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 │ YOLO11s640 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-obb320 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 ONNXopset12IR8 │ ▼ 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你的积累比你自己以为的更值钱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。