“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(lài)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(lèi)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(lèi)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(lèi)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(lèi)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(lèi)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(chēng)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(chēng)、所屬大類(lèi)、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(lèi)數(shù)值是該大類(lèi)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(lèi)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(lèi)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(lài) 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(zhuān)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(lèi)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(lèi)平均等級(jí)映射到雷達(dá)圖上。如果你的技能分類(lèi)不是五類(lèi)也沒(méi)關(guān)系腳本會(huì)自適應(yīng)分類(lèi)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(lèi)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(lèi)。在skills.yaml里先寫(xiě)好三個(gè)大類(lèi)基礎(chǔ)理論、后端技術(shù)、工程能力。錄入技能。每個(gè)類(lèi)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(lèi)平均分。定一個(gè)動(dòng)作。雷達(dá)圖上哪個(gè)大類(lèi)最低下個(gè)月就圍繞這個(gè)大類(lèi)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(lèi)和重疊怎么去重技能分類(lèi)最容易遇到的坑是一項(xiàng)技能同時(shí)屬于兩個(gè)大類(lèi)。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(lèi)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(lèi)里掛載一次其他大類(lèi)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(lèi)目標(biāo)不清晰的映射方式。分類(lèi)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(lèi)別里存在過(guò)。如果存在那就在原類(lèi)別里補(bǔ)充描述而不是在多個(gè)類(lèi)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(lèi)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(lèi)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(lèi)里分類(lèi)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(lèi)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(lèi)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(lèi)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。