被裁后，我在光谷接了个计算机视觉外包：从焦虑到月入22K的真实经历

上周五晚上十点半，我还在光谷软件园C2栋16楼的工位上调试YOLOv8模型。窗外霓虹闪烁，楼下关东园路上早已没了行人，只有外卖小哥骑着电动车匆匆掠过。显示器右下角的时间跳到22:37，我揉了揉酸胀的眼睛，喝了口已经凉透的瑞幸——这是本周第三次加班到这个时候。

但你可能不知道，三个月前，我还在另一家公司收拾纸箱，被HR“优化”出局。

一、裁员那天，武汉下着小雨

那是去年十月十二号，一个阴沉的周五。早上刚开完站会，技术总监把我叫进会议室。桌上放着一杯没喝完的茶颜悦色（公司福利），他语气平和地说：“公司战略调整，你的岗位……暂时不需要了。”

我懵了几秒，然后条件反射地问：“N+1给多少？”
“按合同来，税前15K。”他说完就低头看手机，仿佛在等我离开。

走出大楼时，天空飘着细雨。我没带伞，也不想打车——省点是一点。走到光谷广场地铁站的路上，脑子里全是房贷、孩子奶粉钱、还有老婆上个月刚查出甲状腺结节需要复查。当时真的很焦虑，甚至有点自我怀疑：干了五年全栈，难道真的要转行送外卖？

回家后，老婆没说什么，只是默默煮了碗热干面。晚上躺在床上，她轻声问我：“要不要试试接外包？你不是老说朋友有项目找你吗？”

我翻了个身，看着天花板，心想：是啊，与其等大厂施舍，不如自己当老板。

二、第一个CV项目：客户要的是“能落地”，不是论文

两周后，一个前同事介绍了个活儿：帮一家做智能仓储的武汉本地公司开发一个包裹识别系统。需求很简单：摄像头拍传送带上的快递包裹，自动识别尺寸、颜色、是否有破损。

听起来不难？可当我真正上手才发现，工业场景的CV远比Kaggle竞赛复杂得多。

客户用的是海康威视的普通摄像头，分辨率不高，光线还经常变化。更坑的是，他们仓库里包裹堆得乱七八糟，有些还贴着反光胶带。我一开始直接套用ResNet+OpenCV的组合，结果准确率连60%都不到。

那几天我几乎住在了GitHub和Stack Overflow上。白天改代码，晚上看论文，凌晨三点还在调参。有一次调试到崩溃，直接在群里吐槽：“这破数据集比我家猫还难搞！”

后来我意识到：算法再牛，不能跑在客户的老旧服务器上也是白搭。于是决定换思路——不用重型模型，改用轻量级的YOLOv5s + 自研的数据增强策略。关键是，我用OpenCV做了动态曝光补偿，解决了光线突变的问题。

工具链也重新梳理：

• 标注工具：LabelImg（虽然简陋，但快）
• 训练框架：PyTorch + Ultralytics（YOLO官方库，文档友好）
• 部署环境：Docker + Flask API（客户IT只会装Docker）
• 监控：Prometheus + Grafana（方便他们运维看）

最终交付时，模型在RTX 3060上跑到了45 FPS，准确率92.3%。客户老板亲自请我吃了顿亢龙太子——虽然没涨钱，但他说：“下次还有活，只找你。”

三、从“会写代码”到“解决问题”：外包教会我的事

说实话，以前在大厂，我更多是“模块搬运工”。产品经理说要个OCR功能，我就调阿里云API；说要做人脸检测，就集成Face++ SDK。根本不用思考底层逻辑，更别说优化部署了。

但做外包完全不同。客户不关心你用了什么SOTA（State-of-the-Art）算法，他们只问一句：“能不能跑起来？稳不稳定？贵不贵？”

这逼着我重新审视自己的技术栈。我开始深入研究：

• 模型压缩：用TensorRT量化YOLO，体积从150MB压到40MB
• 边缘部署：把模型塞进Jetson Nano，实测功耗<10W
• 故障自愈：加了心跳检测和自动重启机制，避免半夜报警

最让我自豪的是，我把整个流程做成了一套可复用的CV工程模板。现在接新项目，三天就能跑通MVP（最小可行产品）。这比在大厂写周报、对齐OKR有价值多了。

上个月，这个模板被另一个客户看中，直接打包买断，给了我3万块。加上其他零散项目，我的月收入从被裁时的0，涨到了22K——比之前工资还高。

四、教程、算法、工具：别再被“炫技”绑架了

很多人学计算机视觉，一上来就追ViT、SAM、Stable Diffusion，觉得不用最新算法就是落伍。但现实是：90%的商业项目，根本用不到那么高级的东西。

我整理了一份“实战优先级清单”，分享给想入行的朋友：

教程：别死磕理论，先跑通一个完整Pipeline

• 推荐Ultralytics官方YOLO教程（https://docs.ultralytics.com/），中文文档很全
• 李沐的《动手学深度学习》第13章，讲部署特别实在
• B站有个UP主“跟李沐学AI”，他的实战系列比很多付费课都强

算法：选对场景比追新更重要

• 工业检测：YOLO系列 + EfficientNet（轻量、快、准）
• 人脸识别：InsightFace（开源、支持1:N检索）
• OCR：PaddleOCR（中文场景无敌，支持表格识别）
• 别碰Transformer除非你有GPU集群——真的，别碰

工具：工程化能力才是护城河

• 标注：CVAT（比LabelImg强大，支持团队协作）
• 训练：Weights & Biases（实验跟踪神器，免费版够用）
• 部署：ONNX + TensorRT（跨平台推理必备）
• 监控：ELK Stack（日志分析，排查问题快如闪电）

记住：客户不为你的F1-score买单，只为“少出错、少宕机、少花钱”买单。

五、在光谷，做一个“野生全栈”的思考

现在，我租的还是光谷软件园附近那个3500一个月的一居室。每天早上七点起床，给孩子做完早餐，八点打开电脑。没有打卡，没有晨会，但每一分收入都看得见摸得着。

有时候也会累，也会怕。怕项目断档，怕技术过时，怕哪天又“被优化”——虽然是自己优化自己（笑）。

但我越来越清楚：程序员的核心竞争力，从来不是某家公司的title，而是解决真实问题的能力。

计算机视觉也好，大模型也罢，技术永远在变。但只要你能站在客户角度，把“模糊需求”变成“稳定服务”，你就永远有饭吃。

上周和老婆视频，她说：“你现在眼睛里有光了。”
我说：“因为我知道，代码不仅能跑在服务器上，还能撑起一个家。”

---

如果你也在武汉，也在焦虑职业方向，或者正想找人合作CV项目——欢迎私信。我不收咨询费，但可能会请你喝杯茶颜悦色（这次我请）。

技术人的春天，不在大厂PPT里，而在每一个被解决的真实问题中。