“skills”這個(gè)詞在程序員工具箱里通常是個(gè)命令、一個(gè)文件名或者某個(gè)配置文件里不起眼的字段。但過(guò)去兩個(gè)月它是我個(gè)人一直在迭代的一個(gè)項(xiàng)目一套基于純文本文件和個(gè)人腳本搭建的技能管理系統(tǒng)。它不是什么大平臺(tái)不依賴Notion模板也不用聯(lián)網(wǎng)建表就靠一個(gè) YAML 文件加一個(gè) Python 腳本把技能清單、自評(píng)等級(jí)、復(fù)盤(pán)記錄全部管起來(lái)。這套東西解決的是我自己的一個(gè)實(shí)際問(wèn)題技能太多太雜腦子里一團(tuán)漿糊學(xué)了后面忘前面簡(jiǎn)歷上寫(xiě)起來(lái)也沒(méi)底氣。如果你也處于這種狀態(tài)或者正打算給團(tuán)隊(duì)建一張可落地的能力矩陣那這篇帖子就是給你準(zhǔn)備的。1. 項(xiàng)目定位與設(shè)計(jì)思路1.1 為什么用文件存儲(chǔ)而不是直接套用在線表格剛開(kāi)始我想過(guò)用在線表格或者用飛書(shū)多維表格搭一個(gè)整齊好看還能多人協(xié)作。但后來(lái)我放棄了原因有三個(gè)。第一數(shù)據(jù)所有權(quán)問(wèn)題技能數(shù)據(jù)是個(gè)人長(zhǎng)期資產(chǎn)放在別人的服務(wù)器上哪天服務(wù)調(diào)整了、賬號(hào)出問(wèn)題數(shù)據(jù)說(shuō)沒(méi)就沒(méi)。第二離線使用問(wèn)題在線表格一旦沒(méi)網(wǎng)基本上就是一塊白板而我在地鐵上、在飛機(jī)上經(jīng)常會(huì)有想記點(diǎn)技能的沖動(dòng)。第三可復(fù)用和可遷移性一塊純 Markdown 或 YAML 文件可以被腳本讀取可以被 Git 記錄版本哪天想遷移到新工具改一改格式就能走。用文件存儲(chǔ)的本質(zhì)是“數(shù)據(jù)與工具解耦”。你可以用 VS Code 打開(kāi)也可以用記事本打開(kāi)甚至可以用cat命令在終端里看。這個(gè)思路和我平時(shí)管理配置文件是一樣的把配置和程序分開(kāi)數(shù)據(jù)就在那里任誰(shuí)都能讀。用生活里的事來(lái)類比這就好比整理衣櫥。你不需要先買(mǎi)一個(gè)昂貴的智能衣柜才能開(kāi)始整理你需要做的只是把所有衣服拿出來(lái)分個(gè)類記錄哪些常穿、哪些壓箱底然后定期斷舍離。技能管理也是這個(gè)邏輯核心不在工具多高級(jí)而在你愿不愿意坐下來(lái)清點(diǎn)自己。1.2 從崗位需求倒推技能分類項(xiàng)目最開(kāi)始我犯了一個(gè)典型錯(cuò)誤看見(jiàn)什么技術(shù)就想往里面塞。今天看到 Docker 很火加一個(gè)明天看到大模型很火再加一個(gè)。結(jié)果技能清單變成了一大鍋亂燉根本沒(méi)有結(jié)構(gòu)感。后來(lái)我把思路完全倒過(guò)來(lái)不按“技術(shù)熱度”來(lái)而是按“目標(biāo)崗位需求”來(lái)。我先問(wèn)自己一個(gè)問(wèn)題我未來(lái)一年最有價(jià)值的角色是什么比如是“后端開(kāi)發(fā)工程師”那我就圍繞這個(gè)角色拆解能力。程序設(shè)計(jì)能力數(shù)據(jù)結(jié)構(gòu)、算法、設(shè)計(jì)模式、系統(tǒng)設(shè)計(jì)語(yǔ)言與運(yùn)行環(huán)境Java、Python、JVM、Linux框架與中間件Spring Boot、Redis、Kafka、MySQL工程化與交付CI/CD、Docker、Kubernetes、監(jiān)控告警軟技能需求溝通、技術(shù)文檔、指導(dǎo)新人這樣分類的好處是每一項(xiàng)都能對(duì)應(yīng)到實(shí)際工作場(chǎng)景也方便和招聘 JD 做比對(duì)。給團(tuán)隊(duì)做能力矩陣時(shí)這個(gè)思路同樣適用先確定團(tuán)隊(duì)要交付的目標(biāo)再倒推每個(gè)角色需要具備哪些技能而不是把每個(gè)成員會(huì)的一堆零碎工具羅列上去。1.3 技能粒度的控制不能粗到?jīng)]用也不能細(xì)到?jīng)]法評(píng)技能粒度是早期最讓我頭疼的問(wèn)題。寫(xiě)一個(gè)“Java”太粗了因?yàn)?Java 三個(gè)字根本看不出你到底是能寫(xiě) CRUD還是能搞并發(fā)調(diào)優(yōu)。寫(xiě)一個(gè)“Java Stream 的 groupBy 用法”又太細(xì)了這類細(xì)節(jié)屬于知識(shí)點(diǎn)不該作為技能樹(shù)的葉子節(jié)點(diǎn)。我推薦的粒度是能獨(dú)立評(píng)估水平的一個(gè)能力域。例如“Java 并發(fā)編程”是一個(gè)技能可評(píng)估“Spring Boot 應(yīng)用開(kāi)發(fā)”是一個(gè)技能可評(píng)估“MySQL 性能優(yōu)化”是一個(gè)技能可評(píng)估“Redis 的分布式鎖實(shí)現(xiàn)”更像一個(gè)知識(shí)點(diǎn)可以作為“緩存設(shè)計(jì)與實(shí)踐”這個(gè)技能下的一個(gè)備注而不是獨(dú)立技能判斷粒度是否合適的標(biāo)準(zhǔn)很簡(jiǎn)單拿到這個(gè)技能名稱你能不能立刻判斷自己掌握到什么程度如果猶豫超過(guò)五秒那就說(shuō)明要么它太寬要么它太窄。2. 核心功能拆解記錄、量化與復(fù)盤(pán)2.1 自評(píng)等級(jí)“0-5級(jí)”背后的能力階段模型量化技能我用的是 0-5 六個(gè)檔位。這個(gè)體系參考的是 Dreyfus 技能獲取模型簡(jiǎn)化成六檔之后自評(píng)起來(lái)大腦負(fù)擔(dān)很低也方便在團(tuán)隊(duì)里統(tǒng)一口徑。0 級(jí)沒(méi)接觸過(guò)1 級(jí)了解概念能說(shuō)出它是干什么的2 級(jí)在指導(dǎo)下做過(guò)簡(jiǎn)單任務(wù)3 級(jí)能獨(dú)立完成常規(guī)任務(wù)遇到問(wèn)題能自己查資料解決4 級(jí)不僅能獨(dú)立交付還能根據(jù)項(xiàng)目場(chǎng)景做選型和優(yōu)化5 級(jí)能教學(xué)、能輸出方法論能指導(dǎo)別人避坑為什么不用百分制因?yàn)榘俜种迫菀字圃臁凹倬取?。你說(shuō)你 Java 會(huì) 80 分那 80 分和 85 分有什么區(qū)別沒(méi)人能說(shuō)得清。0-5 分級(jí)雖然粗糙但每一檔都有明確的行為描述自評(píng)時(shí)我只需要對(duì)照自己最近一次實(shí)操表現(xiàn)就能打出一個(gè)相對(duì)穩(wěn)定的分?jǐn)?shù)。我給技能記錄表格設(shè)計(jì)的字段很簡(jiǎn)單技能名稱、所屬大類、自評(píng)等級(jí)、最近使用時(shí)間、關(guān)鍵證據(jù)。關(guān)鍵證據(jù)很重要它可以是一句話比如 “三月份完成訂單系統(tǒng)的接口冪等改造”也可以直接指向一個(gè)項(xiàng)目筆記的鏈接。有了證據(jù)你自評(píng)的 4 級(jí)才不會(huì)自嗨。2.2 技能雷達(dá)圖讓“短板”一眼現(xiàn)形技能清單一旦長(zhǎng)到幾十項(xiàng)直接看表格其實(shí)是看不出整體結(jié)構(gòu)的。這時(shí)候需要用可視化方式輔助判斷我選的是雷達(dá)圖。雷達(dá)圖的每個(gè)軸對(duì)應(yīng)一個(gè)技能大類數(shù)值是該大類下所有技能等級(jí)的平均值。因?yàn)閱蝹€(gè)技能看多了容易鉆牛角尖而大類平均分能反映你的能力分布是否均衡。比如我自己的數(shù)據(jù)里“程序設(shè)計(jì)能力”平均分只有 1.8而“框架與中間件”平均分是 3.2。雷達(dá)圖上那一塊凹陷非常扎眼逼著我直面一個(gè)問(wèn)題我花大量時(shí)間學(xué)框架但底層的數(shù)據(jù)結(jié)構(gòu)和算法基礎(chǔ)一直沒(méi)補(bǔ)上。這個(gè)發(fā)現(xiàn)比我列一百個(gè)技能都有用因?yàn)槲医K于知道下一步該往哪里發(fā)力了。生成雷達(dá)圖我用的工具很簡(jiǎn)單就是 Python 的 matplotlib。腳本讀 YAML把技能按大類聚合并計(jì)算平均分然后生成一張 PNG 圖片。整個(gè)腳本不到 70 行后續(xù)你會(huì)在實(shí)操部分看到完整代碼。我更建議你在本地跑一遍這個(gè)腳本體會(huì)一下“從數(shù)據(jù)文件到圖”的整個(gè)鏈路跑通后的成就感。2.3 從靜態(tài)清單到動(dòng)態(tài)復(fù)盤(pán)流程技能清單最大的敵人是“塵封感”。三個(gè)月不更新它就變成了一張過(guò)期的歷史博物館展品清單。我的做法是把這套系統(tǒng)嵌進(jìn)月度復(fù)盤(pán)中每個(gè)月底花二十分鐘做四件事新增這一個(gè)月接觸了哪些新技能沒(méi)接觸到的就先不寫(xiě)不必為了好看硬湊。重評(píng)把過(guò)往技能重新看一遍水平是否有提升有沒(méi)有因?yàn)榫貌挥枚嘶?。關(guān)聯(lián)給重要技能補(bǔ)充一條最近使用的證據(jù)比如項(xiàng)目名、PR 鏈接、一頁(yè)筆記。清理刪掉那些早就脫離主線、未來(lái)也不可能再用的技能標(biāo)簽給清單減負(fù)。這樣做的核心原因是技能水平不是一勞永逸的屬性而是會(huì)隨著使用頻率升降的變量。用“最近使用時(shí)間”這個(gè)字段做輔助你才能在雷達(dá)圖之外看到“哪些技能是存量哪些技能是活躍資產(chǎn)”。3. 實(shí)操用 skills 工具從零搭建技能檔案3.1 初始化項(xiàng)目目錄與數(shù)據(jù)文件這個(gè)項(xiàng)目我保持了極簡(jiǎn)風(fēng)格目錄結(jié)構(gòu)只有三塊skills/ ├── data/ │ └── skills.yaml ├── scripts/ │ ├── read_skills.py │ └── radar_chart.py └── output/ └── radar.pngdata/skills.yaml存放技能樹(shù)scripts/放讀取和可視化腳本output/放生成的圖表。整體并沒(méi)有引入數(shù)據(jù)庫(kù)也沒(méi)有依賴 Docker因?yàn)樗恍枰谝粋€(gè) python 環(huán)境里跑幾個(gè)腳本就夠。這里我刻意保持了極簡(jiǎn)原因就是開(kāi)頭說(shuō)的數(shù)據(jù)歸數(shù)據(jù)腳本歸腳本不要一開(kāi)始就搭建復(fù)雜設(shè)施。YAML 數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)如下version: 1.0 owner: your-name updated: 2025-01-15 categories: - name: 程序設(shè)計(jì)能力 skills: - name: 數(shù)據(jù)結(jié)構(gòu)與算法 level: 2 last_used: 2025-01-10 evidence: 完成一次二叉樹(shù)遍歷專題練習(xí) - name: 設(shè)計(jì)模式 level: 3 last_used: 2024-12-20 evidence: 在支付模塊中使用策略模式重構(gòu)代碼 - name: 語(yǔ)言與運(yùn)行環(huán)境 skills: - name: Java 并發(fā)編程 level: 3 last_used: 2025-01-05 evidence: 排查過(guò)線上線程池阻塞問(wèn)題 - name: Python 腳本開(kāi)發(fā) level: 3 last_used: 2025-01-14 evidence: 實(shí)現(xiàn)自動(dòng)化報(bào)表生成腳本選擇 YAML 而不是 JSON最重要的原因是可以寫(xiě)注釋。技能這種數(shù)據(jù)幾乎每個(gè)字段都需要上下文比如“為什么給這個(gè)技能打 3 級(jí)”不寫(xiě)下來(lái)下次自己都會(huì)忘。JSON 雖然也能寫(xiě)注釋但支持度有限體驗(yàn)不如 YAML 順手。另外YAML 用縮進(jìn)表達(dá)層級(jí)結(jié)構(gòu)肉眼比 JSON 更清晰。3.2 自動(dòng)校驗(yàn)技能數(shù)據(jù)并輸出成長(zhǎng)進(jìn)度數(shù)據(jù)文件有了接著需要一個(gè)能讀取數(shù)據(jù)、生成統(tǒng)計(jì)信息的腳本。我寫(xiě)了一個(gè)很短的read_skills.py它只做三件事讀取 YAML統(tǒng)計(jì)每個(gè)大類的技能數(shù)量和平均等級(jí)輸出一個(gè)表格方便我快速在終端里看。import yaml from collections import defaultdict def load_skills(pathdata/skills.yaml): with open(path, r, encodingutf-8) as f: return yaml.safe_load(f) def calculate_progress(data): stats [] for cat in data[categories]: names cat.get(skills, []) if not names: continue avg_level sum(s[level] for s in names) / len(names) stats.append({ category: cat[name], count: len(names), avg_level: round(avg_level, 2) }) return stats if __name__ __main__: data load_skills() print(f技能檔案管理員: {data[owner]}) print(f最后更新: {data[updated]}\n) for item in calculate_progress(data): print(f{item[category]:12} 技能數(shù) {item[count]:4} 平均等級(jí) {item[avg_level]})跑這個(gè)腳本的方法很簡(jiǎn)單cd skills pip install pyyaml python scripts/read_skills.py你不需要改造任何配置文件只要 YAML 里的數(shù)據(jù)是正確的腳本會(huì)自動(dòng)把它打印成一個(gè)統(tǒng)計(jì)表。這個(gè)腳本的價(jià)值不在于功能強(qiáng)大而在于它把“數(shù)據(jù)”和“觀察”連接起來(lái)了。沒(méi)有這個(gè)腳本你打開(kāi) YAML 要頭腦里做聚合有了這個(gè)腳本一眼就能看到整體情況。3.3 生成可視化雷達(dá)圖讓成績(jī)單變成決策工具第二步我用 matplotlib 做了雷達(dá)圖腳本。代碼邏輯也不復(fù)雜讀取分類平均等級(jí)映射到雷達(dá)圖上。如果你的技能分類不是五類也沒(méi)關(guān)系腳本會(huì)自適應(yīng)分類數(shù)量。import yaml import matplotlib.pyplot as plt import numpy as np from math import pi def load_skills(pathdata/skills.yaml): with open(path, r, encodingutf-8) as f: return yaml.safe_load(f) def get_category_averages(data): labels [] values [] for cat in data[categories]: skills cat.get(skills, []) if skills: labels.append(cat[name]) values.append(round(sum(s[level] for s in skills) / len(skills), 2)) return labels, values def create_radar_chart(labels, values, save_pathoutput/radar.png): angles [i / float(len(labels)) * 2 * pi for i in range(len(labels))] values values[:1] angles angles[:1] fig, ax plt.subplots(figsize(8, 8), subplot_kwdict(polarTrue)) ax.plot(angles, values, linewidth1.5, linestylesolid) ax.fill(angles, values, alpha0.25) ax.set_xticks(angles[:-1]) ax.set_xticklabels(labels, fontsize12) ax.set_ylim(0, 5) ax.set_yticks([1, 2, 3, 4, 5]) plt.savefig(save_path, dpi300, bbox_inchestight) print(f雷達(dá)圖已保存到: {save_path}) if __name__ __main__: data load_skills() labels, values get_category_averages(data) create_radar_chart(labels, values)運(yùn)行之后會(huì)在output/目錄里得到一張雷達(dá)圖。這張圖里每一瓣代表一個(gè)大類分值范圍是 0-5。最初跑通這個(gè)腳本時(shí)我盯著它看了好久因?yàn)槟鞘堑谝淮斡辛艘粡垺翱梢暬芰Ξ?huà)像”。對(duì)于團(tuán)隊(duì)場(chǎng)景你還可以把每個(gè)成員的雷達(dá)圖打印出來(lái)貼在用研數(shù)據(jù)對(duì)面誰(shuí)強(qiáng)誰(shuí)弱、哪里有缺口會(huì)議室里一眼就能看明白。3.4 體驗(yàn)一次完整的技能評(píng)估流程理論講完了腳本也有了我把一次完整的技能評(píng)估流程放在前面你拿到項(xiàng)目后可以直接照著做。選擇目標(biāo)角色。假設(shè)你是一名 Web 全棧方向的學(xué)生未來(lái)想找后端開(kāi)發(fā)崗位。建立分類。在skills.yaml里先寫(xiě)好三個(gè)大類基礎(chǔ)理論、后端技術(shù)、工程能力。錄入技能。每個(gè)類別下按粒度要求列 5-10 個(gè)技能給每個(gè)技能打等級(jí)、填最近使用時(shí)間和證據(jù)。運(yùn)行統(tǒng)計(jì)腳本。用read_skills.py查看當(dāng)前掌握情況的匯總。生成雷達(dá)圖。用radar_chart.py生成圖對(duì)比各大類平均分。定一個(gè)動(dòng)作。雷達(dá)圖上哪個(gè)大類最低下個(gè)月就圍繞這個(gè)大類的關(guān)鍵技能做一次刻意練習(xí)并在月底更新等級(jí)。不要小看最后一步很多人做完雷達(dá)圖就結(jié)束了根本沒(méi)有落到行動(dòng)上。技能管理的價(jià)值不在“知道自己有多弱”而在“知道自己該補(bǔ)哪一塊”。4. 常見(jiàn)問(wèn)題與避坑指南4.1 自評(píng)時(shí)手軟手嚴(yán)怎么校準(zhǔn)經(jīng)常有人問(wèn)我“你怎么保證自評(píng)分?jǐn)?shù)的準(zhǔn)確性”誠(chéng)實(shí)說(shuō)自評(píng)永遠(yuǎn)有偏差但我們可以用方法減小偏差。我的習(xí)慣是三個(gè)校驗(yàn)輪第一對(duì)照目標(biāo)崗位的招聘要求如果 JD 里明確寫(xiě)了“熟練掌握 Java 并發(fā)編程”而你只能說(shuō)出線程池的幾個(gè)參數(shù)那評(píng)級(jí)就不應(yīng)該超過(guò) 2第二找一個(gè)同事或朋友幫你評(píng)你會(huì)發(fā)現(xiàn)別人對(duì)你的判斷往往比你自己更保守第三用交付物說(shuō)話你最近半年有沒(méi)有拿得出手的項(xiàng)目、文章或代碼如果一樣都沒(méi)有那這項(xiàng)技能即使打 3 級(jí)也很難讓人信服。自評(píng)偏差最集中的地方是“會(huì)用”和“能交”的混淆。你會(huì)用 Redis 的 GET/SET 命令能在本地跑起來(lái)這不代表你懂緩存穿透和緩存一致性。把技能重評(píng)時(shí)多問(wèn)自己一個(gè)問(wèn)題“如果這周有個(gè)人讓我基于這項(xiàng)技能解決一個(gè)線上問(wèn)題我能不查文檔就說(shuō)出排查思路嗎”答不上來(lái)就降一級(jí)。4.2 技能跨類和重疊怎么去重技能分類最容易遇到的坑是一項(xiàng)技能同時(shí)屬于兩個(gè)大類。比如 Docker既算“容器技術(shù)”又算“DevOps 工具鏈”再比如 Redis既算“分布式存儲(chǔ)”又算“緩存設(shè)計(jì)”。如果不處理重復(fù)雷達(dá)圖里同一項(xiàng)能力會(huì)被算兩次大類均值會(huì)虛高。我的處理原則有一個(gè)每個(gè)技能只在最貼近業(yè)務(wù)目標(biāo)的大類里掛載一次其他大類里絕對(duì)不重復(fù)出現(xiàn)。比如 Docker如果你的目標(biāo)是做后端服務(wù)部署那它掛在“工程化與交付”下如果你的目標(biāo)是做云原生基礎(chǔ)設(shè)施那它掛在“云原生基礎(chǔ)設(shè)施”下。重復(fù)技能本質(zhì)上不是數(shù)據(jù)問(wèn)題而是分類目標(biāo)不清晰的映射方式。分類不準(zhǔn)造成的連鎖反應(yīng)很明顯雷達(dá)圖會(huì)“虛胖”讓你誤以為某些維度能力不錯(cuò)實(shí)際上那只是同一個(gè)技能被算了兩遍。所以每次新增技能時(shí)先看它是不是已經(jīng)在其他類別里存在過(guò)。如果存在那就在原類別里補(bǔ)充描述而不是在多個(gè)類別里重復(fù)列一遍。4.3 項(xiàng)目做一半數(shù)據(jù)亂了怎么恢復(fù)文件式存儲(chǔ)最大的好處是可以用 Git 管理所以從項(xiàng)目第一天起我就把data/目錄納入版本控制。每周末對(duì)自己的技能檔案做一次 commit寫(xiě)個(gè)簡(jiǎn)單的信息比如 “月度復(fù)盤(pán)更新 Redis 等級(jí)為 3新增容器網(wǎng)絡(luò)學(xué)習(xí)筆記”。這樣的習(xí)慣建立了三層安全網(wǎng)本地有備份文件遠(yuǎn)端 Git 倉(cāng)庫(kù)有歷史版本每個(gè)技能都有明確的變更時(shí)間線如果哪天真改亂了一條git revert或者git checkout -- data/skills.yaml就能恢復(fù)絕不至于哭天喊地。數(shù)據(jù)這種長(zhǎng)期資產(chǎn)不做備份和版本管理就是在給自己埋雷。更重要的當(dāng)你一個(gè)月后再回來(lái)看那份 YAML 時(shí)Git 歷史能告訴你這個(gè)月你的技術(shù)方向發(fā)生了哪些變化等于給職業(yè)成長(zhǎng)寫(xiě)了個(gè)日記。4.4 常見(jiàn)問(wèn)題速查表問(wèn)題現(xiàn)象主要原因解決建議技能數(shù)量越來(lái)越多逐漸變成大雜燴沒(méi)有按目標(biāo)角色倒推分類先定義角色再列出角色需要的能力自評(píng)等級(jí)普遍偏高混淆了“知道”和“能交付”用關(guān)鍵證據(jù)和交付物校準(zhǔn)雷達(dá)圖某幾個(gè)維度虛高同一技能掛載到了多個(gè)大類按“一次掛載”原則去重技能檔案幾個(gè)月不更新沒(méi)有內(nèi)嵌到月度復(fù)盤(pán)中把更新技能列為每月固定動(dòng)作新學(xué)技能總是加到舊分類里分類本身落后于業(yè)務(wù)目標(biāo)定期審視角色定位重構(gòu) YAML 分類樹(shù)5. 后續(xù)擴(kuò)展方向skills 項(xiàng)目目前只服務(wù)我一個(gè)人但它天然可以擴(kuò)展到團(tuán)隊(duì)場(chǎng)景。給團(tuán)隊(duì)做能力矩陣時(shí)不需要改變?nèi)魏魏诵脑O(shè)計(jì)只需要讓每個(gè)成員維護(hù)自己的skills.yaml然后由一個(gè)匯總腳本把所有成員的數(shù)據(jù)合并起來(lái)就可以生成團(tuán)隊(duì)級(jí)的熱力圖哪條鏈路上缺人、哪類技能存在結(jié)構(gòu)性短板很快就暴露出來(lái)。另一個(gè)擴(kuò)展方向是把它和招聘面試結(jié)合。把候選人簡(jiǎn)歷里的關(guān)鍵詞按照這套技能分類整理一遍自動(dòng)生成一張技能雷達(dá)圖面試官在開(kāi)始聊技術(shù)之前就能直觀看到候選人的能力結(jié)構(gòu)省去先讀半天簡(jiǎn)歷再做判斷的時(shí)間。這些后續(xù)能力我目前還在探索中但核心數(shù)據(jù)結(jié)構(gòu)已經(jīng)足夠支撐。我自己的體會(huì)是這套系統(tǒng)最大的價(jià)值不是那張好看的雷達(dá)圖也不是那一堆分級(jí)數(shù)字而是它逼著我每個(gè)月坐下來(lái)認(rèn)真想一遍我現(xiàn)在的技能結(jié)構(gòu)離我想要的職業(yè)方向還差在哪一塊。思考的過(guò)程本身比工具和腳本值錢(qián)得多。所以如果你也想搭一套別急著先寫(xiě)代碼先拿一張紙列出來(lái)為你未來(lái)的角色拆十個(gè)技能出來(lái)再打上等級(jí)。這第一步比任何工具都重要。