同事离职多,为什么我劝你稳住

计算机模拟爆破过程,基于LSDYNA岩石爆破模拟建模分析 原标题:基于LSDYNA岩石爆破模拟建模分析 Ls Dyna岩石爆破模拟仿真作者:dyna_focus擅长领域:dyna/abaqus/hypermesh一、 数值模型的建立1.1 单元及算法的选择岩石,炸药,空气都采用solid164实体单元。岩石采用常应力实体单元,该种单元属于纯粹的lagrange算法,该种算法单元网格附着在材料上,随着材料的流动而产生单元网格的变形,但是在结构变形巨大时,有... 阅读详情

近期行业比较火爆,很多公司离职率很高,很简单,公司的薪水的涨幅已经远远落后于跳槽的涨幅了。

以往,跳槽一般也就涨个20%,好一点的话,30%。现在,给你50%,或者遇到财大气粗的,涨个100%,谁顶得住?

也难怪,应届生都50w了,社招那更得高才行啊。

这里我想奉劝公司管理层和hr,与其等着员工都被挖走,不如主动提加薪。等到员工提离职的时候再加薪,可能为时已晚。那时候,往往员工已经把下家找好,去意已决,再挽留,成功率就低了。

言归正传,圣经告诉人们,要走窄路。如果大家都看好一只股票,那么这只股票很有可能已经涨到头了。这就是走窄路的内在含义。

你的同事都离职,而你坚持下来,这也是走窄路。走窄路意味着你要跟大多数人的方向相反。而机会,就孕育在这里。

下面我来说说不跳槽的好处。

其实你的同事除了是你工作的伙伴,还有另外一个身份,就是你的竞争对手。你的竞争对手走了,那么公司的资源必然向你倾斜,比如职位,涨薪。而一旦公司恢复元气,你也将获得更大的利益。

我认为,对于很多同事离职的情况,公司大概率会有比较大幅度的涨薪的。公司在招人的时候,往往会提一句:提供有竞争力的薪资。如果远远低于行业平均工资,能叫有竞争力的薪资吗?不断有人离职,这其实是提醒公司,该涨薪了。

大家知道,我经历了很多家公司,但是最终发现,相同的职位,薪资相差不大。但实际不同的职位,可能薪资会差别比较大。

如果你坚持下来,老板看在眼里,感激在心里,那升职的机会大概率就会大增。当公司的薪水最后达到了行业平均薪水,那么你的薪水就是你的职位的平均薪水。这当然会比你平级跳槽更好。

当然,我们不得不考虑另外一种情况,就是公司离职的人很多,很有可能是公司的经营出了问题。最后公司会裁员,破产。这是最坏的情况。不过对于你来说,那一笔不菲的赔偿金,再重新找下家,恐怕更划算吧。按照现在的行情,找个下家还是比较容易的。

因此,我奉劝大家,不要因为别人跳槽而跳槽。慎重考虑跳槽的成本,我前面也写过关于跳槽的成本的文章,这里就不展开了。

可能有朋友会说,大家都不跳槽,最后就是在这个公司都拿低薪。这个基本不太可能。如文章开头,很少有人能抵抗50%以上涨薪的诱惑。不过我个人认为,芯片行业人才流动大,这会使得企业之间薪资迅速的平均化。不跳槽,既获得了上司的信任,又有更大的升职机会,避免的跳槽的成本,即便晚一点涨薪,也是值得的。

还是开头那句话,别人离职,你别慌,稳住。记住,真正的高薪,不是跳槽跳出来的,而是实实在在干出来的。

【规则引擎连载3】 WebSphere ILOG JRules 开发——新建一个规则项目 规则项目依赖于bom,bom来自于一个Java项目,所以在建规则项目之前,需要先建立一个Java项目,也就是建模。 说明:原则上是一个规则项目,一个bom。如果规则项目很多,并且每个规则项目的bom都是一样的,那么可以将bom提取出来,单独作为一个项目,这样减少不必要的重复操作,减少维护成本,降低出错几率。这里逐步讲解两种方法来创建规则项目,推荐第二种。 本文主要建立两种规则项目与bom之间的关系,编写相关的规则内容,如操作规则、规则流、决策表等,在后续文章中详细讲解 。 阅读详情

相关推荐

电流镜设计实战:从基础到高级技巧(附常见问题解决方案)

本文从工程实战角度,系统讲解了电流镜设计从基础原理到高级技巧的全过程。深入剖析了匹配精度、输出阻抗等核心矛盾,并详细介绍了共源共栅(Cascode)结构如何平衡电压裕度与输出阻抗。文章还重点探讨了工艺偏差、版图应力效应等实战中的“隐形杀手”,并提供了常见问题的解决方案与调试技巧,旨在帮助工程师设计出鲁棒性更强的模拟电路。

blockchain9miner的博客 730

离职的传染和雪崩现象

离职的传染和雪崩现象

enthan809882的博客 751

Windows系统3D Gaussian Splatting环境搭建全攻略:从零开始到成功运行

本文详细介绍了在Windows系统上搭建3D Gaussian Splatting环境的完整流程,包括CUDA 12.6安装、Anaconda环境配置、代码获取与依赖安装等关键步骤。针对Windows平台特有的环境配置问题,提供了实用的解决方案和常见错误排查方法,帮助开发者快速实现3D Gaussian Splatting的成功运行。

weixin_30832143的博客 452

同事发了6万年终奖,因为经常被领导打压,拿到钱了直接提离职,领导竟然说:以前打压你是为了你好,年轻人要懂得感恩。...

大家好,我是岳哥。最近在某职场社区看到这样一个帖子:同事发了6万年终奖,因为经常被领导打压,拿到钱了直接提离职,领导竟然说:以前打压你是为了你好,年轻人要懂得感恩。“为你好,要懂的感恩。”看到这句话,谁能不倒吸一口凉气?不禁想问:这年头,感恩居然成了一种“PUA”的手段?问题的关键不是钱,而是人性年终奖数额确实不低,很多人可能会想:领导给你这么多钱,你辞职是不是有点太任性?但仔细一琢磨,问题压根不...

SQL数据库开发 838

电磁仿真新手必看:如何用CST Studio Suite 2023完成第一个PCB辐射仿真?

本文详细解析了如何使用CST Studio Suite 2023进行PCB辐射仿真,适合电磁仿真新手快速上手。从工程准备、求解器配置到端口设置和后处理技巧,全面覆盖三维全波电磁场仿真软件的核心操作步骤,帮助工程师精准预测和解决PCB电磁辐射问题。

y7z8a9的博客 732

10-Oracle 23 ai Vector Search 概述和参数

企业和个人都在尝试各种AI,使用客户端或是内部自己搭建集成大模型的终端,加速与大型语言模型(LLM)的结合,同时使用检索增强生成(Retrieval Augmented Generation :RAG)功能,RAG能够将LLM的生成能力与知识库的精准资料库进行检索结合,将大模型部署在内部同时将私有的数据进行LLM的检索避免泄露企业专用的数据同时提高的准确性。于是如何将数据存入向量数据库以及向量查询等这些基本功能变得必备和重要。

远方的专栏 1294

核心人才离职余震下,普通员工如何稳住交付与自处?

在充满不确定性的职业环境中,组织变动与核心人才离职已成为职场常态。大型组织如同复杂系统,关键节点的离开会沿着传闻、摇摆、资源重构三条路径传导波动,并在任务交接期形成责任真空与边界模糊。借鉴工程化容灾思维,职场人可通过设置观察缓冲期、量化关键信号、明确协作边界来管理风险敞口;同时主动构建独立于岗位的经验、关系、作品与认知资产,为职业生涯提供底层韧性。无论身处互联网大厂还是传统大型机构,掌握这种应对组织变化的方法论,都能在核心团队更迭期稳住交付、守住边界,把眼前的风波转化为个人成长的契机。

weixin_42575109的博客 298

手把手教你用示波器实测CAN总线波形:快速区分高速、低速及常见故障

本文详细介绍了如何使用示波器实测CAN总线波形,快速区分高速CAN总线和低速CAN总线,并诊断常见故障。通过实战案例和波形分析,帮助工程师掌握CAN总线信号特征,提升故障排查效率,适用于汽车电子和工业控制领域。

weixin_33217202的博客 410

996程序员入职一年多,同事涨了4千他没涨,跟领导提涨薪,回复愣了

很多朋友都爱聊涨薪这个话题,涨薪是否能如愿,不光跟自己平时的工作努力程度有关,还跟领导的德行有关。近日,一位程序员朋友在职场社区吐槽:刚才跟领导提涨薪了,入职一年多了,前十个月都是996,最近995,领导跟我谈话,你任务完成的很快,学东西也很快,但是吧你不主动,不能我们给你安排任务啊你得自己自己主动,再说了你还迟到过几次,所以绩效不能给你A,涨薪应该是不可能的了,但是同事已经涨了4000,我特么还...

suxuecyuyan的博客 503

展锐双摄帧同步实战:从配置到调试的完整避坑指南

本文深入剖析了在展锐平台上实现双摄帧同步的完整流程与核心技术。详细对比了硬件帧同步与软件帧同步的差异、应用场景及核心挑战,提供了从XML配置、驱动层适配到调试验证的实战指南。重点强调了硬件帧同步必须与固定帧率强绑定这一关键避坑点,并分享了针对景深虚化等场景的同步质量验证方法及长稳测试策略。

kiwi8的博客 401

梦幻西游端游脚本开发实战:从易语言到大漠多线程全解析

本文详细解析了梦幻西游端游脚本开发的全流程,从易语言基础入门到大漠插件多线程实战。重点介绍了易语言中文编程优势、大漠插件图色识别技术,以及多线程控制台开发技巧,帮助开发者高效实现游戏自动化,提升脚本稳定性和执行效率。

weixin_29251567的博客 1060

离职后如何优雅退群?不要自作多情说告辞,聪明人都懂这4个尺度

行走职场,辞职后应该如何优雅地退出公司群?作为普通小职员,离职时要主动、及时、悄悄地退群,挥一挥衣袖,不带走一片云彩,这就是最优雅的表现。为什么要提倡悄悄退群呢?这是有职业原因的:无论员工因什么原因辞职(不是单位主动裁员),对单位来说都是一种损失、一种意外、一件不愉快的事情。如果离职员工个个都在群里发表一通不利于稳定、有损单位形象的话,对单位稳定军心和稳住团队情绪,都有负面影响。从组织角度,从职业...

weixin_40192468的博客 2786

OpenCV简单应用:图像模糊处理

OpenCV是一个广泛使用的开源计算机视觉库,提供了丰富的图像处理和计算机视觉算法。本文将介绍如何使用OpenCV对图像进行模糊处理,并提供相应的源代码。该函数接受两个参数:第一个参数是输入图像,第二个参数是指定模糊核大小的元组。在这个例子中,我们使用了一个5x5的模糊核。您可以尝试不同大小的模糊核,以获得不同程度的模糊效果。函数和指定不同大小的模糊核,我们可以实现不同程度的模糊效果。该函数接受两个参数:第一个参数是窗口的名称,第二个参数是要显示的图像。在上面的代码中,我们首先使用。要运行上述代码,请将。

MwgmPhilosophy的博客 290

提完离职后领导给涨薪,我走不走?

关注、星标公众号,直达精彩内容来源:网络素材提完离职后领导给涨薪,我是走还是不走?#提离职后被涨薪应该留下吗#引发了职场人的广泛讨论,阅读量高达1.8亿。有些人认为既然领导提出挽留,还加薪,说明领导认可你的能力,到哪里都是打工,做生不如做熟,应该留下。还有一些人认为领导并不是真心挽留你,这只是缓兵之计,只是在等待合适的人替代你,一定要果断拒绝。那如果提离职后被涨薪,到底要不要留下来呢?在逍遥看来...

李肖遥的专栏 459

SIMATIC S7-1200, S7-1500 PID 控制[手册]

SIMATIC S7-1200, S7-1500 PID 控制[手册]

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

“提离职后老板要给我加薪,我应该留下吗?”

本文系猎聘(ID: liepinwang)原创作者简介:路路有为啊已授权转载朋友小李最近挺闹心。关于要不要提离职,她已经纠结了3个月。可算鼓起勇气和领导面对面沟通,得到的答复却是:等项...

sinat_32849897的博客 669

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

离职被老板加薪挽留到底要不要留下

在现实工作中,没人喜欢被辞退吧? 然而工作中的狗血之处在于: 现实会把一个主动离职、有很好offer的优秀者, 变成一个被抛弃、被公司辞退的淘汰者。 这一切都源于:当你离职的时候,被老板挽留,甚至被加薪挽留,选择要不要留下而决定的。 老板的计量 当你提离职的时候,你有可能已经找到了下家,而且工资比现在高。 你突然跟老板提离职,老板会怎么想?平时看你默默无闻,突然要离职,打得老板措手不及。 但目前没人接手你的活,找人还需要时间,培训需要时间,磨合也需要时间。 所以老板考虑跟你谈谈。 他们一般会这么说:“听说你

weixin_43849735的博客 857

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

批量“被离职”是乌龙也是警钟:突发变动下如何稳住心态守住职业底线

职业安全感往往建立在稳定雇佣关系之上,一旦遭遇突发职场变动,哪怕是系统误发“被离职”通知,也会触发强烈应激反应。从心理学视角看,大脑在感到收入来源可能中断时,会本能进入“战斗或逃跑”模式,抑制理性决策。因此,掌握情绪调节方法比立刻投简历更关键——通过“12小时原则”冷静期、“底线思维”财务安全垫、“切换视角”重构职业身份,可以快速恢复判断力。在此基础上,用“六小时清单”盘点真实职业筹码、备好经得起追问的求职材料包、主动触达行业机会,形成一套可复用的应对流程。日常持续更新简历、保持学习与链接,则是降低职业风险

weixin_35045970的博客 237

提离职,被老板以加薪挽留,该走该留?

但如果你的目标是进入更大的平台、接触更前沿的业务,而当前公司的行业赛道、发展规模都有限,即便加薪,也无法为你提供实现目标的土壤,那么短暂的薪资涨幅,只会成为你职业道路上的 “绊脚石”。而真正基于认可的挽留,老板不仅会给出有诚意的薪资涨幅,还会主动谈及你的核心诉求:比如承诺明确的晋升时间、调整你的工作内容、赋予你更多的权限和资源,或是针对你之前提出的问题给出具体的解决方案。职场的本质是价值交换,你的离开不是对公司的否定,留下也不是单纯的 “向钱看齐”,最终的选择,终究要忠于自己的内心和长期价值。

xuweibin666的博客 168

同事年中年底绩效都是C,提离职领导挽留不让他走,后来领导私下说:他走了,就没人背这个绩效了。。。

只需要几句虚伪的挽留,几个虚头巴脑的“未来还有机会”,就能稳住一个帮整个部门挡箭的“盾牌”。但比这更惨的,是你明明被当成了“废料”利用,你还以为自己是“不可或缺”的基石。剩下的9个人,哪怕工作表现平平,只要不出大错,都能安稳地拿到B,甚至竞争那个唯一的A。职场不是考试,不是你考了90分你就是优,而是如果你考了60分,那些考了70分的人才能拿到“优”。搞钱项目,思维,案例,以及个人成长认知,资料放在群公告,感兴趣的可以公众号后台私信我加入。领导留你,往往不是因为你创造了价值,而是因为你分担了他的麻烦。

SQL数据库开发 946

为什么劝你不要学车?

老司机,你若流浪到这片土地,请劝诫这里的人民——不、要、学、车!!!-正文开始-Part1.·驾驶没有中二··你终其一生只用得到 P、D、R 三挡。-·中年了,你要分清幻...

Pysamlam的博客 522

总有那么一瞬间,让你下定决心踹掉这份工作!辞职,真爽!

离职这个决定其实是由很多方面的原因累积而成的。但是,也许就会有一个瞬间是“最后一根稻草”,促成了你离职的决定。近期,前程无忧论坛上就发起了“哪个瞬间,让你下定决心一定要离职”的分享和调查,结果很是扎心,一起来看看,你有没有被“戳中”吧!

935

速度越快,越要稳住

2007年元旦3天假期,有机会在哈尔滨滑雪。这是我的第一次——滑雪。我们几个同事一起玩的相当开心。第一次拉这牵引杆上到坡顶,听了工作人员讲了几句要点后,我就勇敢的滑下去了,第一次永远都是不堪回首的。我连滚带爬的的滑到了一般,后在工作人员的帮助下,好不容易“走”了下来。下来后,心跳加速,浑身难受。休息了好一阵,我继续了第二次。记起了工作人员的话,“重心向前、稳住”。第二次滑到一半的时候,如果不是

郭方明专栏 891

某程序员入职一年多,同事涨4千他没涨,跟领导提涨薪,回复愣了

很多朋友都爱聊涨薪这个话题,涨薪是否能如愿,不光跟自己平时的工作努力程度有关,还跟领导的德行有关,无论在哪个行业,只要你达到了一定的工作时间,工作认真努力,基本上涨薪没有问题的。近日,一位程序员朋友在职场社区吐槽:刚才跟领导提涨薪了,入职一年多了,前十个月都是996,最近995,领导跟我谈话,你任务完成的很快,学东西也很快,但是吧你不主动,不能我们给你安排任务啊你得自己自己主动,再说了你还迟到过几...

weixin_44040460的博客 5812

很严重了,大家别轻易离职。。

抱歉,2026年的职场,和你想象的不一样了。 很多人觉得,干得不爽就走,下一家肯定更好。

weixin_58753619的博客 215

提离职后领导加薪挽留,找到合适人选后一脚踢开!

这是来自一名网友的忠告,其在论坛上如此吐槽自己的经历:给大家提个醒,一旦提了离职,大概率是要尽快办理交接走人的,即便是领导苦苦挽留答应给你升职涨薪,都不可信。 这名楼主本来向领导提了离职,但是领导许诺给他升职加薪,于是乎便留了下来,当他向下一家公司的领导说明自己不再报道的原因,收到了这样的回复:其实这个在于个人的选择,根据我的经验,既然提出了离职,就不要再留了,开弓没有回头箭,留住你,现在也只是...

Java__xiaoze的博客 540

职场受挫时,如何稳住自己?

真正的自信是: 你觉得我不好,他也觉得我不怎么样。可是我了解我自己,我知道自己有几斤几两重。你把我贬得很低,我知道我的分量依然没变,我清楚自己仍然有非常闪光的地方。

1029
上一篇: 国内最大规模OPC上云,5000核并行,效率提升53倍
下一篇: 不必追求offer数量,以免造成资源浪费
白山头
博客等级 码龄7年 1109粉丝 104原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值