自我评估：技能、经验与市场价值

在做任何职业决策之前，你需要一个诚实的自我快照——不是 LinkedIn 版本，而是市场会如何真实评估你的版本。本章提供一套可量化的自我评估框架。

自我评估的四个维度

完整自我评估工具

from dataclasses import dataclass, field
from typing import Dict, List, Tuple
import math
@dataclass
class TechnologyDepth:
"""技术深度评估"""
primary_domain: str          # 主要技术方向
years_in_domain: int         # 深耕年数
can_teach_others: bool       # 能系统教授他人？
consulted_outside_work: bool # 工作之外是否有人主动来请教？
published_content: bool      # 有文章/演讲/开源？
def score(self) -> Tuple[int, str]:
s = min(self.years_in_domain * 5, 30)
if self.can_teach_others: s += 20
if self.consulted_outside_work: s += 25
if self.published_content: s += 25
label = (
"专家级" if s >= 70 else
"熟练级" if s >= 50 else
"中级" if s >= 30 else "初级"
)
return s, label
@dataclass
class ExperiencePortfolio:
"""经验组合评估"""
# 每项成就 = (描述, 规模/影响, 可量化结果)
achievements: List[Tuple[str, str, str]]
# 最大系统规模（DAU 或团队人数）
max_system_scale: str  # e.g., "500k DAU", "50人团队"
# 跨职能合作经验
cross_functional_roles: List[str]  # e.g., ["产品", "销售", "法务"]
# 曾处理过的危机/困难决策
hard_decisions_made: int
def score(self) -> Tuple[int, str]:
s = 0
quantified = sum(1 for a in self.achievements if a[2] != "")
s += min(quantified * 15, 45)
s += min(len(self.cross_functional_roles) * 8, 30)
s += min(self.hard_decisions_made * 5, 25)
label = (
"组合丰富" if s >= 70 else
"有基础" if s >= 45 else
"需加强"
)
return s, label
def gap_analysis(self) -> List[str]:
gaps = []
unquantified = [a for a in self.achievements if a[2] == ""]
if unquantified:
gaps.append(f"{len(unquantified)} 项成就缺少量化结果（无法在简历中有效呈现）")
if len(self.cross_functional_roles) < 2:
gaps.append("跨职能经验不足（对顾问和管理路径影响大）")
if self.hard_decisions_made < 3:
gaps.append("决策经历偏少（建议主动争取 Tech Lead 角色）")
return gaps
@dataclass
class NetworkAsset:
"""关系网络评估"""
warm_contacts_who_could_hire: int    # 可能给你工作/项目的温热联系人
people_who_would_refer_you: int      # 愿意主动推荐你的人
active_community_memberships: int   # 活跃参与的技术社群数
coffee_chats_last_6months: int      # 过去6个月的关系维护次数
def score(self) -> Tuple[int, str]:
s = 0
s += min(self.warm_contacts_who_could_hire * 5, 30)
s += min(self.people_who_would_refer_you * 8, 40)
s += min(self.active_community_memberships * 5, 15)
s += min(self.coffee_chats_last_6months * 2, 15)
label = (
"强大网络" if s >= 70 else
"基础网络" if s >= 40 else
"需要建立"
)
return s, label
@dataclass
class PersonalBrand:
"""个人品牌评估"""
linkedin_followers: int
articles_published: int          # 过去12个月
conference_talks: int            # 过去3年
github_stars_total: int
google_name_result: str          # "头版正面" / "头版无关" / "找不到"
def score(self) -> Tuple[int, str]:
s = 0
s += min(math.log10(max(self.linkedin_followers, 1)) * 10, 25)
s += min(self.articles_published * 10, 30)
s += min(self.conference_talks * 15, 30)
s += min(math.log10(max(self.github_stars_total, 1)) * 5, 15)
if "头版正面" in self.google_name_result:
s = min(s + 20, 100)
label = (
"有影响力" if s >= 60 else
"有可见度" if s >= 35 else
"几乎不可见"
)
return int(s), label
class MarketValueAssessor:
"""市场价值综合评估器"""
def __init__(
self,
tech: TechnologyDepth,
exp: ExperiencePortfolio,
net: NetworkAsset,
brand: PersonalBrand
):
self.tech = tech
self.exp = exp
self.net = net
self.brand = brand
def full_assessment(self) -> None:
ts, tl = self.tech.score()
es, el = self.exp.score()
ns, nl = self.net.score()
bs, bl = self.brand.score()
total = (ts + es + ns + bs) / 4
print("=" * 55)
print("  📊 40岁IT人市场价值自我评估报告")
print("=" * 55)
print(f"  技术深度：  {ts:3d}/100  → {tl}")
print(f"  经验组合：  {es:3d}/100  → {el}")
print(f"  关系网络：  {ns:3d}/100  → {nl}")
print(f"  个人品牌：  {bs:3d}/100  → {bl}")
print(f"  ─────────────────────────")
print(f"  综合评分：  {total:5.1f}/100")
print()
# 推荐路径
if ts >= 70 and bs >= 35:
print("  🎯 推荐路径：IC深化 + 技术顾问")
elif ts >= 60 and ns >= 50:
print("  🎯 推荐路径：管理转型（经验+关系支持）")
elif bs >= 50 and ns >= 40:
print("  🎯 推荐路径：独立顾问（品牌+网络已具备）")
else:
print("  🎯 优先行动：建立个人品牌 + 深化技术专业")
# 经验缺口
gaps = self.exp.gap_analysis()
if gaps:
print("\n  📋 需要补强的部分：")
for g in gaps:
print(f"    ⚠ {g}")
print("=" * 55)
# 使用示例——填入你的真实数据
me = MarketValueAssessor(
tech=TechnologyDepth(
primary_domain="后端/分布式系统",
years_in_domain=10,
can_teach_others=True,
consulted_outside_work=False,
published_content=False
),
exp=ExperiencePortfolio(
achievements=[
("重构电商支付系统", "处理 200k 日交易", "延迟降低 40%，故障率从 2% 降到 0.1%"),
("建立微服务架构", "5人团队", ""),  # 缺少量化结果
],
max_system_scale="200k DAU",
cross_functional_roles=["产品", "运维"],
hard_decisions_made=4
),
net=NetworkAsset(
warm_contacts_who_could_hire=8,
people_who_would_refer_you=5,
active_community_memberships=1,
coffee_chats_last_6months=3
),
brand=PersonalBrand(
linkedin_followers=800,
articles_published=0,
conference_talks=0,
github_stars_total=120,
google_name_result="头版无关"
)
)
me.full_assessment()

评估结果对照表

简历版本的"量化公式"

经验要能被市场理解，必须可量化。使用以下公式改写你的成就：

"我在 [时间] 内，通过 [做了什么]，让 [指标] 从 [X] 变成 [Y]，影响了 [规模]"

例： - 原版："参与重构后端系统" - 升级版："2023年Q2，主导后端 API 层重构，将 P95 响应时间从 1.2s 降到 200ms，支撑 500k DAU 无宕机上线"

本章小结

• 📌 自我评估必须基于市场视角，不是内部职级
• 📌 四个维度：技术深度、经验组合、关系网络、个人品牌
• 📌 最常见的盲点：技术不错，但不可见（品牌为零）
• 📌 量化成就是简历最直接的升值方式
• 📌 关系网络 > 简历：大多数真正好的工作靠推荐而非申请

下一章：Staff/Principal Engineer 晋升路径