持续学习，持续实践，持续复盘。

2024 年，就以面试为引子开始说起吧。

年中我有相当一部分时间花在面试众多 Leader 或高级工程师上，于是自然而然地引出一个话题：如何判断候选人在技术能力上是否匹配？在持续复盘后，我总结出 5 个判断维度：

• 方案完备：方案是不是考虑周全，常见的包括需求理解、防抖节流、可观测、告警、性能、幂等性、兼容性等。
• 技术深度：会关注到 API 的源码、原理、规范，以及框架的设计理念。
• 决策逻辑：清晰自身为什么要这么做，而不是单纯接收指令执行且全无独立思考，这个往往决定方案的合理性。
• 落地能力：能否将决策、技术落地。
• 能力迁移：能否快速理解新领域的问题并给出初步方案。

其中，对于前四者，只要工作经验足够，我认为是相对容易获得的。但对于能力迁移，则会要求自身有持续学习、实践、复盘的习惯，是更能体现工程师能力的部分。没有完全一样的两个问题，关键在于能否将已有经验、逻辑迁移到新领域中去解决新问题。

以前，我常常谈论底层能力的重要性，但始终觉得这个概念有些模糊不清。怎么去定义它，或者它有哪些特性，是我的困惑。今年算是往前迈了一小步，明确了底层能力的一个关键特性：可迁移性。

关于能力迁移，不妨以前端开发为例。假设一位开发者从 React 转向 Vue。好的方式不是简单地将 React 的编码习惯直接应用于 Vue，而是采取以下策略：

1. 比较学习：深入理解 Vue 的核心概念和设计理念，并与 React 进行对比。
2. 寻找共通点：识别两个框架的相似之处，如组件化、状态管理等概念。
3. 辨别差异：明确 Vue 与 React 在语法、生命周期、数据流等方面的独特之处。
4. 经验迁移：将 React 中与 Vue 适用的最佳实践和设计模式灵活地应用到 Vue 开发中。
5. 遵循框架特性：在编码时利用 Vue 的特性，如响应式系统和模板语法。 这种方法可以确保代码符合 Vue 的设计哲学，提高可维护性和性能。相比之下，简单地用 React 的思维编写 Vue 代码，会让代码充斥着两种方言。真正的能力迁移不是生搬硬套，而是深入理解、灵活应用，并在新领域中创造最佳实践。

回到面试的场景，若是角色互换，我变成了候选人，我的可迁移能力有哪些呢？这个问题真是不好回答，它有几个难点：

• 可迁移能力之间的界限是什么？例如，持续复盘与解决性能问题就是两个领域的问题，前者更通用，后者更领域化。
• 该从何说起，或者说，该以什么样的结构来表达？

这两个问题的关键点在于，如何用一种符合直觉的可靠的模型来组织不同的可迁移能力？

• 符合直觉：降低记忆的心智负担，无需过多索引。
• 可靠：自己实践过，且验证可行的，但不一定是最优的，即它一定能处理问题。例如管理框架，能解决「全是杂活」的问题。

不妨通过现实场景来拆解，即按照人和事两个方面来初步拆解。考虑到个人通常会借助周边环境来发力，周边环境也会因个人而变化，因此可以进一步拆分出个人与组织。可以用稍微正式一些的词语来组织，即个人、组织、专业（见下图，注：第一个版本呈 T 形，当先版本考虑了管理事项，呈 Pi 形，持续迭代模型内容）。

以下就按照这个逻辑来展开 2024 的个人与专业上的重要事项吧。

关于个人，比较重要的两点是阅读与自我批判。

对于读书，今年仿佛突然读得懂书了，一共花了 730 小时读了 71 本书，为了方便看笔记，还做了个浏览器插件 bookline。对于读书过程的经验，倒是有几条值得记录：

• 读书的负担够低，才有可能享受读书，为此，全面转入到微信读书 + 墨水屏。
• 每个领域都有自己的语言，对于陌生领域，需要先花几个小时的时间熟悉书本语言后，才能真正判断出好不好，避免自己的阅读习惯影响判断。
• 避免同一时间交叉看不同领域的书，交叉领域读书会使得大脑频繁切换。
• 避免总想记住书本内容的倾向，大脑容量有限，可行性不高，另一方面，根据认知图式，如果无法关联的知识，死记硬背也是无效的。
• 如何有效应用书本知识，我做了分级处理：
  • 对于能关联的知识，为了能够应用，会通过 INKPAP 来记录，这是一种强打断阅读行为的方式，一般会先记录梗概，随后再补充。
  • 对于感觉不错但现阶段不适用的知识，通过划线评论来记录，再通过 bookline 导入到 obsidian，便于搜索。
• 沉淀了两个书单：
  • 一线技术 Leader 成长之路
  • 成长的原理与框架

对于自我批判，关键目标是确定真实效果（极度求真），可以用费曼提问法来挖掘，以下是常用问题：

1. 前提是什么？
2. 目标是什么？
3. 一般情况下，如何达成目标？
4. 无法达成目标的情况，厉害的人会如何做？
5. 这件事的核心是什么？
6. 这件事的本质是什么？
7. 了解了本质的人，和不了解本质的人有什么不同？
8. 如何判断这件事的完成情况？
9. 做这件事，我可能在哪方面犯错？我可能在哪方面出色？
10. 这件事可以提升我哪方面的能力？
11. 这件事值得长期投入吗？
12. 这件事中，我已经用了怎样的方式取得了怎样的结果？这足够吗？
13. 外在的声音，是称赞事情做得好，抑或是鼓励？
14. 自己是否仍受制于他人评价？
15. 自己评价体系是怎样的？自己对这件事情的评价怎么样？

关于专业，INKPAP、管理框架、决策，是今年的主要收获。

对于 INKPAP，是《打开心智》中的 INKP 与我自己总结的 AP 结合起来的，是一种知识管理与应用方法，尤其强调知识的应用。它摒弃了知识分类的方式，转而用知识分阶段消化的理念来组织。其目标是以贴近现实生活的方式管理与应用知识，降低难度，以及以应用为导向，解决知识应用不稳定的问题。其主要阶段是：

• Inbox：采集箱，任何想法、片段都放到这个地方，需要被定时整理。
• Note：知识点，从采集箱整理而来，以名词命名，具备稳定性。
• Knowledge：知识、领域、经验，聚合知识点，面向具体情境的经验手册或知识。
• Project：项目，即当下正在进行的事项，这里关联了一系列本项目会使用到的知识、经验，是知识应用的主要基地；当 Project 完成后，务必沉淀经验到 Knowledge。
• Archive：存档，用来存放终态（已完成或已废弃）的 Project，记录执行过程，方便后续类似 Project 查找参照物。
• Principle：原则，行为的准则，当行为存在疑问时，可利用这部分内容判断。

管理框架则是学习自《知行》一书，可行性不错，以管理沟通为基础，以管理认知为牵引，持续做好看方向、做事、带人。

对于决策，则是在阅读《原则》中关于如何决策的章节时，突然认识到决策的主要矛盾是有效与效率。前者依赖怎么做决策，后者依赖何时做决策。

• 有效决策，该怎么做：方向可以是演绎和归纳，手段可以是实践、信息收集、数据、直觉等，组织方式可以是个人也可以是组织；
• 效率决策，该何时做：可逆的决策尽快做，不可逆的决策延后做。可逆是指撤销其影响的做功低于使其发生的做功，不可逆反之。

以上，是本年的主要体会，以下为随手记录。

关于绕不开的 AI，有两个点值得关注：

• 提出正确问题的能力，在未来比找到答案的能力更重要。
• 关于 DeepSeek，在解疑释惑之外，其思维链更值得学习。此链如珠玑，串联情景确认、角色辨识、潜在需求探析、事实依循、佐证搜罗、时效性考量、举一反三、结构化表达等诸多环节，让思考更周全。

最后，关于 2025 年，如何用好 AI 是一个重要话题，体现在两个方面：

• 对于人，如何通过 AI 来优化自己的成长体系；
• 对于事，如何通过 AI 来促成更多成果。