引言
这个问题来自于我的切身体会，随着 LLM 的流行，身边很多优秀的同事和朋友都早早地转到了 LLM 领域的公司和岗位里。而原有岗位的人，多少都会因为人走人留而有一些失落感，举些例子，如大数据，搜广推，前端，这些岗位在 LLM 时代都不是核心，所以很多人会说，自己的领域已经”过时“了。
为什么？
首先我们要明白，这个事情在科技领域其实是一个普遍现象，五年，十年的时间里，某个领域的技术转型和技术革命是必然的。比如 2008 年的 mapreduce 早就了 2010~2020 年大数据的黄金十年，比如 2000~2010 年去 IOT 化，造就了一批数据库时代的风口。
我们之所以感触那么深，其实是因为我们进入这个领域的时间也不长，比如大数据领域，spark 在 2014 年兴起，直到 2018 年后才在国内被大规模使用。如果对于一个经历过完整周期的人来说，某个领域做了十年，多多少少也是一个”大牛“的角色，所以有大量的向下兼容空间，也自然不会承认自己的领域”过时“了。
在 LLM 这一波里，最惨的是刚刚转行的人，比如刚转到搜广推，结果发现 LLM 开始兴起了，等自己学会搜广推再去 LLM 又浪费了时间，也浪费了机会。当然，搜广推也有和 LLM 结合的地方，但本质上还是搜广推向 LLM 技术的对齐和跟随，收益价值远不如做 LLM 同样事情大，所以这里暂不讨论。
怎么做？
讨论怎么做之前，有个点是，我们不必要过度焦虑。从这波 LLM 的风口里，我能观察到，后端崛起了，这里当然指的是能使用 Agent 的后端，但他本身的技术门槛并不高，所以我这里认为大部分后端都能做这样的事情。还有，硬件工程师崛起了，在 LLM 往物理世界的转型中，越来越需要硬件工程师来实现软件产品的落地，大家都在幻想下一个”移动手机“的出现。
还有，就像段永平说的，机会一直都有，从来不存在一个改变你命运的机会。（很多机会叠加起来就不一样了）
- 尽量让自己的领域往最前沿靠；
就像前端转全栈，再转 Agent；大数据转多模态大数据；搜广推转生成式大模型。每个领域总会有人帮你去这么做，拿着”过时“的老技术结合上风口，争取再炒作一波，给自己续续命，像极了 Oracle 在 AI 上的发力。对每个打工人也是一样，跟上这个领域最懂探索的人，不管最后项目成不成，学到的东西都是自己的积累和资本。
- 保持功利化学习和探索
这里我更想说一个问题是，很多在原有岗位的人，他们的学习更多是自我麻木，学些没有实际价值和意义的事情，比如深挖 xx 技术，这个技术可能在某个组件里已经定型了，或者七八年前就有很多人研究的比较透彻了，那学它干嘛呢？如果是爱好自然值得鼓励，但从功利性和 ROI 角度来讲，完全不值。
我这里说的学习，指的是贴近前沿技术，如 AI 的学习，那如何学？很简单，在工作中用，在生活中用，在自己的爱好里用，在自己的副业项目里用，在自己的 side project 里用。用多了，自然就理解的多。
- 关注风口
吃一见长一智，这次错过了风口，或者没及时追赶上风口，那一定要反思自己的问题。是自己的惰性太强？还是舒适区实在太舒适？还是就是判断力有问题？要区分，有预期的错过和意外的错过，这两种丢失机会的情况。
作为科技领域的从业者，应该要有更高的敏锐度，否则 35 岁危机，不是说说而已，这并不跟任何一家大厂公司有关系，放在国外也是一样。
- 走，离开你不舒服的地方
如果当下的环境让你不舒服，没有提供足够的保障和上升空间。 建议尽早启程。我们要记住，一个职业的从发展到完全抹灭，有一段很长的时间，这个时间甚至是 20 年，30 年，对于大部分聪明的读者，持续的向下兼容肯定是能一直苟住。但是是否要这么选择？取决于你们人生的规划和性格，毕竟大部分人都是安安稳稳的一个工作干上一辈子。（但是别让下一代继续干你这行了）