第1987篇：技术热情的保鲜——长期从事AI工程如何避免职业倦怠
第1987篇：技术热情的保鲜——长期从事AI工程如何避免职业倦怠
去年有段时间，我打开电脑的第一个动作不是打开编辑器，而是打开微博刷了10分钟。
然后我意识到：不对。这不是我正常状态的开机动作。
技术人的职业倦怠往往不是某一天突然到来的，而是像温水煮青蛙——你某一天突然发现，看到一个有意思的技术问题，你的第一反应不是兴奋，而是"又得学了"。代码写起来没有那种流畅感，复盘的时候找不到"这周做了什么有价值的事"。
这是职业倦怠的早期信号。
我认识的很多技术人在职业生涯的某个阶段都经历过这个。有人辞职离开技术行业，有人转了管理，有人咬牙熬过去了，也有人找到了方法真正恢复了热情。
今天想聊的，是我自己在AI工程这个方向上如何保持长期热情的一些思考和实践。不是"每天写代码保持热爱"这种废话，是一些我真正用过、有效果的方法。
先搞清楚：倦怠来自哪里
在谈解决方案之前，必须先诊断问题。职业倦怠不是一个单一原因造成的，它可能来自以下几个不同的源头：
消耗型工作过多。 就是那些纯粹是消耗精力、没有什么成长感的工作：改不完的bug、开不完的无效会议、处理各种技术债务、接收被动的任务……这些工作本身不坏，但比例太高的时候，就会把你的精力消耗殆尽，没有剩余的能量去做那些让你兴奋的事情。
成长的停滞感。 感觉自己原地踏步，做的事情和两年前没什么区别，没有新的挑战，没有技能的提升，就这样重复着。
意义感的丧失。 不知道自己做的东西有什么用，写的代码最终是否真正帮助了什么人，项目的结果和自己的预期差距太大。
隔离感。 一个人学，一个人探索，没有同频的人可以交流，没有人在乎你的进展。
外部的高噪音。 AI领域每天都有新的东西冒出来，新的模型、新的框架、新的热词。如果你把"跟上所有热点"当成自己的任务，会被彻底淹没，产生一种永远落后的焦虑。
识别你的倦怠主要来自哪里，才能针对性地处理。
我的核心解法：重新设计工作的比例
这是我觉得最根本的调整。
我把我的工作活动分成三种类型，努力保持一个对我自己有效的比例：
"消耗型"工作是必不可少的，它是你的职业责任，也是你换来报酬的方式。但如果它占到90%，你的热情就会慢慢熄灭。
"成长型"工作是长期竞争力的来源。在AI领域，保持学习不是选项，是必须的。但学习的方式要是让你感到兴奋的，不是为了赶上所有热点而焦虑地追。
"创造型"工作是热情最直接的来源。这可以是一个你自己发起的小项目，可以是一篇技术文章，可以是一个给团队的内部分享，可以是一个开源贡献。关键是：这是你主动选择做的，而不是被派下来的。
当我感到倦怠的时候，通常是"创造型"工作的比例跌到零了。一旦我恢复一些"自选动作"，状态通常会快速改善。
实践一：设置"技术自留地"
我给自己设了一个规则：每周至少有3个小时是"技术自留地"，这段时间完全由我自己决定做什么，不被工作任务打断。
这3个小时可以用来探索一个我纯粹出于好奇想了解的东西，可以用来做一个不知道有没有用的小实验，可以用来读一篇我想读的论文。
听起来很奢侈，但实际上3个小时不是很多。一周168小时，3个小时不到2%。
关键是这个时间要保护起来，不能随时因为有"更重要的事情"被替换掉。我把它放在日历上，当作固定安排。
在这个自留地里，我在过去一年做了几件事：
- 研究了Chain-of-Thought Prompting的原理，写了一个简单的验证实验
- 尝试了Rust，写了一个2000行的小项目（和主业无关，纯粹因为感兴趣）
- 把LangChain4j的核心模块源码读了一遍，写了一篇读源码笔记
这些事情不一定对我当前的工作有直接用处，但它们维持了我的好奇心，而好奇心是热情最重要的燃料。
实践二：培养一个不同的输出渠道
写这个公众号是我保持热情最重要的方式之一，没有之一。
原因是：输出会倒逼深度理解。当你需要把一个知识点写清楚让别人看懂，你会比只是"知道这个东西"的状态深入得多。
但更重要的原因是：输出给你一种自主感和成就感，这是消耗型工作很难给你的东西。
当我写完一篇文章，看到有人在评论里说"这篇解决了我困扰了两周的问题"——那种感觉是任何代码提交或任务完成都给不了的。
你的输出渠道不一定是公众号，可以是：
- 公司内部的技术分享
- 在某个技术社区发文章
- 给开源项目写文档
- 做一个技术播客
- 在知识星球里定期分享
重要的是：这个输出是你主动选择的，有你的个人表达在里面，而不是又一个被派下来的任务。
实践三：找到"AI时代的同频人"
一个人在技术上走很难走很远，因为人是社会动物，需要共鸣和摩擦——共鸣给你能量，摩擦给你进步。
在AI工程领域，找同频人的难点在于：这个领域本身还在快速变化，很多概念和实践在不同人那里理解是不同的。你很容易遇到两种极端：完全不懂AI的人（聊不起来）和只会刷热点不关心工程质量的人（聊不深）。
我寻找同频人的方法：
- 看谁在写有深度的技术文章（不只是转发，是自己产出的）
- 参与技术讨论时，观察谁的发言有实质内容，而不只是热词堆砌
- 在我的知识星球里，主动和提出有质量问题的人深度交流
找到2-3个真正同频的人，比参与100个微信技术群有价值得多。
实践四：建立一个"里程碑"系统
技术工作有一个特点：进步是渐进的，很难有明确的里程碑节点。你不知道什么时候"学会了"某个东西，你不知道今年比去年进步了多少。
这种模糊会加剧倦怠——你感觉在努力，但看不到结果。
我的做法是人为地给自己创建里程碑：
## 2026年的技术里程碑
Q1里程碑：
- [ ] 完成一个完整的RAG系统，从embedding到检索到评估
- [ ] 把Spring AI用在一个真实场景，不只是Hello World
Q2里程碑：
- [ ] 理解并能实现一个Agent框架的核心逻辑
- [ ] 写一篇关于向量数据库调优的深度文章
Q3里程碑：
- [ ] 主导一次AI系统的性能优化，有可量化的结果
- [ ] 做一次技术分享，主题自选
Q4里程碑：
- [ ] 回顾全年的学习，写一篇总结
- [ ] 确定明年的方向每完成一个里程碑，给自己一个明确的奖励（哪怕只是记录下来，庆祝一下）。这种仪式感很重要，因为它让进步变得"可见"。
实践五：接受"阶段性退潮"
这是我认为最难做到，但也最重要的一点。
职业热情不是一条向上的直线，它有周期。 会有高涨的时期，也会有退潮的时期。把"退潮"当作需要立刻修复的问题，反而会加重焦虑。
有些时候，你就是需要休息。你对技术的热情临时降低，不代表你热情永远没了，也不代表你的职业选择是错的。
退潮期的处理方式：
- 接受它，不要强迫自己立刻恢复热情
- 降低给自己设的要求（不是放弃，是调整节奏）
- 去做一些和技术无关的事情充电（运动、旅行、陪家人）
- 等内驱力自然回来，而不是用焦虑来驱动自己
我在去年经历过一次比较明显的退潮，大概持续了六周。最终让我恢复状态的不是"逼自己学习"，而是趁这段时间跑步跑得多了一些，睡眠改善了，然后状态自然回来了。
关于AI领域的特殊挑战
AI领域有一个在其他技术领域没这么强烈的挑战：信息过载。
每天有新的模型、新的技术报告、新的开源框架，朋友圈里到处都是"重大突破"。如果你把"跟上所有热点"当成自己的责任，会一直处于焦虑状态，永远感觉落后。
我的策略是建立一个信息过滤层次：
第一层（每天，5-10分钟）：扫描标题，了解有什么新东西出来了。 第二层（每周，1小时）：精读2-3篇真正有深度的内容。 第三层（每月，4小时）：深入学习一个我判断长期有价值的知识点。
绝大多数"每天的新东西"不需要深入学习，了解有这回事就够了。真正值得深入的知识点，在一个月内你会自然看到它被反复提到，这说明它真的重要。
这个过滤层次帮我把信息焦虑降低了很多，因为我不再试图消化所有东西，而是只深入那些经过筛选的东西。
最后一点：为了什么而做
所有保鲜技术的底层，是一个更根本的问题：你为什么做这件事？
不是"为了钱"这种答案（虽然钱很重要）——我是说，除了钱，这件事给你什么？
对我来说，做AI工程和写这个公众号，有两个我真正在乎的东西：
第一，理解这个时代正在发生的事情。AI可能是我这一代工程师职业生涯里最重要的技术变革。我不想只是被浪潮推着走，我想理解浪潮是怎么形成的，我想在这个过程中有自己的判断和位置。
第二，帮助和我一样在这个浪潮中摸索的人。每次有读者告诉我"你的文章帮我少走了一段弯路"，我会觉得这件事做得值得。
当你知道自己为了什么做，熬过倦怠期就会有更大的韧性。