半年前，我親歷失業挑戰，寫了部落格文章《35歲失業程式設計師現身說法》記錄當時心境。過去的大半年，我思考最多的還是關於中年和怎麼開啟第二職業，抽空把主要感想記錄下來。
35+對我意味著什麼
我今年36歲, 工作了16年，35歲前後更換了兩次工作，對我來講體會最深的是：
- 薪酬與職位的雙重挑戰：隨著年齡增長，已經拿到或者期望更高的薪資，但市場中符合這一薪資水平的高階職位稀缺。加之，新角色往往伴隨著更重的KPI與工作壓力，遠沒有年輕時輕鬆跳槽的那份灑脫。
- 趕鴨子上架做管理：我更願意安安靜靜的深耕技術，但上司並不同意，必須把你推到管理崗位，老闆期許明確，若僅限於技術貢獻，比你便宜的候選者多的是。
- 難言穩定：真正的穩定建立在行業、公司及個人地位的三重穩固之上。一旦失衡，便要再次面臨妥協忍受或啟程的抉擇。
第二職業的啟航：自主與深耕
失業期間的沉思，促使我重新審視自我價值與職業道路：
- 獨立探索的價值：我有比較全面的工作經歷（全棧、架構、產品都做過），但這些經驗並不能在我沒有工作期間轉化為實質收益，離開公司我一無所有，這激發了我探索獨立運用技能開闢新徑的決心。
- 知識和經驗的沉澱：我參與過很多產品和專案，許多專案立項時候我都躊躇滿志，但現在回頭看，可能只有在專案完成時候會有短暫的成就感。但長期來看，我自己什麼也沒留下，缺乏個人品牌與核心優勢的積累。我希望將工作經驗與個人發展進行融合，形成獨一無二且可持續的競爭力。
第二職業的方向：最佳化與策略類演算法
我主導過比較多的智慧工廠產品，面對到兩個比較大的問題是:
- 創新困境：現在的軟體市場非常飽和，單純靠疊加功能很難有效提升競爭力。比如說今天你開發一個新功能, 競品一兩週就能複製出來, 更何況我們自己開發的好多功能, 都是在複製其他家產品的基礎上。
- AI應用的挑戰：也寄希望於使用AI等新技術帶來變革，但在實施過程中遇到了不少問題，一是資料的收集和質量，這個在ToB的生產製造業並不像想象中那麼容易; 二是最終模型的精確度瓶頸, 如果不能達到絕對精確度, 更多隻能起到參考或演示作用, 並不能對客業務產生真正的價值。
但在這期間中，我們使用最佳化和策略類演算法做的幾個專案卻出乎意料的取得了很好的效果，拿做過的專案舉例:
- 排產最佳化：用幾十秒時間就解決了過去排產計劃組長琢磨二三個小時的問題，而且排出的結果更優。
- 低成本解決方案：使用極小代價解決了電路板設計佈局問題，而客戶的資料科學家團隊還一直在考慮怎麼用AI中的強化學習方案解決這個問題。
- 小改善大價值：解決了一個國外專案產線裝置生成和AGV綜合排程的問題，把產能節拍提升了14%，對於客戶來講14%不單單是個數字，而是實打實每個月幾百萬美元的效益提升。
- 分班：分班演算法是朋友推薦的一個專案, 儘管之前沒有做過相關的, 但考慮到解決問題思路是類似的, 就嘗試了下, 最終不僅完整的滿足了客戶的需求, 而且在結果精確率上超出了客戶的預期, 演算法可以達到的0.01級，也超過市面上的同類產品的0.1級。
第一個演算法產品
同時在客戶專案基礎上我也封裝和推出了第一款演算法產品：分班演算法（網址，Nuget包下載，示例程式）
後續目標和計劃
三十而立，四十不惑。當你已經站在35+這個節點上，反而沒有了抱怨和喟嘆，因為知道這些都是無味的內耗，只有一條路，堅定自己的方向和走下去。接下來的幾個主要目標：
- 開發第二款演算法產品：目前，我正開發第二款演算法產品，它聚焦於排產領域。我第一階段主要是把之前專案中做的比較通用的場景和解決辦法提煉出來並封裝為相對通用的演算法。
- 挖掘演算法的更多場景：生活中不乏會議日常安排、醫院就診流程、紅綠燈控制等日常場景，它們看似尋常，卻常常隱藏著效率提升的空間。我相信各界正在持續最佳化，但在某些時刻，我們還是可以明顯看到效率欠佳的地方。希望能夠挖掘這些隱匿的場景，藉助演算法的細微調優，催化出廣泛的效率躍升。
- 擴大演算法影響力：在“AI”風靡的今天，其光環之下也難免伴隨著諸多噪聲和過度炒作，談智慧必談AI，解決方案必帶AI，彷彿AI成為了包治百病的靈丹妙藥。但在當下，我更傾向於關注那些能夠切實解決問題的最佳化與策略類演算法。有時，低調而精準的演算法工具反而才是那把解決問題的鑰匙。我致力於提升這類演算法的可見度和證明它們在解決實際問題上的不可替代價值。
最後，非常感謝大家的閱讀，如果大家有什麼想法和建議，歡迎留言或加微一起探討。