日常应用胜过正式培训课程 | AI生成和翻译
Question: 如果有人获得了 AI 或 Google Cloud 的证书，通过在团队项目中持续应用所学、分享改进建议等方式来展示知识，而不是仅通过一两次 KT (Knowledge Transfer) 会议，从而在每个工作日都影响团队，这样做会更好吗？
Answer:
是的，在日常团队项目工作中积极应用并展示你的 AI 或 Google Cloud 知识，比仅仅依赖一两次正式的 KT (Knowledge Transfer) 会议要有效得多，也更有价值。
以下是这种持续的、日常化的影响方式更有效的原因：
-
实际应用有助于团队更深入地理解：证书证明你通过了考试，但在实际的 codebase、architecture 决策、debugging 过程或 optimization 任务中看到这些概念的实战应用，会让知识变得具体且相关。团队成员通过观察上下文中的因果关系来学习，这比幻灯片或理论解释更容易让人记住。
-
渐进式学习与采纳：与其在一两次 KT 会议中灌输大量信息（人们往往会遗忘或感到不知所措），不如每天提供简小、实用的建议和改进措施。这创造了一种稳步学习的文化，让同事们在不干扰工作流的情况下逐渐吸收 best practices。
-
更高的团队影响力和可见度：当你持续建议更好的 Google Cloud services 使用方式（例如：更具成本效益的 storage、使用 Vertex AI 进行更好的 ML pipeline 编排，或更强大的 MLOps 实践）、现场解决问题或改进现有 workflow 时，整个团队会立即受益。你的贡献每天都是可见的，这能强化你作为一个博学且乐于助人的团队成员的个人品牌。
-
更快的项目改进：持续的影响能加速整体项目质量、减少 technical debt、防止常见的坑，并推动创新。一次性的 KT 会议很少能带来持久的变革，而日常应用则能产生动力，促使大家习惯性地采用更好的实践。
-
共同成长与更强的协作：你的同事通过 pair programming、code reviews、stand-ups 或日常讨论有机地“吸收”知识。这建立了信任，鼓励他们分享自己的见解，并使整个团队成为一个更有能力的单元。
在每个工作日有效展示知识的实用方法：
- 在 code reviews 期间，解释为什么某种 AI model deployment 模式或 Cloud Run 配置更好，并提出替代方案。
- 在 daily stand-ups 或 sprint planning 中，主动分享一个小窍门：“我注意到我们可以这里使用 BigQuery ML 来减少 custom code —— 这是一个小例子。”
- 志愿参与涉及 AI 或 cloud 组件任务的 pair-program，并在共同解决问题的同时进行教学。
- 在应用新技术的同时，创建轻量级的内部资源（短小的 Notion 页面、README 更新或 5 分钟演示视频），并在对话中自然地引用它们。
- 当你改进了某些东西（例如：通过更好的 Google Cloud 设置将 inference 成本降低了 40%）时，记录改进前后的对比，并在团队频道中简要分享心得。
需要注意的平衡： 虽然持续展示很有力量，但要避免给人留下“无所不知”的刻板印象。将建议框定为协作改进（“如果我们尝试我在认证中学到的这种方法会怎样？它可能会帮我们解决……”）。务必首先倾听团队的约束条件和优先级。
总结来说，证书只是起点。真正的价值在于将认证知识转化为日常的、实际的影响力，随着时间的推移提升整个团队的能力。相比于只在 KT 会议上演讲一次的人，团队会更记住并感激那个每天都能让项目变得更好的人。
这种日常集成的方法也将帮助你更快地巩固和深化你自己的知识，因为在真实场景中教学和应用比单纯的认证考试更能强化学习效果。