与「工程文化」相关的搜索结果

推荐这篇，Dan McKinley（前 Etsy 工程师）写的经典工程文化文章。他说每个公司大约有三次"创新 token"的机会——你选了 NodeJS、MongoDB、使用不到一年的服务发现技术，每次都是花掉一次。而选 MySQL、Postgres、Python、Cron……这些无聊技术的好处在于，不仅功能被充分理解，失败模式也被充分理解。这不是一篇反对新技术的文章——是教你什么时候该用新技术、为什么要给团队设定"使用新东西需要全公司知道"的文化。 选择无聊的技术 我职业生涯中发生的最好的事，大概是有 Kellan 管我。我在那里待得够久，看到了 Kellan 的技术决策开始结出果实。我从中并且作为其结果学到了很多东西。 离开 Etsy 一年后，我重新恢复了对技术的关注能力。我的思考已经结晶到可以连贯地写下来的程度。以下是 Kellan 式思考的总结——希望不会让他太过尴尬。 拥抱无聊 设想每个公司大约有三个创新 token。你可以随心所欲地花它们，但供应量在一段长时间内是固定的。你也许在达到一定程度的稳定和成熟之后能再多拿到几个，但一般倾向是高估你钱包里有多少。 如果你选择用 NodeJS 写你的网站，你刚花掉了一个创新 token。如果你选择用 MongoDB，你刚花掉了一个创新 token。如果你选择用存在了一年或不到的服务发现技术，你刚花掉了一个创新 token。如果你选择自己写数据库——天哪，你麻烦大了。 这些选择中任何一个对一家 JavaScript 咨询公司或一家数据库公司可能是合理的。但你大概率不是。你大概率在为一家至少表面上是"重新思考全球商务"或"重新发明网络支付"或推进某个同样适当宏大的使命的公司工作。在这个背景下，把你有限的注意力用在创新 SSH 上，是一种极好的失败方式。或者至少是延迟成功的方式。 什么算无聊？这有点微妙。"无聊"不应该和"坏"混为一谈。世界上有既无聊又坏的技术——你不应该用这些。但有很多无聊且好的技术选择，或至少足够好。MySQL 是无聊的。Postgres 是无聊的。PHP 是无聊的。Python 是无聊的。Memcached 是无聊的。Squid 是无聊的。Cron 是无聊的。 无聊的美妙之处（如此定义下）在于这些工具的能力是被充分理解的。但更重要的是，它们的失败模式也是被充分理解的。 在选择技术时，你既有已知的未知，也有未知的未知。 • 已知的未知是类似这样的："我们不知道这个数据库达到 100% CPU 时会发生什么。" • 未知的未知是类似这样的："老天，我们甚至没有想到写统计量会导致 GC 暂停。" 哪怕对于已经存在了几十年的技术，这两种集合通常都是非空的。但对于闪亮的新技术来说，未知的未知的量级要大得多——这很重要。 全局优化 我毫无歉意地认为偏袒无聊技术是一件好事，但它不是唯一需要考虑的因素。技术选择不是在孤立状态下发生的。它们有一个影响范围，触及整个团队、组织，以及从你所有选择之和里涌现出的系统。 向公司添加技术是带成本的。作为一个抽象陈述这很显而易见：如果我们已经在用 Ruby，再加 Python 感觉不合理，因为增加的复杂性会超过 Python 的边际效用。但不知何故当我们谈论 Python 和 Scala 或 MySQL 和 Redis 时，人们失去了理智，抛弃了所有约束，开始狂热地谈论为任务选最佳工具。 你的工作本质上是将业务问题映射到一个涉及软件选择的解空间上。如果软件选择真的没有包袱，你确实可以为你各种各样问题挑一堆局部最佳的工具。 但在现实世界里——那个运维是严重关切的世界——你是在全局优化。问题在于"最佳工具"思维对它眼中的"最佳"和"任务"是近视的。你的任务是保持公司运转。而"最佳"工具是那个在尽可能多的问题上占据"最不差"位置的工具。 保持系统可靠运行的长期成本基本上总是远远超过你在构建时遇到的任何不便。成熟和多产的开发者理解这一点。 有时选择新技术 把这种推理推到归谬的极端，就是选 Java，然后尝试不借助任何其他东西来实现一个网站。那将是疯狂的。你需要一些向工具箱里添加东西的方法。 重要的第一步是承认这是一个过程，以及一场对话。新技术最终会产生公司层面的影响，所以添加技术是一个需要公司层面可见度的决定。 最值得推荐的练习之一是：考虑如何在不添加任何新东西的情况下解决你的当前问题。 首先，提出这个问题应该能检测到"问题"其实是有人真的想用这项技术的情况。如果是这样，你应该立即否决。 一个小的技术选择集合能走多远，可能令人惊讶。实践中这个问题的答案几乎从来不是"我们做不到"，它通常只是某种程度上的"嗯，我们可以做到，但会太难了"。如果你认为你用现有的工具无法实现你的目标，你大概只是不够有创造力地思考。 写下到底是什么让当前技术栈如此昂贵和困难地解决问题，这会有帮助。这和上一个练习相关，但有微妙的不同。 新技术选择可能是纯增量式的（比如："我们还没有缓存，所以让我们加 memcached"）。但它们也可能与你已经在使用的东西重叠或替换它。如果是这样，你应该为将旧功能迁移到新系统设定明确的期望。 策略通常应该是"我们承诺迁移"，带有建议的时间线。这一步的目的是把残骸保持在可管理的水平，并避免局部最优解的泛滥。 这个过程并不令人生畏，也不麻烦。就是几个填空题作为作业，然后开个会讨论一下。我认为，如果一项新技术能毫发无损地通过这个挑战，加入它是可以的。 发版就好 多语言编程被包装成一个承诺：让开发者以完全的自由选择自己的工具，会使他们更有效地解决问题。这个问题的定义往好了说是幼稚的，往坏了说是动机性推理。这种方式产生的日常运维苦力的重量把你压死。 有意识地选择技术给了工程头脑真正的自由：沉思更大问题的自由。为技术而技术是万金油。 原文：Dan McKinley, "Choose Boring Technology", 2015 #工程文化# #技术选型# #无聊技术#

再次推荐 Google Engineering & DevRel Leader @addyosmani 重磅开源的 Agent Skills (69.7✨)，把资深工程师的生产级工程纪律，固化为 AI Agent 可机械执行、强制验证、跨工具复用的工作流 Agent Skills: Production-grade engineering skills for AI coding agents. 它要解决什么问题？ AI Coding Agent 的默认行为是"走最短路径"——跳过规格、跳过测试、跳过安全评审，给出能跑但不可靠的代码。Agent Skills 的立论是：质量不靠提醒出来的，要靠强制流程托底的。它把"什么时候写规格、测什么、怎么评审、何时发布"这类隐性工程判断，固化成 Agent 必须遵循的步骤。 顶层架构：六阶段生命周期 DEFINE → PLAN → BUILD → VERIFY → REVIEW → SHIP /spec /plan /build /test /review /ship 8 个 slash 命令作为入口，分别对应一个阶段，自动激活对应 Skills。Skills 也会按上下文自动触发（写 API → api-and-interface-design，写 UI → frontend-ui-engineering）。/build auto 在一次批准后自动跑完计划与实现，但每个任务仍独立测试、独立提交、遇险即停。 24 个 Skills 的分布 1. Meta - 1 个 using-agent-skills（路由，决定该用哪个技能） 2. Define - 3 个 interview-me、idea-refine、spec-driven-development 3. Plan - 1 个 planning-and-task-breakdown 4. Build - 7 个 incremental-implementation、test-driven-development、context-engineering、source-driven-development、doubt-driven-development、frontend-ui-engineering、api-and-interface-design 5. Verify - 2 个 browser-testing-with-devtools、debugging-and-error-recovery 6. Review - 4 个 code-review-and-quality、code-simplification、security-and-hardening、performance-optimization 7. Ship - 6 个 git-workflow-and-versioning、ci-cd-and-automation、deprecation-and-migration、documentation-and-adrs、observability-and-instrumentation、shipping-and-launch 几个值得点名的设计取向 · doubt-driven-development：对抗性"新上下文复盘"，CLAIM → EXTRACT → DOUBT → RECONCILE → STOP，可选跨模型升级。这是该仓库比较有原创性的一项，针对高代价/不可逆决策。 · source-driven-development：框架决策必须挂在官方文档上，要引源、要标注未验证项。直接对治 LLM 编造 API。 · deprecation-and-migration 把"代码即负债"单列为技能，配套强制 vs 建议性弃用模式与僵尸代码清除——很少见但有工程味。 · Google 工程文化底蕴：Hyrum's Law（API）、Beyonce Rule 与测试金字塔（测试）、变更尺寸约 100 行 + 评审速度规范（评审）、Chesterton's Fence（简化）、主干开发（git）、Shift Left 与 feature flag（CI/CD）。来源明确标注自《Software Engineering at Google》与 Google 工程实践指南。

The Coming Loop @mitsuhiko 即将到来的 Loop 与我们让渡的判断力！ 在 Claude Code 构建者 Boris Cherny 和 OpenClaw 构建者 Peter Steinberger 几乎同时提出「Loop Engineering」的概念后，这篇对 Loop 的反思更值得认真阅读。 把 Loop 区分为两层循环 1. 内层是 agent loop（模型说"完成"即止） 2. 外层是 harness loop——由 harness 判定"完成"是否为真，否则续接 session、注入任务、转交他机，把任务生命延长到模型本会主动停下的点之外。 对 loop 的抗拒：循环放大了 LLM 代码的系统性缺陷 LLM 产出的代码本就过度防御、回避强不变量、用 fallback 兜底而非让坏状态不可表达（Karpathy 称其"恐惧异常"）。 循环会放大这一倾向：每轮叠加一层局部防御，系统在看似更健壮的同时变得更难理解，越放手越严重。 作者甚至判断，当下放手式 harness 产出的代码反而不如去年秋天——因为模型现在能连续无人干预运行数十分钟。 loop 真正有效的领域及共性 移植（Bun 从 Zig 到 Rust、MiniJinja 到 Go）、性能探索、安全扫描、研究——共性是要么不产生新代码（只变换已有代码），要么产出无需长寿（POC、机械翻译）。 关键在于 harness 续接所需的信号不必客观二元，只需"有用到足以驱动下一轮"。 核心隐喻：从"机器"到"有机体" · 传统工程文化追求可剥开理解的确定性机器 · LLM 把我们推向"软件即有机体"——用机器写、用机器诊断施治、生产事故首步已是机器读日志提补丁并被另一机器 review 合入。 我们治疗、监控、稳定它，但未必理解它。 为何无法退出：安全与竞争的双重夹击 即便你不 loop，攻击者与安全研究者会持续对你的软件 loop（curl 维护者已被 AI 报告淹没，防御方也不得不 loop 来分流复现）；竞争上，少数掌握机器编排的团队将以极小规模跑出过去几十人的速度。速度、试错、覆盖率至上的领域，循环几乎无可阻挡。 最深的隐忧：认知依赖 金钱依赖之外更危险的是认知依赖。 若代码库由循环产出、review、打补丁、维持生命，一旦失去同类系统访问权（贸易限制、成本失控、或团队彻底丧失不靠机器理解代码的能力）将如何？ 这已在发生：人合并不完全能解释的代码，不借 LLM 就写不出 issue、聊不清问题。 本质：判断与责任的让渡 内层循环里人仍 steering、能学习；外层循环里"完成"信号失去意义，只被传递给另一台机器评判，人的角色退化为信使。 作者立场清醒：问题不再是"是否会 loop"（答案已是"会"），而是"在循环的未来里，如何不让渡判断力、保留工程规则、确保人能持续监督、重新思考代码架构以维持理智"。 他对 Pi 的态度亦如此——不抵制循环，但必须主动实验以理解如何让这个未来有界、可存活。

预测市场基础设施的崛起：@tradebetterapp 如何以 HFT + AI 重塑交易边缘 预测市场正从加密生态的边缘实验演变为全球最具分辨率的真相引擎。Polymarket 等平台成交量持续创下历史新高，2025 年预测市场全行业单月成交多次突破 280 亿美元，累计历史成交量已接近 450 亿美元。资本正从永续合约的零和赌场加速流出，转向由真实世界事件驱动、可通过 oracle 验证结算的市场。 这一结构性轮动源于永续合约的系统性缺陷：高杠杆、流动性拉扯、止损猎杀和市场操纵频发。监管行动已多次证实部分做市商通过洗单和针对性流动性撤出收割零售仓位。相比之下，预测市场提供二元结算、有限时长和外部事实锚定，无法被轻易 wick 或操纵，成为机构和零售资本共同认可的信息基准。 @tradebetterapp（ $BETTER）定位为 Quant + AI 实验室，配备 HFT 级基础设施，核心口号“Our Edge is Your Edge”。 Better 并非简单信号聚合或跟单 bot，而是将顶级交易者的微秒级执行优势与 AI 代理能力民主化。主要产品包括： - BETTER Terminal：实时鲸鱼信号发现 + 一键/两键执行终端 - The Vault：全球首个 Agentic Polymarket ETF，被动量化收益金库 Better 强调“预测市场时代的真相引擎”，通过 Rust 构建的基础设施与 Polymarket CLOB 共同定位，实现亚毫秒级信号摄入和执行，彻底解决零售用户的延迟劣势。 尽管预测市场结算公平，但零售参与者仍面临严重劣势： - 新闻事件到执行延迟通常达 30 秒以上，而专业玩家在 10-100 毫秒内完成动作 - 顶级玩家通过限价单提供流动性并持续获利 - 利润高度集中，前 1% 用户占据超 76% 收益（基于数亿美元成交数据分析） - 大多数用户依赖市价单，成为他人退出流动性 - 89% 零售钱包整体亏损，仅 12.7% 实现正收益，赚取 1000 美元以上即可进入前 0.51% 这些痛点在高频催化剂市场（美联储决策、选举、地缘冲突、体育赛事、科技事件）中被进一步放大，导致零售资本持续流失。 ➡️ BETTER 的技术架构与执行优势 BETTER 采用 Rust 语言构建 HFT 基础设施，与交易场所共同定位，确保信号摄入和执行在亚毫秒级完成。创始人 Ary Chhaya 的背景为项目注入“偏执驱动”的工程文化：曾申请 1200 多份量化职位被拒后自学 Rust，专注于真实物理层执行边缘。 关键技术亮点包括： - 与 OpenServ AI 深度合作，利用 Z-Score 算法每天过滤 4 万至 10 万个信号 - 只镜像具备不对称信息优势的 insider 钱包，排除纯运气或 degen 交易者 - 信号卡实时展示钱包地址、仓位规模、置信度（90% 以上）以及买卖方向 - 强化学习代理结合 Kelly 准则、仓位管理、多重 EV 检查（合格市场、新鲜订单簿、oracle 验证、波动率模型、非交叉价格、正期望值、逆向选择和费用） - 终端 God Mode：支持 15 分钟级 BTC、ETH、XRP、SOL 等市场，过滤鲸鱼体量与方向流 这些设计使 Terminal 成为高效噪声过滤器，用户可追踪顶级钱包并即时执行，而非成为退出流动性。 The Vault 是项目最具创新性的产品。它部署 OpenServ BRAID 协议驱动的强化学习代理，对顶级交易者进行动态排名和镜像，形成自适应量化基金而非静态跟单。 Vault 核心机制： - 动态池化最盈利钱包，Z-Score 严格区分真实边缘与随机运气 - 自动化风险控制：抽取限制、分数 Kelly 仓位、深度检查、LLM 波动率管理 - 协议费 20% 用于 $BETTER 回购燃烧及 GPU 集群训练 AI 代理，形成正向财富循环 - 未来 vBETTER 凭证支持 Uniswap 24/7 退出，实现真正流动性，无需等待赎回窗口 - 基链速度 + Polymarket 流动性抽象 早期私测数据显示，部分信号实现单笔翻倍，Vault 周化收益达双位数，复制鲸鱼 4x 回报、LLM 仓位管理在波动中显著优于手动策略，以及连续 6 周跑赢自有策略。 这种设计比多数工具类 token 更具可持续性，费用直接反哺基础设施、通缩机制和 AI 训练。 ➡️观察与市场潜力 在 2026 年 AI Agent 浪潮中，BETTER 精准抓住预测市场从加密本地向主流迁移的时机。Polymarket 已成为事实上的信息基准，常被媒体和跨平台套利引用。BETTER 将赛道从单纯信息不对称游戏转变为基础设施竞赛。 如果 Vault 能稳定输出真实 APY，它有望成为预测市场领域的“指数基金”级产品，吸引被动资本大规模流入。同时，项目在执行速度、量化过滤和隐私优先 AI 路由（MESH + SERV）上的投入，使其在熊市和波动环境中具备独特韧性。 ➡️主要风险与注意事项 尽管潜力显著， Better 仍处于早期阶段： - Terminal 闭测已积累 1000 万+ 预测试信号和 40 万+ 私测信号，Vault 即将全面推出，长期表现需持续验证 - 竞争环境加剧，但真正具备 HFT 级基础设施和 Agentic 能力的玩家有限 - 外部风险包括 oracle 准确性、监管灰色地带（内幕交易担忧）、黑天鹅事件及流动性波动 - 代币价值高度依赖持有解锁机制与团队执行力 ➡️总结与实战建议 预测市场是 2026 年加密领域最被低估的结构性叙事。它不依赖 hype，而是依托真实世界分辨率、持续催化剂和公平结算。@tradebetterapp 提供的是可执行的执行速度、量化过滤与被动收益组合，在当前市场环境中尤为珍贵。 主动交易者建议优先测试 Terminal，被动投资者可重点关注 Vault 上线。始终进行独立研究（DYOR），从小仓位开始验证实际效果 。

终端编程 Agent（最接近 Claude Code） 1. OpenCode ⭐ 165k+ - 协议: MIT | 语言: Go/TypeScript - 免费: 完全免费开源，支持 75+ LLM 提供商 - 特色: - 事实上的开源 Claude Code 替代品 - 本地优先架构，支持本地模型（Ollama 等） - Provider-agnostic：同一会话可切换 Claude/Gemini/GPT/本地模型 - 精美 TUI 界面，支持桌面端和 IDE 扩展 - 中国讨论度: 低，国内媒体很少报道 - 🔗 2. Pi ⭐ 54k+ - 协议: MIT | 语言: Python - 作者: Armin Ronacher（Flask/Jinja2 作者） - 免费: 完全免费开源 - 特色: - 系统提示 < 1,000 tokens，极简设计 - "Lazy Skills" 机制：技能按需加载 - 专为 fork 和二次开发设计 - 增长速度惊人（短时间内突破 54k stars） - 中国讨论度: 极低 - 🔗 3. Crush ⭐ 25k+ - 协议: FSL（2年后转MIT）| 语言: Go - 团队: Charm（Bubble Tea 团队） - 免费: 免费使用 - 特色: - 终端美学标杆，极其流畅的 TUI - 多模型支持，会话中可切换模型 - 原生 LSP 和 MCP 支持 - 适合追求终端体验的开发者 - 中国讨论度: 低 - 🔗 4. Qwen Code ⭐ 25k+ - 协议: Apache-2.0 | 语言: TypeScript - 免费: 免费，配合 Qwen 模型有免费额度 - 特色: - 阿里巴巴出品，Gemini CLI 的开源 fork - Gemini CLI 6月停服后，这是其开源延续 - 专门优化 Qwen-Coder 模型 - 国内用户访问友好 - 中国讨论度: 中等（但远低于其价值） - 🔗 --- 通用 Agent 框架 5. OpenClaw - 协议: 开源 | 免费: 完全免费，云版待定 - 特色: - 自托管 AI Agent，50+ 原生集成 - 零外部 API 调用，隐私优先 - 连接 Slack/GitHub/Notion 等无需第三方 API - 支持 Docker 部署 - 中国讨论度: 低 - 🔗 6. Agno - 协议: 开源 | 语言: Python - 免费: 开源免费，平台版 $99/月起 - 特色: - 2 微秒 Agent 运行时间，极致轻量 - 内置记忆、存储、多模态工具 - 生产级 Python 框架 - 适合需要高性能的场景 - 中国讨论度: 极低 - 🔗 7. Hermes Agent ⭐ 60k+ - 协议: 开源 - 免费: 开源免费 - 特色: - 2个月内突破 60k stars，增速最快 - 持久多层记忆：长期语义记忆 + 工作记忆 + 情景日志 - 云优先架构，独立于本地设备 - 30天学习期后能理解用户工作模式 - 与小米 MiMo V2 Pro 合作 - 中国讨论度: 中等（小米合作有报道，但产品本身讨论少） - 🔗 --- MCP 生态工具 8. MCPX (IBM) - 协议: 开源 - 免费: 开源免费 - 特色: - MCP 网关，统一管理多个 MCP 服务器 - Tool Groups：不同团队看到不同工具子集 - Agent 访问控制 + 实时 Prometheus 指标 - 支持 Cursor/Claude Code/VS Code/Copilot 等 - 中国讨论度: 极低 - 🔗 9. ContextForge (IBM) - 协议: 开源 - 免费: 开源免费 - 特色: - 联邦化 AI 网关，跨多集群 Kubernetes - 支持 MCP/A2A/REST-to-MCP/gRPC-to-MCP - 40+ 插件 - OpenTelemetry 追踪 - 中国讨论度: 极低 - 🔗 --- 多 Agent 编排 10. Microsoft Conductor ⭐ 新项目 - 协议: MIT | 版本: v0.1.1 - 免费: 完全免费开源 - 特色: - 微软出品，GitHub Copilot SDK + Anthropic Agents SDK - YAML 定义工作流 + Web 仪表板 - 适合企业级多 Agent 场景 - 中国讨论度: 极低 - 🔗 11. Agent Skills (by Addy Osmani) ⭐ 43.8k+ - 协议: 开源 - 免费: 完全免费 - 特色: - 23 个生产级工程技能 - 7 个斜杠命令覆盖完整开发生命周期 - 编码 Google 工程文化（Hyrum's Law、trunk-based development） - 渐进式披露设计 - 中国讨论度: 低 - 🔗

少年！给你一次机会 你会选择binance还是OKX？ （Binance和OKX都是meme喜欢的交易所） 薪资待遇：⭐⭐⭐⭐⭐（Web3 天花板级别） 创始人：Star Xu（徐明星） 作为极客出身的领导者，Star 至今仍活跃在产品一线。他的管理逻辑是典型的 “工程师文化”：数据说话、逻辑至上、极致打磨。在 OKX，产品力高于一切公关辞令 虽然作为私有公司不披露财报，但根据链上公开手续费消耗及 B 端业务估算： 2025 年净利润约 80-100 亿美元，全球员工约 5000 人 OKX 薪资结构为：Base + 绩效奖金 + 长期激励，公司现金流充沛，整体薪资在 Web3 行业属于顶级水平。部分或全部薪资以稳定币结算：USDT，USDC 标称年终奖：2-4 个月工资，但对于 S 级绩效员工，特别是产研人员：年终奖可能达到：6-12 个月工资包括：高额补充医疗保险，牙科保障，心理咨询支持，同时提供全球团队团建机会（迪拜 / 塞舌尔等），高端办公设备补贴 工作强度：⭐⭐⭐⭐⭐ 极高的薪资，对应的是极高的 职业磨损率。管理风格 公司内部文化：Hardcore（极致硬核）组织结构扁平，但 Star 意志贯穿整个公司。如果产品逻辑存在漏洞，在内部评审会上可能被老板 当面严厉质疑。 公司文化核心拒绝平庸，只欢迎 高度自驱动的极客型人才 Web3 市场 24/7 不休市。因此员工常态：凌晨处理 Bug，跟进美国监管政策 应对市场波动，虽然没有强制打卡制度，但任务优先级极高，异步沟通要求快速响应。 公司被许多人称为：Web3 黄埔军校 入职难度：⭐⭐⭐⭐⭐ 也是top1级别的交易所，考研参考binance的入职难度，并且OKX更喜欢技术人才 求职门槛（非技术）： 依旧，实习生需要有中小交易所或者二线交易所的1-2段经验，或者有在web2互联网头部公司的工作经历，学历能力综合都看 面试流程：三轮筛选 第一轮｜业务面 第二轮｜直属 Leader 面 第三轮 HR面 额外可能有的轮次： • 第4轮：Director/CMO/跨团队面试，或最终Offer讨论 2026年1月：全球机构业务（Institutional Business）重组，机构销售团队约三分之一离职（来源不一：8-10人裁员+3-4人自愿离职，或称团队一半受影响） 部分老员工提到“半年一次10-20%周期性调整”“高离职率”“管理层变动频繁导致不确定性”，文化偏“恐惧驱动”“政治化”。但2026年至今未见全公司大裁（与2025行业裁员潮如Coinbase等不同） OKX官方仍在扩招（官网职位开放中），强调合规+全球牌照布局下的增长。员工真实评价：负面居多提到“突然调整、无明显理由”“工作不稳定”；正面是薪资福利尚可、crypto行业常见 部分老员工提到“半年一次10-20%周期性调整”“高离职率”“管理层变动频繁导致不确定性”，文化偏“恐惧驱动”“政治化”。 但2026年至今未见全公司大裁（与2025行业裁员潮如Coinbase等不同）。OKX官方仍在扩招（官网职位开放中），强调合规+全球牌照布局下的增长。 员工真实评价：负面居多提到“突然调整、无明显理由”“工作不稳定”；正面是薪资福利尚可、crypto行业常见 公司强调定期绩效评审（performance reviews），与核心价值观（如“We Before Me、Do the Right Thing、Get Done”）挂钩，支持职业发展。部分反馈提到“清晰的晋升流程”“市场薪资匹配”“领导关心成长”。但Glassdoor/TeamBlind真实吐槽较多：晋升靠“visible + 忠诚领导”胜过纯绩效，“政治文化重”“favoritism（偏袒）”“legacy员工 vs 新人区别对待”。新人需高强度表现+关系网才能快升 公司强调定期绩效评审（performance reviews），与核心价值观（如“We Before Me、Do the Right Thing、Get Done”）挂钩，支持职业发展。部分反馈提到“清晰的晋升流程”“市场薪资匹配”“领导关心成长”。 但Glassdoor/TeamBlind真实吐槽较多：晋升靠“visible + 忠诚领导”胜过纯绩效，“政治文化重”“favoritism（偏袒）”“legacy员工 vs 新人区别对待”。新人需高强度表现+关系网才能快升 规模：全球5000+员工（2025-2026），分布式运作（总部San Jose/塞舌尔，重点区域新加坡、香港、迪拜、美国等，适应牌照需求）。比Binance（1.4万+）小 关键董事/高管：Akhtar M. Mamode、Jing Wang (JW)、Vincent Xu 等（领导团队相对精简，3位核心Director） meme个人见解： OKX稍稍币binance难度低，有能力的人考研二选一了，其实都差不多，但是两家是宿敌，对于OKX来说，是少了像币安的何一，CZ，等声量大的人物，坐镇的只有一个徐明星 但是对于求职者来说，OKX的业务也非常的广泛，机会也很多（OKX的美女也很多）作为行业发展的最终选择是很不错的

我对赛车了解很浅，但对人的兴趣很高，去年在程前那里看「从县城修车工到年入7亿的车企老板」，印象很深，这几天张雪在WSBK的夺冠消息刷屏，有种合订本的感觉。 这是一个纯血的中国剧本，不值一文的年轻人靠着勤奋聪明，打破所有的质疑和预期证明自己名利双收，很像短剧，然而胜在真实，这次的版本是，艺术固然源于生活，生活却会高于艺术。 不过我要说的也不是跟风赢吹输婊，而是中国制造业的「好处」可能还在被低估。 这么说可能有点奇怪，中国制造业的强大已经有太多材料佐证了，为什么还会认为它被低估了？ 最开始，制造业是承接就业人口的手段，是养活上亿劳动力的饭碗，以2012年的峰值来算，占到了22%以上的全国岗位，这也是张雪赤手空拳开始去重庆创业的年份。 然后你会发现，制造业是有产业带效应的，张雪一个地地道道的湖南人，为什么要去重庆造车，连我这个根本不懂摩托车的人都能理解，重庆出了很多摩托车品牌，比如力帆——感谢那些年看的甲A联赛——配套最齐全，当然适合造车啊。 产业带是集聚效应的成果，当一条产业的上下游工厂都开在「小时达」的接触半径后，所有的成本，包括显性的物流成本和隐性的沟通成本，都会大幅下降，这个时候再用秦晖老师的「低人权优势」去下判断，就解释不通了。 这也是生态的一种，就像黄仁勋放话说竞争对手的芯片哪怕免费出售也撼动不了英伟达的市场优势，姑且不去较真这句大话，他的意思其实是背靠CUDA用了20年经营出来的开发生态，重复造轮子的离开成本其实远远高过芯片本身的溢价成本。 于是就有再然后的，中国在贸易战里越打越顺的既成事实。 贸易战这个事情，颠覆了很多所谓的常识，这很正常，智慧的增长就是需要不断修正自己的认知，比如最经典的「买方市场论」，得罪甲方死路一条。 理论上当然没有任何问题，美国有世界上最强的消费市场，以及同等分量的议价权，供应商不听话，换一个就是，就是这么任性，对吧。 但实际上呢，脱钩喊了这么久，越来越雷声大雨点小，去年还把中国的贸易顺差干到了史无前例的万亿美金级别，不会真以为是穷得响叮当的南方国家填上了美国的市场吧，还不是转口贸易立大功。 如果说转口贸易是中国企业在钻空子，那么问题来了，如果美国本土没有消费需求，这转口也不可能成立啊，反过来也是一样，新加坡前几年最高时消化了英伟达超过28%的芯片出口，怎么，是新加坡人特别爱拿芯片泡酒喝吗？ 好用的东西，就是不愁卖，都是千年的狐狸，谁也别玩聊斋。 贸易没有输赢，它的本质是各取所需，印度、越南、印尼都尝试过要当中国的备份，但是仔细去看，除了承接中国产业链本就向外转移的那部分之外，能够自食其力的，很少。 到头来就是现在这么一个纳什均衡的状态，「任何单个参与者都无法通过仅改变自己的策略来获得更高的收益」，美国做不到，中国也做不到，大家继续按照比较优势的规律行动。 再往下讲，就是制造业对于工程师的培养能力，中国——或者说整个东亚——历史上是没有工程师文化的，这边更讲究以师徒相授的关系为底座的工匠文化，如果你们还记得的话，「工匠精神」还在中文互联网火过一阵子，幸好后来没被带偏。 工程师文化是舶来的，它也没有通过进入教育体系来从头塑造，完全基于繁荣的制造业和商业自下而上的开枝散叶，在这个语境里的工程师，也和老旧宣讲材料里的那些「张工」「李工」完全不一样了，是个人禀赋、致富回报、市场机会的叠加塑造。 张雪就是凭借他的手艺去重庆的，手艺怎么来的，早年自己修车，修熟了去车队当机械师，最后真当成了车手，用一线实践来指导产品研发，就这么一件事干了十年，到了26岁创业的时候，就会发现资源开始自动的围过来。 讲道理，如果把张雪这个名字抹掉，这个故事特别像我们从小看的日本或者美国传记文学，道奇兄弟不就是这么成功的吗，自小用废铁造自行车，逆向工程汽车轴承，从给福特供应零部件起家，翅膀硬了就做了自己的品牌。 以及帕卡德、戴尔、博斯⋯⋯事实证明，拥有强大的制造业传统，就是能够孕育出工程师的梯队，因为再离谱的设想都能在可控的成本里验证试错，而不是变成一摞摞的达芬奇手稿。 现在，我们要熟悉张雪这样的中国人名越来越多的出现在史册上了。 张雪说他到重庆后，第一个去的就是一个类似华强北的地方，按照自己的需求，2万块钱就攒出了一台车，用这台车换到了启动资金，公司做大之后，他要自己来做发动机，把精度从5丝压到3丝，也是能找到供应商实现这个要求。 苹果的CEO库克在电视采访里说过这么一段意思，苹果选择中国代工早就不是人力成本低这个原因了，在美国如果要开一个模具会议，能找来的工程师连一间办公室都坐不满，但在中国可以坐满好几个足球场。 你可以说他来中国出差是在舔市场，但不能质疑他作为一个供应链大佬的身份被选为CEO的资质和判断。 众所周知，制造业能为就业兜底，同时这种兜底，又能构建一套丰富的工程师梯队，从熟练技术工人，到中级技术专家，再到高级研发人才，更重要的是，这套体系有着充分的流动性，它和其他很多传统行业不一样，对生产资料的依赖很低。 张雪的身份就经历了多次的无缝切换，当他在湖南修车的时候，是底层小工，当他在车企打工时，是技术专家，当他自己创业，就是在用高级研发的本事去组队，他自己都说了，「大家开始习惯了，跟张雪一起去把事情干出来。」 最后，可能在很多人看来是微不足道的，但我觉得非常有意义的是，制造业的昌盛可以真的为所欲为，包括培养出一大批追随本心实现所谓「资产阶级趣味」的活人。 赛车运动就是其中之一，还有国产跑鞋这些年在马拉松赛事里的渗透，以及Hi-Fi是怎么从发烧友市场变成挑战大牌的，甚至连俞浩都属于这个范畴，他是中国最早的四旋翼无人机开发者，因为对马达技术感兴趣，「转行」干了扫地机器人⋯⋯ 「资产阶级趣味」的本质，是从心，也是自由，自由这个事吧，需要松弛和风险，在紧张的社会里是一种奢侈，但在一个乐观向上的环境里，它又是一个必需品。 某种意义上，张雪峰和张雪都代表了中国的多个棱面： 张雪峰为普通家庭降低选择的容错，用肉身撑起那条拿文凭换未来的轨道，如实告知你们承担不起自由这玩意儿。 而连高中都没上过的张雪又证明了，自由纵使不是免费的，但它却会为那些真正相信自己有才能的人打开大门，「我比别人努力十倍，成功凭什么不是我的？」 可以结果参差不齐，唯要机会公正平等，健康的制度就是要实现这个原则。 「有没有一种可能，张雪如果不是家庭条件那么差，父母没能力管他，现在也揣着某个二流大学的文凭在送外卖？」 是有这个可能。 但我觉得看过他的那些视频的人，都不会这么认为，眼里有光是装不出来的，也很难因为外力而自动熄灭。

我家爷爷奶奶都是大户人家出身，奶奶小时候走到哪都有丫鬟伺候着，直到日本人来了把她们家炸了。我爷爷是参加过两航起义的工程师，也开过飞机，投奔共产党了，但是结局不好，让他干的工作好像会接触很多毒性物质，很年轻就死了。奶奶一个人把五个小孩拉扯大，正赶上三年大吃饱时期，然后又文化大革命

【张凌赫出席海峡论坛 喊话“两岸血脉相连”】 中国电视剧《逐玉》中饰演“武安侯”的演员张凌赫，周六（6月13日）在厦门出席海峡论坛开幕式并发表演说，鼓励台湾人“到大陆走一走”，部分网友批评中国政府利用其声量进行“文化统战”。 张凌赫首先以闽南语问候“大家好”，随后以“跨”字为主轴，称自己过去主修电气工程的机器自动化，后来跨行成为演员；近期也因拍摄纪录片、跨界合作而探索了中国能源科技。他称自己因此见证“祖国蓬勃发展的光明未来”，鼓励台湾人“跨越海峡到大陆走一走......收获感悟与成长”。 他并表示，电视剧《逐玉》融合了中国传统美学、文化与家国情怀等，受到台湾粉丝喜爱，他相信“文化的力量能跨越山海，连结两岸同胞的心”，期待两岸影视产业有更多交流。 张凌赫的发言引发两岸网友热议，有网友批评艺人不应沦为中国政府宣传工具；也有网友认为他仅是在呼吁两岸文化交流。台湾的民进党立委王世坚周一（15日）对此表示，他相信张凌赫在台湾具影响力，因此被中国官方包装为统战工具，并透过网军制造台湾「宁愿被统一」声量；但他也强调，这种方式“完全没用”，因台湾民众能分辨娱乐与现实。 赴中国参与海峡论坛的国民党立委陈玉珍则在Facebook张贴她与张凌赫的合照，并表示已邀请张凌赫到访金门。 此前，台湾陆委会已于4日宣布，禁止中央及地方政府人员参与海峡论坛活动，陈玉珍当时批评政府限制两岸交流，并称“怎么不认为我们也可以统战他们呢”；对此，陆委会发言人梁文杰回应，“请陈玉珍展示一下统战对方的成果”。