最初其实我没有计划好要直接就业，当时还在思考要不要读博，所以其实我错过了毕业前的找工黄金时间，也就是毕业前的秋招。当我开始找工作的时候，基本上都10月底了，大规模的秋招基本刚结束。这个时候，其实很多应届生的岗位都满了，所以就有些困难了，再到来年年初一直到6月我也一直在找工作。
那一年因为疫情刚爆发，所以基本上大家都对经济预期不好，自然就会砍掉大量的应届生岗位。大厂对应届生还是统招的模式，基本上有一个均线，只要过了这条线就进入了具体业务组匹配的阶段，也就是会有具体的业务组来和面试者再详聊并最终确定Offer。我其实也是在很多面试里都过了终面，但是基本都在后来被告知对应的岗位因为预期不好而被砍了，所以其实找工压力还是很大的。我最终上岸基本上也是社招上岸，在对Amazon投了好几百封简历之后才拿到面试的。
每个大厂以及招收的岗位级别的情况应该都不太一样，我就讲一下我了解的Amazon的应届生工程师的招聘吧。能进Amazon的主要还是看学校、实习、和项目经历，基本上对应专业排名还OK的学校，加上比较正常的实习和项目经历，就能拿到NG的面试。面试中，能把简历里的内容讲清楚、能把编程题目做得差不多、系统设计也OK，以及BQ（行为面试）回答得也行，就能拿大厂Offer了。
首先这个前端组是一个偏职能型的研发组织，也就是不为特定的某个产品模块负责，而是类似救火队，哪里需要就去哪里抽调一段时间，做完了就回来。定位上的奇怪也导致我们没有一个”全职“的经理，当时是一个跨级的经理来抽空管理我们，基本上他也没有花太多精力在这上面，因为也能理解，他每天有更重要的决策和会议要参加。
同事也还是有一些职场老油条，水平一般般，问他问题基本上回答得也模棱两可。当时我英语也不是特别好，所以一直要长时间沟通，还以为我自己理解一直有问题。事后回想，其实那些更高级的工程师本身也没有太搞懂，只不过为了维持住权威，给你绕一绕，显得他好像什么都懂。
再后来，我们的团队做了清理，老油条们都被干掉了，剩下的我和一个前端小姐姐还有一个换组的后端，以及刚加入的经理又组建了一个新的面向业务的团队，也是终于有了一个完整的业务要进行开发。整个团队氛围瞬间好了很多，但问题就是我们没有更高级的工程师，所以很多复杂问题就要跨团队去自己联系获得帮助；同时，因为是一个全新的小团队，自然也没有分到很好的项目去做，而升职很大程度上也取决于你做的项目的影响有多大。对于我们这个项目，几乎没啥希望。所以整体上，这个团队还是比较坑的，不过这不妨碍你去发展别的技能，比如沟通协调能力，同时你也可以在职业早期承担更多责任，理解前后端全貌，从而加速成长。
感受就是，首先和北美的科技大厂整体氛围差不太多，可能还更好一点。比如我们每季度会组织团建，每年会组织一次北美的大团建。在大团建过程中，核心的工程师或者Leader也会分享一些AI相关的知识，各个职能的成员也可以充分讨论，互相学习。项目开发这边，基本上也是有松有紧，松的时候，大家基本都按时下班，每天修修Bug；紧的时候，大家就凝聚在一起，想尽一切办法保证项目可以按时上线。基本上整个团队也没有什么职场政治，大家约会议的时候也比较尊重大家的时间。
再有一个就是居家办公了，整体还是比较爽的。居家办公其实本质上就是可以居任何地方办公，所以也有不少机会边旅行边工作。而且就在家里办公，大家穿着也会非常随意，也没有通勤时间，一年下来还是能节约不少时间。当然居家办公也是有坏处的，就是工作与生活的边界也变得模糊了，就变成随时随地工作的生活方式了。
我比较讨厌稳定并且相对“低”责任“低”收入的工作和生活（尤其是一眼到头的可预计的生活，我会觉得长期追求稳定的工作，就是在长期绑定在对应的工作中，能力提升非常有限，拉长时间从全局视角来看是最大的风险。比如 万一出现了下岗潮，那么因为长时间的稳定工作，而获得的稳定几乎无长进的技能，在当时的社会中也不太容易体现价值了）。而且，我也一直有一个创业成功的梦想，所以我一直选择初创公司。
每个人的生活经历和家庭背景不同，不敢给单个个体妄下评论。不过整体来看，我感觉还是结构性的原因导致的，根本原因就是中国人太多。再有一个很重要的原因我觉得也是中国的教育还是偏填鸭式的以及崇尚效率而不会培养批判式思维，从而导致中国人大部分战术上勤奋，战略上懒惰。”战术上勤奋，战略上懒惰“的意思其实就是只考虑效率问题How，而不考虑价值问题What和Why。那么这个特点的直接影响就是会让大部分中国人只会听话干活，不会思考这个工作本身的价值问题，只考虑这个工作如何才能做得又快又好，这也就是内卷的来源之一了。
真正有创业想法还是在Amazon待了大约半年后吧。
每个时期的创业动力其实都不一样：
我觉得虽然Title都是CTO，但其实按照公司规模划分，主要的职责还是非常不同的。我目前的管理半径其实是10人左右，我觉得可以这里还可以拆分出两个阶段吧：3人以内和10人以内。未来CTO的职业发展其实就在于他的管理半径了，其实拍脑袋想一想，管理2个人的CTO与管理1万人的CTO肯定有质的不同。
对于3人以内的情况，这个时候的团队配置大概就是CTO加2个前后端工程师，而对应的公司和产品的情况应该就是产品应该最多做了一个Demo或者还没有开始做。那么这个阶段的CTO的主要职责就在于带领团队快速打造产品MVP并上线，这个时候，速度最重要，为了速度可以牺牲质量，而且CTO亲自撸袖子去写代码是必不可少的。因此，这个阶段，CTO最主要的责任就是带领和招聘在给定成本以内相对高质量的人才，以最快的速度完成产品的MVP，交付给用户或者投资人，以获得市场反馈。当时，我的最直观的感受就是路子野，比如我当时在Amazon的时候，要做一个新的服务，基本上光系统设计就要2-4周完成，而开发基本上都要至少2个月了。而在这个初创公司，几乎都没有什么设计，大家就是凭着自己的以往经验直接就上了。反观这个方法，其实也是有道理的。因为产品从0到1都会去做一些很基础和成熟的功能，比如用户登录注册等，这些功能很多框架都有完善的支持，基本上直接拿来用就好了，也不用什么高级的设计。同时，也是因为这个产品一定对市场来说是新的，所以产品功能需求在后期也会有较大因为业务上的变动，所以早期做一个非常完备的设计，也极有可能在后期没有意义了，反而浪费了资源。
之后，随着业务发展，团队也从3人扩充到了10人左右，这个时候，团队基本上能有6人左右的前后端开发，2人左右的数据或者ML相关的开发，以及1位测试开发了。这个阶段，基本也到了1个人的管理半径上限，而且业务也趋于稳定，CTO会慢慢退居幕后，基本不会主动写业务代码，而去更多地思考项目与团队管理、人才培养、项目发展方向、新技术调研等了。这个也是我目前的阶段，基本上每天在思考和做的事情就是培养1-2位还不错的工程师，来让他们代替我管理每天具体的项目开发。而我会更多地与其他部门的同事沟通，了解他们面临的业务挑战，思考是否有技术化的手段帮忙他们提高效率。同时，我也会每周留下一些时间，来让我自己专注地调研和使用目前最新流程的AI工具和产品等，保持嗅觉，并思考是否可以与我们的现有业务结合等。
关于技术团队的组建，基本上，就是先招前后端工程师，等人数到达4人以后，可以思考招测试工程师了。再往后，就按需招聘前端、后端、测试、数据、机器学习工程师了。另外，无论在任何时候，招聘标准都不能降低，而且也要在每个招聘决策去思考该人选的长期定位。比如，在最早期，除了观察该工程师能完成开发任务，还要观察他是否有管理潜力。因为随着团队规模的扩大，势必需要在内部提拔经理，这个时候，越老的员工了解的上下文越多，也就越有优势。但是如果他本身有管理上的缺陷，那么就很尴尬了。再比如，你要为一个已经有在培养的而且潜力确实还不错的经理的项目新招一个工程师，那么就要考虑他的长期定位就是一个辅助该经理的工程师，所以就要在面试中，更多地侧重他本身的技术能力以及性格是否合拍，管理能力不是特别重要了。
我觉得我在这个问题上没太有发言权，主要是我当时结交贵人实在是太随缘了，可能不太有参考性；而且我其实也没有系统性地思考这个问题，也没有太多普适性的数据点。我觉得可能大家可以看一下博主“课代表立正”的与“贵人”相关的视频会比较有参考性。
如果非要说一点的话，我觉得其实就是自身要“孺子可教”，让大佬觉得你是个聪明人，一点就透；同时，也要适时给大佬提供情绪价值。因为一般来说，按照马斯洛需求层级，大佬就只剩下追求自我实现了。而成功人士的自我实现很大一部分就来自于提携后辈，给后辈输出观点和经验，让自己指导的后辈更成功。而在哪可以触达到大佬呢，很多小众社媒，比如播客、即刻等，以及线下活动，都是不错的渠道。
这个项目其实说白了就是自己每天事情都非常多而且杂，所以需要一个待办清单App帮我记录和梳理。当时做这个项目主要也是因为我尝试了市面上的部分的类似产品，发现体验上总是差一点，所以我就想自己做一款符合自己审美和习惯的App。
主要的收获其实就是，如果想创业自己高兴，那么其实真的就是你怎么高兴怎么来就好了；但是如果创业想获得一般意义上的成功，那么还是要做好市场调研，明确这个事情的天花板有多高，用户的付费意愿有多高。如果有的选，一定要做痛点，一定不要做痒点；一定要做成熟或者半成熟的市场，一定不要做还需要大量用户教育的市场；一定要做市场规模或者潜力大的产品，一定不要做太小众垂直客单价不高的产品
Tuilink其实是一个AI驱动的北美求职内推平台。在平台上，北美的用户可以快速找到自己心仪的岗位，然后一键通过我们的后台AI算法去匹配合适的内推人，并获得对话建议一键联系从而高效获取内推机会。
其实主要是来自于CEO的Idea，他之前在北美就做过很多年的求职教培了。当时他就发现很多同学报他们的教培项目其实最看重的还是内推机会，因此就做了这个平台。
其实我们的这个产品在刚刚上线了支付功能，所以暂时还不太好讲平台本身的付费意愿。不过我们也在做求职教培，客单价非常高，也有不少人愿意报名的。所以如果我们的用户达到了AHA Moment（就是用户突然理解了产品的价值的那一个时刻），而且也理解内推的意义，那么我相信用户对平台的付费意愿大部分还是会非常高的。
在西安其实就是因为人力相对便宜，试错成本低，而且我们也有一套教育业务的培训方法论，可以保证我们也有现金流。
我个人觉得西安这边的创业氛围还是偏传统一些，基本上大家聊的比较多的还是实业，聊AI的可能相对少一些。
关于好处和坏处，我觉得都是来自一些特点而定的，一般也都是一个特点的一体两面：
还是不少的，近期基本上都是做Agent的，类似于Multi-Agent系统的框架，还有像做AI Coding的。又因为我们在做求职，所以了解到最近做求职方向的也是不少的，比如简历修改、模拟面试、自动岗位申请等。
大模型的方向主要划分还是两种吧：大模型本身和大模型应用。
因为普通人能染指的创业项目，技术都不是门槛。比如做一个垂直的AI SaaS，换个靠谱的技术团队，谁都能做。所以这些项目真正的门槛在于商业模式、冷启动、和用户增长，技术只是让这一切变得效率更高了，并且尤其在中国，技术团队的可替代性一般都非常强。
不要“拿着锤子找钉子”，主要是说给技术出身的创业者的。因为技术出身的创业者掌握可以创造工具的能力，所以很容易形成路径依赖，看到一个东西缺失后，就想马上动手做。就类似于，我想做一个产品，因为我觉得他很酷，或者技术上非常厉害，工程设计上非常优美，而忽略了市场因素，可能这个东西确实很酷，但是市场上没有人在意，所以即使做出来了，也不能获得一般意义上的成功。
这是一个非常适合问ChatGPT的问题，建议可以先问一下。
我自己的体会就是，这个问题本身就不是应该存在的问题。因为类似这样的AI应用，看起来技术不是壁垒，壁垒还是商业模式。而商业模式需要大量的行业经验（以及可能的行业资源），如果你已经有了，那么你自然而然就知道这个应用是否有价值。
做成功的软件一般都要经历这样几个过程：业务标准化、执行流程化、软件提效、与数据驱动。展开来说，就是第一步先做一个咨询业务，帮助客户一个一个地解决他们的需求，成本低，见效快，同时可以获得初步的行业经验和资源。然后当咨询量提高之后，就是将业务中的每个重要环节做成标准的成果交付客户；再然后，就是设计标准化流程，将这些业务执行流程化；之后，这些流程就可以做一个软件来提效了（注意，这个时候，你就完全不用担心软件没有人用，因为你的软件就是把你设计的并且已经在执行的业务流程搬到了线上，并提高了效率。只要你的软件确实比他们之前手动做要快，那么即使你的UI非常差也有人会用）；最后，在更多的用户使用了你的软件，你就收集了大量数据，就可以通过数据驱动你的软件特性设计以及新的商业模式了。
上面的流程是我比较推崇的，会非常稳，每一步都不会有很高的投入，并且在每个阶段基本都会有一定的现金流和行业经验的积累。如果你还是想现在就开始做App，其实也行，但是要接受极大概率会失败的风险。如果可以接受，那么简单来说，其实就是以下几个步骤了：