从业者指南：Web3 职业地图与生存法则

这一章不是招聘广告，也不是"月入十万"的成功学。它想做的事很朴素：把 Web3 这个行业里真实存在的工作岗位拆开，告诉你每个岗位的人每天在干什么、需要会什么、赚的是什么钱、承担什么风险，以及如果你现在零基础，从哪一步开始最不容易掉坑。

先说一个前提判断（作者综合判断）：Web3 不是一个"行业"，它更像一个横跨软件工程、金融市场、社群媒体和法律监管的交叉地带。这意味着两件事——第一，你在 Web2 积累的技能有很大一部分可以迁移过来，不必从零开始；第二，光有原来的技能不够，你必须补上"链上世界的常识"，否则会在很多地方产生系统性误判。

还有一个必须前置说明的事实（行业共识）：这个行业有明显的周期性。牛市里岗位供不应求、薪资虚高、面试标准极度宽松；熊市里裁员比例远高于传统互联网，整个公司消失都不稀奇。任何一份职业规划如果没有把"如果明天进入两年熊市我怎么办"算进去，都是不完整的。

小白视角 我最初以为 Web3 就是"炒币的公司"。后来才发现，一个稳定运转的协议团队里，真正碰交易的人可能不到 10%。更多人在写代码、审代码、写文档、回社区的问题、跟律师开会。这个认知落差本身就是入行的第一道门槛——你以为你在申请一个金融岗位，实际上你在申请一个开源软件基础设施岗位。

一、职业地图总览

下表把 Web3 的岗位分成七大类共 24 种。"技术门槛"指编程或数学能力要求，"周期敏感度"指熊市中该岗位被裁撤或降薪的概率（高=容易被砍），"Web2 迁移难度"指从对应的传统岗位转过来需要补课的量。

读表的三条提示（作者综合判断）：

第一，技术门槛与周期敏感度大体呈负相关。写共识层代码的人在熊市里很难被替代，因为链还在跑、区块还在出；而做 NFT 市场营销的人在熊市里几乎没有业务可做。这不是"技术岗更高贵"，而是"离协议核心越近，需求越刚性"。

第二，Web2 迁移难度高的岗位往往待遇也高，因为供给稀缺。密码学研究员和做市交易员是两个极端例子——前者要读得懂论文，后者要扛得住真金白银的回撤，两条路都不是几个月能速成的。

第三，门槛低的岗位竞争极其激烈。社区运营看起来是最好入门的，但正因为好入门，一个岗位收到几百份简历是常态，且薪资天花板低、可替代性强。如果你把它当跳板可以，当终点则风险很大。

二、24 类岗位逐一拆解

以下前 12 个是本行业的"骨架岗位"，每个按 10 个要素展开；后 12 个按 6 个要素精简展开。

1. 协议工程师（Protocol Engineer）

日常工作：维护区块链客户端本身。具体包括共识算法的实现与优化、P2P 网络层的消息传播、状态存储引擎的读写性能、执行层的虚拟机改动、以及硬分叉升级的兼容性处理。大量时间花在写测试、跑压测、复现别人报告的节点崩溃、以及在协议规范文档（如以太坊的 EIP、Cosmos 的 ADR）里跟人辩论一个参数该设成多少。真正写新代码的时间可能只占三成。

所需知识：分布式系统（拜占庭容错、最终性、网络分区）、密码学基础（哈希、签名、Merkle 树）、至少一门系统级语言（Rust、Go、C++）、操作系统与网络（epoll、TCP 拥塞、NAT 穿透）、以及对目标链协议规范的逐条理解。

常用工具：Rust/Go 工具链、gdb/perf/flamegraph 一类的性能剖析、Kurtosis 或 Hive 这类多客户端联调测试网框架、Prometheus + Grafana 做节点指标观测、GitHub 上的规范仓库与 ACD（All Core Devs）会议记录。

作品集怎么建：最有说服力的作品集就是被合并的 PR。哪怕只是给某个客户端修一个文档错别字、补一个边界测试用例，只要进了主仓库，它的可信度远高于任何自建项目。进阶做法是自己用一门语言实现一个玩具链（区块结构 + 简化共识 + 交易池），把设计取舍写成长文。

与 Web2 对应岗位区别：本质上就是数据库内核或分布式存储工程师，但多了三件事——一是"错误不可回滚"，线上 bug 可能直接造成资产损失或链分叉；二是"你没有运维权限"，节点跑在全世界成千上万个陌生人手里，你不能热修复；三是"改动要走公开治理"，一个参数变更可能要在公开会议上被辩论几个月。

职业风险：链本身可能失败。你花三年把某条 L1 的性能做到极致，结果这条链没人用，你的经验迁移到别的链会打折。缓解办法是尽量参与"跨链通用"的部分——共识、网络、存储引擎，这些是可迁移的；某条链特有的 API 设计，可迁移性低。

周期影响：低。熊市中协议团队通常最后被裁，因为链的维护是刚性支出。但要注意：如果雇主是靠代币融资撑现金流的基金会，代币价格暴跌会直接影响预算。

伦理合规风险：中低。主要风险是明知有漏洞而不披露，或者被要求实现"后门式"的紧急暂停功能却对外宣称去中心化。前者可能触及法律责任，后者是声誉风险。

入门路线：① 用 Go 或 Rust 打牢基础，做一个能跑的 KV 存储；② 完整读一遍某条链的黄皮书或规范；③ 本地跑一个全节点，用测试网跑通同步，观察日志；④ 在客户端仓库找 good first issue 标签提交第一个 PR；⑤ 持续参加核心开发者公开会议（都有录像和纪要），熟悉议题和人。

可验证练习项目：实现一个简化版 PoS 链——支持区块生产、分叉选择规则、简单的质押与罚没逻辑，并写一个能制造网络分区的测试，验证你的分叉选择在分区恢复后能正确收敛。把测试报告和你踩过的坑写成文档，这份文档比代码本身更能证明你的水平。

2. 智能合约工程师（Smart Contract Engineer）

日常工作：设计与实现链上业务逻辑。写合约、写测试（单元测试、fork 测试、不变量测试）、做 Gas 优化、准备审计材料、配合审计师修复问题、编写升级与部署脚本、在多签里执行部署，以及上线后监控合约状态。写代码时间占比可能只有四成，测试与评审占了大头。

所需知识：Solidity 或 Move、Vyper、Cairo 之一；EVM 执行模型（存储布局、调用类型、Gas 计费）；常见漏洞模式（重入、价格预言机操纵、整数与精度、访问控制、代理升级槽位冲突）；DeFi 基础金融逻辑（AMM 定价、借贷清算、利率模型）；以及代理模式与可升级性设计。

常用工具：Foundry（forge/cast/anvil）、Hardhat、OpenZeppelin 合约库、Slither / Aderyn 静态分析、Echidna / Medusa 模糊测试、Tenderly 做交易模拟与调试、Safe 多签、Etherscan 做验证与只读交互。

作品集怎么建：三件套——① 一个功能完整、测试覆盖率高、README 写清了威胁模型的开源合约项目；② 在 Code4rena / Sherlock / Cantina 等审计竞赛中提交过有效发现（哪怕是低危）；③ 一篇复盘某次真实攻击事件的技术文章，附上你自己写的复现 PoC。第三项对面试官的冲击力最大，因为它同时证明了你能读懂别人的代码和能动手复现。

与 Web2 对应岗位区别：Web2 的后端可以随时发版修 bug，合约一旦部署基本不可改（或改起来极其昂贵且需要治理批准）。这导致工作方式完全不同：你的代码评审强度接近航天软件，你的部署流程接近发射流程。另外，你的所有代码和状态都是公开的，全世界都能读你的源码找漏洞，而且找到了有直接的经济激励。

职业风险：写出重大漏洞导致资金损失，会成为职业生涯的显著污点，严重的还可能面临诉讼。缓解方式：坚持"没有测试就不部署"，坚持外部审计，坚持渐进式上限（新合约先设 TVL 上限再逐步放开）。

周期影响：中。熊市里新项目减少，但存量协议仍需维护和迭代，安全相关需求反而更受重视。

伦理合规风险：中高。你可能被要求实现"仅管理员可提走全部资金"的隐藏函数、或者可以随意修改用户余额的后门。这类要求是明确的红线——它不是"灰色地带"，它是你未来会被写进起诉书的证据。合理的做法是坚持把所有特权函数显式写出来、加时间锁、并在文档里公开。

入门路线：① 学完 Solidity 基础语法后立即开始用 Foundry 写测试，不要停留在教程；② 完整实现 ERC-20、ERC-721、一个简化 AMM、一个简化借贷池；③ 刷 Ethernaut、Damn Vulnerable DeFi 这类漏洞挑战；④ 读 3 个主流协议的真实代码（Uniswap V2 是最好的第一份，代码短且经典）；⑤ 参加一次公开审计竞赛，哪怕零收获也能看到高手的思路。

可验证练习项目：写一个带清算逻辑的超额抵押借贷池，要求：使用可替换的价格预言机接口、写出至少 5 条不变量（如"总债务 ≤ 总抵押 × 抵押率"）并用模糊测试验证、再写一份威胁模型文档列出你认为最危险的三条攻击路径以及你的防御。这个项目能同时展示工程能力、金融理解和安全意识。

Builder 视角 我招合约工程师时最看重一件事：候选人有没有"敌意思维"。很多人写完功能就说完成了，但合约世界的默认假设是——每一个能调你函数的人都想偷你的钱，而且他有无限次尝试机会和自动化工具。你能不能在写每个 external 函数时下意识地问一句"如果有人在这里插一笔闪电贷会怎样"，这条线把入门和合格分开了。

3. 前端与钱包工程师（Frontend & Wallet Engineer）

日常工作：构建用户与链交互的界面。包括钱包连接、链切换、交易构造与签名、交易状态跟踪与重试、Gas 估算与展示、错误信息的人话化翻译、多链资产聚合展示，以及处理各种钱包的兼容性差异。钱包工程师还要额外负责密钥管理、助记词流程、硬件钱包适配、以及交易内容的可读性解析（让用户签之前知道自己在签什么）。

所需知识：TypeScript / React 或同类框架；以太坊 JSON-RPC 与常见 EIP（EIP-1193 提供者接口、EIP-712 结构化签名、EIP-4337 账户抽象）；ABI 编解码；异步与状态管理（链上状态天然是最终一致而非强一致，需要乐观更新与回滚）；基础密码学与密钥存储安全。

常用工具：wagmi + viem（当前主流的以太坊前端栈）、ethers.js、WalletConnect、RainbowKit / ConnectKit 等连接组件、The Graph 或自建索引服务、Tenderly 模拟交易结果、各类钱包的开发者模式。

作品集怎么建：做一个真的有人用的小工具最有效——比如一个 NFT 批量转账器、一个多签交易可视化器、一个某协议的替代前端。部署到 IPFS 或 Vercel，附上真实使用截图和用户反馈。相比"又一个 DEX 界面 clone"，解决具体痛点的小工具更能打动人。

与 Web2 对应岗位区别：三点。一是没有服务器兜底——你不能"后端改一下就好了"，很多逻辑必须在前端正确处理；二是每个操作都可能花掉用户真金白银，一个多余的确认弹窗漏了，用户就多付一次 Gas；三是失败态极其复杂，交易可能待打包、被替换、被回滚、被 MEV 夹击，你要把这些状态都翻译成人能看懂的话。

职业风险：相对低。这是技术岗里迁移性最好的——你的 React 能力在任何行业都值钱。真正的风险是"只会调 SDK 不懂底层"，一旦遇到复杂问题（比如 nonce 管理、L2 的确认层级）就卡住，长期会被压在初级位置。

周期影响：中。产品线收缩时前端人数会被压缩，但存量产品需要持续维护。

伦理合规风险：中。典型问题是盲签——你让用户签一个看不懂的十六进制串，用户点了确认，钱没了。行业里已经形成共识：前端有责任把签名内容解析成人类可读的语言，并对高风险授权（如无限额度授权）给出显式警告。另外，前端做地域屏蔽（合规要求）时不要偷偷记录用户信息。

入门路线：① 熟练掌握 TypeScript + React；② 用 wagmi/viem 做一个能连接钱包、读余额、发一笔转账的最小应用；③ 加上完整的失败处理：拒签、余额不足、Gas 不够、链错了、交易卡住；④ 接入一个真实协议做交互；⑤ 研究一个主流钱包的开源代码，理解签名流程。

可验证练习项目：做一个"交易预演器"——用户粘贴一个待签名的交易数据，你的应用解析出它会调用哪个合约的哪个函数、参数是什么、预计会造成哪些资产变动、有没有涉及无限授权，并用红黄绿三级给出风险提示。这个项目涵盖了 ABI 解码、模拟执行、风险规则、以及最重要的"把技术翻译成人话"的能力。

4. 节点与基础设施工程师（Node & Infrastructure Engineer）

日常工作：让节点稳定跑起来并对外提供服务。包括多客户端部署与升级、状态同步与快照管理、RPC 网关的负载均衡与限流、归档节点的存储扩容、监控告警体系、以及在硬分叉窗口期的值班。如果雇主是质押服务商，还要负责验证者密钥管理、罚没风险防护（比如防止双签的冗余设计）、以及出块率优化。

所需知识：Linux 系统调优、容器与编排（Docker、Kubernetes）、基础设施即代码（Terraform、Ansible）、可观测性（Prometheus、Grafana、日志聚合）、网络与 CDN、以及具体客户端的运维特性（比如不同以太坊执行客户端的磁盘占用与同步速度差异）。

常用工具：Kubernetes、Terraform、Prometheus/Grafana/Loki、各家云厂商与裸金属服务商、Erigon/Geth/Nethermind/Reth 等客户端、Lighthouse/Prysm/Teku 等共识客户端、以及 Blockscout 之类的自建浏览器。

作品集怎么建：写一份可复现的部署方案并开源——包含 IaC 脚本、监控面板配置、告警规则、以及一份运行日志分析（比如"我跑了三个月归档节点，磁盘增长曲线是这样的，成本是这样的"）。真实运行数据是最硬的证据。另外，运营一个公开测试网验证者并保持高在线率，也是可验证的履历。

与 Web2 对应岗位区别：SRE 的技能几乎可以直接迁移，但要理解两个新概念——罚没（配置错误会直接损失资金，不只是宕机）和共识安全（客户端多样性本身是一种安全属性，不能全网都跑同一个客户端）。另外，节点的资源消耗模式很反常识：磁盘 IO 往往比 CPU 更早成为瓶颈，且状态只增不减。

职业风险：低。这是全行业迁移性最好的岗位之一，云原生技能在哪都通用。风险主要是重复劳动导致的成长停滞。

周期影响：低。链在跑，节点就得有人管。RPC 服务商在熊市里收入下降但不会归零。

伦理合规风险：中。RPC 服务商能看到用户的 IP 与查询内容，这是真实的隐私风险；行业里对"RPC 提供商是否记录并出售用户数据"存在争议。另一个问题是抗审查——当监管要求过滤特定地址的交易时，节点运营方处在直接的伦理压力点上（存在争议：一方认为基础设施应中立，另一方认为运营方受属地法律约束）。

入门路线：① 在一台便宜 VPS 上手动同步一个测试网全节点，全程记录问题；② 用 Docker Compose 把执行层 + 共识层组合起来；③ 加上 Prometheus + Grafana 监控，做一个自己的面板；④ 迁移到 Kubernetes 并用 Terraform 管理；⑤ 跑一个测试网验证者，体验完整的质押生命周期。

可验证练习项目：搭建一个"高可用 RPC 网关"——后端至少两个不同客户端实现的节点，前面用负载均衡做健康检查与自动摘除，加上按方法分类的限流（比如 eth_getLogs 单独限流），再做一份压测报告说明在什么 QPS 下延迟开始劣化以及瓶颈在哪。这个项目能证明你理解节点行为而不只是会敲命令。

5. 密码学研究员（Cryptography Researcher）

日常工作：设计、分析和优化密码学方案。典型内容包括零知识证明系统的构造与效率改进、多方安全计算协议、门限签名、随机数信标、以及为具体应用做安全性证明。日常是读论文、推公式、写原型实现、跑基准测试、写论文或技术报告、以及与工程团队讨论"理论上的方案怎么落地成能跑的代码"。

所需知识：抽象代数与数论、概率论、计算复杂性理论、可证明安全（归约证明、安全模型定义）、椭圆曲线与配对、多项式承诺、以及至少一门能写高性能实现的语言（Rust 是当前主流）。

常用工具：LaTeX、SageMath、arkworks / halo2 / plonky 等证明系统库、Circom 与 Noir 等电路语言、以及各类基准测试框架。学术数据库（IACR ePrint）是每日读物。

作品集怎么建：论文与预印本是硬通货。次优选择是对已有方案的高质量开源实现，附上与基线的性能对比。再次是深度技术博客——把某个复杂方案讲清楚本身就是稀缺能力，很多团队正是通过一篇好的科普文章找到候选人的。

与 Web2 对应岗位区别：Web2 几乎没有对应岗位（少数大厂安全实验室除外）。最接近的是学术研究，区别是这里的成果会被立刻部署到管着数十亿资产的系统上，反馈周期从"三年后被引用"变成"三个月后被攻击"。

职业风险：低但窄。人才极度稀缺，但岗位数量也极少，且高度集中在少数团队。风险在于研究方向押错——某个证明系统被更优方案取代后，围绕它积累的工程细节会贬值（但底层数学能力不会）。

周期影响：低。研究投入往往由长期基金支持，且被视为核心竞争力。

伦理合规风险：中。隐私技术是双刃剑——同一套工具既能保护普通用户的财务隐私，也能被用于洗钱。这个领域存在真实且未解决的争议（存在争议：隐私协议开发者对下游滥用应承担多少责任）。从业者需要认真对待这个问题，而不是简单地说"代码即言论"或"技术中立"。

入门路线：① 补完本科数学（线性代数、数论、概率）；② 系统学一遍现代密码学教材，重点是安全定义与归约证明；③ 用 Circom 或 Noir 写几个简单电路，理解"约束"的直觉；④ 精读一篇经典论文并自己复现实现；⑤ 参与开源证明系统库的开发或跟进某个研究社区的公开讨论。

可验证练习项目：实现一个"隐私投票"电路——投票人证明自己在合法名单中且只投了一次，但不暴露身份和票面（在需要时）。要求写清安全假设、给出防重复投票的机制设计、并做出证明生成时间与电路规模的关系图。这个项目把电路设计、密码学假设、工程性能三件事串起来了。

6. 安全审计师（Security Auditor）

日常工作：在代码上线前找出漏洞。流程通常是：读文档理解设计意图 → 读代码建立心智模型 → 逐模块寻找逻辑与实现缺陷 → 写 PoC 验证 → 出报告分级 → 与开发方沟通修复 → 复审。除了接单审计，很多审计师也做事故响应（协议被攻击后的紧急分析）和白帽赏金。

所需知识：合约工程师需要的全部知识，再加上——常见攻击模式的完整清单、经济攻击（价格操纵、治理攻击、清算套利）的建模能力、跨协议组合风险的分析能力、形式化验证基础、以及非常强的代码阅读速度。

常用工具：Foundry（写 PoC 的首选）、Slither、Echidna / Medusa / Halmos、Certora 一类的形式化验证工具、Tenderly 与 Phalcon 做交易回放、以及自己积累的检查清单。

作品集怎么建：这是行业里作品集最标准化的岗位——公开审计竞赛的排名与报告就是简历。Code4rena、Sherlock、Cantina 的公开榜单人人可查。此外，独立发布的攻击事件复盘（带可运行的 PoC 仓库）也极具说服力。

与 Web2 对应岗位区别：传统渗透测试更多是找配置错误和已知 CVE，合约审计几乎全是业务逻辑漏洞——代码没有内存越界，但清算公式在极端行情下会算错。这要求审计师同时是工程师和金融分析师。另一个区别是审计结果完全公开，你的报告质量会被全行业围观。

职业风险：中。声誉是唯一资产——审过的协议被黑，即便漏洞不在你的审计范围内，市场也会记住。缓解方式是在报告里明确写清审计范围、假设和未覆盖部分。

周期影响：低。熊市里新项目变少，但存量协议的安全预算相对刚性，且事故响应需求不受周期影响。

伦理合规风险：高。核心问题是披露伦理：发现漏洞后，先通知项目方还是先自己套利？行业共识是负责任披露（先私下通知、约定时间窗、再公开），但现实中存在灰色操作。另一个问题是"橡皮图章审计"——收钱出一份粉饰太平的报告，这会直接损害用户利益。

入门路线：① 先成为一个合格的合约工程师，不写过代码很难审代码；② 精读过去五年的重大攻击事件复盘（这是本行业最好的教科书）；③ 刷完主流漏洞挑战题库；④ 参加公开审计竞赛，从低危开始，坚持复盘自己漏掉的问题；⑤ 加入审计公司做初级审计师，跟资深人做几个项目。

可验证练习项目：选一个已被攻击的真实协议，在不看事后分析的前提下自己审一遍，写出你找到的问题清单；然后对照真实事故，写一篇"我找到了什么、漏掉了什么、为什么漏掉"的复盘。这份复盘的坦诚程度比找到多少漏洞更能打动招聘方。

风险猫提醒 想入行安全的朋友注意一条法律红线：在没有明确授权的情况下攻击线上合约并取走资金，即使你打算归还，在多数司法辖区仍可能构成犯罪。"代码即法律"从来不是有效的法律抗辩，已经有多起案件的判决证明了这一点。想练手请只在测试网、本地 fork 环境、或有明确赏金规则授权的范围内进行。赏金规则请逐条读完再动手，尤其注意它对"可接受的测试方式"的定义。

7. 链上数据分析师（On-chain Data Analyst）

日常工作：把链上原始数据变成能支撑决策的结论。典型任务包括：统计协议的活跃地址、留存与资金流向；拆解某笔可疑交易的完整路径；给增长活动做效果归因并识别女巫（刷量）行为；为投研出具协议健康度报告；搭建团队内部的指标看板。

所需知识：SQL（这是核心武器）、区块链数据模型（区块 / 交易 / 事件日志 / 内部调用 / 状态变更的区别）、常见协议的事件结构、基础统计与因果推断意识、以及一门脚本语言做数据处理。

常用工具：Dune（社区标准，SQL 写查询直接出图）、Flipside、Nansen、Arkham、Etherscan、The Graph、自建 ETL（如用 Cryo 或直接读节点）、以及 Python 数据栈。

作品集怎么建：公开的 Dune 看板是最直接的作品集，别人可以点开看你的 SQL。配一篇分析文章效果更好："我用这三个指标发现了这个协议的用户其实高度集中在 20 个地址"这种结论，比"我做了一个漂亮的图表"有价值得多。

与 Web2 对应岗位区别：数据是公开且完整的，这是极大的优势——你能看到竞争对手的全部业务数据。但也有独特困难：地址不等于人，一个人可以有一千个地址，一个地址也可能是交易所的热钱包代表百万用户。Web2 里理所当然的"用户数"在链上是一个需要精心构造的估计量。另外，链上只有行为没有属性，你不知道用户的年龄、来源渠道、意图。

职业风险：中低。SQL 与数据能力可迁移。风险是停留在"取数工具人"层面——如果只会按需求出图不会提出问题，成长会很快见顶。

周期影响：中。熊市里增长分析需求下降，但风控、安全、投研的分析需求上升，总体较有韧性。

伦理合规风险：中高。链上数据是伪匿名而非匿名，把地址与真人身份关联（去匿名化）在技术上常常可行，在伦理上则相当敏感。公开点名某个地址属于某个具体个人，可能给对方带来人身安全风险。行业内对此逐渐形成规范：机构地址可以公开分析，个人地址应当克制。

入门路线：① 学 SQL 到能熟练写窗口函数与 CTE；② 在 Dune 上把官方教程做完，然后 fork 别人的看板逐行读懂；③ 选一个你感兴趣的协议，从零做一个完整看板；④ 学会读事件日志与合约 ABI，能自己解析未被索引的新协议；⑤ 做一次女巫检测练习，体会"行为聚类"的方法。

可验证练习项目：为某次代币空投做一份"女巫分析"——用资金关联（同一出资地址）、行为相似度（操作时间与序列高度雷同）、Gas 来源等特征，估算刷量地址的比例，并给出你的判定规则、误判率讨论和改进建议。这个项目综合了 SQL、图分析和业务判断，是本岗位最能体现水平的题目。

8. 产品经理（Product Manager）

日常工作：定义做什么和不做什么。包括用户与竞品研究、需求梳理与优先级排序、写产品需求文档、与合约 / 前端 / 设计协作推进、定义指标并跟踪、协调审计与上线节奏、以及上线后的迭代。在 Web3 里还多了一块：参与治理流程——很多产品变更需要走社区提案与投票，PM 常常要写提案并在论坛上回应质疑。

所需知识：产品方法论（用户旅程、指标体系、实验设计）+ 链上常识（Gas 成本、交易确认、钱包体验、跨链摩擦）+ 目标赛道的业务逻辑（做 DeFi 就得懂清算和无常损失，做钱包就得懂密钥恢复）+ 基础的安全与合规意识。

常用工具：Notion / Linear 做需求管理、Figma 看设计、Dune 看数据、Discord / 治理论坛做用户沟通、测试网环境做体验验证、以及各类竞品的真实使用（这个行业里 PM 必须自己动手用产品，用真钱用）。

作品集怎么建：写深度产品拆解——选一个真实协议，画出它的完整用户旅程，标出每一个摩擦点，给出你的改进方案与预期指标变化。如果能配上链上数据佐证（"这一步的流失率可以从漏斗数据看出来"），说服力再上一个台阶。另一个路径是自己发起一个小产品并跑出真实用户。

与 Web2 对应岗位区别：四点差异很关键。一是用户是匿名的，你做不了常规的用户访谈抽样，只能通过链上行为和社区发言推断；二是竞争对手可以直接复制你的代码（开源），护城河只能来自流动性、品牌和网络效应；三是你的用户里有相当比例是套利者与刷量者，指标很容易被污染；四是决策权部分不在你手上，社区可以否决你的方案。

职业风险：中。Web3 PM 的岗位数量少于 Web2，且很多团队由创始人兼任 PM，导致职责模糊。风险是变成"项目协调员"而没有真正的产品决策权。

周期影响：中。熊市里产品线收缩，PM 是较早被压缩的角色之一，但资深且懂技术的 PM 依然稀缺。

伦理合规风险：中高。你要为产品设计的诱导性负责：把高风险杠杆产品做得像游戏一样容易上手、把风险提示藏在折叠区、用积分预期暗示未来空投但不明说，这些都在灰色地带。此外，你的功能设计可能直接影响产品是否构成受监管的金融服务。

入门路线：① 用真钱在主网做十件事（转账、兑换、提供流动性、借贷、跨链、铸造 NFT、参与投票……），每一步记录你的困惑；② 把这些困惑整理成一份体验报告；③ 系统学习你想进入的赛道的业务逻辑；④ 在某个协议的治理论坛上认真参与讨论，建立公开的思考记录；⑤ 找一个小团队做兼职或贡献者，积累交付经验。

可验证练习项目：为一个真实协议写一份完整的改版提案——包含现状数据（用 Dune 支撑）、用户旅程漏斗、三个改进方案与取舍分析、推荐方案的实现复杂度评估、上线后的衡量指标与实验设计、以及风险与合规检查清单。最后把它发到该协议的公开论坛，看真实反馈。敢公开发布这件事本身就是筛选。

9. UX 设计师（UX Designer）

日常工作：设计用户能理解、不会误操作的界面与流程。重点在几个高危场景：钱包连接与首次上手、交易确认与签名、资产授权、跨链等待、错误与失败恢复、以及风险信息的呈现。还包括设计系统维护、与前端工程师对齐交互细节、以及做可用性测试。

所需知识：交互设计与信息架构基础、可用性测试方法、无障碍设计、以及一套"链上心智模型"——你必须自己理解 Gas、nonce、确认数、授权额度这些概念，才可能把它们设计成用户能懂的样子。

常用工具：Figma、Maze 或用户测试工具、各类钱包与主流应用（作为参考与竞品）、以及原型工具。

作品集怎么建：做重设计案例研究——选一个体验糟糕的真实流程（比如某个跨链桥的等待页面），完整展示你的研究、问题定义、方案演进和最终设计，重点写"为什么这样改"而不是展示好看的图。加分项：做一次小规模真实用户测试并附录像或记录。

与 Web2 对应岗位区别：核心区别是不可逆性与不可撤销。Web2 里误操作可以撤销、可以找客服，Web3 里转错地址就永久丢失。这意味着设计的重心从"降低操作成本"转向"防止灾难性错误"——确认步骤不能一味简化，有时候你需要故意增加摩擦。另一个区别是必须处理"用户完全不懂但必须做决定"的场景，比如签名内容。

职业风险：低。设计能力高度可迁移。风险是行业内设计成熟度低、话语权弱，很多团队把设计当"美化"而非"决策"。

周期影响：中。设计常被视为可外包职能，熊市中容易被砍或转为合同制。

伦理合规风险：中高。暗黑模式在这个行业尤其危险——默认勾选无限授权、把风险警告做成灰色小字、用倒计时制造 FOMO，这些设计可能直接导致用户资产损失。设计师是这条链上少数能把住关的人之一。

入门路线：① 自己完整走一遍主流应用的关键流程并记录困惑点；② 学习几个做得好的钱包如何呈现签名信息；③ 做 2–3 个重设计案例；④ 找真实用户（最好是零基础的朋友）做一次可用性测试，你会被结果震惊；⑤ 参与开源项目的设计贡献或黑客松。

可验证练习项目：设计一套"交易签名确认"组件规范——覆盖普通转账、代币授权（含无限授权）、合约调用、批量交易四种情形，规定每种情形必须展示的信息、风险等级的视觉语言、以及高风险操作的二次确认机制。附上你的取舍说明：哪里增加了摩擦、为什么值得。

10. 研究员（Researcher，协议 / 市场方向）

日常工作：分两条线。协议研究员偏机制设计——研究共识改进、费用市场、MEV 缓解、跨链安全模型，输出是论文、提案和规范草案。市场研究员偏行业分析——跟踪赛道格局、拆解协议商业模式、估值分析、写投研报告，输出是报告和观点。两者共同点是：读得多、写得多、需要能把复杂事情讲清楚。

所需知识：协议方向需要博弈论、机制设计、分布式系统与密码学基础；市场方向需要金融分析、会计与估值、数据分析、以及广泛的行业信息网络。两者都需要极强的写作能力——在这个岗位上，写不清楚等于没研究。

常用工具：治理论坛（以太坊 Magicians、各协议 Forum）、arXiv 与 IACR、Dune、Token Terminal、DefiLlama、Messari、以及自己的笔记系统。

作品集怎么建：持续公开输出是唯一路径。开一个博客或在治理论坛持续发帖，一年积累二三十篇有观点的分析。这个行业的研究员招聘几乎完全看公开作品——因为研究能力无法通过面试问答验证，但能通过阅读你写的东西判断。

与 Web2 对应岗位区别：最接近券商研究员或智库研究员，区别是数据完全公开（省掉了大量信息获取成本）、发表渠道扁平（一篇好文章不需要机构背书就能被看见）、以及研究与利益高度纠缠（你研究的项目你可能持有其代币）。

职业风险：中。研究岗位在小团队里往往是第一个被认为"非必要"的。缓解方式是让研究直接服务于决策（投资决策、产品决策），或者建立个人品牌使你不依赖单一雇主。

周期影响：中。熊市里卖方研究（面向散户的内容）需求萎缩，买方研究（面向投资决策）相对稳定。

伦理合规风险：高。利益冲突是这个岗位的核心伦理问题：你写看多报告的项目，你自己或你雇主是否持仓？行业共识是必须披露持仓，但执行程度参差不齐。另外，收费写"研究报告"实质做推广而不标注，在多个司法辖区可能构成违规。

入门路线：① 每周精读一份高质量研究报告并写自己的批注；② 选一个细分赛道深挖三个月，做到能说出这个赛道所有主要玩家的差异；③ 开始公开写作，先写"解释性"文章（把复杂概念讲清楚），再写"观点性"文章；④ 在治理论坛参与真实讨论，接受公开辩论的检验；⑤ 找研究机构的实习或兼职。

可验证练习项目：写一份完整的协议尽调报告，包含：机制原理拆解、代币经济学分析（含解锁曲线与抛压测算）、真实收入与成本结构、竞品对比、技术与合规风险清单、以及你的结论与它可能被证伪的条件。最后一项——明确写出"我在什么情况下会承认自己错了"——是区分专业研究和吹票文的关键标志。

投研姐视角 我看研究员候选人，第一件事是搜他的公开写作，第二件事是看他有没有写过"我之前判断错了"。这个行业里公开认错的人非常少，而恰恰是这些人的研究值得读。如果一个人的时间线上全是"我早就说过"，那他要么在事后编辑历史，要么在做选择性展示。另外提醒一句：投研岗位的现实是——你的观点会被拿去当营销素材。入职前一定问清楚，你的报告是对内决策用还是对外发布用，这两者的伦理压力完全不同。

11. Token 经济设计（Tokenomics Designer）

日常工作：设计代币的发行、分配、用途与价值捕获机制。具体包括：确定总量与通胀模型、分配给团队 / 投资人 / 社区的比例与解锁曲线、设计激励机制（流动性挖矿、质押奖励、积分系统）、设计价值捕获路径（手续费分成、回购、销毁）、以及做经济模型仿真评估极端情况。同时要与法务配合，确保设计不会明显落入证券认定。

所需知识：微观经济学与机制设计、博弈论、金融建模（现金流、稀释、估值）、行为经济学（人们实际上如何反应，而不是理性人假设）、以及大量的历史案例——哪些机制被验证有效，哪些制造了死亡螺旋。

常用工具：电子表格（真的，大量工作是建模）、cadCAD 或类似的经济仿真框架、Python 做蒙特卡洛、Dune 观察已有项目的实际数据、以及各类解锁数据追踪站。

作品集怎么建：做已有项目的代币经济复盘——选三个机制设计不同的项目，分析它们的激励结构、实际效果、以及失效点。再做一个自己的机制设计并用仿真展示在不同参数下的结果。这个岗位的作品集必须包含"数字"，纯定性讨论没有说服力。

与 Web2 对应岗位区别：最接近的是平台经济学家或积分体系设计师，但差异巨大——你设计的激励有二级市场实时定价，参与者会立刻套利你机制里的每一个漏洞，而且他们有自动化工具。Web2 的积分体系可以慢慢迭代，代币经济一旦上线，改动需要治理批准且会被解读为信号。

职业风险：高。这个岗位的成败高度依赖项目整体成败，而且很容易被归咎——项目失败时"代币经济设计得不好"是最方便的替罪羊。另外这个头衔在市场上信誉参差，存在大量水分。

周期影响：高。牛市里人人都要发币，熊市里几乎没有新代币发行，需求断崖式下跌。

伦理合规风险：极高。这是整个行业伦理压力最集中的岗位之一。你可能被要求设计对早期投资人极度有利、对散户不利的解锁结构；被要求用"社区分配"的名义掩盖实际由内部人控制的份额；被要求设计明知不可持续的高年化收益吸引资金。这些不只是道德问题，在很多司法辖区是欺诈的构成要件。

入门路线：① 打牢经济学与建模基础；② 逐个拆解 20 个真实项目的代币分配表与解锁曲线，做成对照数据库；③ 学一个仿真工具，把某个已有机制复现出来；④ 研究几个著名的机制失效案例（算法稳定币的脱锚、流动性挖矿的雇佣兵资本），理解失效路径；⑤ 从辅助角色切入，很少有人一上来就主导代币设计。

可验证练习项目：为一个假想协议设计完整代币方案，并做压力测试：模拟解锁日集中抛压、模拟挖矿收益率下降 80% 后的流动性流失、模拟一个持有 15% 供应量的巨鲸退出。给出每种情形下的价格与协议健康度影响，以及你的缓解设计。同时写一份"如果我是监管者，我会质疑这个设计的哪三点"。

12. DAO 运营（DAO Operations）

日常工作：让一个没有传统雇佣关系的组织实际运转起来。包括：起草与推进治理提案、组织投票与统计结果、管理国库（多签执行、预算编制、财务报告）、协调各个工作组与贡献者、维护流程文档、处理贡献者报酬发放、以及在争议出现时做协调与仲裁。本质上是"没有权力的项目经理"——你不能命令任何人，只能靠流程、沟通和公信力推动事情。

所需知识：治理机制（代币投票、委托、法定人数、时间锁、乐观治理）、多签与国库工具的操作、基础财务与预算、流程设计、冲突调解、以及极强的书面沟通能力（DAO 的一切都发生在文字里）。

常用工具：Snapshot（链下投票）、Tally（链上治理）、Safe（多签国库）、Discourse 论坛、Discord / Telegram、Notion 或 GitBook 做文档、Coordinape 或类似工具做贡献度评估、Llama 或 Karpatkey 类的国库管理服务。

作品集怎么建：在真实 DAO 里留下可查的贡献记录——你写的提案、你参与的讨论、你负责的工作组产出，全都是公开可验证的。从小事开始：帮某个 DAO 整理会议纪要、维护文档、做一次预算分析。这个行业里"我在某 DAO 做过什么"是可以被任何人点开链接核实的。

与 Web2 对应岗位区别：Web2 的运营有组织授权，DAO 运营没有。你的提案可能被否决，你的预算可能被砍，你的角色可能被投票取消。这要求一套完全不同的能力：用透明度和一致性换取信任。另外，DAO 的贡献者往往分布在十几个时区、大部分互不知道真名、流动性极高，团队建设的方法论几乎要重写。

职业风险：高。DAO 的资金来源通常是代币国库，币价下跌直接导致预算腰斩。此外贡献者身份缺乏法律保障——没有劳动合同，报酬中断时几乎没有救济途径。

周期影响：高。熊市中大量 DAO 削减预算或直接停摆。

伦理合规风险：高。两个具体问题：一是治理攻击的共谋——有人借入大量代币临时通过对自己有利的提案，运营方是否有责任设置防线；二是法律实体不清——在部分司法辖区，无实体的 DAO 可能被认定为普通合伙，参与者承担无限连带责任（存在争议，但已有实际判例引发广泛讨论）。这不是理论风险，参与国库决策前应当了解自己所在辖区的法律态度。

入门路线：① 选一个你真正关心的 DAO，先做三个月的旁观者，读完所有历史提案；② 从最不起眼的活干起（纪要、翻译、文档）；③ 参与一个工作组，交付一件具体的事；④ 独立起草一份小额预算提案并推动它通过；⑤ 争取进入某个多签或核心工作组。

可验证练习项目：为一个真实 DAO 写一份国库健康度报告——统计国库资产构成（自家代币占比多少？稳定币能支撑几个月？）、过去 12 个月的支出结构、以及在币价下跌 70% 情形下的存续期测算，并给出资产多元化建议。这份报告如果发到论坛并引发讨论，本身就是最好的求职信。

Builder 视角 我在两个 DAO 待过，一个运转良好，一个变成了扯皮机器。差别不在工具，在于有没有人愿意做无聊的事。写会议纪要、维护文档、追踪上次决议有没有执行——这些活没有代币奖励、没人夸你，但缺了它们组织就会退化成 Discord 里的情绪表达。如果你是那种能持续做无聊正确事的人，DAO 运营会给你远超预期的影响力，因为竞争者太少了。

三、后 12 类岗位速览

以下岗位按 6 要素展开：日常工作 / 所需知识 / 常用工具 / 入门路线 / 主要风险 / 可验证练习。

13. 社区运营（Community Manager）

日常工作：管理 Discord、Telegram、社交媒体的日常互动。回答用户问题、组织活动（AMA、竞赛、线下聚会）、识别并培养核心成员、把社区反馈整理给产品团队、以及在负面事件中做第一线沟通。夜班和周末在线是常态，因为社区是全球 7×24 的。

所需知识：社群运营方法论、基本的产品知识（要能回答用户问题）、危机沟通、以及至少一门外语（英语几乎是必需）。还要认识常见骗局形态，因为社区是钓鱼的重灾区。

常用工具：Discord 及其机器人生态（Collab.Land、MEE6、Ticket 系统）、Telegram 管理机器人、社交媒体管理工具、以及数据面板看社区活跃度。

入门路线：从做某个项目的志愿版主开始，这是行业里最常见的入口。积累三到六个月的真实管理记录（管过多少人的群、处理过什么事件、做过什么活动及其数据）后申请正式岗位。

主要风险：可替代性强、薪资天花板低、周期敏感度极高。而且是诈骗事件的第一责任现场——项目出事时，社区经理是唯一还在线的人，承受全部情绪冲击。心理消耗被严重低估。

可验证练习：做一份"社区健康度诊断"——分析某个公开 Discord 的成员增长、发言集中度、问题响应时间、以及新人第一周留存，并给出三条改进建议与预期效果。

14. DevRel（开发者关系）

日常工作：让外部开发者能用起你的技术。包括写文档与教程、做示例项目与 SDK、录视频与直播、在黑客松做导师、回答技术论坛的问题、收集开发者痛点反馈给工程团队、以及参与技术演讲。是技术、写作和沟通的交叉岗位。

所需知识：足以独立构建应用的工程能力（不需要是最强的工程师，但必须能真的写出东西）、技术写作能力、公开表达能力、以及对开发者心理的理解（什么会让人在第一分钟放弃）。

常用工具：文档框架（Docusaurus、Mintlify）、代码沙盒、视频录制与剪辑、GitHub、以及各类开发者社区平台。

入门路线：写一篇高质量教程 → 做一个示例项目 → 在黑客松当导师或参赛 → 持续输出建立可见度 → 申请岗位。这个岗位几乎完全靠公开作品招聘。

主要风险：定位模糊——既不算工程也不算市场，在组织里容易缺乏归属和晋升通道。此外效果难量化，预算收紧时容易被质疑价值。

可验证练习：给某个 SDK 写一份"从零到第一笔交易"的完整教程，要求一个从没碰过链的后端工程师能在 30 分钟内跑通。然后真的找一个这样的人来测，记录他卡在哪里，再改。

15. 生态增长（Ecosystem Growth）

日常工作：让更多项目和用户来到自己的链或协议上。包括设计与执行激励计划（补贴、赠款、积分活动）、筛选与支持生态项目、组织黑客松与加速器、跟踪生态数据、以及协调市场与 BD 资源。

所需知识：增长方法论与归因分析、生态图谱认知（知道哪些项目值得拉、缺什么品类）、基础数据分析、以及项目管理。

常用工具：Dune 与内部数据看板、赠款管理系统、CRM、活动管理工具。

入门路线：从赠款项目的运营或黑客松组织切入，积累"我推动了 X 个项目上线，带来 Y 的数据变化"的可量化履历。

主要风险：极高的周期敏感度。生态激励预算通常来自代币国库，牛市大手笔、熊市直接归零。另一个风险是做出的成绩是虚假的——补贴买来的用户在补贴停止后立刻消失，你的 KPI 好看但没有留存。

可验证练习：分析某条链一次大型激励活动的效果——用链上数据算出活动期间新增地址、活动结束 30/60/90 天后的留存、以及每个留存用户的实际获客成本。这类分析在行业里稀缺，因为大家都不愿意算清楚。

16. BD（商务拓展）

日常工作：谈合作。包括为协议接入更多集成方（钱包、聚合器、交易所）、为链拉项目入驻、谈流动性合作、谈上币、以及维护现有伙伴关系。大量时间在会议、社交活动和跟进邮件里。

所需知识：行业图谱与人脉、基础技术理解（要能听懂对方的集成需求）、商业条款与谈判、以及跨文化沟通。

常用工具：CRM、Telegram（这个行业的主要商务沟通渠道）、行业会议、以及数据工具做前期筛选。

入门路线：从某个具体细分领域切入（比如专攻钱包集成），做深做透，积累可验证的成交记录。行业会议是建立人脉最有效的场合，但要带着具体议题去而不是漫无目的社交。

主要风险：周期敏感度高，且业绩高度依赖市场热度。另一个风险是人脉高度绑定个人而非能力，一旦换赛道要重来。

可验证练习：做一份"集成机会地图"——列出目标协议尚未接入的 20 个潜在伙伴，按预期价值与达成难度排序，并为前三名各写一份一页的合作提案。

17. 市场与内容（Marketing & Content）

日常工作：品牌与传播。包括内容策划与生产（推文、长文、视频、播客）、社交媒体运营、KOL 与媒体关系、活动传播、以及品牌一致性维护。在这个行业里内容质量与技术深度直接相关——外行写的内容会被社区立刻识破。

所需知识：内容策划与写作、传播规律、基础的技术理解、以及对社区语言与文化的敏感度。

常用工具：社交媒体管理与分析工具、设计工具、数据看板、以及各类内容平台。

入门路线：从技术科普写作起步。选一个细分主题持续写半年，建立可见度，然后转为受雇内容岗。写作样本就是简历。

主要风险：周期敏感度高。伦理风险显著——过度承诺与误导性宣传是这个岗位最常见的陷阱，"保证收益""下一个百倍"这类表述在多个司法辖区可能构成违规宣传，且责任未必只在公司层面。

可验证练习：把一个复杂技术概念（比如"为什么 Rollup 需要欺诈证明期"）写成三个版本：给工程师看的、给投资人看的、给完全零基础的人看的。三个版本都要准确。这个练习能同时检验你的理解深度和表达弹性。

18. 交易所运营（Exchange Operations）

日常工作：保障交易平台的日常运转。包括上币流程（尽调、技术接入、风险评估）、充提币的链上对接与异常处理、做市与流动性协调、用户风控与工单处理、以及产品与活动运营。中心化平台还要处理大量的客服与合规请求。

所需知识：交易系统基础（订单簿、撮合、清结算）、多链充提的技术细节（确认数、重组风险、代币标准差异）、风控与反欺诈、以及所在辖区的合规要求。

常用工具：内部风控与运营后台、链上浏览器与追踪工具、监控告警系统、以及各类合规筛查服务。

入门路线：从客服或运营支持岗切入是最常见路径，熟悉业务全貌后转向上币、风控或产品方向。

主要风险：合规风险高度依赖雇主——在无牌照或监管灰色地带的平台工作，个人可能被卷入执法行动。入职前务必查清平台的牌照与运营实体，这不是过度谨慎。

可验证练习：写一份某个代币的上币尽调报告，覆盖：合约代码是否有增发或黑名单权限、代币分配与解锁、流动性深度与集中度、团队背景可核实性、以及充提技术风险（是否有转账扣费、是否为可升级合约）。

19. 做市与流动性管理（Market Making & Liquidity）

日常工作：在市场上持续提供买卖报价并管理风险。包括策略开发与参数调优、库存与风险敞口管理、跨场所对冲、系统监控与故障处理、以及与项目方的做市合作管理。链上做市还涉及 AMM 头寸管理、无常损失对冲、以及 MEV 防护。

所需知识：市场微观结构、概率与统计、编程（Python + 一门低延迟语言）、风险管理、以及链上执行的特殊性（Gas 竞价、抢跑、区块级别的确定性）。

常用工具：交易所与 DEX 的 API、回测框架、实时风控看板、以及低延迟基础设施。

入门路线：这是转行门槛最高的岗位之一。常见路径是从传统量化机构转入，或者从自营小规模策略做起并积累可验证的实盘记录。

主要风险：直接的资金风险与极高的压力。策略失效可能在几分钟内造成巨额亏损。此外这个领域信息不对称严重，"做市合作"中的期权条款曾多次成为项目方与做市商纠纷的焦点。

可验证练习：在测试环境或小额实盘中运行一个简单的 AMM 流动性策略，完整记录：手续费收入、无常损失、Gas 成本、以及与"单纯持有"的对比。得出诚实的结论——很多人做完这个练习才第一次真正理解无常损失。

20. 托管与钱包运营（Custody & Wallet Operations）

日常工作：安全地保管别人的资产。包括密钥生成与备份流程的执行与审计、多签与门限签名的操作、提现审批流程、灾备演练、以及安全事件响应。这是一个流程极度严格、几乎不允许"灵活处理"的岗位。

所需知识：密钥管理与硬件安全模块、多签与 MPC 方案、职责分离与四眼原则、审计与合规框架（如 SOC 2）、以及物理安全常识。

常用工具：硬件安全模块、机构级托管平台、多签工具、审计日志系统。

入门路线：通常从金融科技运维或安全运维转入。相关认证与合规经验加分明显。

主要风险：单次操作失误可能造成不可逆的巨额损失，责任压力大。同时也是内部人作案的高危岗位，因此背景调查严格、职责分离设计复杂，工作自由度低。

可验证练习：设计一套小型金库的完整操作手册——包含密钥生成仪式的步骤、备份的地理分散方案、日常提现的审批门槛与流程、密钥持有人失联时的恢复路径、以及一次完整的灾备演练脚本。手册的完备程度就是你的能力证明。

21. 法务合规（Legal & Compliance）

日常工作：判断"能不能做"和"怎么做才合法"。包括产品的证券属性分析、跨辖区监管地图梳理、实体架构与基金会设立、代币发行的法律文件、用户条款与隐私政策、监管沟通与牌照申请、以及内部合规培训。

所需知识：证券法、货币服务法规、数据保护法、公司法与跨境架构，加上足够的技术理解——不懂技术的合规律师会给出无法执行的建议。

常用工具：法律数据库、监管机构公告追踪、合同管理系统、以及与外部律所的协作。

入门路线：法律背景者补技术，最快的方式是自己动手用一遍主流产品并读懂几份主要监管文件。技术背景者转合规较难，但在"合规工程"（把规则写成可执行的系统）方向有独特优势。

主要风险：低周期敏感度（监管压力在熊市反而上升），但存在专业责任风险——出具的意见如果被证明重大失当，可能面临执业追责。另一个现实困境是频繁被要求"找一个能过的说法"而非"给出真实的判断"。

可验证练习：为一个假想的 DeFi 产品做多辖区合规矩阵——列出三到五个主要辖区对该产品形态的监管态度、需要的牌照或豁免、以及产品需要做的调整（地域屏蔽、KYC 门槛、功能限制）。

22. 反洗钱与链上调查（AML & Blockchain Investigation）

日常工作：识别和追踪非法资金流动。包括交易监控规则的设计与调优、可疑活动的调查与报告、制裁名单筛查、被盗资金的追踪、以及与执法机构或受害方的协作。事故发生后追踪黑客资金流向的分析报告，通常出自这个岗位。

所需知识：反洗钱法规框架、链上分析方法（地址聚类、启发式规则、混币器与跨链桥的追踪难点）、调查方法论与证据规范、以及基础数据分析能力。

常用工具：Chainalysis、TRM、Elliptic 等商用分析平台，Arkham、Breadcrumbs 等公开工具，以及自建的 SQL 与图分析。

入门路线：传统 AML 从业者补链上技能是最顺的路径。技术背景者可以从公开的资金追踪分析入手——很多知名调查者都是从在社交媒体上公开追踪被盗资金起步的。

主要风险：周期敏感度低（这是熊市里少数需求上升的岗位）。风险主要是误判的后果严重——错误地把某个地址标记为高风险，可能导致无辜用户被冻结资产且申诉无门。行业内对分析平台的标记准确性与可申诉性存在真实争议。

可验证练习：追踪一次公开的被盗事件，画出完整资金流向图，标注每一跳的时间、金额、使用的服务（跨链桥、混币器、交易所），并说明你在哪些环节失去了追踪能力以及原因。诚实标注不确定性是专业性的标志。

23. 投资与孵化（Investment & Incubation）

日常工作：寻找并投资早期项目。包括看项目（Deal Flow 管理）、尽调（技术、团队、市场、法律）、估值与条款谈判、投后支持（招聘、BD、下一轮融资）、以及基金的 LP 沟通与报告。孵化方向还会更深地介入早期产品与团队搭建。

所需知识：投资分析与估值、行业与技术判断力、条款结构（SAFT、SAFE + Token Warrant、解锁与转让限制）、以及人脉网络。

常用工具：CRM 与 Deal Flow 系统、数据平台、以及大量的一手交流。

入门路线：常见路径是从分析师做起，或者先在项目方积累实操经验再转投资（后者在行业内被认为更扎实）。公开的投研输出是最有效的敲门砖。

主要风险：周期敏感度高，募资困难时基金会缩编。另一个现实是反馈周期极长——你今天的判断要三五年后才知道对错，这期间很难客观评估自己。

可验证练习：建立一个"影子投资组合"——公开记录你在某个时点看好的 10 个早期项目、你的理由、以及你认为会证伪的信号。一年后写一份诚实的复盘。这份记录的价值随时间递增。

24. 游戏 / NFT / 创作者经济岗位

日常工作：因细分方向差异很大。游戏方向包括经济系统设计、发行与用户获取、公会与玩家社群运营；NFT 方向包括系列策划、铸造机制设计、二级市场运营；创作者经济方向包括创作者招募与扶持、版税机制、内容分发。共同点是需要同时懂内容和懂链上机制。

所需知识：所在内容领域的专业知识（游戏设计 / 艺术 / 内容运营）+ 链上资产机制（铸造、版税、市场规则）+ 社群运营 + 基础的经济系统理解。

常用工具：铸造与市场平台、游戏引擎与开发工具、社群平台、以及数据看板。

入门路线：从内容侧的既有能力切入是最现实的——一个懂游戏数值的策划补链上知识，比一个懂链的人学游戏设计要快得多。

主要风险：这是全行业周期敏感度最高的岗位群。热潮期岗位爆发、薪资虚高，退潮期整个团队消失。此外这个领域历史上聚集了大量投机与欺诈项目，个人声誉容易被雇主拖累。

可验证练习：为一个链游设计完整的经济闭环——包含产出与消耗的平衡表、防止"打金工作室"套利的机制、以及在玩家增长停滞时经济系统是否崩溃的推演。重点在于诚实回答一个问题：如果没有新玩家进入，这个经济系统还成立吗？

四、从业者真实问题八连

问题一：项目方、基金会、Labs、DAO、社区，这些到底是什么关系？

这是新人最常犯迷糊的地方，而它直接影响你的雇主是谁、合同签给谁、出事时谁负责。

典型结构是这样的（行业共识，指常见形态而非唯一形态）：Labs（或称 Core Contributor 公司）是一家普通的商业公司，有股东、有员工、发工资、缴社保，负责实际的研发工作。基金会通常注册在开曼、瑞士楚格、新加坡等地，是非营利或有限目的实体，持有代币国库、资助生态、有时代表协议对外发声。DAO 是代币持有人的治理集合，通过投票决定协议参数、国库支出等事项。协议本身是链上的一堆合约，理论上不属于任何人。社区则是最松散的概念，包括用户、开发者、投机者、批评者。

为什么要搞这么复杂？两个原因：一是税务与法律隔离——研发公司和代币持有实体分开，可以降低某些监管风险；二是去中心化叙事的需要——如果协议完全由一家公司控制，在部分辖区更容易被认定为证券发行人。

作为求职者，你需要问清楚三件事（作者综合判断，这是我认为最实用的尽调）：第一，我的雇佣合同签给哪个实体？基金会雇佣和公司雇佣在劳动保障、税务处理上完全不同。第二，我的代币激励由谁发放、依据什么文件？口头承诺在这个行业里非常常见，也非常不可靠。第三，决策实际发生在哪里？如果名义上是 DAO 治理，但实际上所有提案都由 Labs 起草且从未被否决过，你要理解真实的权力结构，否则会在推进事情时反复碰壁。

一个常见的现实是：去中心化的程度往往低于宣传。这不必然是坏事——早期项目需要高效决策——但你应当基于真实情况而非宣传材料做职业判断。

问题二：工资、Token、期权、解锁条款，它们到底有什么区别？

这是最影响你实际收入的问题，也是新人最容易吃亏的地方。

工资是最确定的部分。注意两个变量：币种（是法币还是稳定币发放）和支付实体（哪个国家的实体，影响你的纳税义务）。稳定币发薪在行业里很常见，但它把汇率与合规风险转移给了你——你需要自己搞清楚如何合法申报。

期权（股权）是对 Labs 公司的权益，逻辑与传统创业公司一致：有行权价、有归属期（典型是四年归属、一年悬崖）、需要公司被收购或上市才能变现。在很多 Web3 项目里，股权的实际价值远低于代币，因为公司本身可能没有太多利润。

代币激励是这个行业的特色部分，形式包括：直接的代币授予（Token Grant）、代币期权、或者在代币尚未发行时的代币权证（Token Warrant，承诺未来发币时给你多少比例）。关键条款有四个：总量与占比（是绝对数量还是总供应量的百分比？如果是绝对数量，后续增发会稀释你）、归属期（通常 3–4 年）、悬崖期（通常 1 年）、解锁起点（是从入职日算，还是从代币上线日算？这两者可能差两年）。

必须警惕的几个陷阱（作者综合判断）：其一，"上线后开始解锁" 的条款意味着如果代币永远不上线，你的这部分报酬为零。其二，代币价格的计价基准——offer 上写"价值 20 万美元的代币"，用的是哪个时点的估值？如果用的是上一轮融资的高估值，实际到手可能只有零头。其三，转让限制与锁仓——即使解锁了，可能仍有合约限制或"君子协定"不让你卖。其四，离职条款——主动离职时未归属部分归零是常态，但有些协议里连已归属部分也会被回收，这是极端不利的条款，必须在签约前看清楚。

一条实用建议：把代币部分当作彩票而不是薪水来估值。用现金部分能否支撑你的生活来决定要不要接这份工作，代币视为上行期权。用这个框架做决策，你在熊市里会比同行从容得多。

风险猫提醒 关于 offer，有三句话你必须听进去：第一，所有承诺都要落到书面文件上，Telegram 里的一句"放心，会给你的"在任何仲裁场合都接近无效。第二，签任何代币协议前找懂行的律师看一小时，这笔钱可能是你职业生涯里回报率最高的一笔支出。第三，问清楚公司的现金跑道还有多久——一家靠出售自家代币维持现金流的公司，在币价下跌 80% 时会同时发生降薪、裁员和代币贬值三件事，这三件事高度正相关，不要以为自己有分散配置。

问题三：匿名团队怎么建立可信度？我该不该为匿名团队工作？

匿名在这个行业有正当理由：早期项目面临监管不确定性，开发者可能担心个人法律风险；某些辖区的从业者面临真实的人身安全或政治风险；还有一部分是文化传统——最初的比特币开发者就是匿名的。

匿名团队建立可信度的常见方式（行业共识）包括：长期一致的公开记录（同一个身份持续几年输出代码和观点，本身就是一种抵押）、代码质量与开源程度（能力是可验证的，无论真名假名）、多签与时间锁（用技术手段限制自己作恶的能力，比任何承诺都可信）、第三方审计与漏洞赏金、渐进式的资金规模（从小额开始逐步扩大，让市场用时间检验）、以及知名机构或个人的背书（有真名的人为匿名团队担保，等于把自己的声誉押上）。

反过来，危险信号是：匿名 + 资金完全由单一密钥控制 + 没有时间锁 + 没有审计 + 承诺高收益 + 急于扩大规模。这个组合出现时，不管叙事多动听，跑路的技术条件都已经齐备了。

那么该不该为匿名团队工作？我的判断（作者综合判断）：可以，但要有对冲。 具体做法：一是要求现金部分足额且按月支付，不要接受"先干几个月，发币后一起结"；二是尽量做可公开验证的工作（提交到公开仓库的代码、署名的文章），这样即使团队消失，你的履历还在；三是保留自己的沟通记录；四是明确一条底线——如果你被要求做的事情你不愿意用真名做，那就不要做。这条标准朴素但极其有效。

最后一个现实提醒：如果项目最终被认定为违法，"我不知道老板是谁"不构成免责事由。你的行为本身才是被评价的对象。

问题四：如何避免为诈骗或违法业务工作？

这是本章最重要的一节。行业里有大量看起来光鲜、实质是庞氏或欺诈的项目，而员工往往是最后知道真相的人，却要承担声誉甚至法律后果。

入职前的危险信号清单（作者综合判断，逐条都对应过真实案例）：

第一类，收益承诺相关。承诺固定高年化收益且说不清收益来源；用"套利""做市""AI 量化"等模糊词汇解释盈利模式却拒绝提供具体策略；收益率明显高于同类产品且没有合理解释；强调"保本"。

第二类，结构相关。收入主要来自新用户入金而非真实业务；有多层推荐返佣结构；提现需要"缴税""解冻费"等额外付款；资金池地址不公开或公开地址与宣称规模严重不符。

第三类，信息相关。团队履历无法核实或经查证造假；宣称的合作方或投资方否认关系；审计报告来自不知名机构或报告内容与实际部署代码不符；白皮书大段抄袭。

第四类，控制权相关。合约有无限增发、任意黑名单、可修改用户余额、或管理员可提走全部资金的权限；升级权限由单签控制；没有时间锁。

第五类，行为相关。面试时对业务模式含糊其辞或要求你先签保密协议才肯说；要求你用个人账户接收或转移资金；要求你对外使用假身份或虚假履历；办公地点、注册实体、宣传对象三者辖区不一致且刻意隐瞒。

入职后如果发现问题怎么办：先保存证据（合同、沟通记录、你负责部分的工作记录），然后寻求独立的法律意见（不要用公司的律师），评估自己是否已经参与了实质性行为。如果只是边缘角色，尽快切割；如果已经深度参与，主动咨询律师了解所在辖区是否有自首或配合调查的从宽机制。最糟糕的选择是自我安慰式的拖延——"再看看""可能是我误会了"，而在拖延期间你的参与度还在加深。

小白视角 我曾经差点接受一个 offer：远程、双倍薪水、只要求我写一个"资金归集脚本"。当时我觉得自己走运了。后来一个朋友让我问三个问题——这些资金的来源是什么？为什么需要归集？公司的注册实体在哪、有没有牌照？对方一个都没正面回答，只反复说"你只管写代码，其他不用操心"。我拒绝了。半年后那家平台被曝光是资金盘。回头看，让我逃过一劫的不是什么专业知识，就是那三个特别笨的问题。如果一份工作的负责人不愿意告诉你钱从哪来到哪去，这个信号本身就足够了。

问题五：熊市里哪些岗位更稳？

先说结论（作者综合判断，基于对多轮周期的观察）：离"链必须继续运转"越近的岗位越稳，离"新增资金流入"越近的岗位越不稳。

相对最稳的一层：协议工程、节点与基础设施、安全审计与事故响应、法务合规、反洗钱与链上调查、托管运营。理由各不相同——协议和基础设施是刚性维护成本；安全与合规在熊市反而需求上升（因为出事的项目变多、监管审查变严）；托管的资产还在，就得有人看着。

中间层：智能合约工程、前端工程、数据分析、产品、交易所运营。团队规模会收缩，但核心岗位保留。这一层的关键是你是不是那个不可替代的人——同样是合约工程师，维护着数亿资产的核心协议和做新功能开发的，处境完全不同。

最不稳的一层：市场与内容、社区运营、生态增长、BD、代币经济设计、NFT / 游戏相关岗位、以及依赖募资的投资岗。这些岗位的预算直接来自"增长"和"新资金"，两者在熊市同时消失。

但有几个重要的补充（这部分存在争议）。第一，稳定不等于好。协议工程岗稳定，但在熊市里也很难涨薪、很难有新机会，你可能安全地停滞三年。第二，雇主的资产负债表比岗位类型更重要。一家有三年稳定币储备的公司里的市场岗，比一家靠卖币过活的公司里的协议工程师安全得多。求职时问清楚现金跑道，比纠结岗位类型更有价值。第三，熊市是最好的进入时机（这是一个反直觉但被多轮周期验证的观察）：竞争者少、面试标准回归理性、能真正学到东西、且如果你熬到下一轮周期，你就是"有经验的人"。牛市进来的人多数在熊市离开，熬过一轮熊市本身就是稀缺资历。

给个人的具体建议：建立与雇主解耦的资产。公开的代码贡献、公开的写作、公开的分析记录、行业内的真实关系——这些在公司消失后依然属于你。在这个行业里，只在公司内网留下痕迹是很危险的。

问题六：如何判断一个需求是真实的？

这个行业有一个结构性问题：代币激励可以制造出足以骗过所有指标的假需求。你看到的地址数、交易数、TVL，可能全部来自补贴驱动的套利行为。

判断真实需求的几个方法（作者综合判断）：

方法一：看补贴退出后的留存。 这是最有效的单一指标。激励结束 30 天、90 天后还剩多少用户和资金？如果一个协议在激励停止后 TVL 掉了 90%，那它此前的 TVL 不是需求，是租来的。

方法二：看用户是否愿意付费。 手续费收入是最诚实的指标——用户为了完成某件事愿意支付真实成本，说明这件事对他有价值。要区分"协议收入"和"代币激励发放"，很多项目的净值是负的：发出去的激励远大于收上来的手续费。

方法三：看行为的复杂度与重复度。 真实用户的行为是不规则的：时间分散、金额不整、路径多样、会犯错会重试。刷量地址高度规则：同一时间批量操作、金额一致、路径完全相同、从不犯错。这在链上数据里非常好识别。

方法四：看用户集中度。 如果 90% 的交易量来自 20 个地址，那不是产品市场契合，那是几个大户在用。要看中位数用户在做什么，不要被总量迷惑。

方法五：直接去看用户在说什么。 不是看官方 Discord 里的赞美，是去看用户在无关的地方自发提到你的产品没有。真实需求的标志是有人在你不知道的地方推荐你。

方法六：问"如果代币归零，还有人用吗？" 这个思想实验非常有效。很多产品的答案是"没有"，那它的价值主张就是代币本身而不是产品。

需要补充的是（存在争议）：有一派观点认为代币激励是合理的冷启动手段，正如互联网公司的补贴大战；另一派认为链上激励的套利效率远高于 Web2，导致补贴几乎不可能转化为留存。我的判断是——激励可以用来解决"鸡生蛋"问题，但如果激励停止后留存低于 20%，你应该重新审视产品本身，而不是加大激励。

问题七：怎么读 GitHub、治理论坛和链上数据？

这三样东西是这个行业的"公开财报"，会读的人拥有巨大信息优势。

读 GitHub。 不要只看 Star 数（可以刷）。要看：提交频率与分布（是持续的还是一年前就停了？是一个人在提交还是有真实团队？）、Issue 与 PR 的响应质量（维护者认真回复外部贡献者吗？还是提了没人管？）、测试覆盖与 CI（有没有真的在跑测试？）、依赖与分叉来源（是原创还是简单 fork 改个名字？改了什么？）、近期变更的性质（在做核心功能还是只在改 README？）。一个非常实用的技巧：看 Contributor 页面的时间分布图，一个健康项目应该有若干长期贡献者的持续活动，而不是集中在发布前的突击提交。

读治理论坛。 重点不是提案通过了没有，而是：反对意见有没有被认真回应（还是被无视或删除？）、投票的集中度（是不是几个大户就决定了一切？）、提案的执行率（通过的提案实际落地了多少？）、讨论的质量（是技术辩论还是情绪表达？）、是否有独立的批评者存在（一个只有赞美的论坛不是社区，是营销渠道）。看历史争议事件的处理方式，比看当前的和谐景象有信息量得多。

读链上数据。 建立几个基本习惯：先看持币集中度（前 10、前 100 地址占多少？扣除交易所和合约地址后呢？）；再看资金流向（新增资金从哪来？是从交易所转入的新钱，还是内部地址来回搬运？）；然后看活跃度的时间结构（是均匀分布还是集中在激励发放时刻？）；最后看关键地址的行为（团队地址、投资人地址在解锁后做了什么？）。工具上，Dune 适合做聚合统计，区块浏览器适合追单笔交易，标签类工具适合快速识别地址身份——但要记住标签可能出错，重要结论要自己验证。

一条通用心法：这三样数据的价值在于交叉验证。 论坛上说要发布新功能，GitHub 上有没有对应的开发活动？链上数据显示用户增长，是不是恰好对应某次激励活动？任何单一来源都可能被操纵，但要同时伪造三者的一致性成本极高。

问题八：利益冲突与持币披露，该怎么处理？

这是这个行业最普遍、最少被认真讨论的伦理问题。几乎所有从业者都持有某些代币，而工作内容又可能影响这些代币的价格。

先明确几种典型的冲突形态：你研究或推荐的项目你自己持有；你参与治理投票的协议你持有大量代币，投票结果影响你的收益；你作为审计师发现漏洞，而你持有该协议代币或其竞品代币；你作为员工提前知道重大消息（上所、合作、漏洞）；你作为投资人的被投项目与雇主业务存在竞争。

处理原则（行业共识部分 + 作者综合判断部分）：

第一，披露优先于回避。 完全禁止从业者持币是不现实的，也不利于激励对齐。可行的做法是明确披露——写研究报告时在文末列出持仓，参与治理讨论时说明自己的利益关系。披露的标准是：如果读者知道了这件事，他会不会改变对你观点的解读？如果会，就必须披露。

第二，内幕信息必须严格隔离。 提前知道上所、重大合作、未公开漏洞而据此交易，在多数辖区可能构成违法（对于被认定为证券的代币尤其明确），即便在法律模糊地带也是明确的职业污点。行业内已有多起相关的执法案例，"加密市场没有内幕交易规则"这个说法已经不成立了。

第三，建立个人规则并公开它。 比如："我不交易我正在研究的项目，从开始研究到报告发布后 30 天"，或者"我的持仓在个人主页公开更新"。规则的价值不只在于约束自己，更在于让别人知道如何评价你。

第四，治理投票的冲突要具体处理。 当提案直接影响你的经济利益时（比如决定是否向你所在的服务商付款），行业惯例是回避投票或至少公开声明利益关系。但这里存在争议：一派认为代币投票本身就是"按利益分配权力"，冲突是设计的一部分；另一派认为涉及国库支出的具体交易应当适用传统的关联交易回避规则。我倾向后者——当治理从"设定参数"走向"分配金钱"时，公司治理的成熟经验值得借鉴，没必要重新发明一遍教训。

第五，最实用的自检问题：如果这件事被完整地写在一篇报道里，附上我的所有交易记录和聊天记录，我会不会难堪？这个测试比任何合规手册都好用。

投研姐视角 补充一个很多人没意识到的点：利益冲突不只关于钱，也关于关系。 你和某个项目创始人是朋友，你就很难对他的项目写出严厉的判断——这种偏见比持仓更隐蔽，因为你自己感觉不到。我的应对办法是：写任何一份看多的报告，都强迫自己写一段"最强的反方论证"，而且要写到自己都有点动摇的程度。如果我写不出有力的反方，通常说明我要么没研究透，要么已经陷进去了。这个方法对任何岗位都适用，不只是研究员。

【自测 5 题 + 答案】

第 1 题：某公司给你的 offer 里写着"代币激励价值 30 万美元，四年归属，一年悬崖"。在签约前你至少应该问清楚哪四个关键问题？

答案：① 这 30 万美元是按哪个时点、哪个估值计算的（是上一轮融资估值还是市场价）？② 归属期的起算点是入职日还是代币上线日（如果代币尚未发行，这可能差两年）？③ 是绝对数量还是总供应量的百分比（前者会被后续增发稀释）？④ 离职时已归属部分是否会被回收，以及解锁后是否还有转让限制或锁仓要求？补充加分项：这部分承诺是否写在有法律效力的书面文件里、由哪个实体承担义务。

第 2 题：你在评估一个协议的用户增长，看到过去三个月活跃地址从 5 千涨到 8 万。要判断这个增长是否真实，你会依次检查哪些数据？

答案：① 增长期间是否有代币激励或积分活动（对时间线）；② 用户行为的规则性——操作时间、金额、路径是否高度雷同（识别刷量）；③ 资金关联——这些地址的初始 Gas 和资金是否来自少数几个出资地址（识别女巫）；④ 集中度——交易量的中位数用户在做什么，是否 90% 的量来自极少数地址；⑤ 最关键的，激励结束后 30/60/90 天的留存率与留存资金量；⑥ 协议真实手续费收入是否同步增长（真实需求会付费）。

第 3 题：以下四个岗位——协议工程师、市场与内容、反洗钱调查员、代币经济设计——按熊市中的岗位稳定性从高到低排序，并各说一句理由。

答案：反洗钱调查员 ≈ 协议工程师 > 市场与内容 > 代币经济设计。反洗钱在熊市需求上升，因为事故暴露增多、监管审查趋严；协议工程属于刚性维护支出，链在跑就需要人；市场与内容的预算直接与增长挂钩，熊市大幅削减；代币经济设计需求几乎完全来自新代币发行，熊市中新发行接近停滞。补充：岗位类型只是一层，雇主的现金跑道往往是更重要的变量。

第 4 题：你是合约工程师，产品负责人要求你在合约里加一个"仅管理员可调用、可以提取合约内全部资金"的函数，理由是"应急用，不会真的用"。你应该怎么处理？

答案：这不是灰色地带，是明确的红线场景。正确处理是：① 拒绝实现"隐藏"的版本——如果确实需要应急机制，它必须公开、显式、有文档；② 用更受约束的设计替代——比如仅能暂停而不能提取、提取目标地址硬编码为多签且不可变、加时间锁使任何执行都有公示期；③ 要求特权函数在文档和审计报告中明确披露给用户；④ 把沟通留在书面渠道并保存记录；⑤ 如果对方坚持要不公开、单签、无时间锁的提取权限，这是重大危险信号，应当认真评估是否继续这份工作。

第 5 题：你要写一篇关于某协议的公开分析，你持有该协议 5% 仓位的代币。你应该怎么做？

答案：核心原则是"披露优先于回避"。具体：① 在文章显著位置披露持仓（有仓位这一事实，必要时含大致比例）；② 明确说明写作与交易的时间关系（比如"发布后 30 天内不减持"这类自我约束并公开）；③ 强制自己写出最强的反方论证与"什么情况下我会承认判断错误"；④ 严格区分公开信息与非公开信息——如果你的结论依赖任何未公开信息，不能发布也不能据此交易；⑤ 若你受该项目委托或收取报酬，必须标注为商业内容，这一点在多个辖区是法律要求而非礼节。

【常见误区】

误区一：以为 Web3 就是炒币，所有岗位都跟交易有关。 实际上一个健康团队里大部分人做的是工程、安全、文档、社区和合规工作，与交易直接相关的岗位是少数。带着"来赚快钱"的预期入行，通常会在第一个熊市离开。

误区二：以为技术门槛低的岗位好入行。 门槛低意味着供给大，社区运营岗一个坑几百份简历是常态，且天花板低。真正的稀缺在中高门槛岗位——合约安全、协议工程、链上数据、合规。如果你要投入两年时间，投在高门槛方向的回报率更高。

误区三：把 offer 里的代币价值当成薪水计算生活预算。 代币是期权不是工资。正确做法是用现金部分决定要不要接这份工作，代币视为上行可能。很多人在币价下跌 80% 时才发现自己的生活开支建立在一个假设上。

误区四：以为匿名团队就一定是骗子，或者以为知名机构投资过就一定安全。 两者都是过度简化。匿名有正当理由，而知名机构的尽调也多次失灵。真正该看的是可验证的东西：代码、审计、多签结构、时间锁、资金流向、以及团队过往的公开记录。

误区五：以为"我只是打工的，出事跟我没关系"。 在诈骗或违法业务中，员工的行为本身是被独立评价的。写了资金归集脚本、做了虚假宣传素材、帮忙操作了洗钱路径——这些行为不因"我不是决策者"而免责。入职前的尽调是保护自己的第一道也是最便宜的一道防线。

误区六：把治理投票当成走过场，不了解实际权力结构。 名义上的 DAO 治理和实际的决策链条常常不一致。不了解真实结构的人会在推进事情时反复受挫，也会在评估雇主时严重误判。

误区七：以为熊市不该入行。 恰恰相反——熊市入行的人竞争少、学得扎实、且熬过一轮周期后拥有稀缺资历。真正危险的是牛市末期入行、把周期红利误认为个人能力。

误区八：只在公司内部积累经验，不建立公开可验证的记录。 这个行业公司死亡率极高。当雇主消失时，只有公开的代码贡献、文章、分析和真实关系还属于你。从入行第一天就开始公开输出，是这个行业最重要的职业保险。

【一页总结】

行业结构：Web3 不是单一行业，而是软件工程、金融市场、社群媒体与法律监管的交叉地带。24 个岗位分属技术、研究、产品、运营、商业、金融、合规七大类。

核心规律一：技术门槛与周期稳定性大体呈负相关——离协议核心越近，需求越刚性。安全、合规、反洗钱是少数在熊市需求上升的方向。

核心规律二：门槛低的岗位竞争最激烈、天花板最低。如果要投入两年，投在高门槛方向的长期回报更高。

核心规律三：雇主的现金跑道比岗位类型更能决定你的安全性。求职时问清楚现金储备能支撑多久，比纠结岗位分类更有价值。

报酬结构：工资是确定的，期权是公司权益，代币是期权而非薪水。四个关键条款——总量口径、归属期、悬崖期、解锁起点。所有承诺必须书面化，签约前找律师看一小时。

尽调底线：不清楚钱从哪来到哪去的工作不要接；不愿意用真名做的事不要做；被要求实现隐藏后门时这是红线不是灰色地带；"我只是打工的"不构成免责。

判断真实需求：看补贴退出后的留存、看用户是否付费、看行为规则性、看集中度、看有没有人在你不知道的地方推荐你。终极问题——如果代币归零还有人用吗？

信息优势来源：GitHub 看提交分布与响应质量，治理论坛看反对意见如何被对待，链上数据看集中度与资金流向。三者交叉验证，单一来源都可能被操纵。

伦理自检：披露优先于回避；内幕信息严格隔离；建立个人规则并公开；最实用的测试是"如果这件事被完整报道出来，我会不会难堪"。

入行路径的通用形状：先补一项可验证的硬技能 → 做一个真实可点开的作品 → 在公开场合持续输出 → 通过公开记录被找到。这个行业的招聘高度依赖公开作品，这既是门槛也是机会——它意味着没有资源和背景的人，可以靠公开的东西被看见。

最后一条：熬过一轮完整周期本身就是稀缺资历。牛市里进来的人很多，熊市里留下的人很少，而行业的核心岗位，最终都由留下来的人填满。