一场大概率没拿到 offer 的面试,让我更坚定去做喜欢的事

一场大概率没拿到 offer 的面试,让我更坚定去做喜欢的事

一句话摘要:今天这场面试大概率不会给我 offer,但它反而帮我把一个更重要的问题想清楚了。对我来说,更好的路不是先压抑自己去赚钱,等"以后"再做喜欢的事,而是先找到真正热爱的事情,再用长期主义、高效学习和精力管理,把它一路做深,最后走向一种更快乐的财务自由。

这场面试,真正有价值的不是结果

今天晚上七点多,我去面了一家公司。

从结果看,这个 offer 大概率没有了。但从收获看,这可能是我最近最有价值的一次面试。

我和面试官从 7 点多聊到 9 点多,越聊越投机。我们看的书、接触的资料、经历过的一些事情都很像,所以很多话题几乎是一点就通。

真正让我触动的,不是"他懂很多",而是另一件事:他已经活在一种比较自由的状态里了,我还没有。

这件事一下把我打醒了。

如果我们接触的是差不多的一批资料,聊的是差不多的一套逻辑,但现实状态已经拉开差距,那问题多半不在"我不知道",而在"我还没有把自己真正打开,也还没有把想做的事做得足够彻底"。

这次面试,帮我想清了一个老问题

我觉得每个打工人迟早都会碰到这个问题:

到底应该先忍耐、先赚钱、先熬到财务自由,再去做自己喜欢的事;还是应该从一开始就往自己喜欢的方向走,在这个过程中完成财务自由?

这次面试以后,我更坚定地站到了后者。

这当然不是所有人的标准答案,但它是我这次面试后更坚定的答案。

原因也很简单。如果一条路从起点就是压抑、消耗和忍耐,那它大概率会一路消耗你。就算最后真攒到了一些钱,人也未必还有那个心气、体力和状态,重新去做自己真正喜欢的事。

当然,这个问题之所以难,不是因为道理难懂,而是因为现实里有两个卡点:

  1. 很多人根本不知道自己真正喜欢什么。
  2. 就算知道了,也会担心做喜欢的事一开始赚不到钱。

我今天从这场面试里拿到的答案是:第二个问题没有那么可怕。 更可怕的是你一直没有进入那条真正愿意长期投入的路。

因为只有喜欢,才有长期。只有长期,才有复利。只有复利,才更接近真正的财务自由。

面试对普通人来说,其实是很珍贵的机会

我现在越来越觉得,面试不一定非得当成考试。

如果把它看成一次高质量对话,它对普通人其实很有价值。

尤其是一些 20 到 100 人的小公司,出来和你聊的人,往往就是老板、CEO,或者离业务结果最近的人。你别看公司不大,但只要业务还在稳定赚钱,这些人很多都已经过了为生存焦虑的阶段。

平时生活里,我们很难稳定接触到真正已经跑出来的人,更别说坐下来聊两个小时。

但面试给了一个很特殊的窗口。你可以借这个机会去理解他们怎么判断事情,怎么理解成长、学习、赚钱,也能借他们的视角重新看自己。

所以哪怕最后没拿到 offer,这件事也不一定白费。有些面试给不了岗位,但会给你一个更清楚的方向。

我现在更相信,财务自由是有路线的

这不是一个玄学问题,也不只是运气问题。至少对我现在的理解来说,它大概是一条可以拆开的路线。

1. 先把自己完全打开,而且要敢于破圈尝试

我之前也在尝试,但说实话,很多尝试还都在技术圈里打转。

比如后端转前端,Java 换 Python,或者再去碰一点产品、设计。这些当然也算尝试,但它们还是太近了,还是在原来的圈子里。

今天面试官点醒我的是:尝试可以更破圈。

你可以去学乐器,练书法,写文章,写书,做内容,接触完全不同的人和场景。真正的打开,不是只在自己熟悉的边界上横跳,而是敢把自己放到陌生环境里。

我现在甚至已经到了一个状态:如果是一个真正让我想投入的机会,为此换城市我也无所谓。

2. 找到那件你真的愿意长期做的事

纳瓦尔那句话我一直很认同:找到那些对你来说像玩一样、但在别人看来像工作的事。

我今天更强烈地感觉到,这句话不是鸡汤,而是一个很现实的筛选标准。

因为真正能让人走远的,不是短期激情,也不是硬撑出来的坚持,而是你本来就愿意反复做、反复琢磨、反复投入的事情。

如果一件事你天然就喜欢,你就更容易把时间拉长。时间一拉长,复利才会出现。

3. 用高效学习的方法,把热爱做深

光有喜欢还不够,还得会学。

今天我们聊到一门我很早以前学过、但现在已经忘了很多的课:许岑在得到上的那套有效学习方法。里面提到过结构主义、模仿主义这一类东西。

我这次最大的感受不是"我以前学过",而是:我没有把它持续地用下去。

读书和上课,不在于你看过多少,而在于你能不能把里面真正有用的东西变成自己的工作方式。

所以对我来说,高效学习不是为了显得努力,而是为了把喜欢的事做得更深、更快、更扎实。尤其是那些你有兴趣,但其中又夹杂着很多枯燥部分的事情,你必须有方法把"不喜欢的部分"也慢慢转化进来。

4. 真正的学习,很多时候不是打卡,而是阶段性猛攻

这次聊天里有个细节让我印象很深。

面试官讲到他以前在 deepin 里做截图功能。当时什么都没有,这个任务落到他手里以后,他给自己定的目标是一个星期搞定。那段时间他几乎就是沉进去,通宵、熬夜、每天只睡几个小时,最后硬是把这个问题啃穿了。等搞明白以后,眼睛里全是红血丝。

我听完这个例子,突然有个很强的感觉:

很多真正有效的学习,不像打卡,更像突击。

它不是每天晚上 9 点准时学 1 小时英语,连续学一年,然后自然而然就成了。很多关键能力的突破,反而来自一段时间的高密度吸收、高强度沉浸和集中攻关。

当然,这不是鼓吹长期熬夜,而是说:学习很多时候不是匀速上升,它更像阶段性跃迁。

5. 精力管理,比意志力更重要

我今天还有一个很强的感触,是我越来越清楚地看到自己一直在被两股力量拉扯。

一股力量,是和这些有深度、积极、已经跑出来的人对话。你会很明显地感觉到,他们身上有一种向上的力量,能把你往更远的地方拉。

另一股力量,是抖音、B 站、各种信息流。至少对我来说,一打开首页,平台总会给我塞很多负面内容:失业率、工资低、环境差、谁都不容易、哪里都更惨。就算我点了不感兴趣,这些东西也总会时不时冒出来。

这两股力量一直在打架。

我现在越来越觉得,自己过去很多时间和精力,就是在这种摇摆里被耗掉的。

而且最麻烦的地方在于,人往往不是在状态最好的时候去刷这些东西,而是在精力很低的时候。工作累了,吃太饱了,脑子转不动了,这时候最容易被算法带走。

所以对我来说,这件事越来越不像"意志力不足",而是一个很现实的精力管理问题。你要做的不是硬骂自己,而是尽量别让自己的精力槽长期掉到底。因为一旦到底,人就很容易把时间交给最没有营养的东西。

6. 最后用 5 到 10 年的尺度,去看这件事的复利

把前面这些串起来,我现在能比较清楚地整理出一条路线:

  1. 大量尝试,而且要敢于破圈尝试。
  2. 找到自己真正热爱的事。
  3. 用高效学习的方法把它做深。
  4. 在关键阶段用集中攻关拉出跃迁。
  5. 用精力管理保护自己的注意力和执行力。
  6. 用 5 到 10 年的尺度去看复利,而不是只看眼前结果。

如果真能把这条路走下去,我现在是相信的:最后得到的,未必只是财务自由,更可能是一种快乐的财务自由。

这次面试也提醒我,读书不在多,在深

今天我们聊到的资料,很多其实我以前都接触过。

比如《纳瓦尔宝典》,比如纳瓦尔在 2025 年 3 月和 Charles 的那场访谈,再比如许岑那套关于有效学习的课程。

这些东西我不是没看过,但我现在回头看,问题恰恰在这里:我看过,却没有足够深地消化,也没有足够久地践行。

所以我被提醒了一下:读书不在于多,而在于深。

另外,面试官也提到了一个我很认同的判断。未来人类高质量学习的资料,大概会越来越集中在这几类地方:

  1. 和顶尖 AI 的高质量对话。
  2. X 这类平台上一线的最新认知和信息。
  3. 经典书籍。
  4. 真正有洞见的前沿博客。

我觉得这个判断挺准的。至少接下来,我会更有意识地围绕这几类来源去整理自己的输入。

最后说回这次面试给我的真正收获

这场面试大概率不会变成一个 offer。

但从我整个人生的角度看,它已经很值了。

因为它帮我把一个原来还在摇摆的问题,往前推进了一大步。

我现在更坚定的一件事是:我要更认真地去找自己真正喜欢的事情,然后沿着那条路长期做下去。

不是先把自己按在一份讨厌的工作里,盼着退休,盼着以后有钱了再去活。而是从现在开始,就尽量把自己放到真正想投入的事情上。

这不是因为我突然变得理想主义了。恰恰相反,这是我这次面试后,觉得更现实的一条路。

因为只有喜欢,才能让你撑过长期;只有长期,才能形成复利;只有复利,才更有可能把你带到财务自由。

而且最重要的是,到那一天的时候,你不会发现自己只是有了钱,却把真正想做的自己弄丢了。

相关推荐
蒸汽求职1 小时前
跨越 CRUD 内卷:半导体产业链与算力基建下的软件工程新生态
人工智能·科技·面试·职场和发展·软件工程·制造
DeepModel1 小时前
通俗易懂讲透 Q-Learning:从零学会强化学习核心算法
人工智能·学习·算法·机器学习
聊点儿技术1 小时前
LLM数据采集如何突破AI反爬?——用IP数据接口实现进阶
人工智能·数据分析·产品运营·ip·电商·ip地址查询·ip数据接口
2501_940041742 小时前
AI创建小游戏指令词
人工智能·游戏·prompt
AC赳赳老秦2 小时前
OpenClaw二次开发实战:编写专属办公自动化技能,适配个性化需求
linux·javascript·人工智能·python·django·测试用例·openclaw
观测云2 小时前
观测云产品更新 | 统一目录、Obsy AI、错误中心、场景、基础设施等
人工智能·可观测性·产品迭代·观测云
gregmankiw2 小时前
公理引擎(Project Axiom):基于神经符号验证的可执行智能体架构设计方案
人工智能
火山引擎开发者社区3 小时前
ArkClaw 社群挑战赛|群虾整活大赏
人工智能
云烟成雨TD3 小时前
Spring AI Alibaba 1.x 系列【31】集成 Studio 模块实现可视化 Agent 调试
java·人工智能·spring