年底了，打开备忘录准备写年终总结，光标闪了半天，愣是一个字没憋出来。

不是没东西写，恰恰相反，太多了。写文、做自媒体、参加比赛、办活动、学大模型……日历上密密麻麻全是痕迹，手机相册里存满了各种活动的合影和奖状。可就是这么奇怪，明明做了这么多事儿，坐下来一盘点，心里却空落落的。

那天晚上三点多，躺在床上睡不着，脑子里突然蹦出一个念头：我这一年，活得像不像一个强化学习的智能体？

## 一、先聊聊什么是强化学习，用人话说

别急着划走，我不打算讲什么马尔可夫决策过程，也不会贴代码。

强化学习这东西，核心思路特别简单：一个小家伙（咱们叫它智能体），被丢进一个陌生环境里，它不知道该干嘛，只能瞎试。做对了一件事，环境给它一点甜头，叫"奖励"；做错了，可能挨一巴掌，叫"惩罚"。时间长了，它就学会了——哦，原来这么干能拿奖励，那我就多干这个。

听着是不是特耳熟？

这不就是咱们吗？

从小到大，考试考好了，爸妈给买玩具；上班业绩好了，老板给发奖金；发条朋友圈，点赞多了心情就好。我们不也是在这个环境里不断试探，看看什么动作能换来正向反馈，然后调整自己的行为吗？

想通这一点之后，我突然对自己这一年有了新的理解。

![image.png](https://developer.qcloudimg.com/http-save/yehe-5421023/92ee1423317748aadc1b53ea495198da.png)


## 二、写了一年的文章，奖励在哪儿

先说写文这件事吧。

今年我确实写了不少，打开后台一看，几十篇是有的。但说实话，大部分都是水文。不是我想水，是真的没时间打磨。白天上班，晚上还有各种事儿要处理，能抽出来写东西的时间本来就不多，还得保证更新频率，只能压缩质量。

最开始我给自己设定的奖励是阅读量。每发一篇就盯着后台数据看，刷新，刷新，再刷新。阅读量涨了，开心一下午；阅读量扑了，郁闷好几天。

后来发现这个奖励信号太不稳定了。同样的内容质量，有时候赶上热点就爆了，有时候发出去连个水花都没有。渐渐地，我开始怀疑自己：到底是我写得不好，还是运气不好？

再后来，我干脆不看数据了。写完发出去就完事儿，眼不见心不烦。

可是这样一来，新的问题又出现了——没有奖励信号的反馈，我就不知道自己在进步还是在退步。就像一个在黑暗中摸索的人，偶尔会撞到墙，但大部分时间都不知道自己走的方向对不对。

强化学习里有个概念叫"稀疏奖励"，就是说奖励来得太少太慢，智能体很难学到东西。我今年写文章的状态，大概就是这样。做了很多动作，但有效的反馈太少了，以至于我到现在都不确定，自己在写作这条路上，到底有没有变强。

## 三、自媒体这条路，我的奖励函数可能设错了

如果说写文章的奖励是稀疏的，那自媒体这块儿，简直就是负奖励连击。

先说公众号。今年有段时间，我开始重写公众号，阅读量还不错，大几千，我当时可高兴了，心想这条路走对了，以后多写这种内容。知道某一天，我写了一篇分析某家公司的文章，自认为挺客观的，数据翔实，观点中立。发出去之后。

结果第二天，投诉来了。

具体的我就不细说了，反正后果就是，那篇文章之后，我的账号流量直接从大几千变成了十几。不是几百，是十几。你能想象那种落差吗？就像打游戏打到一半，突然被系统判定开挂，直接封号重来。

更让人沮丧的是，我根本不知道自己错在哪儿。写得太真实了？触碰了谁的利益？还是纯粹运气不好被人盯上了？没有人告诉你答案，你只能自己猜，然后在下次行动时更加小心翼翼。

这算什么奖励？这是惩罚啊。而且是那种你都不知道为什么挨打的惩罚。

小红书也差不多。今年我换了好几个方向，什么技术分享、工具推荐、生活记录都试过了，就是找不到流量密码。看着别人随手发个帖子就几千赞，我认认真真做的内容却连一百浏览都没有，真的会怀疑人生。

最离谱的是出海那段时间。信心满满地做内容，想着国外市场大，竞争没那么卷。结果呢？整整一个季度，回来一看，粉丝数：3。

三个。

就三个。

我都怀疑那三个人是不是点错了。

这种体验让我开始反思：是不是我给自己设定的奖励函数就有问题？

我把"涨粉"、"阅读量"当作奖励，把"变现"当作终极目标。但这些东西真的是我能控制的吗？算法一变，规则一调，你之前积累的所有经验可能一夜之间全作废。追着这些外部指标跑，我越来越像一只被牵着鼻子走的驴，筋疲力尽却不知道自己在图什么。


![image.png](https://developer.qcloudimg.com/http-save/yehe-5421023/7a12240a7f3de052724fadbfb34e5c1d.png)
## 四、比赛和活动，终于拿到奖励了，然后呢

今年参加比赛的次数不多，主要是实在抽不出时间。但就这仅有的两次，都翻车了。

一次是选题方向搞错了。比赛要求的是A方向，我阴差阳错理解成了B方向，辛辛苦苦做了一周的东西，最后要提交上去才发现跑偏了。那一刻真的很崩溃，不是因为浪费了时间，而是那种"明明很努力却因为低级错误功亏一篑"的感觉，太打击人了。

另一次更离谱，我把最终提交时间记错了。以为还有一天，结果截止日期就是当天晚上十二点。等我反应过来的时候，已经来不及了。

你说这怪谁？怪自己呗。但人就是这样，明明知道是自己的问题，还是会找理由开脱——太忙了，事情太多了，精力跟不上了。

活动倒是参加了不少，每次名次都一般般。不上不下，拿个参与奖或者安慰奖。东西挺好的，就是没什么用。家里已经堆了一堆马克杯、帆布袋、充电宝，真的用不上那么多。

有时候我会想，这算奖励吗？

从强化学习的角度看，算。毕竟你做了某个动作（参加比赛），得到了一个正向反馈（奖品）。但问题是，这个奖励的价值太低了，低到不足以激励我下次付出同样的努力。

更让人无奈的是，大奖拿不到。不是不想拿，是真的够不着。看着第一名的奖品眼馋，但自己和人家的差距明明白白摆在那儿，也不好说什么。

有一瞬间我突然觉得自己老了。不是身体老，是脑子跟不上了。年轻人的思路天马行空，创意层出不穷，我还在这儿按部就班地套方法论。可能我不是不努力，是努力的方向已经过时了。


## 五、办活动这件事，终于尝到了一点甜头

说了这么多丧气话，还是有些让人欣慰的事儿。

今年我成功办了TRAE的Meetup和黑客松，这是实打实落地的东西。从筹备到执行，从邀请嘉宾到现场协调，每一个环节都是自己一点点推进的。

活动当天看着现场坐满了人，大家认真听讲、积极交流，那一刻是真的有成就感。这种感觉和写文章涨了阅读量不一样，也和拿了个小奖品不一样。它是一种"我做成了一件事"的确定性，是看得见摸得着的反馈。

还被邀请参加了一些活动的分享嘉宾，这种体验也挺新鲜的。站在台上讲东西，底下几十号人看着你，那种感觉既紧张又兴奋。

当然，也有社死的时候。互动环节被现场观众拷打，问的问题我答不上来，脸上笑嘻嘻心里慌得一批。那种冒汗的感觉，谁经历谁知道。

但事后想想，这也算一种奖励吧——被拷打说明人家认真听了，问得出专业问题说明他们在乎你讲的内容。如果全程没人理你，那才是真正的失败。

这件事让我意识到，有些奖励是即时的，有些奖励是延迟的。办活动这种事，当下可能看不到什么直接收益，但它带来的人脉、口碑、经验，都是会在未来某个时刻兑现的。强化学习里也有这个概念，叫"延迟奖励"，你现在做的事情可能要过很久才能看到回报。

难的是，很多人等不了那么久。

![image.png](https://developer.qcloudimg.com/http-save/yehe-5421023/ccccd53805a52a4775c08ddcd63d9de7.png)

---

## 六、学了一堆东西，奖励还在路上

今年在学习上投入的时间真的不少。

大模型那些东西，该玩的都玩了一遍。魔搭、HuggingFace、各种国内外的工具和平台，我敢说自己用得挺六的。看到什么新东西出来，第一时间就去上手试试，了解它能干什么、怎么用、有什么坑。

可问题在于，我只停留在"会用"的层面，始终没想明白怎么把它变成钱。

直到有一天，看见一个博主发视频，用我也会的工具做了个简单应用，然后靠这个接广告变现了。那一刻真的很复杂，一方面是替人家高兴，另一方面是懊恼——这东西我也会啊，怎么就没想到呢？

这种"后知后觉"的感觉太难受了。就像考试的时候，题目明明都会做，但出了考场才反应过来自己写错了。不是能力问题，是脑子没转过弯来。

后来我总结了一下，大模型这东西，学是学不完的。技术迭代太快了，今天学的东西可能下个月就过时了。与其追着技术跑，不如想清楚自己要用这些东西干什么。

还有一个建议，给那些和我一样在学大模型的朋友：别入算法的坑。不是说算法不重要，是性价比太低了。你花大半年时间搞明白transformer的数学原理，可能还不如人家花两周学会怎么调用API变现来得实在。当然，如果你是搞科研的，当我没说。

学习的奖励是什么？短期来看，是掌握了新技能；长期来看，应该是用这些技能创造价值。但问题是，我目前还卡在"短期"这一步，长期的奖励还没到账。

希望2026年能兑现吧。

## 七、回到最初的问题：奖励到底是什么

写到这里，我突然发现一个问题。

这一年，我一直在找奖励，却从来没有认真想过，什么才是我真正想要的奖励。

是阅读量吗？那个数字涨涨跌跌，情绪被它牵着走，太累了。
是粉丝数吗？追了一年，没追上。
是奖品吗？家里堆了一堆用不上的东西。
是钱吗？商单还是几百块的水平，没什么长进。
是成就感吗？有过，但很短暂。
是认可吗？有一些，但总觉得不够。

或许问题就出在这里——我的奖励函数太混乱了。

同时追求太多东西，每一个都想要，每一个都舍不得放弃。结果就是精力被切得七零八碎，什么都做了，什么都没做好。

强化学习里有个说法，叫"探索与利用的权衡"。探索是尝试新的可能，利用是专注于已经验证有效的方向。一个好的智能体，需要在这两者之间找到平衡。

回看我的2025，探索做了很多，利用却严重不足。我尝试了写文、自媒体、比赛、活动、学习各种方向，但没有一条路走到足够深的地方。

2026年，也许我应该停下来想一想，到底什么才是值得我all in的事情。不是什么都要，而是选定一两个真正重要的目标，然后把那条路走穿。
![image.png](https://developer.qcloudimg.com/http-save/yehe-5421023/c0e0b2e045942d5a3408d944a44c6407.png)

## 八、写在最后

凌晨四点，写完这篇文章，窗外天已经有点蒙蒙亮了。

我问自己：这一年，你比去年优秀了吗？

说实话，我不知道。

如果用那些外部指标来衡量——粉丝数、阅读量、收入——答案大概是没有，甚至可能还倒退了。

但如果换一个角度想，这一年我确实经历了很多、尝试了很多、也失败了很多。这些经历本身，难道不也是一种奖励吗？

不是那种立竿见影的奖励，而是更隐蔽、更深远的那种。

就像强化学习里的智能体，它在环境中不断试错，每一次失败都让它对这个世界有了更准确的理解。我今年踩过的坑、走过的弯路、犯过的低级错误，其实都在帮我建立一个更清晰的世界模型。

这个模型会告诉我，哪些事情值得做，哪些事情是陷阱；什么样的奖励是真实的，什么样的奖励是海市蜃楼。

所以，如果我的2025是强化学习，那奖励是什么？

答案可能是：我终于开始认真思考这个问题了。

知道自己想要什么，比盲目地追逐一切，重要得多。

2026，希望能少一点稀疏奖励，多一点确定性的收获。

也希望每一个和我一样在深夜里彷徨的人，都能找到属于自己的奖励函数。

晚安，或者说，早安。



不是没东西写，恰恰相反，太多了。写文、做自媒体、参加比赛、办活动、学大模型……日历上密密麻麻全是痕迹，手机相册里存满了各种活动的合影和奖状。可就是这么奇怪，明明做了这么多事儿，坐下来一盘点，心里却空落落的。

如果2025的我是强化学习，那最终奖励会是什么？

产品KOL

人工智能

职业发展

年终总结揭示现代人的困境：像强化学习智能体般追逐外部奖励却内心空虚。文章剖析写作、自媒体、比赛等经历，反思过度关注阅读量、粉丝数等指标导致迷失自我。作者最终领悟：真正的成长在于经历与思考，而非盲目追逐外部认可。2026年应聚焦核心目标，建立更清晰的人生模型。

强化学习

智能体

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

如果2025的我是强化学习，那最终奖励会是什么？-腾讯云开发者社区-腾讯云

如果2025的我是强化学习，那最终奖励会是什么？

如果2025的我是强化学习，那最终奖励会是什么？

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐