[[409282]]

這篇專門講工作方法， 工程師這個(gè)群體中有許多非常聰明的人，他們?cè)诠ぷ髦袝?huì)面臨許多重復(fù)繁瑣事宜，如何用工程思維去面對(duì)， 這幾年通過工作學(xué)習(xí)進(jìn)行了總結(jié)，概括來說主要有以下幾個(gè)方面。

01 重復(fù)環(huán)節(jié)自動(dòng)化

這恐怕是程序員最基礎(chǔ)的直覺和認(rèn)知了。可以 從“CV工程師”的角度理解自動(dòng)化 ：當(dāng)你Ctrl C+Ctrl V復(fù)制粘貼第一次時(shí)，你應(yīng)該考慮是不是可以將其抽象成一個(gè)組件或工具；當(dāng)你復(fù)制粘貼第二次時(shí)，組件的結(jié)構(gòu)和設(shè)計(jì)應(yīng)該已經(jīng)比較清晰。第三次再?gòu)?fù)制粘貼時(shí)，已經(jīng)可以使用自己的組件或工具了。

自動(dòng)化不應(yīng)該只體現(xiàn)在代碼層面，可以將它看作一種解決問題的方法，環(huán)節(jié)重復(fù)的都可以用自動(dòng)化。比如我們寫博客時(shí)用到圖床，一般的流程是：截取并存儲(chǔ)圖片，上傳到圖床，獲取圖片鏈接。這個(gè)過程如果不自動(dòng)真的會(huì)讓人只生出死心——惡心死了，但實(shí)際上 Mac 下面的 Alfred ·Workflow 就可以簡(jiǎn)便實(shí)現(xiàn)自動(dòng)化。再比如我們經(jīng)常開會(huì)，完全可以做一個(gè)會(huì)議記錄的模板，每次開會(huì)時(shí)復(fù)制一下。關(guān)鍵是要想方設(shè)法將重復(fù)的動(dòng)作抽象，重要的是要有這個(gè)意識(shí)。

既然自動(dòng)化更多的是一種意識(shí)，自然地非技術(shù)人員也會(huì)需要，而且可能更加需要。比如行政人員可能會(huì)手動(dòng)發(fā)工資條，運(yùn)營(yíng)人員可能會(huì)每天下載一次報(bào)表，然后針對(duì)報(bào)表做一些統(tǒng)計(jì)或其他處理，這些工作其實(shí)都可以自動(dòng)完成。

自動(dòng)化并不是高大上，或者必須要會(huì) Python，有時(shí)候?qū)懘a反而更復(fù)雜，比如之前提到過 Workflow 圖床的例子。對(duì)于非技術(shù)人員，Excel 很多時(shí)候會(huì)更加實(shí)用，比如統(tǒng)計(jì)、去重、切片、過濾等等，在 Excel 里面就點(diǎn)幾下鼠標(biāo)的事。

工具并不重要，只要能讓事情 “自動(dòng)” 完成，那越簡(jiǎn)單的工具就是越好的工具。

02 批量化

批量化和自動(dòng)化可能比較類似，但批量化更加側(cè)重一次完成一類工作，核心是 “批量”，而自動(dòng)化核心是 “自動(dòng)”。批量化一般是針對(duì)某項(xiàng)具體的工作內(nèi)容，比如統(tǒng)一查找替換，統(tǒng)一為所有句子添加某個(gè)字符、批量下載數(shù)據(jù)等等。

AI 工程師對(duì)此應(yīng)該非常熟悉，模型訓(xùn)練中的 Batch 其實(shí)就是批量化的例子。批量往往具有統(tǒng)一的特點(diǎn)，不僅效率高，而且還能避免一條一條操作可能的錯(cuò)誤。比如給定一個(gè)若干列的文本文檔，要提取出包含數(shù)字的行，這時(shí)我們可以借助 SublimeText，利用正則找出所有的數(shù)字，然后選中所在行復(fù)制出來即可。

批量化時(shí)刻關(guān)注能否 “一次性” 將事情搞定，很多時(shí)候會(huì)體現(xiàn)在運(yùn)籌層面，比如要下樓取快遞，可以和外賣一起??；或者將要討論的議題放在一起開會(huì)等等?？傊?，就是盡量將類似的行為一起完成，提高效率。

還有時(shí)間的批量化。即利用一整塊時(shí)間做一件事。對(duì)我個(gè)人而言，一般會(huì)選擇上午作為靜默時(shí)間，專注需要集中注意力完成的任務(wù)，不看消息，也基本上不動(dòng)。

03 簡(jiǎn)單化

這里的簡(jiǎn)單包含兩層含義：第一層就是一般意義的 “簡(jiǎn)單”，第二層是大道至簡(jiǎn)的 “簡(jiǎn)單”。第一層類似簡(jiǎn)陋，一般作為初始方案或臨時(shí)方案；第二層的簡(jiǎn)單則是透過復(fù)雜冗繁的表象直達(dá)本質(zhì)，整個(gè)系統(tǒng)層面的清晰和優(yōu)美，往往是不斷演化改進(jìn)的產(chǎn)物。這里以AI工程師的業(yè)務(wù)角度說兩個(gè)方面。

產(chǎn)品設(shè)計(jì)

一個(gè)產(chǎn)品在設(shè)計(jì)階段，能夠滿足需要的前提下，應(yīng)該選擇簡(jiǎn)單的不斷優(yōu)化。具體說明一下怎樣的設(shè)計(jì)我認(rèn)為是 “簡(jiǎn)單” 的：一方面，有不同的模塊，每個(gè)模塊有單一、不同且不可或缺的功能；另一方面，每個(gè)模型的核心功能符合對(duì)其基本假設(shè)。其中要注意，模塊不應(yīng)該有一些僅適用于部分情況的特殊設(shè)計(jì)。

拿AI工程師舉個(gè)例子，Google 的東西往往符合 “簡(jiǎn)單” 標(biāo)準(zhǔn)，比如 Doc2vec，BERT，但大部分魔改后的論文都是將其復(fù)雜化。作為工業(yè)界的工程師，其實(shí)重點(diǎn)關(guān)注 GF（Google、Facebook）的前沿研究成果就差不多了，其他的（尤其是高校的）只是作為一個(gè)思路參考，貪多嚼不爛。

產(chǎn)品架構(gòu)

架構(gòu)設(shè)計(jì)本身是很復(fù)雜的一件事，看起來好像是將已有的功能各種組合在一起，但難就難在這個(gè)選擇上面。簡(jiǎn)潔架構(gòu)更多是從整體復(fù)雜度的角度考慮的，模塊與模塊、組件與組件之間交互簡(jiǎn)單。要做到這點(diǎn)，一定要從實(shí)際出發(fā)，選擇當(dāng)下最適合的架構(gòu)，略微做一定的擴(kuò)展性考慮，接下來就是隨著系統(tǒng)不斷演化。

需要特別注意三個(gè)點(diǎn)：第一，過度設(shè)計(jì)。好的架構(gòu)往往是演化出來的，而不是一開始就設(shè)計(jì)的那么好。第二，追求新技術(shù)。這本身是個(gè)好事，但作為架構(gòu)設(shè)計(jì)者必須要綜合考慮多種因素，拋開技術(shù)層面，新的技術(shù)是否穩(wěn)定、團(tuán)隊(duì)能否 hold 住、所有者對(duì)未來的規(guī)劃等等都是很重要的因素。第三，想一步到位。事實(shí)上，架構(gòu)的調(diào)整往往是逐步進(jìn)行的，有可能先調(diào)整某個(gè)模塊，再下一個(gè)，有時(shí)候更是需要全部推翻重新設(shè)計(jì)。架構(gòu)設(shè)計(jì)不是一錘子買賣。

04 邊際收益最大化

在經(jīng)濟(jì)學(xué)中，邊際收益是指增加一單位的投入所能獲取的收益。邊際收益具有遞減性，比如很餓的時(shí)候，第一個(gè)包子最香，吃著吃著越覺得不好吃。在工作中，我們應(yīng)該優(yōu)先做邊際收益最大化的工作，通俗點(diǎn)的說法就是 2-8 法則： 用 20% 的資源做能夠起 80% 效果的事 。

優(yōu)先解決人工部分

長(zhǎng)期來看，幾乎所有企業(yè)都會(huì)面臨 AI 化，就像十幾年前的電子商務(wù)，這并不是 “有些” 企業(yè)的專屬。關(guān)于這點(diǎn)，我比較認(rèn)同吳恩達(dá)的觀點(diǎn)——將 AI 比作電力。即便從客觀角度看，AI 技術(shù)確實(shí)能在許多方面提升企業(yè)效率，比如客服機(jī)器人、搜索、推薦等等，區(qū)別只是做的深淺程度。即便是已經(jīng)部分 AI 化的企業(yè)，也未必沒有優(yōu)化的空間，我們只需知道技術(shù)的存在就是為了提升整體效率，剩下的便是一點(diǎn)點(diǎn)去優(yōu)化。

重視新技術(shù)

無論原因是什么，都不是不使用新技術(shù)的理由。尤其AI領(lǐng)域，深度學(xué)習(xí)的有效性已經(jīng)不容置疑，在很多場(chǎng)景下都可以替換傳統(tǒng)方法，或者進(jìn)一步提升已有的效果。作為行業(yè)的一員，出現(xiàn)新的方法和技術(shù)，即便沒效果我們也該去了解，更不用提效果這么好了。

綜合使用不同方法的核心部分

不同的方法、不同的模型效果可能不一樣，因?yàn)樗鼈兏髯詡?cè)重的點(diǎn)不一樣。在實(shí)際中，我們往往沒辦法一套方法走天下，即便是最新最好的也不行。這里想表達(dá)的是，正是因?yàn)椴煌椒▊?cè)重點(diǎn)不一樣，我們反而需要利用這點(diǎn)，選擇多種方法組合，這類似于利用了每種方法的最大收益。