这个事情其实没有什么标准的答案，因为我觉得在职业生涯的不同阶段，广度和深度的重要性是在不断的发生变化的。我是一名机器学习领域的工程师，但我觉得我的经验应该也适用于绝大多数职业领域，权当供大家参考。

我觉得一个人的职业生涯可以明显分为三个阶段，就是初期，中期，和成熟期。针对这三个阶段，我对深度和广度的理解是：

初期的广度重要，中期的深度重要，成熟期又变成广度重要。

在职业生涯的初期，你刚进入这个领域，这个时候你的首要任务是快速的建立起这个行业的知识体系，而不是深入到某一个点去深挖。为什么这么说？就是因为那句大俗话“选择大于努力”。如果在你没有建立知识体系的时候，你就钻到某个点上去增加深度，可能会造成的一个典型后果是努力了半天，发现这个方向我根本不喜欢，或者努力了半天，这个方向的收益根本没有我想象中的大。

拿我们机器学习领域来说，在你不清楚业界对CV，语音，NLP，广告推荐等方向的应用深度时，选错一个方向可能会导致你未来的收入和发展空间千差万别。再细一点，拿推荐系统来说，你是做模型，还是做工程，是做数据还是做线上系统，哪个方向是你喜欢的，哪个方向的空间大，哪个方向竞争最激烈，你在刚入行的时候，应该迅速积累起这些信息和知识，只有这样才能作出最有利于你职业生涯的决策。这时候的一个决策，就会影响你未来至少三五年的职业生涯发展和切实的收入水平。

在度过初期的探索过程之后，在职业生涯的中期，你一定要挑选一到两个点深入下去。原因很简单，初级的工程师完全没有替代性，你的知识面再广，经验再广都没有用，所有公司找到都是能够在一个点上独当一面的人。还有一句大俗话是“高端人才永远短缺，初级人才永远内卷”。这句话俗，但毫无疑问是事实。职业生涯的中期你一定要让自己在一个点上与众不同，这时候，深度就会变得无比重要。还以推荐系统为例，一线公司要找的建模相关的高端职位一定是名校相关方向博士或者已经有丰富相关业界经验的工程师，不可能是一个转方向的其他领域的高级工程师，要转方向，只能重新从初级开始。这一点，又凸显出了第一阶段的重要，就是一定要在初期构建起你的知识广度，在这个基础上，找到你愿意深耕的那一到两个点。

在职业生涯的成熟期，在你已经成为某个细分领域的专家之后，事情又变成了广度重要。为什么？因为这个时候你的目标肯定是希望承担更多的责任，让自己负责的scope更大。即使是非常重要的领域，比如说推荐系统中最重要的排序算法，它最多最多能让你在十几二十人的团队中脱颖而出，不可能让你再上一步了，这个时候，你就必须要精通更多的领域，包括其他的工程领域，当然也包括产品，运营的相关经验。

在整个过程中，我看到的是更多的人连第一步都没有做好，连正确建立自己领域的知识框架都做不到，这就不用往下看了，什么广度、深度、再回到广度的过程完全没有意义。举个例子来说，我在某平台开了一门深度学习推荐系统的实战课，有不少同学虽然购买了这门课，但只听过前两节，这说明什么，要么说明我讲的太差，要么就说明他们自己根本没有坚持做好任何一个方向知识储备的能力，那还谈什么“内卷”呢？但是在最后几节课，坚持下来的同学提出的问题，甚至让我自己都叹为观止，他们对整个系统的思考深度几乎达到了一个相当资深的水平，这不是我讲的好，是他们自己在脑海中建立好了一个领域的体系，有了这个领域的知识广度，才能作出更靠谱的思考。

说着说着怎么像软文了。。回到正题。整个从“广度-深度-广度”的这个过程，其实也不仅限于职业生涯的规划，对任何问题的研究都遵循这个过程。比如高考报志愿，广度差、眼界窄的同学，往往没办法选出对自己未来最优的学校和专业，但我知道，北京一些知名高中的学生，早在高一就已经确定了自己的目标学校和专业，然后针对这个目标，不断加深自己的知识和经历的积累，最后考上心仪的专业之后，则开始再次扩大自己的知识面，这样才能螺旋上升，完成下一次的超越过程。

其他的过程，比如换工作，寻找项目的最佳方案，研究生论文从选题到答辩的整个过程，都是“广度-深度-广度”的螺旋上升过程，概莫能外。所以下次遇到任何决策问题的时候，也不妨想想这个“广度-深度-广度”的方式，也许能找到些解决问题的灵感。