我也是赞同你的观点的， 躺不平卷不动是一个不好的状态。 诚然这世界上部不是绝对的公平的， 有些时候是有一些不公正的情况， 但大体上社会还是以一个相对公平的状态运作的。 我们不能把自己失败的责任都甩给别人，也不能觉得他人的成功都是运气好或者玩的阴谋诡计。

这个就看你在艺术行业的天赋和背景。 艺术行业很吃天赋， 也吃家庭背景资源。 没有这些的话大多数艺术口的人后来都成了培训机构的老师（好多知名院校的学生后来也是做培训老师了）。 所以你就大概判断一下自己去了艺术口能达到的成就有多高， 能挣多少钱， 要多久才能开始挣钱。 再跟自己当前的工作做对比， 就差不多知道答案了。

我的建议是家里不差钱的，能长期供应你生活的话，可以为你的车子房子彩礼出资的话。 可以去为了自己的理想拼一吧。 否则就还是现实一点， 哪个收入更高就去哪个。

共勉

我在外企呆过， 其实国外也卷，只是国外的人想的明白，他们不会既要又要（既要生活，又要成功）。 他们也可以自己选择卷或者不卷。 所以你才会觉得外企不用卷。 但说外企所有人都不卷的是骗人的，或者自欺欺人的， 外企里愿意卷的人也是十分能卷的。 他们清晰的知道自己想要什么，要付出多少代价。 咱们国内的很多人说的外面不卷也能成功，也能大富大贵， 这大多数都是自欺欺人的。 实际上国外的精英阶层从小就卷的不要不要的。

记住一句话：成功的人一定是努力的， 不努力的人早就在那个圈层里被淘汰了。

可能我没表达好，你再看看帖子就会发现， 我自己也是个不躺平的。 我是认为要么躺平，要么折腾，别处在不甘心躺平又不愿意折腾的拧巴状态

你再看，40 楼得明显就能看出来我主要是针对他。。。。

可你为啥是艾特我。。。。

共勉， 我跟楼主的感受有一些像。 既然没有比其他人聪明， 那我想成功就只能磨时间， 花更多的时间。 至于万一失败了怎么办， 用我的工作签名来表达吧：

那你说说明白呗，都是搞技术的直白一些。或者你再理解理解下，当你在跟其他人争论一件事的的时候，突然有人冒出来不讨论问题，直接要你尊重一下其他人的命运，你是不是一脸问号。这么说你是不是就理解了。

哦， 理性讨论的正确打开方式就是讲理讲不过我，然后说我不尊重他人，还说不是在扣我帽子。学到了。以后但凡我在工作里遇到不顺我意的事情。我就可以说：你咋这么喜欢说服别人， 尊重一下别人行不行。 我这可不是扣帽子， 我是理性讨论，反正你说出不符合我意见的事情就是在不尊重我。

突然想起来这两天罗小黑主创团队打拳黑神话悟空的场景来了。 就是虽然我发 se 图但我是圣人，但是你发段子就是低俗，ru 女，lsp。 而我就坚持一个技术岗位应该以技术和经验为第一考量标准就被人说不尊重他人命运了，敢反怼一句就又是一个不理性讨论的帽子。果然这世上双标无处不在。

你是真的喜欢给人扣帽子么。

对于低端没门槛的工作可以这样， 但有门槛的产品测试必须得有相关经验（除非校招，企业才肯培养，或者项目里已经一堆大牛了，我用低成本找个小白来也能承受）。 比如我招一个大数据产品的测试负责人，或者招一个云原生产品的测试负责人， 我总不能招个什么都不会的小白过来，这种领域中重头培养一个人要花费很长的时间，项目里都是小白的话就蹦了。我觉得可能很多同学没有经历过有技术门槛的项目， 所以才会觉得什么眼缘，气场等各种说不清道不明的标准应该放在第一位。 觉得现培养能很快学会其实也是臆想的， 我在这个领域干了 8 年了也没敢说自己已经学到了精髓。 公司里有职级的划分是有原因的，如果经验和技能不重要， 还分什么 P5,P6,P7,P8 的。 我承认有经验/背景/资源/技能不重要的岗位，但那基本都是随时可以被替换的低端岗位，比如我们领域里这些做标注的外包， 完全不需要任何经验， 来了培训几个小时就能干（但是特定领域的标注是需要专业知识的， 比如 NLP 里标注英文的场景，我们这是专门招了两个过了专八的人）。 这些人随时可替换，在上海一个月就几千块

我家女王大人坚持不能在保险上面省钱，全家每年各种大小保险也有个 2w 多 工作中合理的排期技巧也是必要的，要擅长 4 天的活估成 5 天的技巧。 千万别把自己压的太厉害。 职位上尽量网上爬， 因为位置越高，安排时间的自由度就越高， 有些时候就可以选择不熬夜，或者把一些事分配给别人做。 这时候其实测试开发的优势能体现出来， 我说的是那种开发工具平台的测试开发岗位， 因为这种岗位没有项目排期压着（一个破工具平台， 早一天晚一天开发出来没多少影响），当然这种岗位的劣势是容易被淘汰，公司业绩不好的时候裁员先裁成本部门。

平时心大点， 工作上的事别太记在心里。 该吃吃该睡睡，尤其别熬夜， 别耽误睡觉。 保持好的心情和作息习惯， 再怎么身体也不会很差的。

理论上需要， 但是在排期/人力的现实情况下大部分团队做不到。 所以很多时候是做质量分级， 什么时候情况下（可能是根据版本性质，需求数量，改动范围等等判断）执行什么策略的测试方案。 比如 GA 版本全量回归， beta 版本跑通 p0,p1 的功能， 性能/高可用不做保证等等

所以呢， 这就是我们可以把一件事一刀切的只归咎一个原因的理由么？ 按你的思路， 候选人选公司的时候，考虑了钱，工作内容等因素。 然后发现有两个公司的条件是完全一模一样的。 最后候选人选了一个离家近的。 然后我可以得出一个结论，候选人选公司还不是看通勤距离,什么薪资水平，工作内容，工作环境都是浮云。 我们可以这么无脑的总结一个事情么？

这个世界是复杂的， 一个事情最后的成败是多种因素组成的， 我们不要只看自己想要的那个答案，带着自己认为的答案去看问题是非常自我蒙蔽的一件事情。 就好像选择大于努力这个观点是对的， 但不能无限的贬低努力，觉得一个人的成功就是当初选择对了，或者人家运气好， 跟人家的努力没有半毛钱关系。 这是自欺欺人，这是给自己不努力找的借口。 就如同我从来没有说我现在的成就是我自身努力的结果，跟运气，选择，大环境没有半毛钱关系。 没有的，我从来没有这么说， 我一直说努力只是是其中一环（况且我也没有多努力，我也是日常在摸鱼）， 运气，选择还有大环境同样重要，正如古人所说：天时地利人和缺一不可，没有这些因素我现在估计在老家看仓库呢，因为这才是符合客观事实的。

所以同样的一个人用非常过硬的背景和能力在千军万马中杀出来拿到了一个 VP 的职位， 最后我们总结他成功的因素：还不是看眼缘，CEO 看着他顺眼就让他做 VP 了。 然后我们总结我们的公司都是看谁顺眼就让谁当高管的？ 这不儿戏么？在你的眼里世界都是这么儿戏的么，什么博弈什么计谋什么资本实力都比不过一个眼缘？总统也是看眼缘选出来的？要是看着顺眼是这世间决策的最主要或者唯一的标准， 所有人就都可以去卷医美了，毕竟颜值高的通常都看着顺眼，医美将成为世界上第一大职业。 我们用高颜值写代码好了， 以后 AI 扫脸写代码， 颜值高的 AI 会输出质量高的代码， 颜值差的滚粗吧就。 在抗大包上楼的行业里也不看体力和耐力来雇人了， 看谁顺眼谁上，顺眼的那个可以让 100KG 的水泥自动跳到顶楼并整齐的码好。 相亲的时候女孩不能要求男人车子房子票子了， 只要男人帅就行，但凡要求别的就是不符合 万般皆下品惟有眼缘高 的世间法则。

所以呢， 你想表达什么？

龙总手下留情

假如岗位要求是必须 P7 的能力， 然后你自己都说已经鉴定能力是 P7 的了， 但是最后来一句谁来不都一样？ 咋这么矛盾呢。 你忽略了前面所有的技术和经验考察 ，到了最后了， 假设两个候选人所有经历，技能都是完全一样的（先不说现实中有没有这个情况吧，就假设是这样的），然后我选了个我看着顺眼的，就能总结成面试还不是看眼缘这一个因素。。。。否定了人家的努力， 然后把失败者的原因全部都归结于不符合眼缘。。。。 这是干啥呢。。。。

就像女孩找老公， 要求有房有车有存款有本地户口， 现在有两个男人都符合这个要求，也假设这两个男人在房车存款户口上全都是一模一样的。 然后女孩考虑了一下选了那个长得帅的男人。 最后咱们就总结出女人找老公就看脸这个结论了？ ， 房呢？ 车呢？ 户口呢？ 存款呢？ 都不管了？

？？？？ 这叫看眼缘 ????? 我这考察项目经验， 过往技能合着都是看眼缘？ 就好像我在相亲市场上要求了对方收入，学历，户口，住房，最后再看是不是合得来， 然后你跟我说我就只是在看眼缘？

我不评估他的测试能力， 只评估他的经验和技能是不是可以在我这边的团队里发挥作用。 所以先看他过往经历跟我们现在的岗位匹配度如何（社招的话，还是要求一定程度的经验，不能全是来了以后完全从头培养）。 然后看过往经历中他都负责了什么事情， 这些事情做的深度怎么样。 然后就再看岗位要求（是要招 P5,P6 还是 P7）和他自己的能力决定给他过不过面试。

PS：面试不过不代表他一定是差的， 可能也不错， 但是跟我们的岗位匹配度不高。

ycwdaaaa 加我微信吧

不是，是北京回龙观哈哈

我个人觉得还好了， 我现在没有以前那么愤青了， 多了些包容性。 候选人可以写， 我觉得没用那就不关心就好了。 不算加分也不算减分吧，也许有的面试官吃这种话术。

我之前测试过一些数据清洗的场景和算法， 最主要的手段其实还是对着数据测， 当时编写了一些 spark 脚本， 用来扫描数据是否按规则进行了清洗。 其实是否过滤了一些不需要的数据， 敏感数据是否脱敏了等等。 我记得我写教程的时候写一个用用 spark 来做数据校验的脚本 DEMO， 我找找：

from pyspark import SparkContext, SparkConf, SQLContext
from pyspark.sql import SparkSession
import pyspark.sql.functions as F

conf = SparkConf().setMaster("local").setAppName("My App")
sc = SparkContext(conf=conf)
sqlContext = SQLContext(sc)

rdd = sc.parallelize(range(1000))
print(rdd.map(lambda x: '%s,%s' % ('男', '16')).collect())

dicts = [
    ['frank', 202355, 16, '336051551@qq.com'],
    ['frank', 202355, 16, '336051551@qq.com'],
    ['frank', 202355, 16, '336051551@qq.com'],
    ['frank', 202355, 16, '336051551@qq.com'],
    ['frank', 202355, 16, '336051asdf'],
    ['', 452345, 16, '336051asdf'],

]
rdd = sc.parallelize(dicts, 3)
dataf = sqlContext.createDataFrame(rdd, ['name', 'id', 'age', 'email'])

# 验证 id 字段必须是整数
id_filter = F.col("id").cast("int") >= 0

# 验证 name 字段必须是非空字符串
name_filter = F.col("name").isNotNull() & (F.col("name") != "")

# 验证 age 字段必须是大于等于 0 的整数
age_filter = F.col("age").cast("int") >= 0

# 验证 email 字段必须是有效的电子邮件地址
email_filter = F.col("email").rlike("^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\\.[a-zA-Z]{2,}$")

# 应用过滤条件
valid_data = dataf.filter(id_filter & name_filter & age_filter & email_filter)

# 输出符合质量要求的数据
valid_data.show()
# 输出不符合质量要求的数据
invalid_data = dataf.exceptAll(valid_data)
invalid_data.show()

跟数据有关的功能测试，很多都是写这样的脚本来验证的， 比如数据迁移，升级，ETL 等等。 楼主数据量不大的话用普通的 python 脚本就可以了。 我用 spark 是因为项目是大数据的， 动不动几千万行甚至几亿的那种。

其实再往回倒 5 年， 我还是小愤青，一个理想主义派的时候， 我那会应该会完全不认同我现在的想法