博士生存指南：不止写给博士生的研究生涯手册

一句话

卡帕西在斯坦福读完博士、即将去 OpenAI 前，把五年踩过的坑写成了一份约八千词的操作手册：要不要读博、怎么选导师、怎么挑问题、怎么写论文、怎么做报告。它成了 AI 圈流传最广的读博指南，而且大半内容对任何「研究味」的工作都适用。

文章讲了什么

全文按博士生涯的时间线展开，每一段都是具体到能直接执行的建议：

• 要不要读博：博士给你的是自由、所有权和一段深入一个问题的特权，代价是漫长的挫败感。申请时推荐信远比成绩重要；选校要看顶尖人才密度，且要保证有不止一位潜在导师。
• 选导师：这是全文他着墨最重的部分。要理解导师自身的激励——是否拿到终身教职、经费状况、职业阶段——没拿到 tenure 的年轻教授往往手把手带人，资深教授给的是方向感。选之前找在读学生私下打听，看毕业生的去向。
• 选问题：研究品味靠练习养成。他有个反直觉的观察——难十倍的问题往往只难两三倍，因为它逼你从第一性原理创新，还没有一群人跟你抢。要选「肥沃」的问题（后续可以长出一串工作），并让自己成为「做了 X 的那个人」。
• 写论文：一篇论文只该有一个核心贡献，全文围绕它做外科手术式的组织；最忌把几步松散的工作凑成「清单式」论文。
• 开源代码与做报告：把代码放出去，它逼你写得更好、也带来引用；讲报告先让听众对问题兴奋起来，而不是急着展示你的解法。会议的真正价值在走廊聊天，不在报告厅。

写作背景

2016 年 9 月，卡帕西刚完成斯坦福博士学位，师从李飞飞，正处在「刚出隧道、记忆还热」的时刻。当时深度学习热潮已起，大批学生涌向 AI 方向的博士项目，而这类「过来人手册」在 AI 圈几乎是空白。他自己的博士路径并不是一帆风顺的样板——感兴趣的话可以对照他更早的《特征学习历险记》，那是这份指南背后真实的弯路记录。

十年后再看

十年过去，这篇文章的处境有点微妙：它依然是选导师、写论文、做报告的最佳入门读物之一，但它默认的前提——「AI 前沿研究发生在学术界」——已经被现实改写。今天大模型的前沿在工业实验室，算力门槛把多数博士生挡在预训练研究之外，卡帕西本人也从学术界走到了 OpenAI、特斯拉，再到做教育的 Eureka Labs。不过有意思的是，文中真正的硬通货从来不是「学术生存技巧」，而是如何在无人给你出题的环境里自己找问题、做出东西并让世界知道——这恰恰是独立开发者、创业者和开源作者每天在做的事。他后来在推特上反复谈的「如何成为专家」，可以看作这篇文章的浓缩版续篇。

对你意味着什么

1. 正在考虑读博（尤其 AI 方向）的同学：全文精读，但要叠加 2026 年的现实修正——问清楚实验室的算力和数据条件，想清楚你要做的方向是否已被工业界「算力碾压」。
2. 不读博的人也别跳过「选问题」和「写论文」两节：把「论文」换成「产品」「开源项目」「技术文章」，逻辑原样成立——一次只交付一个核心贡献，选肥沃的问题，成为「做了 X 的那个人」。
3. 做独立项目的开发者：他关于开源和展示的建议是最短路径——东西做出来只是一半，把它讲清楚、放出去，才有复利。

延伸阅读

• 英文原文
• 导读：《特征学习历险记》 —— 这份指南背后，他自己博士期间的真实弯路
• 解读：如何成为专家 · 解读：学习的「短化」 —— 十年后他对学习方法的浓缩表达
• 导读：2014 年的一次访谈 —— 博士中期的他如何看待这个领域

← 返回文章导读列表