领英（LinkedIn）是个吞噬灵魂的专业地狱，充满表演性生产力与公司话术，制造诡异产物。正常文本在其中消亡，只能靠大语言模型像防辐射服般维持。作者想查看信息流里遍布的表演性项目。信息流内容令人难以忍受，如有人称远房表亲被卡车撞了引申出商业管理教训，人人摆出虚假的远见专业姿态，令人疲惫。打开领英常看到些计算机视觉项目。

领英是个吞噬灵魂的职场空洞，是个连死敌都不该困在里面的地狱。那是表演性生产力和公司腔调的混合物，制造出人类无法理解的被诅咒产物。正常人类的文字在那里死去，只能靠 LLM 像防辐射服一样续命。我想看看我信息流里到处都是的那些表演性项目。

信息流

那真是我见过最没法忍受的东西。

我表叔今天被卡车撞了🚚💥！这给我上了关于企业管理的一课👇

每个人都带着“有远见”“前瞻性”“专业”的虚假腔调，太累了。

项目

再看他们发的项目。每次打开领英，都被些家伙挥手做计算机视觉项目糊脸，还能追踪他们。如果一个也就罢了，但满屏都是，尽是挥手做无意义的事。没用，也没人想用，就是“看我计算机视觉”。我敢肯定他们是 vibecode 或从教程抄的，因为每个都一模一样。

顺便说，你知道多离谱吗？我放这张图根本没特意找，就打开领英，这是看到的第一个、第二个、第三个、第四个、第五个……

没开玩笑，刚看到的第二个就是。让我无语的是，第一张至少是个游戏，不好但算东西。坑洼检测有啥意义？眼睛就能检测坑洼，而且非常擅长。他们也没把数据发到任何地方。如果接了车载摄像头做检测，首先是大规模监控，其次如果坑洼多到需要众包数据，那你问题大了，但就算发到 API 也行，然而并没有。

更大的想法是用 AI 做智能基础设施监控，更高效评估路况，维护团队能做更好的数据驱动决策。

这项目还让我明白真实计算机视觉不只是检测物体；光照、路况、摄像头角度、重叠检测都影响性能。看烦了这些。做这种在领英上好看的项目有多难？（剧透：挺简单）

制作 YOLO 帖子检测器

我决定做个检测器，专门认“🚀 兴奋宣布我做了 YOLO 项目”的帖子。从零学，没做过，就想看看多难。不能没煮过拉面就批评烹饪。它没啥用，但能让你知道垃圾就是垃圾。

花一个半小时学加做，多半是画框和等模型训练。第一步是数据，要训练模型认这些帖子。我写了脚本收集图片：建 rawdata 目录，等 5 秒切换浏览器，循环 200 次用 scrot 截图存为 slop001.png 等，用 xdotool 按 Page_Down 再等 3 秒。这样就有了 200 张图。

接着建 Roboflow 账号传截图，手动框选标注约 20 分钟，导出 YOLOv8 格式数据集。训练模型基本不费劲：用 ultralytics 的 YOLO 加载 yolov8n.pt，训练 data.yaml，50 轮，图片尺寸 320，项目名 slop_detector。因电脑差训了 30 分钟。

训练完写脚本跑模型：加载 best.pt，对输入图像以置信度 0.10 保存结果。终于有了自己的垃圾检测器！

视频 3

我觉得能在简历加计算机视觉专家、Python 大牛、AI/ML 思想领袖了。

结论

一个半小时学加做。如果有优化模型或提升精度还行，但领英上多半是：琐碎东西加酷营销。没人说啥因为评论在档案里。招聘者看到你骂垃圾，你就是混蛋。于是大家鼓掌走人。真正问题是这网站不奖励变好。它是卖自己求职的平台，活下来的不是技能而是看起来有意思。就是 LARPing 生产力。去这些档案看，同一个人反复测坑洼零进步。

讨论几乎一边倒地嘲讽 LinkedIn 的表演型文化与 LLM 垃圾内容，分歧主要在它是否仍是普通职场人绕不开的基础设施，以及「投喂算法换取晋升」究竟算务实还是同流合污。

认为它比 Instagram 更表演，且已被 LLM 垃圾彻底淹没

• 这地方本质是个人品牌秀场，LLM 只是把原本就存在的励志腔、奋斗叙事和政治表态放大到失控，连「我随手发的东西」都带着违和感（较多人）
• 有人提到 feed 里已经出现「用 ChatGPT 设计了一块三个元件的 PCB」这类帖子，而且平台自己都加上了「看起来像 AI 垃圾」的按钮（较多人）
• 大多数人自认没有义务在上面活跃，反问除了企业里的「小丑」还有谁真的在用（较多人） > 我不开玩笑地说，4chan 都比 LinkedIn 更让人恢复元气、更肯定生活。（@nicebyte）

承认讨厌它，但它是普通职场人不可替代的通讯录

• 对不在科技圈的人来说，这里是看前同事去向、对手在做什么的唯一入口；无聊，但基本能用，且没有太多右翼宣传（较多人）
• 代价是必须忍受 MFA、单点登录、沙箱环境，登录一次还要用密码怀疑自己的理智（少数人）
• 有人因为行业里反复灌输「商机在这里」而勉强使用，但每次发帖都觉得自己像个骗子，最终放弃并接受损失机会（少数人） > 我希望能有个替代品，但至少它没那么多右翼宣传，而且它就是能用。（@flarg）

把发帖当成针对决策者的定向投喂，是理性自我营销

• 与其泛泛地刷存在感，不如瞄准具体目标：决定晋升的人关注了你，只要她常在 feed 里看到你「很厉害」，等别人提起你时她就会顺势点头（少数人）
• 讨论随即转向它到底管不管用、能带来多少实际收益（少数人）
• 也有人说别恨玩家恨游戏，真能换来更好的工作和钱，那祝他们好运（少数人） > 决定我升职的人关注了我，我几乎见不到她，唯一能直接影响她的方式就是出现在她的信息流里。（@MisterMunchkin）

认为量化金融类的自我包装基本是身份冒充

• 社交媒体上自称 quant 的人几乎都不是真正的量化分析师/研究员/开发者，他们发的是 vibe coding 出来的仪表盘、agent 自动做研究和下单、以及家用 ASIC「省几毫秒」这类内容（少数人）
• 科技业裁员后，想赚快钱的人挑中了金融里最看资历、门槛最高的岗位来扮演（少数人）

认为它被嵌进了求职流程，不注册反而要付出代价

• 很多职位申请强制要求粘贴 LinkedIn 链接，有人甚至不敢试试填一个不存在的地址会不会被自动拒（较多人）
• 不注册的人会被周围人用异样眼光看待；而真正促使一部分人注册的只有招聘方（少数人）
• 更烦的是搜索结果里常出现必须登录才能看的页面，作者认为这未必是 LinkedIn 的错，而是 Google 假定「人人都有账号」（较多人） > 我一直在纠结要不要删号，但很多工作申请就是要求你贴上 LinkedIn，我又怂到不敢试别的写法。（@tombert）

用 LLM 反向生产垃圾来表达厌恶

• 有人用模型每周两次生成极其空洞的「商业思考」帖，底下自然引来一堆垃圾评论，他再以垃圾回复垃圾，还专门建站存档（少数人，带玩笑性质） > 我太恨 LinkedIn 了，所以给它造了一门垃圾炮。（@stavros）

有价值的补充

• 那篇「ML 检测 LinkedIn 垃圾」的博客被质疑方法有泄漏：数据采集脚本用的是自家 feed，而这个 feed 同时又用于演示视频，因此看起来不错的效果可能来自训练集污染，修正后或过几周性能就会下滑。
• 推荐算法是按行业定制的，所以不同人看到的垃圾形状不同：电气工程师刷到的是「我用 ChatGPT 设计了一块 PCB」，而不是计算机视觉的 Hello World。
• LinkedIn 自带的小游戏（Zip 之类）很无聊且带计时器和人脉排行榜，有人担心这些游戏数据会被当作招聘智力信号，或被打包卖给第三方 ATS——这个市场对「任意聪明度指标」的需求大得离谱。
• 有人猜测 LinkedIn 会压制任何指向站外链接的内容，连评论里的链接也不例外，这让分享一篇好博客变得极其困难；同样的问题在 Facebook 上也有，原生内容总是压过外链。