回头看自己的职业经历，我觉得还挺有意思的。
从 2017 年毕业到现在，我几乎没有一直待在某一个行业，而是不断进入新的领域。从电商、农业互联网，到隐私计算、产业链数据、国际化翻译、Web3 ，再到如今的具身智能，每一次换工作，都意味着重新学习一个新的行业。
很多人觉得我是一直在换行业，但我自己并不这么认为。
因为无论行业怎么变，我做的事情其实一直没有变——解决那些没有成熟方案、没有标准答案的问题。
2017 年 10 月：职业生涯的起点——电商产品
毕业后，我进入了一家小型电商公司，主要负责电商数据、客户挖掘以及数据分析，帮助中小企业寻找潜在客户，相当于为客户提供电商代运营相关的数据支持。
这份工作更多是成熟业务，技术难度并不高，但却让我真正开始接触 Python 爬虫、数据采集、自动化等技术，也积累了第一批工程经验。
2020 年初，疫情爆发，公司业务发生了较大的变化。我在那里工作了一年半之后，选择离开，开始寻找新的方向。
2020 年：创业公司——企业数据产品
疫情期间，我加入了一家创业公司。
公司总部位于江苏昆山，杭州是其中一个研发部门。公司的产品主要围绕电商企业数据展开，方向有点类似于企查查、天眼查和淘宝客的结合体，希望通过企业工商信息、店铺经营数据以及电商数据，为商家提供商业分析能力。
创业公司的节奏很快，产品方向也一直在不断调整。
可惜，一年多之后，公司战略发生变化，昆山总部逐渐取代了杭州团队，杭州部门整体被裁撤，产品也没能完成预期的转型，我和 CTO 以及整个团队一起离开了公司。
这也是我第一次真正经历创业公司的起落。
2021 年：农业互联网——知识图谱与舆情分析
2021 年 4 月，我加入了一家农业产业互联网公司。
这也是我职业生涯待得最久的一家公司。
在这里，我主要负责农业知识图谱、舆情分析以及产业数据相关产品。从数据采集、知识图谱构建，到产品研发和上线，我几乎完整参与了整个项目从 0 到 1 的全过程。
2022 年，产品正式上线，公司也投入了不少资源进行推广。
遗憾的是，经过一年左右的市场验证，产品最终没有达到预期效果，项目逐渐收缩，团队成员也陆续离开。
我一直坚持到了 2023 年 12 月，共工作了 2 年 8 个月，这也是我目前职业生涯服务时间最长的一家公司。
2024 年：隐私计算——公安数据线索挖掘
2023 年底离职后，我开始进入一个新的赛道。
2024 年 3 月，我加入杭州一家做隐私计算的公司，老板是浙大的教授。
刚入职不久，就被安排前往云南出差两个月，为公安部门做数据线索挖掘。
真正开始工作之后，我发现，公司很多业务都还处于探索阶段，并没有成熟的方法论。
除了技术开发之外，我还需要解决数据来源、业务流程、项目推进以及各种非技术问题。
很多时候，并不是代码写不出来，而是根本不知道数据在哪里、应该如何获取、业务应该如何落地。
半年之后，工作逐渐变成了长期出差、四处寻找数据资源，我认为自己的成长空间已经有限，于是选择离开。
2024 年：产业链数据——量化投资
同年 9 月，我加入了上一家公司的竞争对手。
公司位于杭州西溪湿地，办公环境很好。
主要业务是产业链数据，为量化投资机构提供数据分析能力，需要采集上市公司财报、产业链信息以及大量公开数据。
不过，真正进入项目之后，我发现情况和上一家公司非常相似。
团队依旧缺少成熟的方法论，大量问题都需要自己从零开始探索，包括数据采集方案、数据质量、业务逻辑以及整体技术实现。
工作三个月之后，我再次选择离开。
2025 年：国际化——小语种数据
2025 年初，我来到深圳，加入一家上市公司。
公司主营海外手机业务，而我负责的是国际化翻译平台。
最大的挑战来自于小语种。
很多语言在互联网公开资源中几乎不存在，即使是谷歌、微软这样的国际大厂，也没有现成的数据资源能够直接使用。
因此，我需要自己寻找各种数据来源，研究数据构建方式，设计整个数据处理流程。
这份工作的难点并不在翻译，而是在数据。
几个月之后，我认为这个方向的发展空间有限，于是再次离开。
2025 年：Web3
2025 年 5 月，我加入深圳前海一家 Web3 公司。
刚开始，我以为公司主要做区块链游戏。
真正进入之后才发现，业务和博彩行业存在一定关联，数据库里几乎全是博彩相关数据。
不得不承认，这家公司待遇确实不错。
工资发港币，公司主体设在香港，整体收入在当时非常具有竞争力。
不过，综合行业方向以及自己的长期职业规划，我还是在半年之后离开了。
2025 年至今：具身智能（ Embodied AI ）
2025 年底，我加入了一家做具身智能（ Embodied AI ）的公司。
公司主要研发 AI 机器人，也是近两年最热门的 AI 赛道之一。
目前，公司已经完成了多轮融资，仍然保持快速扩张，不断招聘新的技术人员。
相比之前的几家公司，这家公司让我看到了更大的想象空间。
当然，挑战也同样巨大。
每天都会遇到新的问题、新的需求以及新的技术难点，需要不断学习新的知识，不断寻找新的解决方案。
不过，这也是我最喜欢的一种工作状态。
回头看这九年
从 2017 年到现在，我经历了电商、农业互联网、隐私计算、产业链数据、国际化、小语种 AI 、Web3 、具身智能等多个行业。
很多朋友都会问我：
为什么你的行业跨度这么大？
其实，我并不是刻意去追逐风口。
每一次加入一家新的公司，我面对的几乎都是同一种挑战——公司希望解决一个没有成熟方案、没有现成经验，甚至业内都很少有人做过的问题。
所以，我做过公安数据线索分析，做过产业链数据，研究过全球小语种数据，也接触过 Web3 和 AI 机器人等新兴领域。
每进入一个新的行业，都意味着要在很短的时间内理解业务、寻找数据来源、设计技术方案，并最终把它真正落地。
回过头来看，我真正积累的并不是某一个行业的经验，而是一套面对陌生领域的方法论：
快速理解业务、拆解复杂问题、寻找可行路径、整合数据资源，并最终把一个模糊的需求变成能够落地的产品和系统。
如果一定要给自己的职业经历贴一个标签，我觉得不是"频繁跳槽"，也不是"追逐风口"，而是：
一直在解决别人没有解决过的问题。
相比维护一个成熟稳定的系统，我更享受面对未知、寻找答案、不断探索，并最终把一件原本做不到的事情真正做出来。
我相信，这种跨行业学习、快速进入陌生领域、持续解决复杂问题的能力，才是自己这些年最宝贵的积累，也是未来最大的竞争力。
1
Select Language