笔者在 2024 年以实习生的身份加入了某互联网公司，并在同年拿到了转正名额。公司开出的薪资还不错，当时的我也很高兴，于是便继续留在这里实习，毕业后顺理成章地转正。
刚加入公司的那段时间，组内的氛围很好。
大家中午会一起吃饭，饭后一起散步，聊一些狗血八卦，吹吹牛，吐槽一下工作。那时候虽然也会加班，也有做不完的需求，但身边一直有人，工作总体上还是开心的。
后来，带我的 Mentor 离职了，组内也陆陆续续走了不少人。原本热闹的饭局越来越小，最后渐渐变成了一个人吃饭。
大概从那个时候开始，我第一次认真产生了离职的想法。
当工作方向发生变化
2025 年年底，AI 应用开始大规模爆发。
领导们普遍认为这是一个重要机会，于是我们组乃至整个部门的主要方向，都从原来的技术中台逐渐转向了开发各种 AI 应用。
Leader 们的想法很多。
今天想到一个方向，明天又想到另一个方向。连带着我们这些“小卡拉米”，也需要参加各种头脑风暴会议，思考还能做出哪些 AI 应用。
某个想法在会上被认为不错，项目通常很快就会启动。接下来便是赶进度，工作日晚上做，必要的时候周末也做，先尽快把所谓的“AI 应用”雏形搭出来。
雏形做出来以后，大家又会提出各种修改意见。
有些确实很好改，有些则牵一发而动全身。但在部分人的想象中，可能觉得现在有了 AI Coding，所有修改都应该很简单：
不就是改几行代码吗？让 AI 一秒钟生成一下不就好了？
可真正写过代码的人都知道，AI 可以提高编码速度，却不会消除需求本身的复杂度。
代码能够很快生成，但理解业务、梳理逻辑、处理边界情况、联调和验证，依然需要时间。
更重要的是，随着工作方向的变化，我也逐渐从一个偏底层计算机技术的工程师，变成了一个既写前端、又写后端的应用开发工程师。
我每天面对的问题，不再是怎样降低延迟、优化吞吐量或者减少内存开销，而变成了：
接连出现的产品需求，让笔者焦急地反复修改代码这些工作当然也有价值，只是我对它们并不感兴趣。做着做着，工作便逐渐失去了原来的乐趣。
程序员大概可以分成两类
我常常觉得，程序员大致可以分成两类。
第一类：喜欢应用层开发的人
他们会因为自己设计的某个功能被用户使用、某个交互被用户喜欢而感到开心。
看见自己做出来的产品真正影响了用户，是他们重要的成就感来源。
第二类：喜欢底层技术的人
他们可能并不在意页面上的按钮是什么颜色，却会因为某个 API 的性能提高了 30%、某段代码的尾延迟降低了，或者某个系统能够承载更大的流量而感到兴奋。
我显然属于第二类。
这两种选择没有高低之分，只是兴趣不同。
问题在于，当一个人的工作内容和兴趣长期错位时，工作的痛苦程度会被不断放大。
也是从那时起，我开始认真准备跳槽。
沟通中的无力感
当然，想要跳槽，并不仅仅是因为工作内容发生了变化。
还有一个原因，是我逐渐在与 Leader 的沟通中感受到了一些无力。
2026 年 1 月，我曾经向 Leader 提议，可以尝试做某个方向。当时得到的答复是，隔壁组已经做过了，因此没有继续投入的必要。
到了 2 月，Leader 又找到我，说他最近想到一个很不错的方向，正是我 1 月提到的那个方向。
他大概已经完全忘记了我们之前的沟通。
类似的事情后来又发生过一次。
4 月，我提出可以尝试另外一个方向。Leader 当时认为暂时没有做这个项目的计划，也不会有多少人使用。
一个月之后，他却找了另一位同事，开始推进同样的事情。
说完全没有情绪，肯定是假的。
不过现在回头看，Leader 们或许也有自己的无奈。他们上面还有 +2、+3，也需要不断面对新的目标、方向和压力。
许多决定未必完全由他们做出，组织内部的信息也不可能始终透明。
只是对于一线员工来说，最终感受到的往往是：
自己提出的想法没有得到回应，而同样的事情换一个时间、换一个人，又突然变得重要起来。
这种感觉确实很消耗积极性。
一边工作，一边准备面试
准备跳槽是一件比较痛苦的事情。
这意味着，除了完成本职工作以外，你还需要重新学习一整套面试知识。
而现实是，日常工作与面试考察的内容，往往并不完全重叠。
你白天可能在修改页面交互，晚上却需要复习：cpp基础知识、算法题、后端基础知识、过去项目中的各种技术细节。
我也想过裸辞。
裸辞之后，确实可以把全部精力用来准备面试。但这也意味着，在不知道什么时候能够拿到下一份 Offer 的情况下，需要承受持续没有收入的压力。
对大多数普通人来说，这种压力并不小。
所以，我也奉劝准备跳槽的读者：
不到万不得已，尽量不要裸辞。
除非你有足够的存款，也能够接受几个月甚至更长时间没有收入，否则在职准备通常还是更稳妥的选择。
比较幸运的是，2026 年，AI Coding 工具已经得到了大范围推广，公司也为员工提供了比较充足的使用额度。
借助 AI，很多常规需求的开发速度确实快了不少。
过去需要花费很长时间编写和调试的代码，现在可以先让 AI 生成基础版本，自己再集中精力做设计、检查和修改。
工作效率提高以后，也就能腾出更多个人时间，用来：阅读源码、整理项目经历、修改简历、准备面试、刷 LeetCode。
当然，前提还是要正常完成自己的工作，而不是故意拖延需求或者影响团队进度。
我在准备面试期间，晚上一般不会继续处理非紧急工作，而是集中精力复习知识和刷 LeetCode。
AI 对源码阅读的帮助尤其明显。
过去接触一个陌生项目，可能需要自己一点点查调用链、翻文档、搜关键词，吭哧吭哧看上一个月，才能大致理解系统结构。
现在可以先让 AI 帮忙梳理：
然后再带着问题定向阅读源码。
以前需要一个月才能建立的整体认知，现在可能几天就能完成。
不过，AI 能够帮助你更快地找到路线，却不能替代真正的理解。
涉及核心逻辑的地方，最终还是需要自己阅读源码、验证结论。
用 AI 进行模拟面试
正式面试之前，还可以利用 AI 进行模拟面试。
例如，把自己的简历和项目经历做必要的脱敏后交给 AI，让它以面试官的身份不断追问：
这种方式对于项目面试非常有效。
AI 甚至预测中了我后来遇到的一部分问题，尤其是那些围绕项目细节展开的追问。
不过，这里需要特别提醒一点：
尽量不要直接使用公司内部的 AI 工具处理个人求职材料，也不要输入内部代码、业务数据或者其他敏感信息。
一方面，公司内部工具可能会保留使用记录；另一方面，把公司内部信息用于个人面试准备，本身也存在合规风险。
比较稳妥的做法，是对项目进行充分脱敏，并使用个人设备和个人账号准备。
不要一上来就面最想去的公司
真正开始大量面试以后，我犯了一个比较冒险的错误：
一上来就面了自己最想去的公司。
虽然最后幸运地通过了面试，但整个过程确实非常惊险。
现在回头看，更合理的方式应该是：
因为面试也是一种需要练习的能力。
刚开始面试时，很多人容易紧张，表达也比较混乱。
明明是自己做过的项目，却不知道应该从哪里开始讲；明明知道问题的答案，讲出来却没有层次。
随着面试次数增加，你会逐渐知道面试官在关注什么，也会越来越熟悉自己的项目，回答问题时自然会更有自信。
面试最想去的公司时，我建议请假在家参加。
一方面，面试本身需要集中精力。另一方面，如果正常上班，你还需要分出一部分精力处理工作消息。
最尴尬的情况是：
你正在回答面试官的问题，同事突然给你打电话，或者有人临时拉你参加会议。
在公司找会议室面试也并不稳妥。
即使环境安静，也很容易遇到熟人，或者因为担心被发现而影响状态。
既然是一场重要面试，就尽量给自己创造一个安静、稳定、不受打扰的环境。
Offer 应该怎么选择
最后，我的 Offer 决赛圈剩下了两家公司。
公司 A 与公司 B 的工作方向、稳定性和薪资发展对比综合考虑之后，我最终还是选择了公司 A。
第一个原因：它本来就是我的目标
我最初准备面试，就是奔着 A 去的。
从开始复习到最后面试，我投入的很多精力，都是围绕这个目标展开的。
第二个原因：下一份工作需要稳定一些
我正式工作的时间只有一年。
如果下一份工作也很快离开，简历就容易显得不够稳定。
所以，第二份工作除了薪资以外，我也会更加关注岗位匹配度和长期稳定性。
相比快速变化的新业务，一个方向相对明确、工作内容更符合兴趣的岗位，可能更适合现阶段的我。
第三个原因：我想重新写底层代码
我已经写了大半年偏前后端的应用代码，确实很想重新回到底层技术，做一些自己真正感兴趣的事情。
公司 B 多出的 10 万元当然很有吸引力。
但钱并不是唯一需要考虑的因素。
如果选择了一个不喜欢的方向，每天都在消耗自己，那么多出来的钱未必能够弥补长期的不开心。
反过来，如果工作方向符合自己的兴趣，也能够积累想要的能力，短期少拿一些钱，可能反而更有利于未来的发展。
这并不是说选择 A 一定正确。
Offer 选择本身就没有标准答案：
重要的是，你需要知道自己当前阶段最想要什么，并愿意承担这个选择带来的代价（所谓的机会成本）。
写在最后
AI 时代，对职场新人确实不算特别友好。
过去，很多新人可以从重复、基础的工作开始，通过这些 Dirty Work 逐渐了解业务、熟悉代码，再一点点接触更复杂的任务。
但现在，许多基础工作可以被 AI 迅速完成。
企业对人的要求也可能随之提高：
以前一个人需要几天完成的事情，现在可能一天就要交付。
以前允许新人慢慢摸索，现在可能更希望新人快速上手。
当简单工作被 AI 接管之后，留给新人练习和犯错的机会，可能会越来越少。
经验的重要性反而变得更加突出。
AI 可以生成代码，却很难替你判断需求是否合理；可以给出一个系统设计，却无法替你承担线上事故；可以快速总结源码，却不一定知道哪些隐藏细节会在生产环境中造成问题。
但换一个角度看，这个时代也给了新人前所未有的学习工具。
你可以：
以前需要几个月才能接触到的知识，现在可能几天就能建立起基本认知。
所以，与其反复担心 AI 会不会取代自己，不如尽可能利用 AI，提高学习和工作的效率，把节省下来的时间用来建立真正属于自己的能力。
工具会不断变化，业务方向也会不断变化。
但对技术的理解、解决复杂问题的能力，以及知道自己究竟喜欢什么，依然需要长期沉淀。
对于工作第一年就选择跳槽这件事，我无法确定它究竟是不是一个完全正确的决定。
但至少在做出选择的那一刻，我知道自己为什么离开，也知道自己想去哪里。
这大概就够了。
