學習與職涯 MOC
用途：串連學習方法、職涯與工作反思、工作型態的相關筆記。
學習方法
- 筆記：如何有效學習一項技術
- AI 時代的學習與刷題策略
- AI 時代該學古老且經過驗證的底層
- UMPIRE 法則
- 筆記：前端工程師深入學習討論串 From Zet QA 環節
- 學習速度的瓶頸是大腦，不是教材 — 省掉的是搜尋成本，不是理解成本
- 理解你工作那一層的上一層和下一層 — 不懂底下那些一直是常態，這條是底線
我的學習方法底層邏輯
來源：探索個人學習底層邏輯
- 我的學習引擎：先看完成品，再反推做法 — 三階段總覽：標靶 → 沙盒迭代 → 奪取主導權，死穴是開放性任務
- 學習效率取決於反饋迴圈多短 — 同一個人，迴圈 1 秒飛快、一個月當機
- 容錯率高的沙盒是高頻迭代的前提 — 無人的夜晚、Ctrl+Z、localhost 是同一個角色
- 歸納型學習者碰到 Top-Down 教材會熄火 — 不是科目難，是呈現順序相反
- 沒有標準答案時自己造一個可比對的基準點 — 借別人的答案／先定驗收標準／兩個爛方案比優劣／讓現實當編譯器
- 臨摹加疊圖比對是跨領域通用的入門路線 — 繪畫、拍片、後端 DB 的同一套流程
- 刻意練習的三要素 — 明確目標／即時回饋／心智表徵
- 我的模式識別機制到底靠什麼，還不清楚 — 待探索
- 大學工程數學有標準答案卻一樣學不動，缺的是什麼 — 待探索，歸因還沒收斂
動機與習慣
- 長期紀律靠三個系統，不是靠對自己更嚴格 — 神經系統／動機系統／能動性感，以及把外在壓力換成內在動機
職涯風險與選擇權
- 職涯的選擇權要在不需要的時候累積
- 別人被裁員時歸因於個人表現是最舒服也最危險的解釋
- 收入來源單一等於把議價權交出去
- 怎麼在不犧牲本業深度的前提下建立第二收入來源 — 待探索
- 選擇的能力要從小練習，不能等長大才開始 — 選擇是要練習的能力，延後只會換來更貴的試錯
- 別人的成功路徑抄不了，因為一定會遇到分歧點 — 抄不了的代價是自己負責校正
- 我的職涯軌跡：電機科、封測廠、到前端工程師 — 上面兩條主張的來源
AI 時代的職涯重定位
來源：逆分工時代：台灣經濟創高，為何你的購買力卻在縮水？；宏觀面的 5 篇暫存在 其他 MOC
- 被 AI 奪走的不是工作，是定價權 — 從「專業者」降級為「一項功能」，中產階級黃金公式也斷在這裡
- 人類的護城河是承擔矛盾取捨，純資訊傳遞者最先被取代 — 判準是工作本質，不是職級
- 技能會貶值，那累積的經驗為什麼能變成指揮 AI 的 SOP？ — 待釐清，來源自相矛盾處
職涯與工作反思
- 該更早為產品設計主張發聲而非照單全收需求
- 高效率的盲點
- 專注模式
- 監督 AI 產出的檢查成本可能比自己寫還高
- 留才的槓桿是職涯發展，不是滿意度調查 — 滿意度調查／離職訪談收不到真話，職涯發展才改變決定本身
專注與生產力
- 掌握專注，讓人生更自由（Scott H. Young 訪談） — 有意識用時間、deep work 記錄、兩種休息、三個月 Focus 練習
- 兩種休息：放空 relax 與創造滿足感
- 注意力的稀缺是被設計出來的，不是自然發生的 — 對手不是意志力不足，是以奪取注意力為商業模式的產業