企业官网建设流程全解析

35+ 工程师的取舍能力：不跟，比跟更需要判断力

一、收藏夹里的第 401 个链接

今年秋天，我的收藏夹新增了第 401 个「趋势」类链接。

标题我到现在都记得，因为它几乎和前 400 个一模一样：

《2026 年 XX 技术趋势：不可错过的五个方向》

我点进去，读了三分钟，关掉，然后做了一件事：

把它归到了「已读，但与我无关」。

这三个动作——点开、读完、关掉——我今年重复了几十次。

与此同时，我手上有另一份清单，只有三行。

今年我只做三件事： 1. 边缘推理 / 工业 AI 落地 2. Agent 辅助编码 3. 明确不碰的东西（这一条最费时间，也最值钱）

三十七比三。

这个比例就是我今天想讲的事。

二、核心区分：行业趋势 ≠ 我的趋势

大部分技术焦虑，都来自一个概念混淆。

我们把这两件事当成了一件事：

❌ 混为一谈 「行业在往 X 方向走」 ↓ 「我应该赶紧跟上 X」

但它们之间隔着一道很宽的河。河的名字叫约束。

行业趋势 = 别人的共识 我的趋势 = 我的约束解 约束来自哪里？ ├── 我的行业 工业视觉 / 上位机 / 产线设备 ├── 我的客户 工厂，他们要的是良率和节拍 ├── 我的技术存量 C++ / Qt / CMake / Python 能互相打通 ├── 我的年龄 35+，试错成本已经很高 └── 我的时间 每天能投入的深度学习时间有限

先写清约束，再谈押注。顺序反了，你会一直在追别人的共识。

我给自己写了一份约束清单，一年更新一次。写完之后，一大半的「趋势焦虑」自动消失了——因为那些趋势根本不满足我的约束条件。

下面三个问题，就是我从这份清单里提炼出来的判断框架。

三、三个问题：任何新技术，先问这三句

我判断一个技术要不要跟，只问三个问题。

顺序不能换。前两个决定「有没有用」，第三个决定「要不要用」。

3.1 第一个问题：它解决我哪个真问题？

不是「它是不是新技术」，而是**「我手上哪个具体的痛点它能解决」**。

以我手上的东西为例，我能用具体问题来检验：

「试试最新的推理框架」 → 能解决我哪个问题？ 我的问题是什么？我写得出来： · 产线节拍要求单张图像处理时间不能太长 · 设备算力有限，模型不能太大 · 现场网络不稳，不能依赖云端 → 能对上号的，我跟；对不上号的，不看

如果我答不上第一个问题，那后面两个问题就都不用问了。

因为一个连我的问题都解决不了的技术，跟我无关，不管它多新。

3.2 第二个问题：它比我手上的方案好在哪？

这个问题的关键是「好在哪」必须可比较。

❌ 不可比较的回答： 「它更先进」「它是下一代」「社区都在用」 ✅ 可比较的回答： 「它在我这个场景下，把单张推理时间从 X 降到了 Y， 代价是模型体积变大 Z，而我的设备余量是 W， 所以我能接受。」

第二条回答里出现的每一个数字，都来自我自己项目的测量结果。

趋势可以来自别人，但判断必须来自自己的测量。

3.3 第三个问题，最值钱：什么情况下我应该不用它？

这个问题我以前从来不问。

我觉得「用了就是进步」。直到我发现，我花在追新上的时间，比花在把现有方案做扎实上的时间多得多。

现在我反过来问：

在什么情况下，我应该主动不用这个新技术？

比如我的答案：

我用「不上深度学习」的场景： · 规则的判定足够稳定，模型带来的收益覆盖不了维护成本 · 产线算力或时间窗不允许 · 出现缺陷时必须能给出确定的原因，模型的黑箱属性不行 我不用新技术，不是因为它不好， 是因为我清楚地知道它在我这里划不来。

第三个问题最值钱：什么情况下我应该不用它。

因为追问「什么时候该用」只能让你更焦虑，追问「什么时候不该用」才能让你睡得着觉。

四、押注一：边缘推理 / 工业 AI 落地

这是我押注的第一个方向，也是我唯一有真实交付经验的 AI 方向。

4.1 它是什么，不是什么

先说清楚，避免误解：

我押的「边缘推理 / 工业 AI」： 训练在离线的服务器上 推理在产线的设备里 产线现场断网也能跑 缺陷能追溯到具体样本 我不押的： 在产线上现场训练 把数据传回云端再决策 追求榜单上的精度数字

差别不在技术难度，在于场景要求的是确定性，不是最高精度。

4.2 我手上的这条链路

我在 AOI 芯片焊盘缺陷检测上跑通了这样一条链路：

整板图像 4000×3000 │ │ group_detect：找灯组 │ YOLO11s，640 输入，精度 100%，23.33ms/张 ▼ 灯组 ROI │ │ rotate_crop：旋转校正，尺寸归一化 ▼ 灯组裁图 │ │ chip_detect：找芯片 │ YOLO11s-obb，320 输入，精度 100%，11.14ms/张 ▼ 芯片裁图 │ │ polar_classify：判极性 │ 8 分类，224 输入，99.91% → 99.93% ▼ 芯片极性结果 │ │ chip_defect：判缺陷 ▼ 导出 ONNX（opset=12，IR=8） │ ▼ C++ ONNX Runtime 跑产线

4.3 为什么这条线对我成立

因为工业现场关心的四件事，恰好是训练房里不解决的四件事：

延迟 · 单张处理时间必须塞进节拍 成本 · 每台设备的算力是固定的 隐私 · 产线数据不出厂 稳定性 · 模型不能今天好明天坏

在这四件事上，「用了最新技术」一分钱都不值，「在我的设备上跑通了 23.33ms」才值。

4.4 这条线上真正的坑，不在模型

我在这条链路上踩过的最深的坑，恰恰是几何问题。

旋转框（OBB）的角度编码，很容易被直接当成 C++ 里的倾角用。

❌ 错误做法 模型的 angle ≈ 90° → 我当成「需要旋转 90°」 → 结果：97% 的样本被误旋 ✅ 正确做法 先把角度折算成 horizontal_tilt_deg 只有当 2° < |δ| < 30° 时才旋正 → 其余情况保持原样

一个 90 度的理解偏差，能让 97% 的样本全部处理错误。

我在这个坑上花的两天时间，比我学任何一个大模型概念花的时间都多。

而这个坑，任何一篇讲 OBB 的英文文档都不会告诉你——因为他们默认你知道角度编码的几何含义。

这就是我为什么坚持「理解必须能追溯到具体故障」。

押注一个方向之前，先确认：这个方向的核心难点，你是否有机会在真实场景里被它考过。考过你的，才是你的资产；没考过你的，只是知识。

五、押注二：Agent 辅助编码

这是我今年最大的效率变化，也是我押注的第二个方向。

5.1 我押的不是「AI 写代码」

我押的是一句更朴素的话：

写代码的成本会下降，所以理解问题的成本会上升。

过去的工作构成 ┌─────────────────────────────┐ │ 理解问题 30% │ │ ██████ │ │ 写代码 70% │ │ ██████████████ │ └─────────────────────────────┘ 未来的工作构成（我的判断） ┌─────────────────────────────┐ │ 理解问题 70% │ │ ██████████████ │ │ 写代码 30% │ │ ██████ │ └─────────────────────────────┘

5.2 为什么这对我这个年纪是利好

因为「理解问题」恰好是资深工程师的强项。

我前面讲过 AutoPlatform 的 33 个孤儿静态库。这类问题：

• 它不需要你写得快
• 它需要你知道哪些库是死的、为什么死的、该按什么顺序改
• 它需要你在新旧机制并存的中间态里保持清醒

这类工作 25 岁做不了，不是能力问题，是没见过这么多代码。

Agent 帮我省下来的时间，正好可以花在这些地方。

5.3 但我用它有一条硬边界

我有一条自己定的规矩：

可以让它写第一版 可以让它解释一段我不熟的代码 可以让它帮我列测试用例 不可以： · 让它替我决定架构 · 让它替我改动我不理解的代码 · 让它替我判断「这段能不能删」

原因还是那句：我不能把自己最值钱的判断能力，交给一个我解释不清的东西。

我去年做那 15 篇算法笔记——感知器、LMS、反向传播、核方法、SVM、PCA、SOM、玻尔兹曼机、卡尔曼滤波——就是这个道理。

我不是为了证明自己比框架聪明。我是为了在出问题时，能知道该怀疑哪里。

六、我不押注的部分，以及「不跟」的收益

6.1 明确不跟的：刷榜式军备竞赛

我知道这么写会得罪一部分人。

但这是我的判断，所以我写清楚理由。

我观察到的： 模型榜单一年更新几十次 我一个工业视觉工程师，用的是 640 输入的检测模型 我关心的是 23.33ms 能不能塞进节拍，不关心某个模型又涨了 1 个点 所以： 这条赛道本身是有价值的 但它和我的行业没有交集 我把不属于我的赛道当成自己的必修课 ——这是焦虑最大的来源

不跟，不是否定它的价值，是否定它对我的价值。

这两者的区别很重要。前者容易和别人吵起来，后者只关乎我自己。

6.2 「不跟」到底省下了什么

这一点我想量化一下，因为它常被低估。

如果我今年追了 5 个新趋势，每个花 40 小时： 200 小时 ↓ 折算 约 25 个工作日 ↓ 也就是 5 周 而我今年真正花在「有产出的地方」的时间： · 插件化改造（服务层 11 / 业务层 7 / 数据层 3） · AOI 四级链路的缺陷排查 · 33 个孤儿静态库的死因追查 · 上百篇技术文章 ——每一项都超过 40 小时

排除掉的选项不会写在简历上，但省下的时间会。

那 25 周如果投在押注的那三个方向上，每一件都够做出真东西。

6.3 我的「不跟清单」

写下来，变成一道筛子。任何新技术进来，先过这道筛子：

我的不跟清单（每年更新一次） ✗ 榜单刷分型优化 · 和我的交付无关 ✗ 需要重写全栈的框架迁移 · 我的存量资产太重，迁移收益为负 ✗ 团队只有我一个人用的技术 · 无法形成能力沉淀 ✗ 没有失败案例可查的技术 · 说明还没被充分验证，出事我接不住 ✗ 让你在同事面前显得更聪明 · 这不是技术理由，是虚荣

最后一条我写得最重。

因为它最隐蔽，也最耗人。

七、换赛道的算术题

每隔一段时间，就会有人劝我转赛道。

说实话，35 岁被劝转行，这件事本身就挺说明问题的。

我后来不争论了，我做了一道算术题。

换赛道的净收益 = 新赛道的上限 - 现有积累的沉没成本 - 重新建立可信度的成本（3 年左右） - 35 岁之后试错的时间成本 我算过一笔账： 我在工业 C++ / Qt 这一层的积累 ≈ 十几年项目 + 几个可以拿出手的完整改造案例 这个积累如果清零 → 我在新赛道里就是一个「35 岁的初学者」 → 而初学者是最没有议价能力的那一种人

这道题的关键不在算出来的数字，在你必须真的把沉没成本写出来。

很多人不换赛道，不是因为算出来划算，是因为从来不敢把沉没成本那几行字写出来。

写出来之后，你会发现两件事：

1. 你的积累比你自己以为的更值钱
2. 如果算完还是想换，那这个决定才是清醒的

7.1 那什么情况下我该换

我不想把「不换」写成教条。所以我写清楚触发条件：

我会在满足以下条件时，重新评估要不要换赛道： □ 现有方向连续 12 个月没有新的可交付成果 □ 我想投入的技术方向，我的积累能复用 50% 以上 □ 家庭现金流能支撑 12 个月以上的过渡期 □ 有一个我能对接的真实客户或真实项目（不是「以后会有」） □ 我想清楚：换了之后我具体交付什么，而不是「学新东西」 五条里有三条不满足 → 不换，先把手上的事做扎实

第三条和第四条是关键。

没有现金流的支撑，所谓转型就只是「一边上班一边学」，学得慢，还不敢全力投入。

没有真实客户的支撑，所谓转型就只是「学一个东西等着用」，而等着的过程中，最先凉掉的是决心。

八、给自己留的作业

这份押注清单不是自嗨，它是可被检验的。

所以我给自己留了两份作业。

8.1 一年后要回答的三个问题

一年后的今天，我要重新看这三个问题： □ 边缘推理这条线上，我交付了什么具体的东西？ → 如果答案还是「在学」，说明我其实没跟 → 如果答案是「跑通了 23.33ms 的产线链路」，说明押注成立 □ Agent 辅助编码，让我省下的时间去哪了？ → 如果省下来的时间又被我拿去追新技巧了，说明这个押注是假的 → 如果它真的转化成了改造项目，说明它成立 □ 我「不跟」的那些，有没有哪一个后来证明我错了？ → 必须认真找，至少找到一条 → 如果一条都找不到，说明我的筛子太严了，需要调松

第三条特别重要。

一个从不承认自己判断失误的人，不是在自信，是在自我保护。

押注的本质是承担判断错误的概率，而不是宣布自己永远正确。

8.2 判断被证伪时的处理方式

提前想好，比事后反应强：

如果某条押注明显错了，我的处理顺序是： 1. 先确认：是方向错了，还是我的执行方式错了？ 2. 先修正执行方式，只在两次修正都失败后否定方向 3. 否定方向时，写清楚：哪条约束变了？ 4. 更新约束清单，而不是更新口号

第 3 步和第 4 步是整套方法的关键。

绝大多数人的转型失败，不是选错方向，是不肯更新自己的约束清单。

九、写在最后

回到那个第 401 个链接。

我现在判断一个技术，标准已经简单到有点粗暴：

它解决我哪个真问题？ 它比我手上的方案好在哪？ 什么情况下我应该不用它？

三句答不上来，就关掉页面。

这不是保守，这是把有限的注意力当资产管理。

我知道有人会说：这样会不会错过大机会？

会。一定会有。

但我今年想明白了一件事——

我 35 岁这一年最大的风险，不是错过了某个机会。

是追了太多看起来像机会的东西，最后一个都没变成我真正拥有的东西。

行业在快跑，我不必跟着跑。

我押我的三个方向，其余的，关掉页面就好。

本期互动

• 你的「不跟清单」上，写了几条？
• 你有没有算过换赛道的沉没成本？算完之后结论变了吗？
• 你的押注清单上，有哪一条已经一年了还没落地？

欢迎在评论区聊聊。

💬 评论区聊聊

我想聊一个可能会引起分歧的点：

你身边有没有那种「所有人都在学，但没人用得上」的技术？

我这边有。所以我很好奇，评论区里的同行，你们的行业有没有相反的情况——有什么技术大家天天说要学，但在产线上根本用不起来？

比起讨论哪个技术更先进，我更想听听哪些技术在你的实际约束下被淘汰了。理由可能比结论有用。

👉 觉得有用，记得收藏 + 转发

如果你也在做技术取舍，这篇的三个问题可以当成筛子用。

转给那个收藏夹有 400 个链接、但说不清今年押了什么的同事。