听进去吧。不过其实我自己也有点忐忑，这终究还是基于我自己对妹妹的理解，我看到的终究也只是一个侧面。但无论如何，还是希望做哥哥能做的一切，让她在家里能过得没这么压抑吧。

一转眼已经 27 岁了，身边的不少同学朋友都已经有了伴侣，进入了婚姻，甚至已经生孩子了。虽然家里之前也有过旁敲侧击的询问，但至少还没有主动的催婚操作。但可能是个人性格使然吧，对我来说我不太能感受到感情对我的吸引力和必要性，但不排除也可能之前伤得太深了。总之目前这不在优先级列表上，没有主动出击的想法，先边走边看吧。

AI & 程序员作为职业

我 22 年 8 月开始了自己的第一份工作，22 年 11 月 ChatGPT 惊天出世，拉开了波澜壮阔的 AI 时代。（爆发的主要是 LLM，但还是和主流语境一样统称 AI 了。）每一年模型的能力都在飞速提升，开源模型也在不断追赶闭源模型；到了 26 年 10 月这个时间点上，写代码这件事完全由 AI 承担几乎已经成为了每个程序员的日常，无人软件工厂也不再是幻想。目前流程中的主要卡点，将变更投入生产（灰度、监控、回滚），这些事情虽然目前还是人来做，但是前沿实验室也开始攻破这最后的堡垒了。

但是 AI 来了之后，作为程序员，其实并没有感觉工作变轻松了，反倒是工作量预期上涨，并行度增加，上下文切换更频繁。AI 提高了生产力，但也让更多之前没空做的需求被释放了出来，而这些需求是否真的要做反而可能存疑。另一个问题是对 AI 写的代码做 review，需要结合对当前代码库的理解，以及自己的架构品味，这都需要时间和经验来获得。代码评审引入 AI 基本已经成为共识，但当 AI 给出了十几条评论，到底哪些应该修，哪些是 nitpick 或者纯粹是被害妄想（例如对绝无可能出现的边界条件加防御性分支），目前看即使是前沿闭源模型依然无法比较准确的判断。有的公司相对激进，选择只靠测试和 AI 复审，自己跑 review - 修复循环，但长远来看都会造成代码量的暴涨，完成同样大小的需求变更范围越来越大（更为人所知的可能是 “屎山化”）。这些问题随着模型能力的提升，上下文窗口的增长，或许会有改善，但目前来看还是需要人在环中做一些事情的。

写到这里了就不得不提职业生涯的问题。前有新人断代，后有老人去哪。新人断代已经是老生常谈了，毕竟 AI 比招新人再培养更容易也更便宜，无论是前司实习生转正名额有限，还是现在校招暴跌但社招尚存，都是这一问题的表现。有人认为新人应该通过开源贡献、实习等方式尽早展示自己的能力，但我觉得有些悲观，开源社区本身已经被 AI slop MR 塞爆了，实习则有递归问题，难以找到第一份实习机会。然而我自己也没有很好的办法，更多的得看后人的智慧了。老人的标准也在不断下调，之前很多人说是 35 岁，目前看可能 30 岁就开始危险了，遇到比你年轻还比你能出活的年轻人是必然事实，即使模型因为某些限制未能完全掌握经验和品味，但至少需要的人数会少很多。我感觉也看不到解法，可能就是趁着年轻多赚点钱，尽早准备转型和后路吧。

后续

之前有位好友问我，跳槽+跨城的决策这么重，影响这么大，ta 自己觉得没有这个魄力，我做决策的时候会犹豫吗？我想了下，之前的几次大决策（高考志愿、出国读硕士、毕业秋招offer选择、跳槽），虽然理性上列了对比表一项项评分，但最后还是感性占了上风，在各种情感的影响下做了选择。可能这就是性格使然吧，潜藏在 J 人（判断型）外壳下的 P 人（知觉型）内核。初中时我就发现，自己只能计划两周内的事情，更远的事情就只能顺其自然，尽人事知天命了。未来想必还有不少选择，小到生活细节、开源项目，大到工作和人生决策。希望自己能保持探索和开放，跟随本心前进吧。（当然如果能顺手更新下这个博客就更好了。）

想起来还有一件事，是找到工作之外的其他生活目标。之前陆陆续续有过一些，考过软考高级，拿到驾照…打算开始自己学着做饭，至少能到可以自己完成简单一日三餐的程度吧。

初中和高中还是作文困难户，没想到一下子洋洋洒洒写了三千多字了。如果你看到这里，感谢阅读我在高铁上没有头绪的大脑 dump。希望我的分享没有浪费你的时间。

（本文 AI 含量：0%）

和颞下颌关节紊乱共存的十年

Sun, 25 May 2025 23:14:16 +0800

初识

大概是高一的时候，某个平凡的课间，我打了个哈欠，然后惊恐的发现右侧的下巴卡住了，完全合不上嘴。从此开始了和颞下颌关节紊乱共存的十年。

前几次发生的时候，每次我都如临大敌，校医对此也束手无策，最后只能叫家长来（跨越半个城市）到附近的医院，找口腔科的医生帮我复位。一般这个过程都很痛苦，医生需要在口腔里使劲和关节搏斗。那会大概一个月会出现一次。比较好笑的是，某一次晚自习脱臼又发生了，家长开车来学校，我上车后迷迷糊糊睡着了，醒来的时候还没到医院，但是我突然发现似乎脱臼自己恢复了，于是就直接掉头又回了学校。

自救

但是总是叫家长去医院也不是个事，于是我开始主动寻找缓解方法。在知乎的一个回答上看到热敷的建议后，我尝试用水壶装满热水靠在关节上，用热量让关节放松（医院红外射灯大概也是这个原理）。这个方法有时有效，但效果并不稳定——就像这个病本身一样难以捉摸。

高二那年，我去图书馆在知网上查阅医学论文，试图找到一些思路。这一次有了新发现：口外复位法。这个方法如此重要且有效，以至于我需要在此原文摘录：

以手指在颧骨稍下方颊部的皮肤上确定喙状突顶部的所在位置，然后将拇指放在上面，向后向下按压就能使脱白复位。

这种口外复位方法的优点是：不需要将手指放入患者口内，在无条件洗手的情况下也能进行，不需要太大的按压力量，不需要助手的帮忙，在坐、站、卧任何体位的情况下都能进行复位。不仅医务工作者容易掌握这一方法，习惯性脱白者亲属也能掌握。

我把这段文字抄到了自己的本子上，并决定在下次脱臼的时候尝试。下次脱臼到来时，我惊喜地发现这是可行的（尽管很痛，会痛到流泪的程度）。至少我现在有了个有效的自救手段。

高三某个晚自习的课间，我打了个哈欠，然后脱臼又发生了。但这次伴随着一个新的突破：当时我刚趴桌睡醒，不知为何决定猛地一仰头，然后关节复位，脱臼消失了！我不太确定这是怎么实现的，可能是加速度让关节冲过了卡点，或者是仰头的操作扩大了移动范围？这个仰头复位的方法，在绝大多数情况下都有效，但是依然有限制：一是必须要在脱臼发生后立刻执行，超过五秒成功率就会大幅下降；二是有的时候不方便仰头（例如落枕了），那就做不到了。

和解

脱臼第一次发生之后，我去看过医生，后面也陆续去过几家不同医院。医生怀疑和我小时候咬合习惯不佳相关（例如只用一侧牙齿咀嚼），但是没有什么好的治疗方式。可以手术，但是风险远高于收益，因此最后还是建议保守治疗，平常自己多注意。家长买过限位头套，但戴着像恐怖分子的造型让我几天后就放弃了。

如今，对我而言脱臼已经变得如此频繁，每天可能发生十几次，医学上称之为"习惯性脱臼"。幸运的是，绝大部分情况下我都能通过仰头自行复位，所以对日常生活的影响比较小。唯一的困扰可能是旁人偶尔会对我突然仰头的动作投来奇怪的目光。那些仰头无法解决的严重情况，我会找个无人的角落，用之前学到的口外复位法自己处理。每次这类无法自动复位的脱臼发生，需要我手动干预时，我会留下记录；前几年的时候情况比较糟糕，大概一个月一次，近期已经有所好转（可能和我拔了智齿相关），大概是每100天会出现一次。

值得庆幸的是，在高考和其他人生重要时刻，这个病都没有给我带来麻烦。现在的我已经完全接受了与它共存的状态，甚至发展出了一套"充电"理论——定期按摩关节区域就像充电，如果等到"电量耗尽"，关节就会卡住。

杂谈

如果你从未听说过这个病，那我衷心祝愿你永远不会有机会了解它。某种程度上说，在现代社会，对疾病知识知道得越少可能意味着越健康？但如果你或身边的人也受此困扰，希望我的经验能提供一些帮助。

工作两年了

Sun, 04 Aug 2024 09:11:00 +0800

从我 22 年 8 月开始参加工作以来，已经过去了两年的时间。我自己也马上就要 25 岁了。决定还是写点什么东西记录一下。本文可能没有什么结构，只是想到什么写什么；另外出于众所周知的原因，无法详细描述具体细节；还请各位读者见谅。

总体感受：7/10

工作稳定性
- 虽然目前看还算稳定，但是因为个人强烈的风险厌恶偏好，自己依然以”明天可能就会失业“的态度进行财务规划；体现为对长期大额负债（如房贷）的拒绝，和对现金流、资金灵活性的强烈偏好（如货币基金占比较高）
- 任何时候离失业只差一次重大事故；至今的工作生涯中已经第一次出现了产生资金损失的事故，虽然不是自己直接造成的，但是也有一些自己的间接原因
- 自己对事故的态度比较悲观：事故总会（eventually）发生，只是或早或晚的问题；我所能做的，只是尽我的能力尽量推迟其发生，或是减少影响程度罢了
工作内容
- 主要是 keep the lights on
  - 日常处理一些杂活，参考和优化现有的 SOP
  - 作为团队对外的 point of presence，接收其他团队的咨询，如果处理不了就拉更高级别的同事上升
  - 减缓团队内其他更高级别工程师的压力，分担事务性或者紧急但是技术上不复杂的工作
  - 也作为一些小项目的交付负责人，主要是一两个月内就能交付的短期项目（我认为自己当前的规划和沟通能力也不足以支撑更大的项目）
- 全栈：cpp 内部服务、vue2/typescript 内部CRUD站点、python/sql 数据任务和数据分析
  - 虽然说是cpp，但是其实基本不太会用高级特性，大部分事情rpc框架就处理了，更像是go/java写业务需求的感觉；对底层的了解不够深入
  - 一个人完全负责某个特定模块，的确能极大降低沟通成本
工作体验
- 目前进入一个比较顺利的状态，日常的工作大部分在舒适区内，小部分有挑战性
  - 已经建立了对组内负责系统的心理模型 mental model，例如能大概说出请求从进入到返回，会经过哪些模块（类似于原来是RAG，现在是直接fine tune了）
  - 对部门、公司的基础组件、框架有了一定了解和使用经验
  - 被认可作为团队战力的一部分；但是有些事情目前只有自己在完全负责，虽然有理论上的备份负责人然而没有切换过，有些担忧
- 团队关系正常
  - 日常工作交流都很正常（虽然自己不会和同事一起吃饭）
  - ld人比较好，会批临时请假，但是感觉压迫感有些强，有的时候性急会上压力（不过可能能做到这里的管理者都是如此？）
- 基本做到工作生活平衡和分离
  - 工作时间 10am - 8pm，除去午休和晚餐，纯工作时间基本有 8h；然而通勤比较远，实际出门和到家的时间是 8-9；但至少可以保证双休，已经比很多中小厂好了
  - 周末基本不处理公司事务，紧急事情电话通知；目前还没有周末物理去公司加班过（虽然偶尔要从家里远程加班），期望可以继续保持不加班
  - 天气适合时（not 冬季）的中午保持运动
  - 之前有些架构变动，被调去支援其他数据系统，半夜 oncall 十分难受，人真的会崩溃，好在后面出来了
- 开发者体验 devex 尚可，但还有改进空间
  - 有基本的 CI；业务重要所以没法 CD，但是发布频率足够高
  - 治理任务分配系统很有用（虽然作为处理人也很烦人）
  - 单元测试应该更多（现在感觉不太够，至少有些重要的点的覆盖率我自认为肯定是不够的）
  - UAT测试有但是用处存疑
  - 监控系统还不错而且一直在改进
  - LLM 用于开发和代码评审
职业发展
- 升职顺利
  - 从入职到现在还算顺利，每个可以升级的节点都升级了
  - 最近的一次升级感觉有些得不配位，另一位和我同期进来的同事，我认为做的比我更好（甚至周末还来加班）
  - 感觉更高职级的更惨：压力大、开会很多、周末还要加班处理事情（还有晚餐后和家里的小孩视频电话，听起来就很…）；现在的职级反而比较舒服，会也比较少，可以安心写代码
- 绩效和薪资还算满意
  - 去年拿了一次好绩效
  - 入职的时候 base 比另一个 offer 低很多，且房补在跳槽时很多公司不认可；好在最近薪酬改革后房补融入了 base，且职级提升也对薪资有影响，总算是比 2 年前的另一个 offer 的 base 高了
  - 年终奖不是在当年发放完，而是拆到多年发放，有些坑（算是把你拴在这里了）
  - 既然现在还不错，能撑多久算多久吧（Enjoy it while it lasts）
- 跳槽前景不佳
  - 基本上都在写业务逻辑，疏忽了对框架底层和技术的投入
  - 虽然考下了软考高级系统架构设计师证书，但是在私企的用处不大
  - 目前的业务已经是国内头部了，未来要跳的话如果同一方向则可选非常少
  - 希望能看看大模型相关的机会，但是知识缺失 gap 太多了，不知道从哪里补起来

软考高级架构师备考记录

Sun, 04 Aug 2024 09:07:00 +0800

我参加了 2024 年上半年（5 月）的软考（全称：全国计算机技术与软件专业技术资格（水平）考试），通过了高级资格「系统架构设计师」的考试。本文记录我的备考过程。

个人背景

科班 CS 本科，参加工作 2 年，大厂底端程序员。

参加软考的原因

如果回看我的 23年总结&24年展望的话，会发现当时我已经把通过软考作为 24 年的个人目标之一了。其实我接触软考是 23 年 9 月，但是了解信息有些延迟，当时已经过了报名窗口，所以只能再等半年。当时我并没有非常清晰的动机，以下列出的原因只是站在考完的时间节点上反向硬找出来的：

学生时代的考试思想延续：作为中国学生，考试思维估计是我思想中比较难剥离干净的一部分了，核心是将各类难以量化的目标想方设法量化，并且制定明确的验收标准（例如通过考试）来催促自己达成目标
学习架构设计：虽然我接受了科班教学，也做过不少项目（无论是学生时代还是工作之后），但是大部分情况下，架构要么是直接给出（例如更高级的同事已经设计好了），要么是自己瞎整（例如各类课程项目），没有系统性学习过；既然刚好有”系统架构设计师“这个资格科目，作为考试也有系统性的知识梳理，不妨以考促学
为未来发展留点余地：虽然目前在私企工作用不上，但是未来无论是跳槽国企还是润其他国家，软考的证书认可度还是可以的（e.g. 软考在日本永居打分接受的证书列表中）
退税：考过了的话可以~~退税 3600 元~~ （8/7 评论指正：是 3600 元的退税额度，实际退税金额取决于税率）（每个税收年度可以在继续教育类目下认证一个资格类证书）
听起来比较厉害：毕竟叫做高级，能满足下虚荣心当然每个人可能还有其他的原因（例如落户、国企内评职称、所在地域有优惠政策…），不过我自己的原因大致就是以上这些了。

但决定参加前，也必须要了解软考的局限性：软考本质上还是个八股文考试，有很大可能学了用不上（毕竟对于考生的工作年限是没有要求的）；而且软考是水平考试而不是资格考试，做开发也没有任何资格壁垒（不像建筑）。

软考的考试内容

既然是考试，最重要的当然是考什么。好在这个问题并不难回答，看教材就好了。架构师的教材名叫《系统架构设计师教程（第2版）》，大体上可以分为两个部分；第一部分是综合知识，其中一些章节接受过科班 CS 教育的人稍作复习即可（计算机系统、信息安全、数据库设计），另外一些章节则之前学的不够深入或者是首次接触，需要学习（软件工程、架构设计、质量属性、软件可靠性、架构演进）；第二部分是各类架构的详细介绍，总共划分了八大架构（信息系统、层次式、云原生、SOA、嵌入式、通信系统、安全、大数据），每个架构内会有概述、设计、优缺点、适用场景、示例等。

和考试内容同等重要的，还有考试形式。软考高级资格的考试是 3 个科目：综合知识（单选，75题）、案例分析（简答，1必选+4选2）、论文（4选1，2k字+）。（是不是有种高中语文的感觉了？）每个科目满分 75 分，及格线是 45 分。所有科目都及格才能通过。其中综合知识和案例分析上午连着考，论文则是下午单独考。每个科目的考试时间都是 2 个小时。这其中综合知识和案例分析，基本上靠刷题可以覆盖掉，然而论文就是一个大坑了，毕竟2个小时时间，要完成选题、构思、写作、检查，而且字数还要求2k以上，如果没有训练过实在是比较困难。（顺带一提，23年下半年之前，软考是纸质考试，论文当然也是要手写的；好在23年下半年开始改为了机考，论文也可以打字作答了；真不敢想象之前的考生是如何考过的）。

备考资料

我认为比较有用的资料有：

书《系统架构师设计师考试 32小时通关》（作者：薛大龙）：基本上是教材的精简版本，还带有简单的例题；初期可以先用这本书读一遍，建立下知识框架（软考官方教材不要买纸质书，又厚又重；找 PDF 就够了）
软考备考资料：https://github.com/xxlllq/system_architect；虽然 repo 里有些东西，但是大部分资源还是要付费后从阿里云盘获取；虽然这些资料自己逐个找也可以找出来，但是相对于花的时间和精力来说，花点小钱（￥20）一次找全还是划算的
小程序《软考达人》：刷题用（综合知识和案例分析）；单纯刷题的话完全免费，不需要付费也不用加群
B站视频课程（up 主：文老师软考教育）：https://www.bilibili.com/video/BV1Dy4y1a71j；时间比较紧，就看了论文的两 P，对梳理论文结构很有帮助（e.g.十段式）

总体上，最必须的书 + 资料大概五六十元就可以拿下；是否要买课或者是报班就见仁见智了。

备考时间线

基本上备考时间只有 2 个月，核心的学习时间大概是 60 小时（18 小时读书建立框架、30 小时刷题、12 小时考前临时抱佛脚）。

报名：2024/3/25
建立框架：2024/4/4 ~ 2024/4/6，趁着清明假期，把 32 小时通关读了一边，顺带做了下书上的例题
综合知识刷题：2024/4，基本上是上班的地铁上刷题，一开始刷综合知识的选择题，到了4月底，基本上能保证在40分钟内完成且分数高于及格线了；这一阶段硬刷就是了，很多知识点都是边刷边熟悉的，错了也不用太担心，下次还会遇到的
案例分析刷题：2024/5，也是在上班地铁上，小程序的题库量比较少（120题左右），但是案例分析比选择复杂很多，所以可能一天只能刷个三四题；我自己的做法是先读题，自己想怎么回答，然后看参考答案，根据参考答案补全自己的答案（因为不方便用纸笔，基本上都是脑内过一下就完了）
考前抱佛脚：2024/5/24（考前一天）；因为一些工作上的调整，5月开始每周的工作量都很大，周中已经很累了，周末也完全提不起精神去学习；眼看着马上就要考试了，报名费还挺贵的，这次没过还不知道是否有自信再来一次，思来想去还是考前请了一天假，去图书馆专心复习，能复习多少算多少吧；最后这一天从早9点一直学到晚上10点图书馆关门，虽然不确定学进去多少，但是至少心态上自信多了
- 错题整理：过了下之前刷题阶段的错题，一些知识点回到教材重新梳理知识脉络，编一些自己能记住的记忆口诀（例如六大质量属性 APTSUM：A可用性 P性能 T可测试性 S安全性 U易用性 M可修改性）
- 看论文网课：说来惭愧，之前一直都没写过论文，于是先B站找了个网课看下（就是上面备考资料写的），了解了十段式（项目概要+正文概要+项目背景+项目组成+子题目回应+正文论点3+总结+不足）
- 写一篇论文：学完了论文结构之后，就立刻写了一篇试试看（不然一篇没写过上考场准完蛋，写一篇可能还有点盼头）；题目是随便想的，考虑到 LLM 发展如火如荼，自己定了个《大语言模型和人工智能技术在软件系统开发中的应用》的题目；然后就努力花了 4 个小时憋出了第一篇论文，对照着论文网课还有其他资料中的论文范文又继续改了改；然后整理了所有押题的论文题目，想自己的项目怎么套上去
- 考前资料整理：把认为考前需要复习的内容（常错的知识点、案例分析套路、论文架构、自己瞎编的论文）拼成了一个文档打印出来，考前背诵用，也安心一些
考试：2024/5/25
- 综合知识：有些点忘了，有些完全没见过，但是好在之前刷的题够多，75 题中自己完全确定答案一定正确的就有 48 题，这部分应该是稳了
- 案例分析：必选题是质量效应树和微服务架构，开考前刚背过；4个自选题选了大数据（mongodb、nosql）和 UML 时序图，剩下的两个（嵌入式和分布式锁）感觉不太稳没敢选
- 论文：题目有模型驱动架构设计、单元测试、云上自动化运维、大数据lambda架构；刚好最近在做一些数据系统的工作，于是选了大数据lambda架构的题目；内容上虽然参杂了一些工作上的技术，但是主体大部分还是瞎编+课本知识的混合
查询成绩：2024/6/24，通过，综合知识 56，案例分析 52，论文 52；只能说运气很好，论文编的合判卷人口味了
领实体证书：2024/7/25

感受和建议

对于科班 CS，有实际开发经验的同学来说，这个考试并不算非常困难（10分最难的话，大概是7~8分的水平），但是依然要花时间准备（主要是刷足够多的题）
论文真的很看运气，本次是运气好，可选的题目里有一个和我最近的工作相关的题目；如果没有这个题目可能我就跪了；最好要掌握如何把自己做过的项目套到论文题目上
写作速度很重要，论文的 2 小时我基本上前 5 分钟在选题和构思，后面就一直在写了，结束前 2 分钟才完稿，时间非常紧张
如果你是学生，有比较多的空闲时间，不妨去考下试试看，反正也不要求工作年限

和正文无关的一些碎碎念：上次写考试相关的文章，还是 2021 年 7 天 TensorFlow 开发者认证的那一篇。那篇文章意外上了阮老师的周刊，还给本博客增加了不少流量。现在回过头来看看 ML 领域 PyTorch 几乎已经一家独大，TF 如风中残烛，更别提 LLM 的突飞猛进，当年的认证回头来看其实除了满足虚荣心+能写在简历上之外，并没有起到实质性的作用。前几天收到 Google 的邮件，说当时考的认证已经过期了（有效期只有三年），问我还要不要再续（实际上就是再考一次），那当然就选择不考了。虽然软考没有有效期，不存在重考的问题，但在决定投入精力被考前，依然得好好想想是否真的「对我有用」。

本文发出后的修正

修复了关于退税的表述（2024/8/7）
修了错误的日期描述；“基础知识”改为“综合知识”；补充证书图片（2024/8/9）

Tensorflow 开发者认证记录

Wed, 07 Jul 2021 15:43:00 +0300

又名：我是如何在 7 天内通过 Tensorflow 开发者认证的，以及你应该这样做吗？

作者在 2021/7/4 参加考试。本文写于 2021/7/7。文中内容可能在未来发生变化。

下文简称 Tensorflow 为 TF，机器学习（Machine Learning）为 ML，深度学习（Deep Learning）为 DL。虽然 DL 在分类上而言是 ML 的一部分，但鉴于 DL 在各大领域取得的进展，常常将 ML 和 DL 并列。

TL;DR

7天（甚至更短时间内）通过 TF 开发者认证是可行的。
就实践水平而言，这一认证的含金量并不高（有点水），通过认证只意味着认证人具有基本的，使用 TF 进行图像分类/文本分类/时间序列预测任务的能力。
与其代表的实际水平相比，这一认证更大的意义可能在于强迫自己去阅读/学习，以及向潜在的雇主证明自己有能力/意向进行 ML/DL 的相关工作。

预备知识

这个证书是什么？

Tensorflow 是一个 Google 创建的开源的 DL 框架，使用广泛，也在 Google 内部支持着许多服务
Tensorflow Developer Certification 是 Google 的一个认证项目，在 2020 年 3 月开始，旨在证明认证人有能力使用 Tensorflow 建立 DL 模型，完成指定任务。

为什么你可能会想要这个证书？

通过考证的过程学习 ML/DL 的相关知识
向未来的雇主证明自己有意愿/有能力完成 ML/DL 相关的工作

考试如何进行？

报名费 $100，缴费后 180 天内需参加考试
5 小时时限，5 个任务，全部完成后可以提前结束
每个任务需要提交一个模型，可以随时提交，提交后几乎立刻可以得到一个五分制的反馈
不同任务的分值不同，但是没有明确列出。理论上要求总分在 90% 以上通过
每个任务包含题目描述和代码框架，并不是从零开始，更接近填空
因为模型需要在远端测评架构上进行评分，模型输入和输出是被严格限定的，主要能调整的是模型架构和训练过程
考试要求 Pycharm，但 Pycharm 实际上只是考试 UI，实际的模型建立/训练可以在其他设备/平台上进行（如 Colab，Jupyter Notebook），只需要把最后得到的模型文件（.h5）放回考试目录下即可
不限制网络使用，可以使用任何资源答题
考试失败后，需要间隔一段时间才能再次参加（首次 14 日，第二次一个月，第三次一年）

我的个人背景

我自己从大三开始，陆陆续续修了一些数据科学/深度学习相关的课程，但是除了课程作业之外没有多少实践。
自己之前主要使用的 DL 框架是 PyTorch，对于 TensorFlow 了解不多。
现在算是暑假期间，暂时有一些自己的空闲时间。
之前一直想通过读 HOML （Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition）来学习使用 TF 的知识，但是静不下心去强迫自己学习。
好奇 Google 会如何通过证书考试的形式量化开发者的能力。

我参加这一考试的目标

熟悉 TF 的架构和使用。
掌握使用 TF 构建 DL 模型，完成数据科学任务的全流程（从数据输入到模型在生产环境上线）。
能够完成常见的 DL 任务（图像/文本/时间序列/结构化数据）。

后文将会回顾这些目标的完成度。

考前准备

我首次听说这个考试是在 Daniel Bourke 的视频 (YouTube)，主要使用的相关资料也主要参考了他的博客。此外，TFUG 苏州的这一视频讲解 (Bilibili) 及微信公众号文章也提供了一些帮助。

资源

以下资源按重要程度排序。

TF 开发者证书候选人手册（中文版 link，英文版 link） TF 开发者证书考试指导，TF 开发者证书考试环境配置（考前可从考试平台下载）

必须。《候选人手册》是最重要的官方文档，需要详细阅读。其中有一个技能清单（Skill Checklist），基本上也就是考试会覆盖的主要内容了。《考试指导》和《环境配置》两个文档在为考试缴费后才在考试平台上可见，建议在开考前先通读一遍，并试着自己建立环境，以避免开考后遇到环境配置问题。
在线课程《DeepLearning.AI TensorFlow Developer 专业证书》（Coursera，课程 Notebook Repo）

必须。 实际上是四门课程的集合，分别覆盖深度学习基础、CNN、NLP和时间序列。和技能清单几乎完全重合（实际上课程主讲和证书发放签名人是同一位）。课程内有视频和在线测评环境，习题也和真正的考试试题差不多，基本上能跟着完成课程，考试也就不会有太大问题了。课程本身价格是 $59，但是有一周的免费试用（需要银行卡），可以快速刷完后取消付款方式关联。
书籍 (HOML)《Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition》（中文版：《Scikit-Learn、Keras 与TensorFlow 机器学习实用指南(第二版)》）（O’Reilly ，书 NoteBook Repo)

推荐。 这本书更接近延伸阅读材料，内容本身超出考试很多，但是对构建知识体系更有帮助。有些内容在线课程里说的不是很清楚（如 tf.Dataset 的使用），书里会有更详细的讲解。和考试相关的部分是第 10 章至第 16 章。我所在的学校购买了 O’Reilly 的电子订阅，因此我选择在 iPad 上进行阅读，但是也可以购买纸质版本阅读。
TF 官方文档（教程，指南）

可选。 教程类似于 Cookbook，有解决各种任务的示例。指南则更注重底层原理和基础知识。可以先浏览一遍目录，在遇到不懂之处的时候进行查阅。如有时间也可通读。

学习思路

面对这种多种资源覆盖同一主题的情况，一般有两种学习思路：

纵深：一次学习所有和这个主题相关的资源
重复：一次学习一个特定资源，在不同主题间重复

纵深	重复

在 Daniel Bourke 的博客分享中，他使用的是纵深的学习思路（tribird approach，一石三鸟），每天选定一个主题，首先看对应的在线课程，然后阅读书籍，再花时间写代码练习，最后看 MIT 的视频收尾。但是根据我自己的经验，我更习惯于重复的学习思路，需要让大脑把知识在后台处理一段时间，才能找到一些没想清楚的地方，从而进一步学习。各位读者可以根据自己的习惯选择合适的路线。

学习时间线

Day 1：通读《候选人手册》，打印技能清单作为速查备忘。在考试平台上注册考试并缴费（需要提前完成，身份审核需要一段时间）。学习在线课程的前两个课程，完成课后习题。（学习时间约 8h）
Day 2：学习在线课程的后两个课程，完成课后习题。（学习时间约 10h）
Day 3：阅读书籍的 10 ~ 13 章并做笔记，同时查看相关笔记本的代码示例。（学习时间约 8h）
Day 4：阅读书籍的 14 ~ 16 章并做笔记，同时查看相关笔记本的代码示例。阅读 TF 官方指南中的「Keras」部分。（学习时间约 10h）
Day 5：阅读 TF 官方教程中的「Keras 机器学习基础知识」、「加载和预处理数据」、「图像」、「文本」、「结构化数据」部分。处理之前笔记中遗留的部分问题。开始尝试从零实现 Day 1 中的作业（首先复现，然后使用不同的数据集）。（学习时间约 12h）
Day 6：开始尝试从零实现 Day 2 中的作业。复现 TF 官方教程中的几个自己认为有趣的示例。尝试使用 Keras-tuner。根据环境配置文档准备准备考试环境。（学习时间约 12h）
Day 7：复习笔记。重新阅读《候选人手册》和《考试指导》。在 Pycharm 下复现一个之前的作业。（学习时间约 8h）
Day 8：参加考试。

学习建议

建立自己的 code snippet （代码片段）集合，在需要的时候可以快速查阅（常用的网络结构、常用的预处理代码、常用的 Callback…）
建立 checklist（检查清单），如
- 模型精度不符合预期的可能出错点（根据自己完成作业的经历建立）
- 过拟合的处理方式（根据自己的经验和阅读的相关资料）
保留所有自己写过的代码，以备查阅

设备与环境

我自己使用的是实验室内的工作站，GPU (Quardo M2000, 4G VRAM) 比较老旧，系统是 Ubuntu 18.04，Pycharm 版本 2021.1.3 Community。为了保险，考前在学校的超算上申请了一个 GPU 示例备用，GPU 为 RTX2080。

考试本身需要训练的模型其实都不会太大，根据《考试指导》中的描述，如果能在本地跑通图像分类和文本分类这两个示例，基本就不会有问题了。再加上有五个小时的时间，一般情况下是不用担心本地算力过低导致训练失败的。如果条件是在比较有限，可以使用 Colab 进行训练，或者是在主流的云厂商平台上购买带有 GPU 或是为深度学习优化过的实例。

考试是在 virtualenv 的虚拟环境中建立的，需要提前在系统级别安装 Python 3.8 版本。官方的《考试指导》中特别注明了不可以使用 Anaconda，不太确定原因，但是最好遵守。

需要注意的是，Pycharm 本身虽然可以设定使用远程 SSH 连接下的 Python Interpreter，但是这一配置是不受到考试插件支持的，因此最好直接在具有 GPU 的设备上安装 Pycharm 和考试插件。

网络环境方面，因为考试本身需要从 Google 的服务器下载数据集和上传模型，建议自行确保到国际互联网的连接质量，或是在网络低峰期参加考试。数据集在代码中使用 request 库进行下载，但是也可以手动使用其他工具下载后放置于考试目录内。

考试中

需要提前准备系统的 Python 3.8 环境，并在 Pycharm 内安装一个 TF Certification Exam 插件。
插件运行后首先需要登录 Google 账户认证，然后会自动创建 venv 并安装依赖。完成后显示「Start Exam」按钮，点击后即考试开始。
插件会自动建立一个 Pycharm 工程，其中有 5 个文件夹，命名为 Category1 到 Category5。每个文件夹内有一个 starter.py 为基本的代码框架，内部有 #TODO 注释标注需要填写的部分。在编辑starter.py 时，插件会自动显示本题的描述。
完成训练后，会在题目目录下生成 mymodel.h5 文件。如果使用其他设备训练，也可以从其他设备下载模型文件后，手动放置到文件夹内（需要为 h5 格式）。在插件内选择 Submit and Test model 就会自动提交到服务器进行测评，右下角进度条会显示上传进度，一般上传完成后 30s 内就会返回评分（0/5 到 5/5）。如果太久没有返回评分，可能是模型过大/过复杂，可以取消当前测评。
可以无限次提交模型。测评本身是基于后台的一部分隐藏数据的，根据部分参加者的反馈，数据存在一定随机性，即使是同一模型的多次提交，返回的分数也可能存在浮动。
所有题目都拿到 5/5 评分后，即可点击插件，选择「End Exam」，确认后结束考试。

我自己的这一次考试比较幸运，因为事前自己根据《环境配置》文档验证过环境，没有遇到环境导致的问题。5 个题目都不是很难，我在开考后的 40 分钟就完成了 4 个题目并拿到 5/5，但是 NLP 的题目十分诡异，尝试了各种架构都只能得到 4/5 评分。最后换了优化器，调小学习率，增大 epoch 数慢慢训练，总算 5/5 了。最后结束考试的时候，还剩余 3 小时 10 分钟。

本次我遇到的 5 个题目是：

一个很简单的回归
一个你绝对已经遇到过多次的数据集的分类
图像分类
自然语言处理（文本分类）
时间序列预测

考试结束后

如果通过，几分钟内就会收到通过邮件，并可以填写信息注册到 Google 的认证网络。数字证书需要几个工作日才会通过电子邮件发送。

回顾与总结

回顾这一周，我认为这是一次有趣的经历。可能对我而言，花钱是强迫自己学习的有效方式，至少这一周我是好好把 HOML 中的部分章节给啃下来了。考试本身比想象中容易很多，更说明通过这场考试只是一个开始，仅仅证明自己具备了基本的，跟随教程完成部分简单任务的技能，但是离真正掌握还有很远。

之前我自己定下的目标的完成情况如下：

熟悉 TF 的架构和使用
- 完成（至少从完全没有经验到能快速上手构建原型了）
掌握使用 TF 构建 DL 模型，完成数据科学任务的全流程（从数据输入到模型在生产环境上线）
- 部分完成（本次学习主要覆盖的是从数据输入到模型建立，但是后续部署到生产环境没有怎么覆盖）
能够完成常见的 DL 任务（图像/文本/时间序列/结构化数据）
- 基本完成（每个大分类下都还有很多细分任务，本次学习只是覆盖了最基本的一些任务，但是作为基础知识与入门的介绍已经足够好了）

所以你应该参加这个认证吗？

在我看来，对于未来的计算机/数据科学专业的学生，ML/DL 的技能会被认为是「默认掌握」的。TF 的这个开发者认证，会更接近当前「计算机二级」认证的认可层级：对专业外的学生是额外技能的体现，对于专业内的学生则没有太大的意义。但是就当前而言，获得这一认证可能还是有其意义的，至少在一些小公司可能更容易让你通过 HR 筛。

表格：如果满足以下条件，你…参加这个认证

可能应该	可能不应该
- 想强迫自己学点东西 - 从其他专业转行，需要证明自己的能力和求职意向 - 简历上没有太多能写的经历	- 已经有了成熟、丰富的 ML/DL 经验 - 手头没有闲钱/时间 - 觉得 TensorFlow 太难用了，PyTorch 万岁