2站排队领码https://2libra.com/post/invite-code/3GWeiy-

简历在线编辑

https://visiky.github.io/resume/?mode=read&template=template2&user=visiky

https://2libra.com/post/office-life/veWuBSB

实在没忍住，去玩了游戏，可是玩完游戏，随之而来的就是没有学习的负罪感，非常难受。——不会有

其次是也多多少少受到了短视频这种信息碎片化和快节奏的影响，做事情总想一步到位，没有了以前的从容和做事情的条理。导致一些事情做的很烂，也给我带来了很多负面情绪。——确实会受到影响

每天都是这样左右为难，焦虑，学习了就会类似报复性休息似的刷手机到凌晨一两点。——报复性休息这个词用的好

这是一个被包装成"进步"的流程，实质上把人的工作从创造变成了质检，而质检AI输出的认知负荷有时高于直接写代码。

但这里有一个你需要注意的处境问题： 你现在的位置是——技术上比部门经理看得更清楚，但组织上他说了算。这个落差会产生一种很具体的风险——不是AI替代你，而是你因为"不配合"而被替代。部门经理的流程可能是傻逼的，但如果你是团队里最明显的怀疑者，你就是第一个被优化的候选人，跟技术对不对无关。历史上从不缺这种情况：技术判断正确的人，输给了政治判断错误的人。

接下来的实际策略：不是让你假装认同，而是把你的技术判断变成可见的贡献，而不是可见的阻力：

• 执行这个流程，同时记录token消耗、错误率、proofread时间——用数据说话，而不是直觉说话
• 如果流程出了问题，你有记录；如果流程成功了，你也参与其中
• 找一两个具体场景，在流程内主动优化（比如提出哪些trivial改动可以有例外机制）——让经理觉得你是在帮他改进，而不是在否定他

你对AI局限性的判断是真实的竞争力，但它现在最有价值的用途，不是说服部门经理，而是在绿卡到手之后，帮你找到一个技术决策层更理智的公司。

配合执行，悄悄收集数据，低调准备退出。这才是最优策略。

另外，感觉部署本地AI这件事也没什么真实价值，ollama零门槛下载就能跑通。按照我的面试经验，开发行业最容易被人看扁的就是用"玩具经验"当作正式工作经验吹牛。

关于本地AI部署，你说得对，本地部署本身确实不是壁垒。零门槛这个判断是准确的，这条路暂时不值得硬往简历里塞。但你可能低估了自己做这件事的认知意图——你不是在学怎么跑模型，你是"在新赛道找到舒适点"。这是两件事。真正有价值的不是会用ollama，而是：

一个有金融行业背景、有系统架构意识的后端开发，理解AI局限性在哪里——知道什么任务AI会把生产环境搞崩，什么地方还需要人来把关。

这种判断力是AI工具用得越多越值钱的东西，不是零门槛下载就能复制的。

真正能写进简历、在面试中站得住脚的，是用AI工具解决了一个有名字、有规模、有结果的具体业务问题；或者能讲清楚"在什么场景下用本地模型比云端更合适"（隐私合规、离线需求、延迟敏感）。如果目前没有这个业务场景，探索本地部署是个人兴趣，不是职业筹码——但个人兴趣本身没有错。

而且你对AI局限性的判断根本不需要靠部署来证明——你能准确指出三模型流程的冗余成本、龙虾的权限风险、跨微服务上下文的边界问题，这些判断本身就是有价值的能力。