KEKE666 (科科)

32 岁程序员居家加班猝死，最后 116W 赔偿仍在…

KEKE666 — Wed, 12 Aug 2026 15:21:42 +0800

2026 年 7 月 8 日，广州市黄埔区人民法院第三法庭。原告席上坐着一个穿黑色连衣裙的年轻女人，手里攥着厚厚一沓微信聊天记录。她的丈夫高广辉，32 岁，广州某中型互联网公司后端开发工程师，Java+Spring Cloud 技术栈，月薪 21K。丈夫去世已经 8 个月了。2025 年 11 月 29 日，周六早上 8 点 42 分，他在家中书桌前处理工作消息时突然晕倒。送医后抢救无效。

那天早上 7 点 03 分，技术总监在群里@他："老高，客户反馈订单接口有数据延迟，你看看。"他回了："好的，马上看。"这是他人生最后一条工作消息。

被拉进工作群催任务时，人还在抢救高广辉的妻子叫林晓琳，29 岁，之前是会计。丈夫去世后，她花了三周时间整理丈夫的手机和工作电脑。聊天记录多到吓人——从 10 月份开始，他的工作强度是这样的：工作日：早上 9 点到公司，晚上 11 点之后才能走周末：平均每个周末至少有一天要在家处理紧急问题深夜：凌晨 1 点、2 点被拉进群处理生产事故的记录有 17 次出事后第 8 个小时，还有客户在群里@他问工作进度。"当时我丈夫还在抢救室，这些消息就躺在他的手机通知栏里。"

林晓琳说。公司提出给 45 万"人道主义补助"，条件是签谅解协议、不再追责。林晓琳拒绝了。关键证据：一份精确到分钟的微信记录这个案子之所以引起全网关注，是因为它第一次把"居家加班"写进了司法认定。人社局认定高广辉属于"视同工亡"。

<<<顺便说句，技术大厂，前后端 - 测试机会，一线双一线城市坑位（https://jsj.top/f/o38ijj~）充足，感兴趣可以看看这个机会

法院的核心逻辑是：《工伤保险条例》第十五条第一款第一项规定，在工作时间和工作岗位突发疾病死亡，视同工伤。"工作岗位"不等于"公司工位"。只要是用人单位安排的工作任务，不管你是在办公室、家里，还是高铁上，都属于"工作岗位的延伸"。

林晓琳手里有丈夫去世那天早上的完整微信记录： 7:03 - 技术总监@他处理紧急问题 7:15 - 他回复"在看日志了" 7:32 - 他在群里发了一张截图，说找到问题了 7:45 - 他在群里问运维要服务器权限 8:42 - 他晕倒在椅子上每一条消息的时间戳精确到分钟。

这就是证据。每月加班超 36 小时就是违法高广辉去世前三个月，平均每月加班超过 120 小时——法律红线是 36 小时/月。

公司的说法是："我们没有要求他周末来公司，加班是他自愿的。"法院的回答是：《劳动合同法》第三十一条明确规定，用人单位不得强迫或者变相强迫劳动者加班。"把员工随时拉进工作群处理问题"，这本身就是强迫加班的一种形式。而且，公司在高广辉已经送医的情况下，还把他拉进工作群催任务——这连最基本的员工健康保障都没做到。

公司要承担的，不只是 116 万法定工亡赔偿，还有林晓琳提出的 10 万元精神损害抚慰金，理由是"公司长期违法超时安排加班的侵权责任"。你手机里有多少"加班证据"？林晓琳的代理律师在庭后接受采访时说了一句让所有打工人后背发凉的话："高广辉的案子能走到今天，是因为他妻子手里有那几百页聊天记录。大多数人的隐形加班根本没法证明——因为没人会想到要截图、要备份。"律师的建议：

第一，工作群里的派活消息定期备份。每个月导出一次微信聊天记录，存在云盘或者邮件给自己。第二，下班之后、休息日收到的工作文件，保留发送时间记录。哪怕只是截图，也比空口说有说服力。第三，公司的排班表、考勤记录定期截图。钉钉、企业微信的打卡记录都可以导出。"真碰到公司耍赖不认加班，这些东西比你空口说'我天天加班'有用 100 倍。"律师说。对了。顺嘴提一句，技术大厂，前后端 - 测试机会，全国一线及双线城市均有坑位，待遇和稳定性还不错，感兴趣看看。

7 月 8 日的庭审结束后，法院表示将择期宣判。但无论结果如何，这个案子已经给所有科技公司敲响了警钟："随时在线"不是义务，"在家干活"也是加班。

留好证据，法律站在你这边。好好爱护自己的身体和健康，没有人在意，除了你自己和最亲近的人！

懂业务的人用 AI 写代码，反杀了程序员…

KEKE666 — Tue, 11 Aug 2026 11:31:46 +0800

昨天刷到一条推文，评论区吵到停不下来。

AI 提示词博主 Alex Prompter 甩出一句话：

"Anthropic 研究了 23.5 万名使用 Claude Code 的人。懂自己领域的人，表现比会写代码的人更好。"

8 小时，8.8 万查看，662 个赞。评论区直接分成两派——有人说"给'人人学编程'判了死刑"，也有人骂"标题党碰瓷论文"。

但我点进去看了原始论文之后，沉默了。论文到底说了什么？

Anthropic 在 6 月 16 日发布了一份经济研究：《Agentic Coding and Persistent Returns to Expertise》。数据体量摆在那——40 万个真实交互会话，23.5 万独立用户，横跨 2025 年 10 月到 2026 年 4 月，整整七个月。不是问卷，不是实验室测试，是真实用户在真实工作中使用 Claude Code 的数据。

核心发现：在 AI 编程时代，领域专长比编程能力更重要。

具体来说，在那些真正产生了代码改动的会话里，软件工程师的验证成功率是 34%，其他所有职业加在一起是 29%。

差距只有 5 个百分点。

换句话说，一个懂法律的人用 AI 写合同审查脚本，成功率跟一个写了 5 年后端的人用 AI 写业务代码，差不了多少。

程序员的护城河在变窄

这个数字让我后背发凉。

论文把用户分成新手到专家五级，发现了一个关键规律：

新手：验证成功率 15%，遇到问题放弃率 19% 中级：验证成功率 28%，放弃率 7% 专家：验证成功率 33%，放弃率 5% 从新手到中级这一步跨得最大。领域知识摸得够熟，就已经拿到了 AI 协作里大部分的红利。

更扎心的是，增长最快的非技术用户群体是：管理、销售、法律。

这几个职业有什么共同点？他们最清楚客户的痛点在哪，优先级该怎么排，什么算"做完了"。

这恰好是 AI 需要人类提供的那部分判断。

对了。顺嘴提一句，技术大厂，前后端 - 测试机会，全国一线及双线城市均有坑位，待遇和稳定性还不错，感兴趣看看。

我身边的真实案例我一个做法律的朋友，上个月用 Claude Code 写了一个合同风险审查工具。

她一行代码都不会写。但她知道合同里哪些条款有坑——10 年法务经验不是白混的。

她做了什么？用自然语言告诉 AI："审查这份合同，重点关注以下 12 类风险条款：违约金不对等、知识产权归属模糊、竞业限制范围过大……"

AI 帮她生成了一个完整的 Python 脚本，接入 GPT-4o 做条款分析，输出风险报告。

她花了 3 天调通了整个流程。现在她们律所的初级律师都在用这个工具。

她不是程序员，但她解决了一个程序员都需要花很久才能理解的业务问题。

程序员该怎么看这件事？ Hacker News 上吵得更凶。

一个 ID 叫 stult 的网友火气很大："这个分析蠢得离谱。他们把领域专长和编码专长混为一谈。懂软件开发的人更擅长软件开发，这不是废话吗？"

但另一个网友的回复更扎心："你说的对。但问题是——当 AI 能写 80% 的代码时，'懂软件开发'的定义已经变了。"

论文里有一个数据很有意思：

用户平均做了 70% 的"做什么"决策，Claude 包揽了 80% 的"怎么做"决策。

人类负责判断方向，AI 负责落地实现。

这个分工模式意味着：会不会写代码，正在从核心竞争力，变成一项被 AI 大量接管的体力活。

不是"程序员完了"，是"只会写代码完了"

我做了 7 年后端，说完全不慌是假的。

但我慌的不是"AI 会写代码"，而是我一直在用"会写代码"定义自己的价值。

论文给了一个很清晰的信号：从新手到中级这一步跨得最大。你不需要成为顶尖技术专家，但你需要在自己的领域有足够的深度——这样你才能给 AI 精确的指令，才能在 AI 犯错时知道往哪推一把。

我的下一步计划：深耕业务理解：不再只做"接需求写代码"的执行者，而是参与产品决策提升 AI 协作效率：学会写精确的 Prompt，让 AI 给我干更多活建立领域壁垒：在金融 + 技术这个交叉领域积累不可替代的经验未来的程序员不是"会写代码的人"，而是"会用 AI 解决领域问题的人"。

离开大厂外包一年，说点实在话：程序员外包到底值不值得干？

KEKE666 — Mon, 10 Aug 2026 11:48:02 +0800

入行六年，我从倒闭小厂失业、靠大厂程序员外包站稳脚跟，再到逆袭百度正编，如今南下深圳涨薪 45%，深耕 AI 智能体开发。一路走来没有捷径，都是普通人踏实积累、慢慢翻盘。我突破了学历与原生家庭的局限，今年落户深圳，彻底和过去告别，开启了新的人生。很多人只看到我现在的结果，却不知道我在外包岗位沉淀许久。任职期间，我除了开发工作，还负责平台运维、站点迭代、新渠道挖掘测试等工作，见证了数百位外包同行的成长与得失。今天居家办公，简单复盘我的真实经历，不制造焦虑、不空谈大道理，真诚和大家聊聊程序员外包的真实现状，给迷茫的技术新人一点实在参考。（致敬每一个踏实深耕、默默成长的技术打工人）

一、大厂外包，是普通人难得的入行机会

大厂校招严格卡学历、卡院校，普通本科、转行新人很难拿到入场券。但外包赛道门槛更包容，不唯名校，更看重踏实、稳定、好学、能扛事的特质，给了很多普通人扎根行业的机会。能在外包站稳并成功逆袭的，大多是两类人：一是无背景、肯吃苦的普通从业者，踏实落地工作、抗压能力强；二是目标清晰的新人，把外包当作过渡跳板，专注积累项目经验、打磨自身能力。不可否认，正式员工能优先接触核心业务与架构，资源更优，但外包的基础迭代、bug 修复、平台运维等工作，恰好适合新人夯实代码功底、熟悉大厂工作流程与协作模式，改掉浮躁心态。想躺平安逸的人不适合外包，但想要稳步成长、积累履历的普通人，外包是性价比很高的起步选择。

二、选对赛道

兼顾开发与平台运维、新渠道测试的工作经历，让我摸清了各业务线的真实差距。很多人工作疲惫、毫无成长，核心是赛道选错了。分享几组真实的赛道选型建议：首选赛道：终端、核心研发、AI 业务。作为大厂核心盈利赛道，技术栈前沿、业务迭代快，哪怕是外包，也能参与核心项目迭代与功能开发，积累的项目经验含金量高，是后续跳槽涨薪的核心优势。稳健过渡：流程 IT、平台支撑、供应链技术。工作节奏平稳、内卷度低，以系统维护、平台更新、渠道测试为主，内容扎实稳定，适合边工作边补足技术栈，还能锻炼全局落地能力。短期过渡即可：传统通信、老旧网工、老业务软件。赛道发展成熟、技术迭代缓慢，长期任职容易导致技术固化、履历贬值，仅适合短期糊口过渡，务必利用空余时间更新技术栈，为跳槽转型做准备。

三、成长永远自主

不刻意美化外包：正式岗作为公司核心骨干，晋升通畅、资源充足、福利完善；外包属于第三方合作，存在职级天花板，转正名额稀缺、难度极大。但身份从不决定上限。正编成长多靠平台扶持，外包的成长全靠自我沉淀。我曾主动承接专项优化、平台迭代、海内外渠道摸排等攻坚工作，落地了优质项目，最终转正名额虽归属正式员工，但全程打磨的项目统筹、问题排查、落地攻坚能力，全都成为了我自己的核心底气。平台给予的资源有限，但个人成长没有上限。很多人止步不前，从来不是被外包身份束缚，而是自身疏于精进、原地踏步。

四、节奏快、压力大是常态

大厂外包节奏快、压力大是常态。不同于正式员工聚焦核心开发，外包程序员需要兼顾迭代开发、bug 优化、平台运维、数据跟踪、新平台测试等多项工作，事务繁杂。我过往也经常加班攻坚、连轴工作，当下觉得疲惫，回头来看正是这段高压经历，让我快速摆脱新人稚嫩，练就了高效落地、抗压攻坚的职业能力，远超同期新人。大家入职前可多沟通团队情况，避开纯消耗无成长的小组，选择能积累业务经验、打磨能力的团队。

五、真心总结：外包是起点，绝非终点

我一直很感恩我的外包经历，在我失业低谷、毫无优势时，是这个岗位给了我立足行业的机会，让我接触正规项目、学习标准化流程，为后续逆袭正编、转型 AI 赛道打下基础。外包非常适合普通人起步，但绝对不能扎根一辈子。学历普通、零基础转行、缺少项目履历的新人，可以借助外包快速积累经验、打磨技术、优化简历，伺机跳出外包体系，冲击更好的平台。职场最终比拼的从来不是身份标签，而是实打实的解决问题的能力与不可替代性。普通人的逆袭从无捷径，唯有稳步沉淀、持续精进，才能跳出固有圈层，收获属于自己的职业未来。

2026 程序员热门技术框架盘点：不要盲目追新，选对才是王道

KEKE666 — Thu, 06 Aug 2026 10:56:23 +0800

网上框架层出不穷，很多人看见热度高就直接上手，上线之后才发现复杂度、学习成本远超预期。整理当下各领域真正高频落地的主流框架，附带适用场景，方便做技术选型参考。 🎨前端 & 全栈框架 Next.js 15（React 全栈）

React 生态的事实标准，Server Components 稳定，支持 SSR、边缘部署。

✅适合：SaaS 系统、中大型后台、面向公网的业务站点

⚠️生态庞大，但项目复杂后调试成本会上升。

Nuxt3（Vue 全栈）

Vue 官方全栈框架，上手门槛低，中文资料丰富。

✅适合：管理后台、官网、中小型业务系统，国内团队使用非常广泛。

Svelte 5 + SvelteKit

编译时框架，没有虚拟 DOM，打包产物体积小。

✅适合：追求页面性能、轻量交互项目，个人开发者做产品非常舒服。

Tailwind CSS + shadcn/ui

现在前端开发的标配组合，组件高度可定制，告别重复写 CSS，大幅提升 UI 开发效率。

⚙️后端开发框架

Spring Boot + Spring Cloud Alibaba (Java)

国内企业后端绝对主流，生态完善、人才储备充足。

✅适合：企业级业务、微服务、金融、大型后台系统。

Gin / Fiber（Go）

Go 语言两大高并发 Web 框架，内存占用低，编译后单文件直接部署。

✅适合：网关、中间件、高并发接口、云原生服务。

FastAPI（Python）

Python 领域增长最快的框架，原生异步，自动生成接口文档，对 AI 后端极度友好。

✅适合：大模型服务、AI 接口、数据服务、原型快速验证。

NestJS（TypeScript）

TS 企业级后端框架，架构规范，依赖注入。

✅适合：Node.js 技术栈做大型后端、BFF 层。

机会

技术大厂，前端 - 后端 - 测试，全国各地等均有机 - 会（https://jsj.top/f/o38ijj~），感兴趣可以试试

🤖AI & Agent 开发框架

LangGraph

LangChain 旗下图编排 Agent 框架，擅长复杂状态流转、多步骤任务。

✅适合：复杂智能体、长链路业务流程；简单业务不要强行上，容易过度设计。

Dify

开源 LLM 应用开发平台，可视化拖拽，支持私有化部署。

✅适合：快速搭建 RAG 知识库、简单 AI 应用原型，不需要深度写底层代码。

CrewAI

主打多智能体协作，方便定义不同角色 Agent 分工完成任务。

✅适合：多角色协同的 AI 工作流。

AutoGen（AG2）

微软开源，擅长 Agent 之间对话交互、代码执行场景。

✅适合：代码助手、自主任务执行。

📱跨端 & 桌面端

Flutter

一套代码编译多端，UI 渲染一致性强，复杂动画表现优秀。

✅适合：需要同时发布 Android、iOS、Web 的 App。

Tauri

Rust 驱动桌面框架，替代 Electron，安装包体积小、内存占用低。

✅适合：开发桌面工具软件。

🧩数据库 & 配套工具

Prisma：现代 ORM，TypeScript 友好，数据库操作不用手写大量 SQL，全栈项目首选。

MyBatis‑Plus：Java 生态常用 ORM，简化 MyBatis 开发，国内项目普及率极高。

简单选型忠告

不要只看 GitHub Star，优先看你的业务复杂度，简单业务拒绝重型框架，避免过度开发。

团队技术栈优先：团队熟悉什么技术，就优先选同生态框架，降低维护成本。

AI Agent 框架：简单 RAG 选 Dify；复杂长流程选 LangGraph；多角色协作优先 CrewAI。

互动话题：你最近新项目选了哪个框架？踩过什么坑，欢迎评论区聊聊。

Agent-Reach 实测：让 AI Agent 一键搜索全网，我踩了 3 个大坑

KEKE666 — Tue, 04 Aug 2026 09:36:32 +0800

上周在 GitHub Trending 上看到一个项目叫 Agent-Reach，日增 1045 星，简介只有一句话——"Give your AI Agent the ability to search the entire internet"。

给 AI Agent 装上全网搜索能力？这不就是我一直在找的东西吗？

我们团队在做一个行业研究 Agent，需要实时抓取多个平台的讨论数据。之前自己写爬虫，被反爬搞到怀疑人生——Reddit 要 OAuth，Twitter/X 要 API Key（还收费），B 站和知乎各种验证码。维护成本比开发成本还高。

Agent-Reach 号称"无需任何 API Key，一条命令部署，零额外费用"。

我抱着试试看的心态装了。

选型理由：为什么选 Agent-Reach 而不是自建爬虫？

坑 1：小红书搜索不稳定，成功率只有 60%

文档说支持小红书，但实测发现小红书的搜索经常超时。原因是小红书的反爬机制很激进，Agent-Reach 用的是模拟浏览器请求，但没做指纹伪装。

解决方案：我在 Agent-Reach 外面包了一层重试逻辑，3 次超时后换 IP（用代理池），成功率提升到 85%。但这也意味着不能完全"零成本"了，代理池还是要花钱的。

坑 2：返回数据格式不统一，不同平台的字段名不一样

Reddit 返回的数据结构是{title, body, upvotes, comments}，Twitter 是{text, likes, retweets}，B 站是{title, description, play, danmaku}。每个平台的字段名和结构都不一样，直接灌进 Agent 会导致理解混乱。

解决方案：我写了一个统一适配层，把所有平台的返回数据标准化为{platform, title, content, engagement_score, url, timestamp}格式。engagement_score 是根据各平台的互动指标换算的统一热度值。

对了。顺嘴提一句，技术大厂，前后端 - 测试机会，全国一线及双线城市均有坑位（https://jsj.top/f/o38ijj）待遇和稳定性还不错，感兴趣看看。

坑 3：并发请求太多会被平台封 IP

我在做竞品调研时，一次性搜索了 6 个平台 5 个关键词，总共 30 个并发请求。结果 GitHub 和 Reddit 直接返回 429，Twitter 临时封了我的 IP 2 小时。

解决方案：加了个简单的限流器，每秒最多 3 个请求，每个平台间隔 2 秒。搜索时间从 30 秒变成 3 分钟，但稳定性从 70% 提升到 98%。

最终数据对比：结论：Agent-Reach 适合"快速验证 + 中等精度"的搜索场景，不适合做高精度的数据采集。如果你的 Agent 需要实时、精确、全量的数据，还是得自建。但如果你只是想让 Agent 能"搜一下最近大家在聊什么"，这玩意儿 5 分钟就能跑起来。

项目地址：https://github.com/Panniantong/Agent-Reach

大厂外包一年，说说我的真实感受：没有网上说的那么惨，也没有那么香

KEKE666 — Mon, 03 Aug 2026 10:52:16 +0800

一年前，我接了个大厂外包的 offer。当时身边朋友的反应出奇一致：“外包？能转正吗？”“不就是去大厂打杂吗？”“干两年出来简历怎么写？” 说实话，我自己也犹豫过。但那时候手里没更好的选择，咬咬牙，去了。一年后的今天，我想说点不一样的。

第一印象：原来外包也能碰核心代码入职前我以为外包就是写点边角料，真正进去才发现——我直接进了某个中台业务组，写的是线上核心链路。当然，权限确实有差别。我不能直接部署生产环境，某些内部文档需要申请才能看，周会不能主动发言。但代码，是真的在写。第一个月我接手了一个老旧模块，里面全是祖传代码，没有注释的那种。我硬着头皮重构了一版，提了个 PR，leader 给了十几条评论，每条都写得很细：“这里为什么要用这个设计模式？”“这个命名能不能更语义化一点？” 我改了四版，才合进去。那是我入职以来最有成就感的一刻，因为我知道自己写的东西，有人在认真看。技术成长：三个“被迫”提升的能力

第一，代码规范不是约束，是保护。以前在小公司，变量名用拼音都行，反正没人 review。到了大厂，没通过 lint 的代码连 push 都推不上去，PR 评论里稍微不规范的写法都会被标红。刚开始觉得很烦，后来习惯了，再回头看自己半年前的代码，发现确实写得干净。好习惯是被逼出来的。

第二，看源码成了本能。外包有一个尴尬的地方：遇到线上问题，你没法直接登录服务器看日志。怎么办？只能看源码，拼命看源码。有天晚上线上有个诡异的超时异常，我同事说“重启一下就行了”，但我觉得不对。我花了两个晚上把那段 RPC 调用的源码从头到尾看了一遍，发现是一个连接池配置不合理导致的，改掉之后问题再也没有复现。我那个同事后来跟我说：“你是我见过的 debug 最细的外包。” 我说：“因为我看不了日志，只能看代码。”

第三，学会问对的问题。在大厂，提问是一门技术。文档很全，大部分问题都能搜到，如果你张嘴就问一个文档里写清楚的事，别人嘴上不说，心里也会给你打标签。我学到的经验是：提问之前自己先找半小时，确认找不到再问，而且要把问题具体化——“我查了 A 和 B，卡在了 C 这一步，能不能给个方向？”这样别人才愿意帮你。关于外包，说几句实在的先说好的：项目质量高、流程规范、同事平均水平确实在线，在这种环境里待一年，比在小公司写三年业务代码学到的东西更系统。而且简历上写大厂的项目经历，至少能过简历关。再说不好听的：福利基本没有，年终奖打折，没有内部股票，没有免费三餐。那种“二等公民”的感觉，偶尔会冒出来，尤其是看着正式员工在群里聊期权涨幅的时候。但我想明白了一件事：外包是一张门票，不是终点。我来的第一天就清楚，我在这里是攒经验、攒项目、攒履历，不是为了拿内部 offer（虽然也有外包转正的案例，但那太少太少了）。

一年后的变化最近开始面正式岗位了。面试官问我：“你在大厂做过什么？” 我讲了那个重构的老模块，讲了那个连接池 bug 的排查过程，讲了我怎么在权限有限的情况下还能保质保量上线。面试官没提“外包”两个字，一直在追问技术细节。那一刻我知道，这一年的代码没有白写。最后想说的如果你也在考虑外包，我的建议是：看团队、看项目、看技术栈。如果这三样都好，那就去，哪怕是外包。如果三样都不行，哪怕是正式岗位也慎重。外包不丢人，丢人的是干了一年，发现自己没有任何成长。我很庆幸，这一年的外包经历，让我离一个更好的程序员，更近了一步

外包岗位值不值得去？6 年 Java 开发分享真实跳槽经历

KEKE666 — Fri, 31 Jul 2026 15:00:00 +0800

很多程序员都在纠结外包岗位到底能不能去，会不会踩坑。我有过外包任职经历，后续顺利跳槽两家头部互联网企业，今天客观分享我的真实职场经历，内容全部为个人真实感受，理性讨论，不喜勿喷。简单介绍个人背景：普通二本院校，后端 Java 开发，拥有六年开发经验。我的职业发展路线：外包岗位任职一年，之后分别在两家大型互联网企业各工作两年，只是普通技术从业者，谈不上行业大佬。

当初为什么选择外包岗位 2020 年行业环境较差，我此前任职的小型公司直接倒闭，开启了长达两个月的求职空窗期。投递的绝大多数简历都没有回复，少数通过初面的岗位，最终也止步终面。求职低谷阶段，我拿到了大厂外包岗位的录用通知，现在回头客观评价，在当时的处境下，这个选择对我而言十分合适。在外包岗位的一年，技术成长速度远超小型公司先说明，我并不是单纯吹捧外包，客观来讲，这一年是我技术提升最快的阶段之一。大型企业成熟完整的工程体系、大规模线上项目，是中小型公司很难接触到的： 1.亲身落地线上高并发业务场景，不再只是面试题里纸上谈兵； 2.完整标准化 CI/CD 自动化流程，灰度发布、线上回滚、故障治理流程规范清晰； 3.团队代码评审标准严格，初期经常被指出代码漏洞与逻辑问题，长期坚持下来，代码规范、逻辑思维能力提升十分明显。

外包员工和正式员工日常工作差距大吗日常业务开发、团队协作层面基本没有区别：统一办公工位、开发设备、业务需求、项目例会，同事不会刻意区分用工身份，工作只看个人技术实力。园区公共资源全部通用，员工食堂菜品丰富，日常就餐体验很好。客观存在的差异也不会回避：劳动合同签约主体不同，长期股权、专属员工激励福利仅直招正式员工享有。但对于急需积累项目经验、入行时间不长的普通开发者，这类长期福利短期内很难触及，不必过度纠结。

外包项目经历，跳槽时行业认可度如何直接给出结论：市场完全认可，认可度远比大部分人想象的高。我凭借外包阶段的项目经验面试头部互联网企业时，面试官全程只深挖项目技术细节、性能优化落地成果，完全没有纠结我的用工模式。企业招聘技术人员，核心关注点是你落地过什么项目、解决过哪些线上问题、技术实操能力如何，不会单纯因为外包经历否定候选人。我身边同期在外包岗位工作的同事，后续不少人成功入职各大一线互联网企业，职业发展都十分稳定。

最后分享几句职场心里话六年程序员职场走下来，我最深的感悟是：职场没有绝对完美或者一无是处的工作选择，只分适不适合当下的你。长远来看，程序员职业发展的上限，最终取决于自身技术沉淀与持续学习的能力，用工模式只是短期过渡的载体。

如果此刻你正在纠结是否选择外包岗位，希望这篇真实经历能给你一点参考，有任何职场、求职相关疑问，都可以在评论区留言交流。

面试官问"DeepSeek 开始峰谷定价了，你怎么看 AI 商业模式"

KEKE666 — Wed, 29 Jul 2026 10:07:17 +0800

上周面了一家 AI 赛道的 B 轮公司，面的是产品技术负责人岗位。

三面，前两轮技术面和业务面都聊得挺顺。到了 CEO 面，他喝了口水，抛了个问题：

"你看到 DeepSeek V4 开始搞峰谷定价了吗？你怎么看这件事？"

这个问题乍一听像是在问新闻看法，但我知道没那么简单。CEO 面的问题，考的永远不是你的信息量，而是你的思考框架。

我的回答分三层：

第一层：这件事的本质是什么？

我说："DeepSeek 搞峰谷定价，表面上是价格策略调整，本质上是在解决算力供需失衡的问题。"

"AI API 的算力消耗是不均匀的。每天上午 9 点到 12 点、下午 2 点到 6 点是高峰，大量开发者和企业在这些时段集中调用 API。但算力基础设施是固定投入的，不可能按峰值来建——否则低谷期就浪费了。"

"峰谷定价的本质，是用价格杠杆来调节需求分布，把一部分非紧急调用从高峰期转移到低谷期，从而在不增加硬件投入的前提下提升整体服务稳定性。这和电力的峰谷电价是同一个逻辑。"

CEO 点了点头："继续。"

第二层：这说明了什么行业趋势？

"第二点，我觉得这说明 AI API 市场已经从'抢用户'阶段进入了'精细化运营'阶段。"

"前两年的逻辑是：拼命降价、免费额度拉满、先把开发者圈进来。DeepSeek 自己就是靠极致性价比杀出来的——V3 的定价一度低到让 OpenAI 都紧张。"

"但当用户量上来了，算力成本的压力就藏不住了。峰谷定价其实是一个信号：AI API 的'价格战'阶段要结束了，接下来是'效率战'阶段。谁能用更少的算力、更聪明的调度策略、更稳定的服务质量来留住用户，谁就能活下来。"

"这不是 DeepSeek 一家的问题，是所有大模型厂商迟早要面对的。"

第三层：对我们公司有什么启示？

"第三点，也是最重要的一点——这件事对我们自己的商业模式设计有直接参考价值。"

"我们做的是垂直行业的 AI 解决方案，不是通用大模型。但底层同样面临算力成本问题。DeepSeek 的峰谷定价给了我一个启发：我们是不是也可以根据客户的调用场景，设计差异化的定价策略？ "

"比如，金融客户对实时性要求高，愿意付溢价；而一些做数据分析的客户，可以接受延迟几小时的处理，那我们就可以在低谷期帮他们跑，既降低了我们的算力成本，也给了客户更低的价格。"

"这不是简单的涨价或降价，而是通过场景分层来优化整个成本结构。"

面试官追问

CEO 听完，追问了一个问题："那你觉得峰谷定价会不会导致开发者流失？比如一些小团队，他们只能在高峰期调用，贵了一倍可能就跑了。"

我说："会有一定流失，但不大。原因有两个："

"第一，真正对价格敏感的小团队，本来就更倾向于用开源模型自建，而不是调 API。峰谷定价影响的主要是中型客户，而他们有足够的灵活性来调整调用时段。"

"第二，服务稳定性本身就是价值。如果高峰期能因为价格调节而变得更稳定，很多开发者反而愿意付这个钱。你想想，线上服务因为 API 抖动崩一次，损失的可不只是几分钱的调用费。"

"所以我的看法是：峰谷定价短期内会有争议，但长期看是正确的方向。它说明中国 AI 市场正在走向成熟，不再是靠烧钱换规模，而是开始用商业智慧来平衡供需。 "

面试结果

面完第二天就收到了 offer。HR 反馈说 CEO 对我的评价是"有商业 sense 的技术人"。

后来入职后才知道，那道题其实是他面试产品技术负责人的"标配题"——不是要看你知不知道 DeepSeek 的新闻，而是要看你能不能从一个新闻事件里拆解出商业逻辑、行业趋势和对自身业务的启发。

三个层次，缺一不可。只说"降价是好事"或"涨价不合理"，都太浅了。

Claude Code 初学者必看指南

KEKE666 — Mon, 27 Jul 2026 09:33:22 +0800

01｜什么是 Claude Code

一句话：

👉 Claude Code = 终端里的 AI 执行助手

你可以用一句人话，让它帮你：

写代码改文件整理资料分析数据自动完成任务

📌 和普通 AI 最大区别：

ChatGPT：告诉你怎么做 Claude Code：直接帮你做

02｜快速安装核心只有一句话：

👉 先装 Node → 再装 Claude Code

安装 Node.js

nodejs.org 选择 LTS 版本验证：node -v npm -v 安装 Claude Code

npm install -g [@anthropic(https://x.com/@anthropic) -ai/claude-code验证

claude --version

03｜连接国内大模型

一、编辑或新增 settings.json 文件 MacOS 在.claude 文件夹下创建 settings.json， ~/.claude/settings.jsonWindows 为用户目录/.claude/settings.json#新增或修改里面的env字段# 注意替换里面的 your_deepseek_key 为您上一步获取到的 API Key{"env": {"ANTHROPIC_AUTH_TOKEN": "your_deepseek_key","ANTHROPIC_BASE_URL":"https://api.deepseek.com/anthropic,API_TIMEOUT_MS:" "3000000","CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": 1,"ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-4.5-air","ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-4.7","ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-4.7"}}

二、再编辑或新增 .claude.json 文件用去跳过 MacOS & Linux 为 ~/.claude.jsonWindows 为用户目录/.claude.json# 再编辑或新增.claude.json 文件# 新增 hasCompletedOnboarding 参数{"hasCompletedOnboarding": true}

三、进入 ClaudeCode 确认首先确认系统默认的模型名称然后输入/status 命令查看 baseUrl 和模型名称，输入命令 /status

——转载自：想不到一个好的 ID