工作群里幾個年輕同事私下里管我叫“Python女神”起因是我?guī)退麄兣刻幚韴?bào)銷表、自動發(fā)周報(bào)、又順手把團(tuán)隊(duì)的接口回歸測試從兩小時壓到十分鐘。其實(shí)哪有什么女神不過是踩坑踩多了、踩得夠痛把規(guī)律摸透了而已。今天這篇不談虛的就圍繞兩個關(guān)鍵詞展開——求職、自動化。求職端你可以靠Python技能換一份更好的工作自動化端你能把手里重復(fù)得像驢拉磨一樣的活兒全部交給腳本。無論你是剛準(zhǔn)備轉(zhuǎn)行的新人還是已經(jīng)在測試、運(yùn)維、數(shù)據(jù)分析、開發(fā)崗位上想提效的從業(yè)者這篇都可以當(dāng)成一份有操作路徑的參考手冊來看。Python目前早已不是“腳本語言”這么簡單了它是測試工程師的必備武器是運(yùn)維工程師的瑞士軍刀是數(shù)據(jù)分析崗位的敲門磚甚至是不少非技術(shù)崗職場人的效率外掛。結(jié)合最近的招聘需求和技術(shù)社區(qū)討論自動化測試、自動化運(yùn)維、辦公自動化、數(shù)據(jù)自動化這幾個方向的需求量非常大而且入門門檻并沒有想象中那么高。關(guān)鍵是你得知道怎么學(xué)、學(xué)哪些、怎么用、怎么展示給面試官看。1. 先把學(xué)習(xí)路線盤明白求職和自動化的技能地圖1.1 從招聘JD反推Python技能樹很多人一上來就報(bào)課、刷書學(xué)了大半年還在糾結(jié)變量命名這其實(shí)是路線出了問題。我的習(xí)慣是先看招聘JD再看技術(shù)棧最后才回頭看語法。你去拉三個崗位看看需求高度一致自動化測試工程師要會pytest、Requests、Selenium或Playwright懂接口測試和持續(xù)集成運(yùn)維開發(fā)要會Ansible、Shell、Python腳本了解云平臺和虛擬化后端或爬蟲崗位則要求熟悉數(shù)據(jù)處理、數(shù)據(jù)庫、常用Web框架。這些JD背后對應(yīng)的技能樹拆開無非四層。第一層是語言基礎(chǔ)變量、數(shù)據(jù)類型、條件、循環(huán)、函數(shù)、文件操作這一層大概一到兩周能過完。第二層是常用庫requests、pytest、pandas、openpyxl、os、subprocess、json這些是干活的主力。第三層是工程化能力虛擬環(huán)境、pip、Git、調(diào)試器、日志這層決定你能不能在一個團(tuán)隊(duì)里正常協(xié)作。第四層是業(yè)務(wù)方向的框架測試崗位深入pytest和selenium運(yùn)維崗位深入ansible數(shù)據(jù)分析崗位深入numpy和pandas。按這個順序走每個階段都有明確產(chǎn)出而不是無限期停留在“會寫Hello World”的狀態(tài)。1.2 自動化的四個高價值落地方向我把日常高頻的自動化方向粗粗歸成四類每類對應(yīng)的技術(shù)和就業(yè)方向都很清楚。第一類是接口自動化技術(shù)棧主要是requests加pytest再配合allure報(bào)告這是測試崗位的基礎(chǔ)盤也是我向新人首推的方向因?yàn)榉€(wěn)定性最高、投入產(chǎn)出比最好。第二類是UI自動化主流是Selenium和它的替代者Playwright用于模擬真實(shí)用戶操作瀏覽器適合核心回歸場景。第三類是運(yùn)維自動化Ansible和shell腳本打底用來做批量部署、配置管理和巡檢再加一點(diǎn)Cloud-Init的知識就能搞定大批虛擬機(jī)的模板化交付。第四類是辦公與數(shù)據(jù)自動化一堆Excel、Word、郵件和報(bào)表處理用pandas、openpyxl就能把一天的人工活壓縮成幾秒鐘的腳本。這四個方向有個共同點(diǎn)本質(zhì)都是“把重復(fù)決策交給代碼”。不要覺得自動化高深它跟洗衣機(jī)替代手洗是一個邏輯你只要能把“重復(fù)動作”翻譯成“規(guī)則循環(huán)條件”就已經(jīng)入行了。2. 地基不能急環(huán)境配置與Python基礎(chǔ)的正確打開方式2.1 從安裝到能跑Python環(huán)境搭建的避坑指南別小看環(huán)境安裝我見過太多人第一課就卡死在“python不是內(nèi)部或外部命令”上。Windows用戶去官網(wǎng)下載安裝包時記得在第一個界面就勾選“Add Python to PATH”這個勾不選后面全是在跟系統(tǒng)路徑搏斗。Linux用戶則簡單很多Debian系直接apt install python3 python3-pip python3-venvCentOS/RHEL系用yum install python3新版本的PVE、Debian 13上面這幾個包都是很成熟的。裝完語言之后最重要的一步是配置虛擬環(huán)境。很多新手圖省事所有依賴直接裝到系統(tǒng)Python里結(jié)果不同項(xiàng)目的requests版本打架或者pytest裝不上一升級系統(tǒng)庫全線崩潰。正確的姿勢是每個項(xiàng)目建一個虛擬環(huán)境python -m venv venv # Windows激活 venv\Scripts\activate # Linux / macOS激活 source venv/bin/activate pip install -r requirements.txt為什么要這么干因?yàn)轫?xiàng)目A可能要用numpy 1.26項(xiàng)目B要用numpy 2.0兩個版本API有差異你全塞進(jìn)同一個環(huán)境今天能跑明天就崩。虛擬環(huán)境本質(zhì)就是給每個項(xiàng)目一個獨(dú)立的第三方庫目錄互不干擾就像每個租戶有自己的房間公共區(qū)域只留一個Python解釋器。這個習(xí)慣一定要從第一天培養(yǎng)。編輯器方面VS Code目前是最平衡的選擇裝一個Python擴(kuò)展就能提供提示和調(diào)試。打開項(xiàng)目后按CtrlShiftP執(zhí)行“Python: Select Interpreter”選中你虛擬環(huán)境里的解釋器這樣代碼提示、調(diào)試、運(yùn)行才會指向正確的環(huán)境。不少新手代碼明明在終端能跑在VS Code里報(bào)“No module named requests”十有八九就是解釋器沒選對。2.2 語法、函數(shù)與代碼思維的三個要點(diǎn)語法本身并不難難的是從“看教程”切換到“寫代碼”的思維方式。以Python函數(shù)為例定義函數(shù)其實(shí)就是三件事輸入、處理、輸出。你看招聘里常出現(xiàn)的“python定義函數(shù)”面試官真正考察的不是你能不能寫def而是能不能把一段重復(fù)邏輯抽出來參數(shù)、返回值設(shè)計(jì)得是否合理。比如你寫一段自動發(fā)消息的腳本用了幾十行重復(fù)調(diào)用就應(yīng)該考慮抽函數(shù)def send_message(name: str, level: str info) - bool: text f[{level.upper()}] 用戶{name}的任務(wù)已完成 # 模擬發(fā)送邏輯 print(text) return True注意缺省參數(shù)和類型標(biāo)注這些細(xì)節(jié)是團(tuán)隊(duì)協(xié)作時別人愿意看你代碼的原因。很多經(jīng)典趣味題比如李白打酒、猴子吃桃看起來是數(shù)學(xué)題實(shí)際上訓(xùn)練的就是“把文字描述轉(zhuǎn)成變量和循環(huán)”的能力這個翻譯過程在面試手撕代碼環(huán)節(jié)非常常用。我建議有空就挑幾道這樣的題目練手比刷那種幾百道的大題庫更高效。2.3 從腳本到可維護(hù)程序的四個習(xí)慣寫完能跑的腳本只是第一步真正的分水嶺在于可維護(hù)性。我參與過很多代碼評審發(fā)現(xiàn)新人代碼普遍有幾個問題一是全局變量滿天飛二是函數(shù)超過兩百行三是不寫日志、出錯只能靠print輸出猜四是腳本路徑寫死換臺機(jī)器就得改代碼。針對這四點(diǎn)養(yǎng)成習(xí)慣就好。路徑盡量用os.path.join拼不要寫死C:/Users/xxx/data.xlsx關(guān)鍵節(jié)點(diǎn)用logging模塊記日志比print專業(yè)得多函數(shù)盡量控制在幾十行內(nèi)做單一職責(zé)涉及外部系統(tǒng)狀態(tài)的地方不要默認(rèn)成功要檢查返回值。這些習(xí)慣在入職之后會讓你少挨很多罵在面試時也能作為項(xiàng)目經(jīng)驗(yàn)講出來。3. 自動化四大實(shí)戰(zhàn)方向逐個擊破3.1 接口自動化requests加pytest從0到1接口自動化是門檻最低、見效最快、面試命中率最高的方向。它測的是服務(wù)端接口返回是否符合預(yù)期不依賴界面元素所以穩(wěn)定性好適合做持續(xù)集成回歸。技術(shù)棧就三個requests發(fā)請求pytest組織用例allure生成報(bào)告。我以一個登錄接口為例先說最小可運(yùn)行版本import requests BASE_URL https://your-server.example.com/api def test_login_success(): resp requests.post( f{BASE_URL}/login, json{username: demo, password: 123456} ) assert resp.status_code 200 data resp.json() assert data[code] 0 assert data[data][token]這是最基礎(chǔ)的用例。真實(shí)項(xiàng)目中登錄成功的用例只是冰山一角你還得覆蓋密碼錯誤、賬號不存在、參數(shù)缺失、并發(fā)同一賬號登錄等場景。這時候就體現(xiàn)出pytest參數(shù)化的價值import pytest import requests cases [ (demo, 123456, 0), # 期望成功 (demo, wrong_pass, 1001), # 密碼錯誤 (, 123456, 1002), # 用戶名為空 ] pytest.mark.parametrize(username,password,expect_code, cases) def test_login_cases(username, password, expect_code): resp requests.post( https://your-server.example.com/api/login, json{username: username, password: password} ) assert resp.json()[code] expect_code你看三行數(shù)據(jù)的用例代碼幾乎沒有重復(fù)。這就是“數(shù)據(jù)驅(qū)動測試”的基本形態(tài)。實(shí)際做接口項(xiàng)目時還會遇到關(guān)聯(lián)接口的問題——登錄拿token后續(xù)請求帶token。這種場景通常用pytest的fixture解決把獲取token的步驟放到fixture里多個用例復(fù)用pytest.fixture(scopesession) def token(): resp requests.post( https://your-server.example.com/api/login, json{username: demo, password: 123456} ) return resp.json()[data][token] def test_get_profile(token): resp requests.get( https://your-server.example.com/api/profile, headers{Authorization: fBearer {token}} ) assert resp.status_code 200這里scopesession表示整個測試會話只登錄一次避免每個用例都重新登錄浪費(fèi)時間和服務(wù)器資源。接口自動化的核心思路就這么簡單把手工在Postman里點(diǎn)的請求改為用代碼去驗(yàn)證。3.2 UI自動化Playwright的穩(wěn)定性和可維護(hù)性UI自動化是很多人入門的第一個自動化方向也是最容易翻車的一個方向。Selenium的痛點(diǎn)在于元素定位不穩(wěn)定、等待機(jī)制容易出事、瀏覽器驅(qū)動還得手動下載對應(yīng)版本。如果你現(xiàn)在才開始學(xué)我建議直接上手Playwright。Playwright好在哪里一是自動下載瀏覽器內(nèi)核不用再為Chrome版本和driver版本不匹配折騰二是內(nèi)置webdriver的替代協(xié)議執(zhí)行速度更快三是自帶自動等待機(jī)制大部分情況下你不用寫顯式等待四是提供了 trace 回放用例失敗時可以查看完整的操作錄屏和調(diào)用棧。這幾點(diǎn)在排障和CI執(zhí)行中非常寶貴。一條典型的UI用例是這樣from playwright.sync_api import sync_playwright def test_login_and_check_dashboard(): with sync_playwright() as p: browser p.chromium.launch(headlessFalse) page browser.new_page() page.goto(https://your-app.example.com/login) page.get_by_label(用戶名).fill(demo) page.get_by_label(密碼).fill(123456) page.get_by_role(button, name登 錄).click() page.wait_for_url(**/dashboard) assert page.get_by_text(歡迎回來demo).is_visible() browser.close()注意這里用的是get_by_label、get_by_role這類語義化定位器而不是Selenium時代常用的XPath或者CSS全文匹配。語義定位器的好處是按鈕位置變了、CSS類名變了只要標(biāo)簽的文字和結(jié)構(gòu)語義沒變腳本就不會掛。這在日常版本迭代中能省太多事。UI自動化的黃金法則是“能不用UI測就別用UI測”。UI層只覆蓋最關(guān)鍵的核心路徑比如登錄、下單、提交審核這類高價值流程其余能下沉到接口層的都放到接口層。UI用例跑得慢、容易波動全堆在UI層會讓維護(hù)成本爆炸。3.3 運(yùn)維自動化Ansible、子進(jìn)程與云主機(jī)模板運(yùn)維自動化是另一個技術(shù)含量很高的方向也是招聘市場缺口集中的地方。核心思路是把重復(fù)的服務(wù)器操作變成可重復(fù)執(zhí)行的劇本。Ansible是無Agent架構(gòu)基于SSH工作意味著你不需要在每臺目標(biāo)機(jī)器上安裝客戶端這對網(wǎng)絡(luò)設(shè)備自動化運(yùn)維和批量Linux服務(wù)器管理來說非常方便。先看Ad-Hoc命令怎么批量操作# 批量ping測試所有web服務(wù)器 ansible web -m ping # 批量安裝nginx ansible web -m apt -a namenginx statepresent --become一條命令就能在上百臺機(jī)器上執(zhí)行同一個操作。但生產(chǎn)環(huán)境更推薦寫Playbook因?yàn)镻laybook有明確的步驟、任務(wù)定義和冪等性重復(fù)執(zhí)行不會重復(fù)安裝或改出問題- name: 部署 Web 服務(wù)并下發(fā)配置 hosts: web become: yes tasks: - name: 安裝 nginx apt: name: nginx state: present - name: 寫入站點(diǎn)配置 template: src: site.conf.j2 dest: /etc/nginx/conf.d/site.conf notify: restart nginx handlers: - name: restart nginx service: name: nginx state: restarted這套劇本的風(fēng)格很典型安裝軟件、下發(fā)模板配置、觸發(fā)服務(wù)重啟。運(yùn)維同學(xué)看到template、notify、handler這些關(guān)鍵字就知道這是標(biāo)準(zhǔn)的Ansible寫法。此外云虛擬機(jī)的自動化交付也值得深耕比如PVE 9.0配合Debian 13再用Cloud-Init做虛擬機(jī)模板本質(zhì)上就是把“裝系統(tǒng)、配網(wǎng)絡(luò)、注入SSH密鑰、安裝基礎(chǔ)軟件”這個過程固化下來需要新虛擬機(jī)時幾分鐘就能克隆出來。這套技能在規(guī)模稍大的公司非常有價值也是簡歷上可以單獨(dú)寫一條的亮點(diǎn)。如果你的環(huán)境不適合上Ansible或者只是本地快速執(zhí)行幾條命令用Python的subprocess模塊也可以import subprocess result subprocess.run( [df, -h], capture_outputTrue, textTrue, timeout30 ) print(result.stdout)注意一定設(shè)置timeout避免命令卡死導(dǎo)致腳本掛死同時檢查returncode命令執(zhí)行失敗要能感知而不是盲目往下走。3.4 辦公與數(shù)據(jù)自動化Excel、報(bào)表和定時任務(wù)這個方向?qū)Ψ菧y試、非運(yùn)維崗位的人來說價值最大。很多人被Excel折磨得死去活來其實(shí)Python處理Excel非常優(yōu)雅。pandas負(fù)責(zé)數(shù)據(jù)計(jì)算openpyxl負(fù)責(zé)讀寫Excel格式配合起來日報(bào)、周報(bào)、匯總統(tǒng)計(jì)都是秒級完成。比如你每周都要從幾個部門的原始表格里匯總銷售額手工做要一個下午腳本只要這樣import pandas as pd df pd.read_excel(raw_sales.xlsx, sheet_name明細(xì)) summary df.groupby(地區(qū))[金額].sum().reset_index() with pd.ExcelWriter(report.xlsx) as writer: df.to_excel(writer, sheet_name原始明細(xì), indexFalse) summary.to_excel(writer, sheet_name地區(qū)匯總, indexFalse)兩行核心代碼匯總完成。pandas的groupby就是Excel里的透視表reset_index把分組后的索引轉(zhuǎn)成普通列。很多熱搜詞里提到“python寫入excel”實(shí)操中注意pandas的to_excel依賴于openpyxl引擎如果報(bào)缺少引擎就是缺了pip install openpyxl。除了Excel辦公自動化還包括自動發(fā)郵件、批量處理文件、生成格式化的報(bào)告。比如自動發(fā)周報(bào)郵件可以用smtplib定時執(zhí)行腳本可以用Windows任務(wù)計(jì)劃程序或者Linux下的crontab。每周五下午四點(diǎn)半跑一次統(tǒng)計(jì)并把結(jié)果發(fā)到群里這種完全無人值守的流程做一次就能證明你的工程能力。說句題外話有人用turtle畫中秋節(jié)祝福動畫哄對象原理跟這個沒區(qū)別——把重復(fù)的輸出動作交給代碼人的精力用來決定規(guī)則。4. 求職視角項(xiàng)目包裝與面試高頻題拆解4.1 自動化項(xiàng)目的三個包裝原則技術(shù)再好簡歷寫得一塌糊涂也白搭。我?guī)腿烁倪^很多簡歷發(fā)現(xiàn)自動化方向的項(xiàng)目最容易犯三個毛病一是寫“熟悉Python、熟悉pytest”這種泛泛的詞沒有量化結(jié)果二是項(xiàng)目名稱起得大實(shí)際內(nèi)容只有幾十行腳本三是不講業(yè)務(wù)背景面試官看不出你解決了什么真實(shí)問題。好的項(xiàng)目描述要遵循“量化、場景化、難點(diǎn)化”三個原則。量化是說有數(shù)字比如“接口回歸用例覆蓋20個核心模塊共380條用例執(zhí)行時間從120分鐘降至8分鐘”場景化是說講清楚在什么業(yè)務(wù)背景下做這件事“訂單退款流程涉及3個接口和2種異常狀態(tài)手工聯(lián)調(diào)耗時且易遺漏于是搭建數(shù)據(jù)驅(qū)動測試框架”難點(diǎn)化是說突出你解決過什么問題“用fixture實(shí)現(xiàn)登錄態(tài)復(fù)用解決并發(fā)用例下token沖突問題”。面試官一眼掃過去就知道你是一個能干活、能思考、能拿出結(jié)果的人。4.2 面試真題與答題框架最近很多人在聊自動化測試面試題說明這一塊確實(shí)是求職者最焦慮的環(huán)節(jié)。我總結(jié)了幾個高頻題目并給出答題框架?！皃ytest的fixture是什么和conftest.py有什么關(guān)系”答題時先給定義——fixture是做前置準(zhǔn)備和后置清理的機(jī)制比如創(chuàng)建數(shù)據(jù)庫連接、登錄獲取token。再給使用場景——多個測試模塊共享一套初始化邏輯時把fixture放到conftest.py中pytest會自動發(fā)現(xiàn)并注入。這樣回答既有概念又有實(shí)操感?！敖涌跍y試遇到依賴接口怎么處理”答題要點(diǎn)是先分析依賴類型是同業(yè)務(wù)鏈路的數(shù)據(jù)依賴還是環(huán)境狀態(tài)的依賴再用fixture按需獲取把調(diào)用前的數(shù)據(jù)準(zhǔn)備封裝起來最后是設(shè)計(jì)上盡量做到冪等比如創(chuàng)建訂單前先刪除可能殘留的臟數(shù)據(jù)。這一題主要考你是不是真的做過聯(lián)調(diào)而不是只會發(fā)單個請求?！癠I自動化用例不穩(wěn)定你如何排查”答題框架是三步第一步看失敗截圖和trace錄屏定位是元素沒找到還是加載超時第二步檢查是否用了固定sleep建議改為顯式等待或利用Playwright的自動等待機(jī)制因?yàn)閟leep在慢環(huán)境會超時、快環(huán)境會浪費(fèi)時間第三步排除環(huán)境因素如測試數(shù)據(jù)被污染、瀏覽器緩存、網(wǎng)絡(luò)波動等。能講出這個排查順序說明你有真實(shí)排障經(jīng)驗(yàn)。還有一道手寫題很常見“寫一個裝飾器計(jì)算函數(shù)執(zhí)行時間?！背Ｒ妼?shí)現(xiàn)是import time import functools def timer(func): functools.wraps(func) def wrapper(*args, **kwargs): start time.perf_counter() result func(*args, **kwargs) elapsed time.perf_counter() - start print(f{func.__name__} 耗時 {elapsed:.4f} 秒) return result return wrapper注意里面的functools.wraps不是可有可無的它能保留原函數(shù)的__name__和__doc__這種細(xì)節(jié)會給你加分。面試官看我答題時答出perf_counter而不是time.time印象分會明顯提升因?yàn)榍罢呤菍ｉT用于測量短間隔的高精度計(jì)時器。5. 真實(shí)踩坑實(shí)錄與排查速查表5.1 環(huán)境和依賴問題速查日常使用中環(huán)境類問題占了一半以上的新人提問。我把高頻問題整理成速查表建議直接收藏?，F(xiàn)象常見原因解決方案pip install報(bào)SSL錯誤網(wǎng)絡(luò)原因或鏡像源不穩(wěn)換國內(nèi)鏡像源pip install -i https://pypi.tuna.tsinghua.edu.cn/simple 包名import numpy/sklearn失敗包未安裝或裝錯了環(huán)境pip list確認(rèn)再檢查VS Code解釋器指向哪個Pythonpython不是內(nèi)部或外部命令Windows PATH未配置重新安裝時勾選Add to PATH或手動加系統(tǒng)變量matplotlib中文亂碼缺少中文字體指定字體plt.rcParams[font.sans-serif] [SimHei]畫圖X軸標(biāo)簽太密集刻度數(shù)太多使用plt.xticks(rotation45)并設(shè)置步長為plt.xticks(ticks[::5])畫圖橫坐標(biāo)太密的問題特別常見很多人拿到一天的數(shù)據(jù)直接plot結(jié)果X軸擠成一條黑線其實(shí)兩步就解決抽樣步長和旋轉(zhuǎn)角度。先取一部分刻度再旋轉(zhuǎn)45度圖面立刻清爽。5.2 自動化腳本穩(wěn)定性的血淚教訓(xùn)腳本能跑和腳本能天天跑完全是兩回事。我踩過最深的一個坑是測試數(shù)據(jù)污染。接口測試用例第一次跑通過了第二次跑就失敗查了半天發(fā)現(xiàn)第一次創(chuàng)建的記錄沒有清理第二次用例命中相同唯一鍵直接沖突。從此我所有用例都要求“自帶清理”測試前先把該刪除的臟數(shù)據(jù)刪掉測試結(jié)束把創(chuàng)建的數(shù)據(jù)也刪掉保證用例冪等。第二個常見坑是等待邏輯。很多人寫UI腳本喜歡time.sleep(3)這在一次運(yùn)行可能沒問題放到CI里就是災(zāi)難——系統(tǒng)負(fù)載高時3秒不夠負(fù)載低時又白白等3秒。Playwright的自動等待能解決大部分問題但接口場景如果有異步任務(wù)我一般會輪詢等待任務(wù)狀態(tài)設(shè)置過期時間而不是固定sleep。第三個坑是忽略失敗路徑。很多人寫的自動化用例只有“快樂路徑”只測成功場景一到真實(shí)環(huán)境就崩。優(yōu)秀的自動化工程師會把異常路徑也寫成用例數(shù)據(jù)庫連不上、第三方接口超時、消息隊(duì)列堆積這些狀態(tài)都要有對應(yīng)的斷言和降級策略。你在面試中講出這些層次就完全不一樣了。5.3 學(xué)習(xí)節(jié)奏和求職節(jié)奏建議最后說一下節(jié)奏。我發(fā)現(xiàn)一個規(guī)律學(xué)了Python忍不住拿它做的人進(jìn)步最快而只跟著視頻看的人半年后還在原地。所以無論你選哪個方向請?jiān)谝恢苤畠?nèi)做出一個真實(shí)的、能解決自己問題的小工具哪怕是自動整理桌面文件、批量重命名照片這種幾十行的腳本。求職的節(jié)奏則要分三步走。第一步是技能基線用兩周時間把環(huán)境、語法、請求庫、pytest基礎(chǔ)過一遍第二步是項(xiàng)目實(shí)戰(zhàn)做一個接口自動化或運(yùn)維腳本的完整項(xiàng)目把代碼、報(bào)告、README都整理好放上GitHub第三步才是投簡歷不建議海投篩選出5到10家崗位方向和你項(xiàng)目契合的公司針對性地改簡歷和準(zhǔn)備面試話術(shù)。我見過太多人跳過前兩步直接投結(jié)果面試官問他“項(xiàng)目里最難解決的問題是什么”時支支吾吾答不上來。項(xiàng)目一定要是自己跑出來的不是背出來的。我個人帶了幾波新人之后最大的體會是Python自動化真正考驗(yàn)?zāi)愕牟皇钦Z法背得多熟而是面對一個重復(fù)性任務(wù)時你的第一反應(yīng)是“這段我能不能寫成腳本”。這個念頭一旦成為本能你就已經(jīng)吃上了這碗技術(shù)飯。再往下走框架是順手學(xué)的事經(jīng)驗(yàn)是踩坑堆出來的事節(jié)奏放穩(wěn)剩下的交給時間。