春去秋来，每年接近年尾的时候，我都会做一次全面的年度总结，已经超过十年多了。这不仅是对过去一年工作的记录，更是对自我成长的系统梳理。在这个总结中，我会思考以下几个方面：今年都做了哪些事情，取得了什么成果；发生了哪些重要的变化；产生了什么新的想法和认识；在工作、学习、心得体会上各自有了怎样的进步和思考，并一条条整理下来。

年度总结的价值在于，它不仅能帮助我审视自己的过去，更重要的是为未来的工作指明方向。同时，通过分享这些经验和教训，我希望能够帮助大家少走弯路。当然，适合我的方法不一定适合每个人，所以建议大家根据自己的实际情况来取舍，看看哪些经验值得学习和尝试，哪些教训需要吸取反思，进而形成自己的一套方法论。

我认为比较有用的第一个经验，就是建立每日的任务记录和计划体系。这个方法尤其对工作三到五年以上的人帮助很大。因为对于刚毕业或还在实习的新人来说，工作内容相对单一——主管或老板要求做什么，就执行什么任务，基本上属于被动工作状态。但是，随着工作时间的增长，你负责的事情会越来越多。此时，如果没有有效的管理方式，就很容易忘掉自己负责的某个项目，或者错过某些重要的时间节点。因此，建立每天的计划体系就变得非常必要。

我的纸质笔记本的实践方案是这样的：每年我会用大约 60 到 100 页的笔记本，大概需要 5 到 6 本。每本笔记本以周为单位，每一周的七天分别占用笔记本的左右两页。在每天的笔记页中，左页用来记录上午的任务，右页用来记录下午的任务。更具体的操作是，我会用不同颜色的记号笔在笔记本中画线作为分界，然后按照半小时为单位进行时间划分。上午和下午各分别按半小时递进排列，这样整个笔记页就被精确地分割成了多个时间段。对于那些机械性的、每周重复的工作，我会用简单的英文缩写或者速写符号来记录，这样既节省空间，又能一目了然地看清全貌。

关于优先级管理与应急处理的方案。我的工作流程是这样安排的：每天上班的第一件事，就是把当天最重要的三件事写在核心时间段里，然后集中精力去完成它们。而一些琐碎的事务——比如查看不重要的邮件、回复日常任务通知、处理工作安排或低优先级的事项——就散落在这三件重要事情之间的时间段里去处理。采用这种方法的好处在于：首先，每项工作都会得到合理的规划和优先级排序；其次，当工作进行中突然插入一件紧急的事情时，我可以立即将其写入日程表，然后根据优先级重新排序。比如说，如果新来的任务优先级更高，我就会把已有的任务往后推延，或者安排到第二天。这样做的结果是，我不会遗漏任何突发的重要事情。

为什么我选择纸质而非电子工具。不太建议用电子表格或 类似的日程app，主要原因是考虑到实际工作中的各种限制因素。比如，有时出差电脑可能不在身边，单位的电脑系统可能存在各种限制，不是所有的软件都能安装，不是所有的工具都可以使用。这样就会存在频繁的系统和软件切换问题，很难保证记录的连贯性。当然，如果你所处的工作环境足够开放，什么软件都可以安装，那么选择一个手机和电脑都能同步的日程记录软件，应该会更加灵活便捷。

基于我自己的实际情况，我更喜欢使用纸质的记录工具。一方面，我喜欢这种熟悉、踏实的感觉；另一方面，当一本笔记本写满后，把它们一本本摆放在一起，每年翻阅时，整年的工作任务、成就感就一览无余。这种成就感是电子版本很难给予的。

关于电子版还是纸质版哪个更好，这因人而异。我认为最重要的是养成这个记录的习惯，至于具体的实现方式，都是没有问题的，关键是坚持去做。

第二个我觉得非常有用的经验，就是在年初给自己定几个年度目标，并且给每个目标配一个奖励。

今年我定了八个目标，比如：

l看 20 本书

l某平台粉丝做到多少

l做一个付费专栏

l写多少篇文章

l把自己整理的硬件模块笔记从头到尾看两遍

l每年去健身房多少次

l等等

定目标时，我会刻意定得比去年稍微难一点。比如去年看了 15 本，今年就定 20 本。不是特别夸张的目标，但要稍微拉一点强度。这样做是为了避免设定过于容易的目标——因为那样就失去了挑战的意义。同时，我也不会设定难以实现的目标，因为那样做也没有太大的价值。除了工作和学习目标外，我也会把身体锻炼纳入目标体系中。比如每月去健身房的次数等。这是因为过了 35 岁以后，我越来越关注自己的身体状况和心理情绪状态。

然后就是奖励机制。为了提高目标完成的积极性，我会为完成每个目标设定相应的奖励。比如，完成某个目标后，我会奖励自己购买某件电子设备。作为一个电子设备爱好者，从几百元到几千元的设备我都有兴趣体验。这样的奖励机制确实能激发我更大的动力去实现目标。更进一步，我不仅制定年度目标，还在思考长期规划。我开始以五年、十年，甚至更长的时间跨度来设定大的人生目标。然后，在这个更大目标的指引下，每年制定几个具体的小目标，逐年推进，慢慢接近我的大目标。这样的规划涵盖了多个维度：身体锻炼和自我照顾、心理健康和情绪管理、工作技能提升、管理经验积累、阅读和写作等方面。每年都在这些维度上做出一些新的尝试和突破，我相信通过五到十年的不断积累，就会实现一个巨大的飞跃。

这个长期规划的思路主要来源于我对埃隆·马斯克相关做法的学习和模仿。他在谈到 SpaceX 的火箭研发时，提到了一种特别有效的方法——极限施压的时间逆推法。具体来说，假如他给自己定下的目标是在 18 个月后成功发射一枚火箭，那么他就会用倒推的方式来精确规划： 15 个月时，所有准备工作必须完成并通过测试； 10 个月时，核心部件必须基本成型； 5 个月时要完成某些关键工作；现在（第一个月）需要启动哪些工作。他能精确到每一个月、每一周，甚至每一天需要完成哪些进度。

依葫芦画瓢的例子是：如果给自己定的目标是一个月读完一本 60 页的书，那么平均到每一天就要读 2 页。如果按照每天白天有 10 个小时的阅读时间来算，那么每小时要读 0.2 页，换算下来就是每小时读 1-2 页。这样，他就能精确到每个小时的进度目标，然后严格执行。

这种极度精细化和量化的时间规划方法对我很有启发。回到我们制定十年大目标、五年中期目标和年度短期目标的框架，我们就能够把宏大的愿景拆解成每年的具体行动，再进一步拆解成每月、每周的执行计划。

这个方法为什么如此重要？因为如果一年就这样浑浑噩噩地过去，随波逐流，最终也是过了一年。我们很多人应该都有这样的感受，元旦前后觉得一年时间好像很长，但每当过年时发现一年反复一晃眼就过完了。所以如果你设定了清晰的、有方向感的目标，你就会定期回顾，有意识地推进，慢慢地会发现那些看似遥不可及的目标其实也没有那么不可达到。通过每一天的小进步、每一周的积累、每一月的推进，你最终会实现那些曾经看起来很大的梦想。

相比之下，每天刷刷抖音、看看短视频，日复一日、月复一月，时间就这样无声地溜走了。而有计划有目标的生活，虽然需要更多的自律，但带来的收获和成就感完全不同。这个方法我也特别推荐给大家。

只记录稀缺知识，不浪费时间记录能搜到的东西

第三个我想分享的经验，是关于硬件知识的笔记整理，以及在这个过程中如何有效地使用 AI工具。一直以来，我都推崇对自己所在领域的知识进行深度的笔记整理。这里的"深度"是有特定含义的：它不是指看到任何一个知识点就记下来——那样做是没有意义的。因为很多内容，你花 2 到 3 分钟就能在网上查到。

我做笔记的原则是这样的：如果一个知识点可以通过几分钟或 10 分钟的网络搜索解决，我就一定不会把它记下来。这是前提条件。

我记录的知识通常满足这样的特点：很难在网上找到相关信息；需要付出很大的努力才能获得；或者是通过自己犯错总结出来的经验；或者是别人分享的宝贵教训。我认为这样的内容

举个例子来说明。在我的笔记中，我会记录一些硬件设计的案例，既有成功的例子，也有失败的教训。对于成功的案例，我会详细记录设计的思路、电路拓扑、关键参数等。这样做是为了日后如果遇到类似的项目，我能够快速地参考。

但更有价值的，是那些失败的案例。比如说，我做过一个设计，因为某几根电路线接错了，导致整个系统无法正常工作，最后通过各种飞线（临时连接线）才解决了问题。这样的失败经历，我会详细记录下来，包括问题的诊断过程、解决方案、以及最后的改进措施。

为什么要这样费力地记录这些东西？因为我发现，如果你长期在一个细分领域工作，重复碰到同样问题的概率是非常大的。比如说，你在某个项目中用过一套特定的电路设计方案，两个月后，下一个项目可能就需要用到类似的方案。更甚者，一套经过验证的电路设计，可能在今年用过，五年后的新项目中又会用到。这种重复使用的情况在硬件设计领域是非常常见的。这就是为什么详细的记录会带来巨大的价值：当你下一次遇到同样的问题时，或者即使你已经忘记了这个细节，但如果你的笔记还保存完好，你可以马上翻出来，看看当时是怎么成功解决的。这样你就能快速地复用成熟的方案，避免重复踩坑。如果当时是失败的案例，你可以参考失败的原因和改进方案，这样也是有很大帮助的。

另一个比较有用的方法，我称之为"知识压缩"。这是一个非常有价值的的方法，强烈推荐给大家，我之前有写文章专门介绍过。做法是这样的：我会从电源芯片手册、接口规范等厚重的技术文档中，精选出 1-2 张最有代表性、最核心的图表，然后把所有关键知识点都标注在这些图上。比如说，针对一个电源芯片，我会选择一张电源管理框图，然后在这张图上标注：芯片的工作模式、功率级别的高低有效方式、分压系数、封装规格、管脚分布、特殊脚位的处理方法等等。

这样做的结果是，我在实际设计时，只需要看这一张标注过的图，就能快速地完成电源部分的设计和调试工作，甚至在后续的版本迭代、打样测试中也都能派上用场。这个方法的优势在于显著提高效率：首先，我不需要来回翻阅厚重的手册；其次，关键信息一目了然，减少了信息检索的时间；再次，这张压缩过的图表可以钉在桌面上，成为一个随时可查的参考卡片。

类似地，当我拿到一份设计优秀的原理图时，如果其中某个部分的设计思路特别巧妙，我会进行详细的标注。比如说，某个上拉电阻是做什么用的，某个 33 欧姆的限流电阻为什么这样选择，这个部分需要多大的电流驱动，每个管脚应该如何连接，特别是一些核心的功能块需要多大的电流、芯片的极端工作条件下有什么需要特别注意的地方——我都会把这些信息密集地标注在原理图的相应位置。

采用这个方法的好处是双重的：一是能够快速地熟悉和理解这个电路的工作原理；二是能够快速地在未来的设计中复用这个电路经历。特别是对于那些需要多次重复使用的单元电路，或者需要频繁检查和验证的设计，这个方法能够显著避免来回翻阅原理图、规格书等繁琐的查询过程。

我非常推荐大家也采用这个方法。在我多年的实践中，它显著提高了我的设计效率，减少了不少麻烦。

第四个我想分享的重要经验，是坚持每天阅读技术规范（Spec）文档。我已经坚持这么做超过5年了。在这之前，我的做法比较被动——只有当我在项目中需要用到某个规范时，我才会去查阅和翻译相关文档。那时候我会搜索特定的关键字，比如芯片的直流特性（DC Characteristics）、交流特性（AC Characteristics）、封装尺寸、管脚分布、工作参数等等。但从四年前开始，我改变了策略。我开始每天抽出大约半小时到一小时的时间，系统地阅读各类技术规范。这个习惯让我收益颇多。

这四年下来，我已经阅读过的规范包括：早期的串行通信规范如 I2C、 SPI； PCIe 3.0 和 PCIe4.0 这样的高速接口规范；多种 HDMI 相关的规范标准；内存颗粒的规范如 DDR2、 DDR3、DDR4、 DDR5、 LPDDR4、 GDDR7、 HBM 等等。可以说，常用的通用技术规范我基本上都收集齐了，找得到的我都下载了下来。

为什么选择通用规范而非芯片 Spec你可能会问，为什么我主要关注这些通用的规范标准，而不是特定芯片的 Datasheet（数据表）？原因很简单：每个具体的芯片 Datasheet 其实只是某个通用规范的具体实现和应用。比如说，某个芯片遵循 PCIe 3.0 规范，那么它的大部分设计原则和参数范围都是由 PCIe 3.0 标准定义的。相比之下，通用规范才是根本，是最有价值的学习资源。而且，通用规范的生命周期要长得多。以 PCIe 3.0 为例，这个规范在十几年前前就已经发布了，但时至今日，还有很多应用场景在使用它。这意味着投入时间学习这样的规范不用担心过时问题，具有很强的"后劲"。

我现在已经把大部分常用规范都阅读过一遍了。主要部分都会逐字逐句地精读，对于我关注的部分——比如电气特性、工作模式、逻辑控制等——我会看得非常细致。而对于一些软件层面的内容或应用层的细节，我则会快速浏览。

我的阅读方法是边看边记，边思考。对于那些看不太明白的词汇或表述，我会进行翻译和标注，直接写在文档的旁边。最开始的时候，读得特别慢，但经过翻译标注一遍以后，下一次查找相关内容时就会特别快了。

这样做的实际价值是巨大的。当我需要查阅某个规范中的特定字段或关键参数时，由于我已经通读过整个文档，我对文档的结构、内容分布有了深刻的了解，查找速度就会快得多。而且，由于我对整个规范有了全面的认识，即使项目中出现了新的问题，我也能快速地找到相关的章节和参数，而不需要重复的、盲目的搜索。这个方法需要坚持，好处是随着时间推移，效率会越来越高。看的东西越来越多，吸收的信息也越来越多，最开始可能会觉得有点吃力，但慢慢地就会变得游刃有余。

特别是在 AI 工具出现之后，我发现阅读这些规范的效率又提高了很多。以前我需要逐个单词去理解，现在我可以利用 AI 来快速理解某一段的含义，然后从中提取关键信息，把重要的内容标注出来。这样既节省时间，又能确保理解的准确性。

我非常推荐大家也尝试这个方法。如果你能挤出每天一点时间来阅读和学习这些规范，长期积累下去，你会发现自己在专业领域的深度和广度都会得到显著的提升，这对工作效率和技术水平的提高都是非常有帮助的。

现在的 AI 工具已经非常强大了，相比五年前，已经到了完全不可想象的程度。我在日常工作中也频繁使用 AI，对于很多日常事务，我都会考虑交给 AI 来处理。比如，改正文稿中的错别字、制定一个简单的工作计划、回答一些基础的常见问题等， AI 都能处理得很好。在这些方面， AI 已经达到了相当高的效率和准确度。

但是，我要重点强调的是：有些东西绝对不能交给 AI 处理，特别是那些重要的事情，以及你自己都还没有完全搞明白的关键问题。在我经常使用 AI 的过程中，我发现了一个重要的规律：即使是最先进的 AI，当你问它一些技术上的难题，或者关于某些专业工具的使用细节时， AI 的回答往往是含糊不清的，甚至会出现明显的错误和胡编乱造的情况。尤其是对于硬件设计或调试中的重要问题， AI 基本上都是凭空编造，完全不可信。我亲身经历过多次，问 AI 一些深层次的技术问题，得到的回答要么是废话连篇，要么是明显错误的信息。

从我个人的理解来看，当前阶段的 AI 还是本质上是一个搜索和整理工具，而不是具有强大推理能力的解答工具。它擅长从现有的知识库中检索和整理信息，但面对真正的创新问题、专业难题或新领域的问题时，它的能力就很有限了。

一个简单的对比例子就能说明问题：如果你问 AI"为什么开漏信号需要上拉电阻"，它能给出一个相当不错的答案，因为这个问题已经被充分讨论过，网络上有很多资源。但如果你问它关于 GDDR7 显存的一些设计细节，比如特定的编码规则或设计技巧， AI 就会支支吾吾、胡说八道。原因很简单： GDDR7 是相对较新的规范，相关的设计案例和讨论资源还不够充分，AI 可以参考的资料就很有限。这一点特别值得警惕。如果你不懂某个技术领域，然后被 AI 的错误答案误导了，后果可能是非常严重的。

想象一下这样的情况：你对某个技术点一无所知，然后问 AI， AI 给了一个错误的答案，但你因为不懂而相信了它。这样的话，你就被灌输了一个错误的概念。如果你基于这个错误的理解继续建立自己的知识框架，那么你整套逻辑都会是错的。你会在错误的道路上越走越远，最后的结果就是你的整个专业认知框架都是错误的，这是非常危险的。

那么，我对大家的建议是什么呢？可以把 AI 作为一个基础工具来使用。至少在现阶段， AI很适合用来：

回答一些基础的、已被充分讨论过的问题

处理一些机械化的、重复性的低价值工作

协助进行信息搜集和整理

提供多个角度的参考观点

但是，对于那些你自己都没搞明白的核心问题，千万不要相信 AI 的回答。在这些情况下，建议大家最好你应该：

查阅权威的技术文档和规范

向真正的领域专家请教

通过实践和实验来验证

多个来源交叉验证

当然，我也相信 AI 的未来发展会很快，也许某一天 AI 的能力会有突破性的进展，能够解决现在解决不了的问题。但在现阶段，我们需要保持理性，充分认识到 AI 的局限性，而不是盲目信任。这一点的分享对大家来说也很重要。因为随着 AI 的发展，会有越来越多的人开始依赖 AI 来解决问题。如果我们不能正确认识 AI 的能力和局限，就很容易被误导。希望大家能够带着批判精神使用 AI，在得到答案时多问一个"为什么"，在不确定时多做几次验证。

今年总结下来，我越来越确信一件事情：人的成长不是靠一年做一两件大事决定的，而是靠每天那一点点重复的小坚持堆起来的。比如可以是

l每天整理半小时的笔记

l每天看几页规范

l每天按计划推进一两个任务

l每个月达成一个小目标

l每年形成一套自己的方法论

这些看似不起眼的小积累，会在几年之后形成巨大的差距。没有哪一个方法能立竿见影，但只要你能够坚持，经过半年、一年、两年、五年的积累，你就会看到显著的变化。就像我之前提到的马斯克的倒推规划法一样，宏大的目标需要被拆解成每一天的小行动，然后通过每一天、每一周、每一月的坚持，最终实现那些曾经看似遥不可及的梦想。

我真诚地希望，这些经验和反思能够对大家有所帮助。无论你现在处于职业生涯的哪个阶段——是刚入行的新人，还是已经有多年经验的老手，这些方法都有值得借鉴的地方。当然，最重要的是，希望大家能够根据自己的实际情况，找到适合自己的一套方法，然后坚持去做。我希望未来的自己继续保持：

l记录

l学习

l执行

l复盘

l坚持

也希望看到这篇文章的小伙伴，能从中挑几条适合自己的方法去实践一下。或许你可能会发现，原来真正的改变，不是靠激情，而是靠每天慢慢走出来的。—— 这就是我的 2026 年年度总结。希望明年的自己更好，也希望你也是。

以上这些是我的经验分享，欢迎在留言区交流你的想法、建议或者方法论。

启芯硬件笔记 | 专注硬件电路设计与优化。私信我领取 2026 硬件人专属技术年历。