如何转变思维

今天在花费了一下午做文档,投入了比较多的精力与时间,但当把它交上去时候导师还是提出来老好几个修改点,这不禁让楼主产生了一些思考,工作近一年了依旧还存在较重的学生思维,没有很好的以结果为导向。既如此,这里输出一篇文章——浅谈下思维转变。

思维的特性🤔

名词解释😁

学生思维——学生思维是一个指代我们由于长期生活在校园形成的固化的学生心态和问题的思考方式的概念。它可以概括为习惯性的被动接受、闷头苦干、对环境期望过高、把自己看得太重等等

职场思维——指在职业生涯中,能够根据不同的环境、目标和人际关系,灵活运用的一种思考方式和行为模式

不同点🧐

维度

学生思维

职场思维

主要任务

以学习为主,注重知识的掌握和理论的运用

以工作为主,注重结果的达成和价值的创造

思维中心

以自我为中心,注重个人的成长和发展

以团队为中心,注重协作的效率和质量

目标导向

以规则为导向,注重遵守制度和流程

以目标为导向,注重创新和变通

生存资源

以知识为资源,注重积累和分享

以人脉为资源,注重交换和利用

逻辑性

以线性为逻辑,注重找出标准答案

以概率为逻辑,注重做出具备稳定性的决策

学生思维与职场思维有很大的区别,比如在对待机会、合作、人脉、责任等方面。要从学生快速进阶为职场人,就需要摆脱学生思维,学会主动创造、灵活变通、有效沟通、合理分工等职场技能

为什么要职场思维😎

职场思维是一种适应变化、解决问题、创造价值的思维方式,对于任何工作岗位来说都是有益的。当然,不同的行业可能需要强调不同的方面,比如:

  • 创新型的行业:互联网、科技、媒体等,可能需要更强的目标导向和跨领域思考的能力,因为这些行业变化快,竞争激烈,需要不断地创造新的产品和服务,满足用户的需求和期待。
  • 服务型的行业:教育、医疗、酒店等,可能需要更强的利他思维和沟通协作的能力,因为这些行业以人为本,需要关注客户的感受和满意度,提供高质量的服务和体验。
  • 规范型的行业:金融、法律、政府等,可能需要更强的规则导向和风险控制的能力,因为这些行业有严格的制度和流程,需要遵守法律和规范,防止出现失误和纠纷。

如何转变🤨

转变职场思维需要通过不断的学习和实践,可以通过阅读一些关于职场的书籍、文章和案例,了解不同的职业和行业的特点和要求,学习一些成功人士的经验和教训,借鉴一些优秀的思维模式和方法论。当然要知道每个人情况不一样,别人的成功经验往往是难以复刻的,最重要的是学习方法论。实践是最重要的,通过尝试运用所学到的知识和技能,解决实际的问题和挑战,获取实际的反馈和评价,然后根据这些反馈不断地调整和改进自己的思维和行为,才能逐步完成整体的思维转变。

其实百说不如一做,当你经历过一些失败,对自己做好复盘,就很容易发现思维转变的重要性及方法论了,这是需要持之以久的实操,反馈,复盘来打造的。最后祝愿大家学习,工作有所成就🙃。

#我的求职思考##应届生初入职场,求建议##学习##工作#
社畜的反思 文章被收录于专栏

嘛,大多数是一些奇怪的想法,毕竟一个年轻的社畜能有什么深度的思考呢,无产者们

全部评论

相关推荐

最终还是婉拒了小红书的offer,厚着脸皮回了字节。其实这次字节不管是组内的氛围、HR的沟通体验,都比之前好太多,开的薪资也还算过得去,这些都是让我下定决心的原因之一。但最核心的,还是抵不住对Agent的兴趣,选择了Ai Coding这么一个方向。因为很多大佬讲过,在未来比较火的还是属于那些更加垂类的Agent,而Ai Coding恰好是Coding Agent这么一个领域,本质上还是程序员群体和泛程序员群体这个圈子的。目前也已经在提前实习,也是全栈这么一个岗位。就像最近阿里P10针对前端后端等等不再那么区分,确实在Agent方向不太区分这个。尤其是我们自己做AI Coding的内容,基本上90%左右的内容都是AI生成的,AI代码仓库贡献率也是我们的指标之一。有人说他不好用,那肯定是用的姿态不太对。基本上用对Skill、Rules 加上比较好的大模型基本都能Cover你的大部分需求,更别说Claude、Cursor这种目前看来Top水准的Coding工具了(叠甲:起码在我看来是这样)。所以不太区分的主要原因,还是针对一些例如Claude Code、Cursor、Trae、Codex、CC等一大堆,他们有很多新的概念和架构提出,我们往往需要快速验证(MVP版本)来看效果。而全栈就是这么快速验证的一个手段,加上Ai Coding的辅助,目前看起来问题不大(仅仅针对Agent而言)。而且Coding的产品形态往往是一个Plugin、Cli之类的,本质还是属于大前端领域。不过针对业务后端来看,区分还是有必要的。大家很多人也说Agent不就是Prompt提示词工程么?是的没错,本质上还是提示词。不过现在也衍生出一个新的Context Eneering,抽象成一种架构思想(类比框架、或者你们业务架构,参考商品有商品发布架构来提效)。本质还是提示词,但是就是能否最大化利用整个上下文窗口来提升效果,这个还是有很多探索空间和玩法的,例如Cursor的思想:上下文万物皆文件, CoWork之类的。后续也有一些Ralph Loop啥的,还有Coding里面的Coding Act姿态。这种才是比较核心的点,而不是你让AI生成的那提示词,然后调用了一下大模型那么简单;也不是dify、LangGraph搭建了一套workflow,从一个node走到另外一个node那么简单。Agent和WorkFLow还是两回事,大部分人也没能很好的区分这一点。不过很多人说AI泡沫啥啥啥的,我们ld也常把这句话挂在嘴边:“说AI泡沫还是太大了”诸如此类。我觉得在AI的时代,懂一点还是会好一点,所以润去字节了。目前的实习生活呢,除了修一些Tools的问题,还包括对比Claude、Cursor、Trae在某些源码实现思想上的点,看看能不能迁移过来,感觉还是比较有意思。不过目前组内还是主要Follow比较多,希望下一个阶段就做一些更有创新的事情哈哈。这就是一个牛马大学生的最终牧场,希望能好好的吧。说不定下次发的时候,正式AI泡沫结束,然后我又回归传统后端这么一个结局了。欢迎交流👏,有不对的🙅不要骂博主(浅薄的认知),可以私聊交流
码农索隆:和优秀的人,做有挑战的事
点赞 评论 收藏
分享
评论
2
5
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务