工作总结 7
最近在年中总结刚刚发下来，总结下并且提高改进。
[Revised by ChatGPT]
工作方式的两个变化：Deadline 与 AI Demo
最近在工作中有两个比较明显的体会：一是要更加重视 Deadline 和项目节奏，二是要更加重视 AI Demo 带来的影响力。
这两个事情看起来比较独立，但背后其实反映的是同一个变化：现在的工作越来越需要通过跨团队协作、对外合作和技术影响力来推动事情落地。
1. 设置并管理 Deadline
现在的组工作方式和以前有一个比较大的不同。
以前主要是和 Amazon 内部的其他组合作。如果两个组之间出现 timeline 或者 priority 上的冲突，通常两个组的 manager 沟通一下，就比较容易达成一致。
但现在的情况不太一样。我们越来越多地需要和 partner 合作，而这已经不完全是一个内部协作关系。既然涉及外部合作，就需要更加尊重双方已经约定好的 timeline，并按照共同的计划推进项目。
因此，Deadline 不再只是一个项目管理上的时间点，而是合作关系中的一个重要承诺。
这也意味着，在项目开始的时候，就需要更加主动地围绕 Deadline 进行 planning，而不是等到 deadline 快到了才开始推动。
几个比较重要的原则：
1.1 Backward Planning
拿到一个最终 Deadline 后，应该 backward working，从最终交付时间反推整个项目的时间安排。
例如：
Final Deadline → Final Review → Integration → Development → Design → Initial Discussion
这样可以比较早地发现时间是否足够，也能够避免所有工作都堆积到最后一周。
1.2 Limit the Key Squad Team
项目初期不要把太多人拉进来。
一个过大的 team 往往意味着更多的沟通成本、更多的 dependency，以及更慢的 decision-making。
应该尽可能明确：
- 谁是真正的 core team
- 谁负责关键技术决策
- 谁负责具体 implementation
- 谁只需要在特定 milestone 参与
小而明确的 core team，通常比一个很大的 working group 更有效率。
1.3 Setup Milestones and Regular Checks
一个大的 Deadline 不应该是唯一的时间节点。
应该提前设置几个 milestone，并在 milestone 到达之前进行 check：
- 是否按照计划推进？
- 有没有新的 blocker？
- 有没有 dependency 没有解决？
- 当前 scope 是否仍然合理？
- 是否需要调整资源？
这样做的好处是，可以把一个“大问题”拆成几个“小问题”，而不是等到最后才发现项目已经无法按时完成。
1.4 Go / No-Go Decision
在一些关键节点，需要提前定义 Go / No-Go decision point。
到了这个时间点，不应该继续无限讨论，而应该明确决定：
Go：继续按照当前方案投入资源。 No-Go：及时停止、调整方向，或者重新定义 scope。
尤其是在时间比较紧、又涉及外部 partner 的项目中，及时做 decision 往往比继续等待更多信息更加重要。
2. 重视 AI Demo Time
另外一个最近越来越明显的体会是：AI Demo 是获得关注度和建立个人影响力的一个非常好的机会。
一个好的 Demo，不只是展示一个技术结果。
当你真正花时间去准备一个 Demo，把复杂的技术内容整理清楚，并且能够让别人快速理解：
你做了什么 → 为什么重要 → 和实际工作有什么关系 → 能带来什么价值
别人其实很容易感受到你的投入。
而一旦大家开始关注你的 Demo，你在团队中的 visibility 也会自然提高。
所以，不要低估一次 Demo 带来的影响力。
2.1 平时就要积累
Demo 不是在需要分享的时候才临时准备的。
平时应该有意识地积累一些值得分享的东西，例如：
- 最近读到的一篇有意思的 paper
- 一个新的 AI/ML 方法
- 一个工作中遇到的问题
- 一个自己尝试过的小实验
- 一个可以真正解决业务问题的技术方案
- 一个值得进一步探索的 idea
这样到了需要 Demo 的时候，就不会出现：
“最近好像也没什么东西可以分享。”
如果平时确实没有太多可以直接分享的项目，那么多读一些 paper 也是一种积累方式。
读 paper 的目的不一定是为了马上发表论文，而是不断增加自己对新技术、新方法和新方向的理解，然后思考：
这个东西和我们现在的工作有没有结合点？
真正有价值的 Demo，往往不是单纯介绍一个新技术，而是能够把新技术和实际工作结合起来。
2.2 4-Minute Video 更需要思考
现在组里比较常见的一种方式，是提前准备一个 4 分钟以内的 AI Demo Video。
我其实觉得这种形式非常好。
因为时间只有 4 分钟，所以你不可能把所有细节都讲完。这反而迫使你思考：
什么是最重要的？
一个好的 4-minute Demo，应该让观众在很短的时间内理解：
- Problem： 我们要解决什么问题？
- Approach： 我们用了什么方法？
- Result： 得到了什么结果？
- Impact： 为什么这个结果值得关注？
因此，不能为了 Demo 而 Demo。
如果只是把一个技术结果展示出来，却没有和实际工作产生联系，那么即使做得很漂亮，长期来看带来的价值也比较有限。
相反，如果一个 Demo 能够把 AI 技术、实际工作和业务价值连接起来，那么它的影响力会大很多。
3. 一个简单的节奏
如果让我总结一个比较实际的节奏，我觉得：
大约每两个月准备一次有质量的 AI Demo，是一个比较合适的频率。
不需要追求每周都有 Demo，也没有必要为了保持曝光度而强行制造内容。
更重要的是保持一个持续的节奏：
平时积累 → 发现问题 → 尝试技术 → 形成结果 → 总结 → Demo
这样做下来，Demo 就不再是一个额外的工作，而会逐渐成为自己工作的一部分。
最终，我觉得这两件事情——Deadline Management 和 AI Demo——其实分别对应了工作的两个重要能力：
Deadline 帮助你把事情真正落地。 Demo 帮助别人看到你做的事情以及它的价值。
一个是 Execution，一个是 Visibility。
两者可能缺一不可。