不要为了构建知识库而阅读。要为了解决问题而阅读。

大多数工程领域的阅读清单都侧重于知识积累。

现代工程学奖励的是一件事：消除瓶颈。

最近，一位初级工程师给我看了一份工程师必读的 10 本书清单。它看起来和十年前的清单没什么两样，依赖的还是那些陈旧的经典著作和流程类书籍。

这种假设是错误的。读书并不会自动让你成为一名更优秀的工程师。

高绩效团队不会围绕书籍制定学习计划，而是围绕“约束条件”来制定。

标准的阅读清单假设所有知识的价值都是平等的。而实际上，工程价值取决于你的具体情况。

  • 面临数据库问题的后端工程师不需要读 Agile 相关的书。
  • 面临高昂 AI 成本的团队不需要读通用的软件工程书籍。
  • 面临延迟问题的初创公司不需要读领导力框架。

这些人需要的是针对眼前特定瓶颈的解决方案。

工程学奖励的是相关性，而非完整性。

数据库和网络等基础知识仍然重要，但仅靠这些已经不够了。现代系统带来了诸如 AI 推理成本等新的挑战。

几十年来，工程师们一直处理的是确定性系统。相同的输入总是产生相同的输出。

而今天，许多系统是概率性的。一个 AI prompt 每次可能会给出不同的响应。模型升级可能会在你不改动任何代码的情况下，改变应用程序的工作方式。

新问题驱动着你的工作：

  • 你如何评估质量？
  • 你如何管理不可预测的组件？

最顶尖的工程师是为了理解机制而阅读，而不是为了读完一本书。他们发现一个瓶颈，然后学习修复该瓶颈所需的特定逻辑。

  • 如果延迟很高，就研究 batching。
  • 如果上下文丢失，就研究 retrieval。
  • 如果 AI agents 失败，就研究 evaluation。

这将学习与生产结果联系了起来。你的知识会立即转化为生产力杠杆。

使用这个学习循环：

  1. 识别瓶颈。
  2. 寻找修复该问题的特定资源。
  3. 将其应用于系统。

在开始读下一本书之前，问自己一个问题： 我现在的系统面临的最大约束是什么？

是延迟、成本、可靠性，还是可观测性？

寻找能解决该问题的资源。不要选最热门的书，要选能解决你当前约束的那一本。

工程并非阅读竞赛。它是一门解决约束条件的职业。让你的系统来决定你下一步该学什么。

来源：https://dev.to/neilton_rocha_dev/stop-reading-to-build-a-library-start-reading-to-solve-a-problem-55ag

可选学习社区：https://t.me/GyaanSetuAi