程序员能做哪些副业嘞?

最近缺钱,就开始思考,如果选择了当程序员,适合做什么副业?于是我联系了几个认识的技术大佬,聊聊他们和身边的朋友真实在做、且确实能跑通的一些方向。

为什么程序员适合搞副业?

程序员算是最适合开启副业的群体之一:具备技术能力、懂互联网逻辑、一台电脑就能开工,而且很多副业几乎零成本试错。(当然,前提是主业别被副业拖垮,这点比什么都重要。)

做副业和写代码一样,最好从一个最小可用版本(MVP)起步,先验证,再迭代。别一开始就想着“我要全职做副业”,那往往容易把自己绷断。

接下来聊的,是我亲眼见过、也具有一定普适性的几类主流副业。

一、接外包项目

这是程序员最直接的变现方式之一。我身边好几位同事闲暇时都会在一些平台接项目,例如:

  • 垂直技术外包平台:程序员客栈、程聚宝、飞援、码易众包
  • 综合类威客与服务平台:猪八戒网、一品威客
  • 技术社区类渠道:V2ex、掘金社区

优势:

技能直接变现、收入上限高、对履历有帮助

需要注意:

  • 估时要保守,否则极容易延期
  • 合同与收款流程必须规范
  • 不要接自己能力边缘之外的活(我去年做项目在猪八戒上找了个外包团队因为项目的原因拖了他们大半年时间,感觉他们就是钱没赚到,时间全赔了)

二、技术咨询服务

这个领域近年来非常火,尤其是在闲鱼、知乎等平台上火了不少“技术顾问型服务”,咱们牛客也有。常见内容包括:

  • 简历优化
  • 面试辅导
  • 职业方向咨询
  • 技术选型建议

很多人技术并不差,真正缺的是经验、方法,以及关键节点上的判断。这类服务正好填补这个缺口。

关键要求有两点:

沟通能力必须过关、依靠口碑积累和长期信任

三、做技术自媒体

这条路我自己也在尝试。关键是选题要准、节奏要稳、有“网感”。

我见过的一些成功案例包括:

  • 做嵌入式软开的朋友写“面试八股文”,发在多个平台上;
  • 做算法的牛人把 LeetCode 讲解得特别生动,粉丝增长非常快。

重点在于:

  • 选题差异化,不卷别人卷的
  • 保持稳定更新
  • 注意版权与引用规范
  • 培养独特的内容风格

四、独立开发者

独立开发一直很浪漫,也很现实。

常见的两类路径:

  • 小程序开发:上手快、变现快,但竞争密集。
  • 独立 App:投入高、周期长,成功后回报也高。

认识一个朋友开发的一个小程序其实就是调用一些云端接口来完成小小的一个功能,虽然用户不多,但每月最低也有一千多的被动收入。独立开发的核心不是“做大”,而是“找到刚需的小切口”。

很多成功案例也证明了这条路径,不少开发者都已经全职走上独立开发路线,但想一想,国内的程序员太多了,真的想走出来,还是很难。

五、运营付费社群

这几年社群是程序员副业的一个新趋势,但也最容易被误解。

很多人以为“拉个群收费”就算运营社群了,其实差得远。真正能跑通的是:

  • 有明确主题
  • 能持续输出价值
  • 能建立稳定互动氛围

举例子,运营一个“前端进阶”社群:

  • 每周算法打卡
  • 简历点评
  • 面试分享
  • 不定期 workshop

很真实的一个point是:“社群不是变现方式,而是一个长期输出体系。最难的是坚持。”

六、AI 工具出海

这是近两年最火的新方向,我身边也有不少人开始做:

  • 基于 工作流/Claude API 的小工具
  • 面向海外用户的 AI 应用
  • 垂直领域专用助手

这个赛道变化极快,但机会同样巨大,可能上面几条都已经out了。你要能持续学习、快速迭代,不怕时不时地“版本推倒重来”。

关键点:

  • 明确目标用户
  • 清晰的收费与价值机制
  • 内容稳定持续
  • 氛围管理能力
  • 控制规模,不求大,只求精

七、出版技术书籍

写书不是为了赚稿费(因为稿费确实不高),真正的价值在于:

  • 梳理自己的知识体系
  • 提升个人品牌
  • 倒逼自己深入学习

出版的方式包括:

  • 与出版社合作
  • 在电子书平台上架
  • 自出版(如 GitBook)

看到过一个博客作者说:“最大的收获是意识到自己原来有那么多知识盲点。”“会写代码不代表会写书,技术写作是另一门学问。”

一些实用建议

1. 从小切口开始

别一上来就想着做“国产版 XX”。先解决一个微小问题,跑通雏形。

2. 时间管理一定要稳

可以先用周末尝试,确保自己不是一时冲动。

3. 选择适合自己的方向

别为了热门而硬做不熟的领域。

毕竟,热门你不懂,冷门你至少有经验。

4. 做好长期战的准备

副业和写代码一样,都是持续优化、不断迭代的过程。

最后,多栋时间:

alt

#分享一个让你热爱工作的瞬间#
SAGIMA经验浅谈 文章被收录于专栏

虽然咱也不算啥大佬,但也是踩过坑、中过招的,我要是早点知道这些,不早就……早就……早就知道这些了嘛~

全部评论
思路打开,还可以去当原神主播
1 回复 分享
发布于 2025-12-01 17:30 山东
选择合适自己的,然后坚持去做
点赞 回复 分享
发布于 01-21 21:17 云南
做自媒体是一条路
点赞 回复 分享
发布于 01-16 16:23 四川
怎么没有我最爱的酒吧男模环节
点赞 回复 分享
发布于 2025-12-15 21:02 四川
主业别被副业拖垮,这提醒太关键了
点赞 回复 分享
发布于 2025-11-28 16:08 吉林
程序员搞副业 = 技术变现,这逻辑没毛病
点赞 回复 分享
发布于 2025-11-28 16:08 吉林
副业和主业时间怎么平衡
点赞 回复 分享
发布于 2025-11-28 16:03 安徽
零成本试错太香了
点赞 回复 分享
发布于 2025-11-28 16:02 上海
没提到牛客,差评!
点赞 回复 分享
发布于 2025-11-28 11:03 北京

相关推荐

02-12 13:01
已编辑
深圳店小秘_赛狐erp_Java开发
ai时代其实做底层的基础模型开发永远都是少数人,而大部分人其实做的依然是开发方向,agent,rag,后端这些。可能有人说我学agent不需要学后端语言,其实并不是这样。我看了公司的ai项目,其实也会涉及到一些缓存,数据库的存储。agent开发不止需要的是对于大模型的基础性理解,还是需要一定的工程能力。刚开始企业在招聘的时候,主要考察ai是因为产品还在初始阶段,用户量不算很大。用户量大到一定程度就需要工程能力了,降级,容错,数据存储,性能优化,这是工程能力,而ai幻觉,输出质量稳定性,agent编排,微调需要的是ai能力。以下是更偏后端的ai开发的全栈能力1.  基础后端能力一门业务语言,框架,体系(java/golang/cpp)核心是构建后端服务,语言并不是最重要的,框架也不是最重要的。后端能力学框架并不是框架本身,而是涉及到底层的网络/io/数据存储/操作系统。为啥用多路复用,怎么结合业务逻辑配置缓存淘汰策略,其实是对计算机本质的理解。框架,中间件都是一层套一层的,最终会回归到最本质的io与trade off2.ai能力超越调用API,需理解大模型的核心原理(如Transformer架构、注意力机制)及其能力边界。ai应用侧的能力prompt,rag,mcp,langchainagent编排3.大数据处理能力随着互联网公司的数据量增大,普通的mysql以及不能支持高效的查询。对于一些复杂的聚合计算,报表这些通过简单的行式存储(tp)已经不能满足未来的需要,所以出现了列式存储(clickhouse/doris)。需要了解从tp数据库的清洗流程(flink流式处理/离线处理)ai时代我认为,数据的作用将会不断增大4.垂直领域的业务能力互联网(金融/电商/社交/内容/直播)都需要ai来赋能以我所在的跨境电商行业为例,你是否熟悉电商下单到跨境物流(头程,尾程)再到合规等业务,能否打通业务全链路形成闭环为什么未来需要全栈能力?(1)ai提升了代码开发的效率,如果我们把java,大数据,ai分成3个岗位,中间的沟通时间就会浪费掉,而ai更加擅长的其实是技术细节的coding(2)做ai开发prompt,rag,agent编排的偏向ai侧的工程师,其实是需要非常熟悉业务的,而java工程师最擅长的就是业务,不如让一个人去做,效率最高,不懂业务做ai开发效率是没那么高的就像美团履约团队,让前端去转后端一样,有可能未来,全栈正在成为一种趋势所以,先广度,再深度,先把工程能力和ai能力的广度建立起来,再对一些方面进行深挖最后再来谈谈为什么我认为ai是取代不了程序员的。我认为最核心的一点就是未来写代码有可能是一个需要情商的事情?什么叫需要情商,就是你废力去做的一个需求,可能用户根本不需要。举个例子,产品问开发,你认为这个需求最多能够承受多少数据量,开发问产品,你认为客户的需求能做到多少数据量就可以了。像saas公司,你真的要做到满足客户100%的需求嘛,不是的,因为你真满足了,你的服务器成本会很高,公司发现不划算。这就是一个trade off的问题所以本质上程序员开发涉及到情商/成本trade off/商业化思维的时候,ai做不了了还有一点就是行业的业务,以我在saas公司的经历,我认为saas公司其实就是在垂类赛道把行业的业务知识搞透了,赢得了客户的信赖,而其中一些业务设计,ai理解起来会非常困难。垂直领域的业务知识或许会成为程序的壁垒之一
聊聊我眼中的AI
点赞 评论 收藏
分享
不愿透露姓名的神秘牛友
02-07 09:35
点赞 评论 收藏
分享
02-05 20:44
已编辑
快手_MLOps(实习员工)
接上篇 https://www.nowcoder.com/discuss/847995166416703488?sourceSSR=users还缺少了平台和中间件的部分没有和大家交流,这一篇补充一下平台&&中间件和 AI 相关的平台主要就是 Maas 平台和机器学习平台,Maas 平台,大家最熟悉的就是阿里云百炼,用于模型部署,模型微调,并且整合知识库,Agent平台的综合平台AI 中间件主要包括 AgentRuntime,AI 网关 等等资料推荐:首先是平台侧,对于大模型的工程化平台,开源的,我是最推荐 langfuse 的https://github.com/langfuse/langfuselangfuse 是 langsmith 的开源平替,包含可观测,评估,提示词管理,数据集管理等主流功能机器学习平台就比较复杂了,这个主要是各个公司的内部平台,用于算法同学快速迭代的,所以开源的资料比较有限,但我也找到合适的可以学习的https://github.com/kubeflow/kubeflow目前最主流的 MLops 工程包,很多机器学习平台的核心功能都是通过这个的组件编排实现的,通过学习这个,就可以逐步理解机器学习平台的核心功能此外还需要补充,k8s 和云原生相关的技术栈,用于优化模型的部署和调度。此外还要学习 Ray 这个不可或缺的分布式框架https://github.com/ray-project/ray然后是中间件这边AgentRuntime智能体沙箱,用于安全,快速,高效的运行智能体应用,并且和 k8s ,serverless 等相关技术结合,实现毫秒启动和动态扩缩容开源可以看看火山的子项目https://github.com/volcano-sh/agentcubeAI 网关只推荐阿里的开源 AI 网关 HIgresshttps://github.com/alibaba/higressAI网关除了一般网关的功能之外,还要支持,mcp托管,http无缝转mcp,模型路由等等,higress通过一个巧妙的插件系统接入了这些,并且还保留了大流量网关需要的核心功能(这个项目的语义化检索mcp插件是我写的,感兴趣的牛友可以看看)上面的这些,基本就把我认知中设计 AI 的开发岗位都讲的差不多了,其他评测平台和数据 pipline 搭建的,基本都是比较常规的技术栈,不太需要单独讲,比较喜欢鸡架的同学可以冲这些岗位。后面的系列规划:1. 从 0 - 1 实现一个 Agent 框架(教程 + 源码)可以写到简历上面的2. 一些有意思的项目推荐,目前已经想好了两个,后面发一下3. 自己的一些踩坑记录(比如后面暑期继续找垂直实习踩的坑)
推荐一个值得做的AI项目
点赞 评论 收藏
分享
评论
5
27
分享

创作者周榜

更多
正在热议
更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务