今年1月底，我离职了。第一次主动提离职，感觉就像谈恋爱分手了，非常难过，但又非常确定，长期来看这是正确的。
为什么离职呢？我有点技术理想主义，又还年轻，总之，计划赶不上变化。
离职之前我就已经预想到我会承担离职后的不确定性，会不容易，但是没想到几天里，现实的摩擦会如此强烈，这种不确定性会这么具体，我陷入了典型的“离职窗口期混乱”。
上一秒觉得自己能力不错，下一秒又觉得自己够不着。今天想往一个方向转，明天发现准备太累又放弃了。后天觉得自己应该沉淀下来想想适合什么环境，大后天又觉得别多想了，赶紧行动。
这样想几轮，我突然能够脱身出来，观察我这反反复复的状态，然后就感到自己摸到了进化论的天花板，不是我主观意识在控制想法，而是基因程序的执行，我的大脑自动在寻找新的确定性。
为了获得力量，我又读了一遍Paul Graham的《How to Do Great Work》。
The work you choose needs to have three qualities:
it has to be something you have a natural aptitude for,
that you have a deep interest in,
and that offers scope to do great work.
你选择的工作需要具备三点：
你有天赋；
你有深度兴趣；
它有做出伟大成果的空间。
In practice you don’t have to worry much about the third criterion.
现实中，你几乎不需要担心第三点。
The way to figure out what to work on is by working.
找出该做什么的方式，只有一个：去做。
这篇文章里有一个观点很关键：你只有通过做点东西去靠近目标，才能让不确定性慢慢变得确定。
所以，与其在脑海里反复推演各种可能性，不如尽早根据现在的情况准备面试，争取尽快落地下一份工作。
面试前准备
今年的面试准备，和去年状态完全不一样。
去年是盲目自信，只知道背八股文的表层，没有架构和复杂系统的思考能力。但今年不一样了。在这一年的工作中，我开始学着做技术决策，也逐渐理解了系统闭环的思维。虽然还不太成熟，更多是“看见并理解”，还没到熟练运用的程度，但也正因为这样，准备面试变得特别难。
我重新翻出以前积累的八股文题库，发现完全看不下去了，没有逻辑，全是碎片。今年的我已经没办法靠背题库来应付“八股文”了。所以我决定把前端的底层知识重新梳理一遍。
好在现在有AI工具。
我用的是Notion AI，里面集成了Claude、OpenAI和Gemini的模型。我写了一份提示词给Notion AI用，这份文档里规定了“系统化学习课程”的风格，核心是围绕“闭环”的理念来设计：
· 知识点介绍
· 引导问题
· 通过实验实现闭环
用这套提示词，我把JavaScript、React与Vue框架、前端工程化、性能优化这些重点知识都重新学了一遍。学完之后，对前端整体的技术树有了更清晰的印象。
但当真正开始准备面试时，还是会有“某个点没掌握好”的感觉。我发现自己属于那种“没把握就不自信”的人，哪怕其他部分准备得不错，只要有一点没覆盖到，心里就不踏实。
这时候豆包大模型帮了大忙。我的用法是：打开豆包App，用语音输入把问题转成文字直接问，豆包响应很快，能帮我快速补齐那些零散的知识点。
我常用的大模型有ChatGPT、豆包、Gemini和Claude。整体来看，问知识点类的问题，Claude和Gemini的回答更准确、更有逻辑，豆包稍微弱一点，但胜在方便：国内模型打开快，语音转文字也快，适合随时查漏补缺。
面试中准备
面试其实是一个“以一概全”的准备过程。你不知道面试官熟悉哪个领域，也不清楚他具体做的业务（虽然JD上会透露一些），所以我们通常会把准备做得很全面。但这样也容易导致一个问题：什么都准备了，却没有一个是真正精通的。
所以面试的第一个行动，就是要有取舍，但是不能有明显短板。
比如React和Vue，你不一定要两个都会，但一定要有一个是真正懂的。这时候就尽量保住你擅长的那个框架，另一个了解，但是又不能完全不知道。
讲项目的三层结构
面试中讲项目，我把它分成三个层次：
第一层：实现细节
明确功能是怎么实现的，用了什么库
梳理整体流程，状态流和数据流转的具体做法
性能优化怎么做的，用了哪些工具
第二层：价值产出
- 最终通过这些技术手段达到了什么结果
第三层：利弊权衡
讲清楚为什么用这个而不是那个
这三个层次一套下来，面试官基本就能判断你是不是真的做过这个项目，有没有思考过。
说实话，也不是每次都这样顺畅的三层思路，因为要完美得讲出来，需要一点表演成分
其实就算某个“为什么”你没想过，也不代表你不爱思考，很可能你只是在这个点上没想过，其他方面你想得比谁都深。这个时候要刻意引导，被动回答问题是接受面试官的评价体系，主动引导是定义和表现你的价值体系。
由于行业的筛选机制，面试都爱问难点，前端的难点，本质上就是复杂场景下的稳定性、可维护性、交互体验、性能和边界处理，所以准备项目难点，按照这些思路来。
但这里有个现实问题：如果你接手的业务本身没那么复杂，那你了解的技术实现也不会太复杂。所以真要讲清楚这些难点，前提是你确实见过、主动思考过或者你之前的业务已经达到了这种复杂度。
从这个角度看，这解释了大部分情况下，下一份工作和上一份工作关联很大，所谓的“经验”。另一个关键因素，是你个人的兴趣和精力投入。
今年前端岗位的情况
我个人感觉今年面试机会和去年差不多，但是拿到offer机会更少，这说明了今年比去年竞争更激烈。
对前端来说，“全栈”“AI” “Agent”是新的趋势。我看了老海的JDwatch平台统计，222个前端岗位里，“全栈”关键词出现了41次，“agent”关键词56次，“AI”关键词151次。
这非常直观地体现了市场的技术倾向。
面试题：现在几乎必问“你怎么用AI”
今年面试最明显的变化是：几乎所有公司都会问你“平时怎么用AI”。为了准备好这个问题，我专门做了调研，读了大厂AI工程化的实践报告，也看了社区大牛怎么用AI做个人提效。
我的回答思路是这样的：
先说个人使用：
我按任务难度分层用AI。日常编码用Tab补全和局部改写，省掉重复劳动；中等难度的任务，我选中代码直接下指令，配合对话调整；复杂的多文件改动，交给Claude Code这类Agent工具。
再说方法论：
我把自己定位成架构师和审查者。AI产出越多，审查越重要。写提示词时，我会先写规格说明、拆解任务、给完整上下文，让AI先提问再执行，这样输出质量会高很多。
最后上升到团队视角：
我理解AI工程化有成熟度路径。L1是工程师自发使用，没有统一规范；L2是集成期，AI工具接入IDE，有基本规范；L3是流程期，AI嵌入CI/CD流水线。未来可以逐步把AI接入代码审查流程。
这个回答的逻辑是从个人工具使用出发，讲清楚方法论，再上升到工程化视角。既展示了实操能力，又体现了系统性思考，比单纯说“我经常用ChatGPT写代码”要扎实得多。
另外，我也发现，“怎么用好AI”不只是应付面试的问题，更是对个人工作流的思考：如果你的日常只用豆包、ChatGPT, DeepSeek这类的chatbot覆盖，那说明你的工作流程不连续，一问一答就结束了，内容复杂度不高，流程不长且没有闭环，产出有限。
如何你是这种情况，也没有关系，要认识到，复杂度是积累起来的，效率是随着复杂度痛点触发的，但是做啥事都要讲究闭环和反馈。
最后，当一切都沉淀下来
我最近开始上班了，勇闯深圳了，从去年就想来深圳了，但是我也热爱英语，想进外企学英语。
回顾面试那段时间，心情感觉就像坐过山车。面试被认可了就开心，觉得自己热爱技术；挂了就抑郁，怀疑自己是不是不适合这行。正反两面镜子一照，我开始把自己分离出来，意识到：原来我的技术水平是有一条客观线的，低于这个线下的技术问题，我了如指掌，之上的我磕磕巴巴。
另外一点更深层次的，我把自我价值的锚点放在了外界反馈上，这动摇了我的价值系统，我知道外界反馈很重要，我离职一个很重要的原因就是这个，但是反馈的前提是，自己已经定义好反馈是用来调优的，而不是跟着反馈波动，自我定位忽高忽低。
在上一段工作里，我真的很热爱工作，坦诚说，我其实带着一种学生思维，觉得公司应该培养人，技术应该标准化，业务必须有价值，但是我没意识到系统追求的是稳定性，而不是目标函数。
离职前几天，我开始动摇了，甚至怀疑我这种人不适合职场，我想的理想工作根本不可能有，朋友劝我下一份工作看钱就行了，我想了想，钱确实很重要，理想和目标也很重要，在有选择的时候，一定不要放弃后者。
职场的本质是交换，你用时间和技能，换取金钱和未来成长的空间，不仅要换来工资，更要换来你未来想要的能力和方向。
人生的本质：设计一套愿意支付副作用成本的状态组合
找工作这段高现实摩擦的时间里，我反复观察自己的心绪，我意识到，痛苦、快乐、焦虑、不确定、自由，它们不是轮流出现的，而是长期叠加、彼此缠绕的。
人在痛苦时总希望解脱，在长期确定时又觉得被束缚；自由了又感到不确定，想要安定。这就是人生的本质：意识总是站在当前状态之外评价当前状态，所以痛苦一直持续。
那怎么办呢？既然不管选什么都有副作用，关键就不是寻找完美状态，而是设计一套你愿意长期支付副作用成本的状态组合。
我问过自己一个问题：如果财务自由，我会怎么过一天？
第一阶段是短暂休息，看山看水，看看家人朋友；第二阶段是回归正常，建立生活节奏，学习、提升、尝试新东西。
这样一想，我发现我真正要的不是技术理想实现，而是稳定的健康、持续的提升和自我掌控感。
从我当下所拥有的和能掌控的，以及外界客观规律来看，选择技术是一条我可以承受的路径。
选择的本质
这次离职决定和几个朋友聊了，其中一个有意思的观点，我称之为“沟通万能法”，他的观点是离职是不必要的，冲突可以通过更好的沟通解决。
我觉得他说的有道理，但是有局限，因为我确实相信人的适应性很强，比如可以强到忍住心理不适去吃屎，只要给他满意的钱。但是问题的关键在于：你得问问自己是不是有这个必要。
这让我进一步思考了做选择的本质，毕竟，离职后我也不确定，状态也有差到自我怀疑，甚至开始美化过去的不适。
答案是机会成本。很多人做选择时只看“选了这个能得到什么”，却忽略了“选了这个会失去什么”。比如在犹豫要不要离职时，很多人会算“留下来能省什么”，比如省去找工作的麻烦。但正确的算法应该是：留下来会失去什么。
计算公式是：留下来的成本 = 想成为的人 - 现在被迫扮演的人。
这就是机会成本的思维。以后做任何选择，不要只看收益，要看代价。
我这次选择已经用机会成本衡量了，但是现在想想，我遇到的问题是，不确定性如果没被量化，那“下一个选择是更好的”概率带有一点运气成分。
所以，做选择，不仅要衡量机会成本，用替代指标计算成本，而且还要量化不确定性，用概率和数据统计收敛不确定性。
那讲到这，又具体怎么量化、计算统计和收敛呢，我还没想这么清楚，let’s figure out together.
底图是我以前非常喜欢玩的一件小霸王游戏
本文采用 署名-非商业性使用-相同方式共享 4.0 国际 许可协议，转载请注明出处。
