半年前，我亲历失业挑战，写了博客文章《35岁失业程序员现身说法》记录当时心境。过去的大半年，我思考最多的还是关于中年和怎么开启第二职业，抽空把主要感想记录下来。
35+对我意味着什么
我今年36岁, 工作了16年，35岁前后更换了两次工作，对我来讲体会最深的是：
- 薪酬与职位的双重挑战：随着年龄增长，已经拿到或者期望更高的薪资，但市场中符合这一薪资水平的高级职位稀缺。加之，新角色往往伴随着更重的KPI与工作压力，远没有年轻时轻松跳槽的那份洒脱。
- 赶鸭子上架做管理：我更愿意安安静静的深耕技术，但上司并不同意，必须把你推到管理岗位，老板期许明确，若仅限于技术贡献，比你便宜的候选者多的是。
- 难言稳定：真正的稳定建立在行业、公司及个人地位的三重稳固之上。一旦失衡，便要再次面临妥协忍受或启程的抉择。
第二职业的启航：自主与深耕
失业期间的沉思，促使我重新审视自我价值与职业道路：
- 独立探索的价值：我有比较全面的工作经历（全栈、架构、产品都做过），但这些经验并不能在我没有工作期间转化为实质收益，离开公司我一无所有，这激发了我探索独立运用技能开辟新径的决心。
- 知识和经验的沉淀：我参与过很多产品和项目，许多项目立项时候我都踌躇满志，但现在回头看，可能只有在项目完成时候会有短暂的成就感。但长期来看，我自己什么也没留下，缺乏个人品牌与核心优势的积累。我希望将工作经验与个人发展进行融合，形成独一无二且可持续的竞争力。
第二职业的方向：优化与策略类算法
我主导过比较多的智能工厂产品，面对到两个比较大的问题是:
- 创新困境：现在的软件市场非常饱和，单纯靠叠加功能很难有效提升竞争力。比如说今天你开发一个新功能, 竞品一两周就能复制出来, 更何况我们自己开发的好多功能, 都是在复制其他家产品的基础上。
- AI应用的挑战：也寄希望于使用AI等新技术带来变革，但在实施过程中遇到了不少问题，一是数据的收集和质量，这个在ToB的生产制造业并不像想象中那么容易; 二是最终模型的精确度瓶颈, 如果不能达到绝对精确度, 更多只能起到参考或演示作用, 并不能对客业务产生真正的价值。
但在这期间中，我们使用优化和策略类算法做的几个项目却出乎意料的取得了很好的效果，拿做过的项目举例: - 排产优化：用几十秒时间就解决了过去排产计划组长琢磨二三个小时的问题，而且排出的结果更优。
- 低成本解决方案：使用极小代价解决了电路板设计布局问题，而客户的数据科学家团队还一直在考虑怎么用AI中的强化学习方案解决这个问题。
- 小改善大价值：解决了一个国外项目产线设备生成和AGV综合调度的问题，把产能节拍提升了14%，对于客户来讲14%不单单是个数字，而是实打实每个月几百万美元的效益提升。
- 分班：分班算法是朋友推荐的一个项目, 尽管之前没有做过相关的, 但考虑到解决问题思路是类似的, 就尝试了下, 最终不仅完整的满足了客户的需求, 而且在结果精确率上超出了客户的预期, 算法可以达到的0.01级，也超过市面上的同类产品的0.1级。
第一个算法产品
同时在客户项目基础上我也封装和推出了第一款算法产品：分班算法（网址，Nuget包下载，示例程序）
后续目标和计划
三十而立，四十不惑。当你已经站在35+这个节点上，反而没有了抱怨和喟叹，因为知道这些都是无味的内耗，只有一条路，坚定自己的方向和走下去。接下来的几个主要目标：
- 开发第二款算法产品：目前，我正开发第二款算法产品，它聚焦于排产领域。我第一阶段主要是把之前项目中做的比较通用的场景和解决办法提炼出来并封装为相对通用的算法。
- 挖掘算法的更多场景：生活中不乏会议日常安排、医院就诊流程、红绿灯控制等日常场景，它们看似寻常，却常常隐藏着效率提升的空间。我相信各界正在持续优化，但在某些时刻，我们还是可以明显看到效率欠佳的地方。希望能够挖掘这些隐匿的场景，借助算法的细微调优，催化出广泛的效率跃升。
- 扩大算法影响力：在"AI"风靡的今天，其光环之下也难免伴随着诸多噪声和过度炒作，谈智能必谈AI，解决方案必带AI，仿佛AI成为了包治百病的灵丹妙药。但在当下，我更倾向于关注那些能够切实解决问题的优化与策略类算法。有时，低调而精准的算法工具反而才是那把解决问题的钥匙。我致力于提升这类算法的可见度和证明它们在解决实际问题上的不可替代价值。
最后，非常感谢大家的阅读，如果大家有什么想法和建议，欢迎留言或加微一起探讨。