写给即将读研的你：一个老程序员的入行指南

研究生不是终点，而是你职业生涯的"新手村"。 在这里，你有试错的资本，也有迷茫的权利。

你正站在一个绝佳的起点

说实话，当我听说你——一个机械专业的本科生——要跨考计算机研究生的时候，我的第一反应是：这小子，眼光不错。

为什么这么说？因为"机械 + 计算机"这个组合，在今天的市场上，简直是黄金搭档。

纯 CS 的人，写代码溜，但对物理世界的理解往往停留在"理论上"。而你，学过机械原理、材料力学、控制理论，你知道一个齿轮怎么转、一个电机怎么驱动、一个机械臂怎么运动。这些东西，是那些从小到大只碰过键盘的程序员学不来的。

换句话说：你不是"转行"，你是"升级"。

当然，我也替你捏把汗——这个行业的变化速度，快得令人窒息。我刚入行的时候，Java 还是"新语言"，云计算还是"概念股"，AI 还只存在于科幻电影里。而今天？LLM 能帮你写代码，AI Agent 能帮你做决策，甚至有人开玩笑说"程序员要被自己写的程序淘汰了"。

但别慌。越是变化快的时代，越需要扎实的基本功和清醒的方向感。而你的机械背景，恰恰给了你一个独特的视角和差异化的竞争力。

这篇文章，我想和你聊聊三件事：定方向、打基础、赶潮流。不是什么高深的道理，都是我这二十多年踩过的坑、走过的弯路。希望对你有点用。

一、定方向：别急着"选赛道"，先去"试错"

你不需要现在就想清楚

"我到底该做前端还是后端？""大数据和人工智能哪个更有前途？""网络安全会不会更稳定？"

这些问题，我相信你已经在脑子里转了无数遍。

我的答案是：不知道，也没关系。

真的。我见过太多人，在研一的时候就给自己贴上了标签——"我是做 Java 的""我是做算法的"——然后在研二发现自己其实更喜欢另一个方向，但已经"沉没成本"太高，不敢转了。

方向这东西，不是想出来的，是试出来的。

但有一个方向，你天然有优势：机器人

说实话，如果我是你，我会认真考虑机器人方向。

为什么？因为机器人是少数几个真正需要"软硬结合"能力的领域。

一个机器人工程师需要懂什么？

• 机械：运动学、动力学、机构设计——你本科学的
• 电子：传感器、电机驱动、嵌入式系统——你多少接触过
• 软件：算法、控制、AI——你研究生要学的

看到没？你的知识结构，几乎是为这个方向量身定做的。

而且，机器人行业正在迎来一个爆发期：

• 工业机器人：制造业升级，协作机器人（Cobot）需求暴增
• 服务机器人：送餐、配送、清洁、陪护，场景越来越多
• 人形机器人：特斯拉 Optimus、Figure、波士顿动力，巨头都在押注
• 具身智能：AI + 机器人，让机器人真正"理解"物理世界

我之前在一家机器人创业公司待过一年多，深刻体会到：这个行业最缺的，不是会写代码的人，而是"懂机械又会写代码"的人。

你想想：一个纯 CS 背景的人，让他调一个机械臂的运动规划，他可能连"关节空间"和"笛卡尔空间"的区别都搞不清楚。但你不一样，你学过机械，你知道一个六轴机械臂的每个关节是怎么转的，你知道奇异点是什么意思，你知道为什么有些姿态到不了。

这就是你的护城河。

具体怎么入门？

1. 学 ROS（Robot Operating System）：机器人领域的"通用语言"，几乎所有机器人项目都用
2. 学运动规划：MoveIt、OMPL 这些库，了解 A*、RRT、PRM 等算法
3. 学 SLAM：同时定位与建图，机器人导航的核心技术
4. 学强化学习：让机器人通过试错学习技能，是具身智能的关键
5. 玩玩硬件：买个树莓派、Arduino，或者一个便宜的机械臂套件，动手做点东西

推荐的学习资源：

• ROS 官方教程
• Coursera: Modern Robotics
• 机器人学导论（Craig）——经典教材
• Open Source Robotics Foundation

另一个你可能感兴趣的方向：游戏开发

我知道你喜欢玩游戏。那你有没有想过，把"玩游戏"变成"做游戏"？

游戏开发是一个非常有趣的领域，而且它和你的机械背景也有交集——游戏物理引擎。

你知道游戏里的角色为什么会"摔倒"吗？为什么车会"漂移"？为什么布料会"飘动"？这些都是物理引擎在模拟。而物理引擎的核心，就是你学过的那些东西：刚体动力学、碰撞检测、约束求解……

游戏开发有几个主要方向：

1. 游戏客户端开发

• 主要语言：C++（Unreal Engine）、C#（Unity）
• 核心技能：图形学、物理引擎、性能优化
• 你的优势：机械背景让你更容易理解物理模拟

2. 游戏服务器开发

• 主要语言：C++、Go、Java
• 核心技能：网络编程、分布式系统、高并发
• 适合：喜欢后端、对"看得见的画面"不那么执着的人

3. 游戏 AI / 技术美术

• AI：行为树、状态机、寻路算法、机器学习 NPC
• 技术美术：Shader 编写、渲染管线、特效制作

怎么入门？

1. 选一个引擎：Unity（C#，入门友好）或 Unreal（C++，画面强）
2. 做一个完整的小游戏：不要眼高手低，先做个 Flappy Bird、打砖块、贪吃蛇
3. 参加 Game Jam：48 小时做一个游戏，逼自己快速出活
4. 研究你喜欢的游戏：它的战斗系统怎么设计的？它的关卡怎么做的？它的网络同步怎么处理的？

推荐资源：

• Unity Learn
• Unreal Engine 官方文档
• Game Programming Patterns——免费在线书
• 游戏引擎架构（Jason Gregory）——进阶必读

一个真实的建议：游戏行业加班多、压力大，而且国内游戏公司的工作环境参差不齐。如果你想做游戏，要做好心理准备。但如果你真的热爱，那这些都不是问题。

怎么试？

1. 跟着导师的项目走一遍：哪怕不是你最感兴趣的方向，也先做。做的过程中，你会发现自己对哪些环节有感觉、对哪些环节提不起劲。这就是信号。

2. 主动找实习：课堂上学的和工业界用的，差距比你想象的大。一次三个月的实习，抵得上你在实验室里闭门造车一年。

3. 听从内心，但也要验证：你觉得自己喜欢做游戏？那就去参加一次 Game Jam。你觉得自己喜欢做机器人？那就去参加一次 RoboCup 或者机器人比赛。别只是"觉得"，要去"试试"。

一个反直觉的建议

很多人会说"选热门方向"，我倒觉得：选你能坚持做十年的方向。

热门会变冷，冷门会变热。但如果你对一个方向有真正的热情，你就能在它冷的时候坚持，在它热的时候收获。

我 2002 年加入 WebEx 做实时通信的时候，这个方向冷得不行，大家都在追 Web 2.0。二十年后，疫情来了，Zoom 火了，WebRTC 成了香饽饽。你看，时间会奖励那些"选对了并且坚持下来"的人。

机器人也是一样。十年前，做机器人的人被认为是"不务正业"，大家都在追互联网。现在呢？人形机器人成了最火的赛道，各大科技公司都在抢人。

二、打基础：这些"老古董"技能，比你想象的重要

数据结构与算法：不是为了面试，是为了"会思考"

我知道，一提到"数据结构和算法"，你可能会想到 LeetCode、想到面试、想到那些让人头疼的动态规划。

但我想说的是：算法不是用来刷题的，是用来训练你的思维方式的。

当你面对一个复杂的业务问题时，你的脑子里会自动浮现出"这是个图遍历问题""这需要用堆来优化""这可以用动态规划来拆解"。这种直觉，不是天生的，是练出来的。

我的建议：

• 至少刷 200 道 LeetCode（Medium 为主，Hard 适量）
• 重点掌握：数组、链表、树、图、哈希表、堆、动态规划、回溯
• 不要只追求 AC：每道题都要问自己"还有没有更优的解法""时间复杂度能不能再降"

熟练掌握几门语言：深度比广度重要

"我该学 Python 还是 Java？Go 有没有前途？Rust 要不要学？"

我的建议是：先把一门语言学透，再去碰其他的。

什么叫"学透"？不是会写 Hello World，而是：

• 知道它的内存模型
• 知道它的并发机制
• 知道它的生态系统（常用库、框架、工具链）
• 能用它从零搭建一个完整的项目

对于你来说，考虑到机械背景和可能的发展方向，我推荐的学习顺序是：

1. Python：入门快、生态好、AI/数据分析/机器人都用得上
2. C/C++：机器人、游戏引擎、嵌入式的主力语言，性能敏感场景必备
3. Java/Go：后端开发的主力语言，工业界用得最多
4. C#：如果你想做 Unity 游戏开发
5. JavaScript/TypeScript：如果你想做前端或全栈

特别说一下 C++：如果你想做机器人或游戏，C++ 是绑不开的。ROS 的核心是 C++，Unreal Engine 是 C++，大部分高性能计算库是 C++。这门语言学起来痛苦，但学会了受益终身。

Linux + Git + Bash：程序员的"基础设施"

这三样东西，很多学校不教，但工作中天天用。

Linux：

• 学会基本的命令行操作（ls, cd, grep, find, awk, sed）
• 学会用 vim 或 nano 编辑文件（别一上来就依赖 IDE）
• 学会看日志、查进程、管权限
• 推荐：在自己的电脑上装一个 Ubuntu 虚拟机，或者直接用 WSL

Git：

• 不只是 git add, git commit, git push
• 要学会 git branch, git merge, git rebase, git cherry-pick
• 要学会处理冲突、回滚代码、查看历史
• 推荐：去 GitHub 上参与一个开源项目，哪怕只是改个文档

Bash：

• 学会写简单的 shell 脚本
• 学会用管道（|）组合命令
• 这会让你的效率提升 10 倍

动手搭一个个人网站

这不是作业，是给自己的礼物。

一个个人网站，能让你：

• 理解 HTTP、DNS、域名、证书这些"网络基础"
• 理解 Nginx、MySQL、Redis 这些"后端基础"
• 有一个展示自己作品的地方
• 有一个写技术博客的平台

最简单的方案：

# 经典的 LNMP 栈（Linux + Nginx + MySQL + PHP/Python）
# 或者更现代的方案：
# - 静态博客：Hugo / Hexo / Jekyll + GitHub Pages
# - 动态网站：Flask / Django / Express + 云服务器

别小看这个过程。当你第一次把自己的网站部署到公网、用自己的域名访问的时候，那种成就感，是刷 100 道 LeetCode 都换不来的。

三、赶潮流：AI 时代，你不能装作看不见

LLM：不是"会不会用"，是"用得好不好"

2026 年了，如果你还没用过 ChatGPT、Claude、Gemini，那你真的需要赶紧补课了。

但"用过"和"用得好"是两回事。

初级用法：把它当搜索引擎——"Python 怎么读文件""Java 怎么排序"

中级用法：把它当结对编程伙伴——"帮我 review 这段代码""这个 bug 可能是什么原因"

高级用法：把它当思维工具——"帮我设计一个 XXX 系统的架构""这个需求有哪些边界情况需要考虑"

我的建议：

• 学会写好 Prompt：清晰的上下文 + 具体的要求 + 期望的输出格式
• 学会验证输出：LLM 会"一本正经地胡说八道"，永远要自己验证
• 学会迭代对话：不要期望一次就得到完美答案，要学会追问、纠正、引导

AI Agent：下一个风口

如果说 LLM 是"会说话的工具"，那 AI Agent 就是"会做事的助手"。

简单来说，AI Agent = LLM + 工具调用 + 记忆 + 规划能力。

它能：

• 自动搜索信息、整理报告
• 自动写代码、跑测试、修 bug
• 自动预订机票、安排日程

这个领域还在快速发展，但有几个概念你需要知道：

• Function Calling / Tool Use：让 LLM 调用外部工具
• RAG（Retrieval Augmented Generation）：让 LLM 基于你的私有数据回答问题
• Multi-Agent：多个 Agent 协作完成复杂任务

推荐了解的项目：LangChain、AutoGPT、CrewAI、OpenAI Assistants API

Vibe Coding：用自然语言写代码

这是最近很火的一个概念——用自然语言描述你想要什么，让 AI 帮你生成代码。

Cursor、GitHub Copilot、Windsurf 这些工具，已经可以做到：

• 你描述需求，它生成代码
• 你指出问题，它自动修复
• 你给出反馈，它持续迭代

这不是"程序员要失业了"，而是"程序员的工作方式要变了"。

未来的程序员，可能更像是"代码的审稿人"而不是"代码的作者"。你需要的能力是：

• 能看懂 AI 生成的代码（所以基础还是要打好）
• 能判断代码的质量（所以经验还是要积累）
• 能引导 AI 往正确的方向走（所以沟通能力很重要）

四、写代码之外：那些没人教但很重要的事

写技术博客：最好的学习方式

费曼说过："如果你不能简单地解释一件事，说明你还没真正理解它。"

写博客，就是逼自己把学到的东西"讲清楚"。

• 不需要多高深，记录你解决的每一个 bug 都是好内容
• 不需要多完美，写得不好就改，改着改着就好了
• 不需要多频繁，一周一篇、两周一篇都行，关键是坚持

我从 2002 年开始写技术博客，到现在二十多年了。这些博客帮我：

• 整理了自己的知识体系
• 结识了很多同行朋友
• 在面试中成为加分项
• 最后还出了一本书

参与开源：最好的简历

与其在简历上写"熟练掌握 XXX"，不如放一个 GitHub 链接，让面试官自己看。

参与开源不需要一上来就贡献核心代码，可以从：

• 改文档、翻译
• 提 issue、报 bug
• 写测试、补用例
• 回答社区问题

开始。重要的是参与进去，让别人看到你的代码、你的思考、你的沟通方式。

软技能：比你想象的重要

技术能力决定你能不能入行，软技能决定你能走多远。

• 沟通能力：能把技术问题讲给非技术人员听
• 协作能力：能和不同背景的人一起完成项目
• 学习能力：能快速上手新技术、新领域
• 抗压能力：能在 deadline 前保持冷静

这些能力，学校不教，但工作中天天考。

给你的 Checklist

读完这篇文章，如果你只记住一件事，那就是：研究生阶段是你最宝贵的"试错期"，别浪费了。

如果你愿意多记几件事，这里有一份 checklist：

方向探索

• [ ] 和导师深入聊一次，了解实验室的研究方向和项目机会
• [ ] 找至少一份实习，体验工业界的工作方式
• [ ] 尝试至少两个不同的技术方向，找到自己的兴趣点
• [ ] 如果对机器人感兴趣：完成 ROS 官方教程，跑通一个 SLAM demo
• [ ] 如果对游戏感兴趣：用 Unity/Unreal 做一个完整的小游戏

基础技能

• [ ] 刷完 200 道 LeetCode（Medium 为主）
• [ ] 精通 Python，熟悉 C++（机器人/游戏方向必备）
• [ ] 熟练使用 Linux 命令行和 Git
• [ ] 搭建一个自己的个人网站/博客
• [ ] 学习一个专业领域的框架（ROS / Unity / Unreal）

AI 时代

• [ ] 熟练使用至少一个 AI 编程助手（Cursor / Copilot）
• [ ] 了解 LLM 的基本原理和 Prompt Engineering
• [ ] 尝试搭建一个简单的 AI Agent 应用

个人品牌

• [ ] 开始写技术博客（至少每月一篇）
• [ ] 在 GitHub 上有活跃的贡献记录
• [ ] 建立自己的 LinkedIn / 技术社区 profile

最后

我知道，站在研究生的起点，你可能会感到迷茫、焦虑、不知所措。

这很正常。

我刚入行的时候也是这样。那时候没有 Stack Overflow，没有 GitHub，没有 ChatGPT，遇到问题只能翻书、问同事、自己死磕。

但回头看，那些迷茫的时光，恰恰是成长最快的时光。

所以，别怕迷茫，别怕犯错，别怕走弯路。

只要你在走，就比站着不动强。

祝你在这个行业里，找到自己的位置，写出自己的代码，活出自己的精彩。

有任何问题，随时来找我聊。

扩展阅读

通用技能

• The Missing Semester of Your CS Education - MIT 的"CS 教育缺失的一课"，讲 Linux、Git、Vim 等工具
• Teach Yourself Programming in Ten Years - Peter Norvig 的经典文章
• How to be a Programmer - 一份开源的程序员指南
• Prompt Engineering Guide - Prompt 工程入门指南
• Build Your Own X - 通过造轮子学习技术原理

机器人方向

• ROS 官方教程 - 机器人操作系统入门
• Coursera: Modern Robotics - 西北大学的机器人学课程
• 机器人学导论（Craig） - 经典教材
• 视觉 SLAM 十四讲 - 国内 SLAM 入门经典
• Awesome Robotics - 机器人学习资源汇总

游戏开发方向

• Unity Learn - Unity 官方学习平台
• Unreal Engine 官方文档 - 虚幻引擎学习资源
• Game Programming Patterns - 游戏编程模式（免费在线书）
• 游戏引擎架构（Jason Gregory） - 进阶必读
• Game Dev Resources - 游戏开发工具和资源汇总

本作品采用知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议进行许可。