薪资计算器只计算收入多少，编写程序，换算每份工作时消耗的内心热情值，优先推荐热情损耗最低的岗位，而非单纯高薪岗位。
项目名：PassionCalc — 内心热情值岗位推荐系统
一、实际应用场景描述
在心理健康与创新能力课程中，有一个被广泛验证却难以落地的命题：
"薪资本身不是动力，热情才是可持续创造力的燃料"
现实场景包括：
- 高薪岗位让人"看起来成功"，内心却日益枯竭
- 职业选择工具只对比薪资、福利、通勤时间
- 没有人量化"每天上班前，你是期待还是抗拒"
- 长期热情损耗导致职业倦怠（Burnout），创造力归零
心理学与创新研究指出：
- 内在动机（Intrinsic Motivation）比外在奖励更能驱动创造力（Deci & Ryan, Self-Determination Theory）
- 热情损耗是职业倦怠的早期信号（Maslach Burnout Inventory）
- 长期做"高薪但无意义感"的工作，创新产出反而下降
PassionCalc 的目标不是"劝你别赚钱"，而是：
在职业决策中，把"内心热情损耗"从隐形感受，变成可量化、可对比的结构化指标
二、引入痛点
现有薪资计算工具的盲区
维度 薪资计算器 PassionCalc
核心指标 月薪、年薪、税后 热情值、意义感
决策导向 收入最大化 热情损耗最小化
隐性成本 忽略 核心考量
输出结果 "这份工作值多少钱" "这份工作消耗你多少"
真实痛点
- 职业选择 = 人生最大决策之一，工具却只算钱
- "高薪 = 好工作"的默认假设无人挑战
- 热情损耗是"软性"的，缺乏可操作的记录方式
- 创新课程讨论"内在动机"，但学生缺乏个人实验工具
三、核心逻辑讲解（先讲思想）
核心隐喻
薪水是外在回报，热情是内在资本——后者耗尽，前者毫无意义
程序做了什么？
1. 定义"热情值"评估维度
- 意义感（是否认同工作的价值）
- 自主性（能否主导自己的工作方式）
- 成长感（是否在学习和进步）
- 社交滋养（同事关系是否 energize）
- 心流频率（是否经常进入专注忘我状态）
2. 每份工作 = 一组维度评分
- 每个维度 1-10 分
- 综合计算"热情净值"
3. 引入"热情损耗率"概念
- 不是静态评分，而是"每天消耗多少"
- 高薪但低热情 = 高损耗
- 中薪但高热情 = 低损耗
4. 推荐逻辑反转
- 传统：按薪资排序，取最高
- PassionCalc：按热情损耗排序，取最低
关键设计原则
- 不否定高薪的价值
- 不替代薪资计算，而是平行增加"热情维度"
- 所有评分主观自评，程序只做结构化呈现
四、代码模块化设计
项目结构
passion_calc/
│
├── README.md
├── requirements.txt
├── main.py
├── core/
│ ├── passion_metrics.py # 热情值维度定义与计算
│ ├── job_profile.py # 岗位档案
│ ├── comparator.py # 岗位对比与推荐
│ └── reporter.py # 报告生成
└── data/
└── job_profiles.json
五、核心代码实现（Python）
1️⃣ 热情值维度定义与计算（passion_metrics.py）
# core/passion_metrics.py
from dataclasses import dataclass
from typing import Dict, List, Optional
@dataclass
class PassionScore:
"""
一份工作的热情值评分
全部为主观自评，无客观标准
"""
meaning: int # 意义感：1-10（我觉得这份工作有价值吗？）
autonomy: int # 自主性：1-10（我能自己决定怎么做吗？）
growth: int # 成长感：1-10（我在变强吗？）
social_energy: int # 社交滋养：1-10（周围人让我更有活力吗？）
flow_frequency: int # 心流频率：1-10（我常进入忘我状态吗？）
def validate(self):
for field_name, value in self.__dict__.items():
if not 1 <= value <= 10:
raise ValueError(f"{field_name} 必须在 1-10 之间，当前为 {value}")
def raw_score(self) -> float:
"""热情原始分（简单平均）"""
values = [v for v in self.__dict__.values() if isinstance(v, int)]
return sum(values) / len(values)
def weighted_score(self) -> float:
"""
加权热情分
意义感和自主性权重更高（基于 Self-Determination Theory）
"""
weights = {
"meaning": 0.30,
"autonomy": 0.25,
"growth": 0.20,
"social_energy": 0.15,
"flow_frequency": 0.10,
}
score = 0.0
for dim, w in weights.items():
score += getattr(self, dim) * w
return round(score, 2)
def to_dict(self) -> Dict:
return {
"meaning": self.meaning,
"autonomy": self.autonomy,
"growth": self.growth,
"social_energy": self.social_energy,
"flow_frequency": self.flow_frequency,
"raw_score": round(self.raw_score(), 2),
"weighted_score": self.weighted_score(),
}
class PassionCalculator:
"""
计算"热情损耗率"
核心公式：
热情损耗率 = 1 / 加权热情分
（热情分越低 → 损耗率越高 → 越不推荐）
"""
def compute_drain_rate(self, score: PassionScore) -> float:
"""
热情损耗率：每天上班消耗多少"内心燃料"
范围约 0.1（极低损耗）~ 1.0（极高损耗）
"""
weighted = score.weighted_score()
# 避免除零
if weighted <= 0:
return 1.0
drain = round(1.0 / weighted, 3)
return min(drain, 1.0) # 上限 1.0
def interpret(self, drain_rate: float) -> str:
"""将损耗率翻译为可读提示"""
if drain_rate < 0.15:
return "极低损耗 — 这份工作在滋养你"
elif drain_rate < 0.25:
return "低损耗 — 热情可持续"
elif drain_rate < 0.40:
return "中等损耗 — 需要主动补充能量"
elif drain_rate < 0.60:
return "高损耗 — 长期可能倦怠"
else:
return "极高损耗 — 警惕职业枯竭"
设计说明
热情损耗率 = 1/热情分，这个倒数关系模拟了"热情越低，每天消耗越剧烈"的非线性感受
2️⃣ 岗位档案（job_profile.py）
# core/job_profile.py
from dataclasses import dataclass, field
from typing import Optional
from .passion_metrics import PassionScore
@dataclass
class JobProfile:
"""
一份工作的完整档案
包含薪资（传统维度）和热情值（新增维度）
"""
name: str
company: str
annual_salary: float # 年薪（万元）
passion: PassionScore # 热情评分
work_hours_per_week: int = 50 # 周工时
commute_hours_per_day: int = 1 # 单程通勤
notes: str = ""
def daily_drain(self) -> float:
"""每天消耗的热情值"""
from .passion_metrics import PassionCalculator
calc = PassionCalculator()
return calc.compute_drain_rate(self.passion)
def weekly_drain(self) -> float:
"""每周总消耗"""
return self.daily_drain() * self.work_hours_per_week
def annual_drain(self) -> float:
"""年化热情消耗"""
return self.weekly_drain() * 52
def salary_per_passion_unit(self) -> float:
"""
每单位热情消耗的薪资回报
类似"性价比"，但反过来：
你每损失 1 点热情，赚回多少万？
"""
if self.annual_drain() == 0:
return float("inf")
return round(self.annual_salary / self.annual_drain(), 2)
def summary(self) -> dict:
return {
"岗位": f"{self.name} @ {self.company}",
"年薪(万)": self.annual_salary,
"周工时": self.work_hours_per_week,
"通勤(h/天)": self.commute_hours_per_day,
"热情加权分": self.passion.weighted_score(),
"日损耗率": round(self.daily_drain(), 3),
"年损耗总量": round(self.annual_drain(), 1),
"万元/损耗单位": self.salary_per_passion_unit(),
"解读": PassionCalculator().interpret(self.daily_drain()),
}
设计说明
"salary_per_passion_unit" 是最反直觉的指标：高薪岗位如果热情损耗巨大，这个比值可能很低
3️⃣ 岗位对比与推荐（comparator.py）
# core/comparator.py
from typing import List
from .job_profile import JobProfile
from .passion_metrics import PassionCalculator
class JobComparator:
"""
对比多份岗位，按热情损耗排序推荐
"""
def __init__(self, jobs: List[JobProfile]):
self.jobs = jobs
self.calc = PassionCalculator()
def rank_by_drain(self) -> List[JobProfile]:
"""按热情损耗从低到高排序（损耗越低越推荐）"""
return sorted(self.jobs, key=lambda j: j.daily_drain())
def rank_by_salary(self) -> List[JobProfile]:
"""按薪资从高到低排序（传统方式）"""
return sorted(self.jobs, key=lambda j: j.annual_salary, reverse=True)
def rank_by_efficiency(self) -> List[JobProfile]:
"""
按"万元/损耗单位"排序
综合考虑薪资和热情的性价比
"""
return sorted(
self.jobs,
key=lambda j: j.salary_per_passion_unit(),
reverse=True
)
def comparison_table(self) -> str:
"""生成对比表（文本格式）"""
lines = []
lines.append(f"\n{'=' * 100}")
lines.append(f"{'热情损耗排序':^100}")
lines.append(f"{'=' * 100}")
ranked = self.rank_by_drain()
lines.append(f"\n{'排名':<4} {'岗位':<35} {'年薪':<8} {'热情分':<8} {'日损耗':<8} {'年损耗':<10} {'解读'}")
lines.append("-" * 100)
for i, job in enumerate(ranked, 1):
summary = job.summary()
lines.append(
f"{i:<4} {summary['岗位']:<35} "
f"{summary['年薪(万)']:<8} "
f"{summary['热情加权分']:<8} "
f"{summary['日损耗率']:<8} "
f"{summary['年损耗总量']:<10} "
f"{summary['解读']}"
)
lines.append(f"\n{'=' * 100}")
lines.append(f"{'传统薪资排序（对比）':^100}")
lines.append(f"{'=' * 100}")
salary_ranked = self.rank_by_salary()
lines.append(f"\n{'排名':<4} {'岗位':<35} {'年薪(万)'}")
lines.append("-" * 50)
for i, job in enumerate(salary_ranked, 1):
lines.append(f"{i:<4} {job.name} @ {job.company:<25} {job.annual_salary}")
# 关键对比
best_drain = ranked[0].name if ranked else "N/A"
best_salary = salary_ranked[0].name if salary_ranked else "N/A"
lines.append(f"\n📌 关键对比：")
lines.append(f" 热情损耗最低：{best_drain}")
lines.append(f" 薪资最高：{best_salary}")
if best_drain != best_salary:
lines.append(f"\n ⚡ 热情推荐 ≠ 薪资推荐 — 这正是本工具存在的意义")
return "\n".join(lines)
设计说明
三种排序（损耗 / 薪资 / 效率）并列呈现，让使用者看到"不同价值观下的不同答案"
4️⃣ 报告生成（reporter.py）
# core/reporter.py
from .comparator import JobComparator
class Reporter:
"""生成岗位热情分析报告"""
def __init__(self, comparator: JobComparator):
self.comparator = comparator
def generate(self):
print(self.comparator.comparison_table())
# 额外洞察
jobs = self.comparator.jobs
if len(jobs) < 2:
return
print(f"\n{'=' * 100}")
print(f"{'💡 深度洞察':^100}")
print(f"{'=' * 100}")
# 洞察 1：薪资与热情的相关性
salaries = [j.annual_salary for j in jobs]
passions = [j.passion.weighted_score() for j in jobs]
# 简单相关系数（教学用）
avg_salary = sum(salaries) / len(salaries)
avg_passion = sum(passions) / len(passions)
numerator = sum(
(s - avg_salary) * (p - avg_passion)
for s, p in zip(salaries, passions)
)
denom_s = sum((s - avg_salary) ** 2 for s in salaries) ** 0.5
denom_p = sum((p - avg_passion) ** 2 for p in passions) ** 0.5
if denom_s > 0 and denom_p > 0:
corr = numerator / (denom_s * denom_p)
print(f"\n1. 薪资与热情的相关性：{corr:.2f}")
if corr < 0:
print(f" → 负相关：薪资越高，热情可能越低（需要警惕）")
elif corr > 0.5:
print(f" → 正相关：薪资与热情方向一致，较为理想")
else:
print(f" → 弱相关：薪资和热情基本独立，需要综合判断")
# 洞察 2：万元/损耗比
print(f"\n2. 薪资-热情综合效率排名：")
eff_ranked = self.comparator.rank_by_efficiency()
for i, job in enumerate(eff_ranked, 1):
eff = job.salary_per_passion_unit()
print(f" {i}. {job.name} @ {job.company} — 每单位损耗赚 {eff} 万元")
print(f"\n📌 教学提示：")
print(f" 1. 本工具不替代职业决策，只提供结构化视角")
print(f" 2. 热情评分完全主观，建议间隔 1-2 周重复评估")
print(f" 3. 同一岗位在不同阶段，热情评分可能变化")
print(f" 4. '高薪低热情'不一定是坏事，关键是你要'知情选择'")
5️⃣ 主程序（main.py）
# main.py
from core.passion_metrics import PassionScore
from core.job_profile import JobProfile
from core.comparator import JobComparator
from core.reporter import Reporter
def main():
# 定义几份候选岗位（实际应由用户输入）
jobs = [
JobProfile(
name="高级后端工程师",
company="大厂 A",
annual_salary=65,
passion=PassionScore(
meaning=4, # 做业务系统，意义感一般
autonomy=3, # 需求驱动，自主性低
growth=5, # 技术栈成熟，成长中等
social_energy=4, # 团队氛围尚可
flow_frequency=3 # 很少进入心流
),
work_hours_per_week=55,
commute_hours_per_day=1.5,
notes="高薪但重复性工作居多"
),
JobProfile(
name="独立开发者",
company="自由职业",
annual_salary=30,
passion=PassionScore(
meaning=9, # 做自己热爱的产品
autonomy=10, # 完全自主
growth=8, # 什么都得学
social_energy=5, # 独处多，社交少
flow_frequency=8 # 经常进入心流
),
work_hours_per_week=45,
commute_hours_per_day=0,
notes="收入不稳定但极其充实"
),
JobProfile(
name="产品经理",
company="中厂 B",
annual_salary=45,
passion=PassionScore(
meaning=7, # 影响用户生活，有意义
autonomy=6, # 有一定自主权
growth=7, # 跨部门协调，学习面广
social_energy=6, # 人际密集
flow_frequency=5 # 偶尔心流
),
work_hours_per_week=50,
commute_hours_per_day=1,
notes="平衡型选择"
),
]
# 对比分析
comparator = JobComparator(jobs)
reporter = Reporter(comparator)
reporter.generate()
if __name__ == "__main__":
main()
六、README 文件
# PassionCalc
一个"内心热情值"岗位推荐工具。
## 目的
- 在职业决策中引入"热情损耗"维度
- 不替代薪资计算，而是与之并列
- 帮助个人做出"知情选择"，而非盲从高薪
## 使用说明
### 运行环境
- Python 3.8+
- 仅使用标准库
### 启动
bash
python main.py
### 添加岗位
修改 main.py，创建 JobProfile：
python
from core.passion_metrics import PassionScore
from core.job_profile import JobProfile
job = JobProfile(
name="你的岗位名",
company="公司名",
annual_salary=40, # 年薪万元
passion=PassionScore(
meaning=7, # 意义感 1-10
autonomy=6, # 自主性 1-10
growth=7, # 成长感 1-10
social_energy=5, # 社交滋养 1-10
flow_frequency=4 # 心流频率 1-10
),
work_hours_per_week=48,
commute_hours_per_day=1
)
### 热情维度说明
| 维度 | 问题 |
|---|---|
| meaning | 我觉得这份工作有意义吗？ |
| autonomy | 我能主导自己的工作方式吗？ |
| growth | 我每天都在进步吗？ |
| social_energy | 同事让我更有活力还是更疲惫？ |
| flow_frequency | 我常进入忘我的专注状态吗？ |
## 输出内容
- 三种排序：热情损耗 / 薪资 / 综合效率
- 每份岗位的详细指标
- 薪资与热情的相关性分析
- 教学提示
## 适用场景
- 职业选择决策辅助
- 心理健康课"职业倦怠预防"模块
- 创新能力课程中的"内在动机"讨论
- 个人年度复盘
## 核心原则
- 所有评分为主观自评
- 不替代决策，只提供视角
- 高薪 ≠ 坏选择，低热情 ≠ 不能选
- 关键是"知情"，而非"正确"
七、核心知识点卡片（去营销化）
卡片 1：内在动机与外在动机
- 关键词：Self-Determination Theory、Deci & Ryan
- 要点：外在奖励（金钱）短期有效，内在动机（意义感、自主性）才是创造力的长期燃料
卡片 2：职业倦怠的早期信号
- 关键词：Maslach Burnout Inventory、情感耗竭
- 要点：热情损耗先于身体症状出现，是更早、更敏感的预警指标
卡片 3：多维度决策模型
- 关键词：加权评分、价值观澄清、知情选择
- 要点：好决策不是"选最好的"，而是"知道自己选的是什么"
八、总结（工程师视角）
这个程序不是在"劝你别赚钱"，而是在悄悄追问一个更深的问题。
技术层面
- 用不到 300 行标准库代码，构建了一个"反主流"的职业评估框架
- 三种排序并列呈现，拒绝"唯一正确答案"
-
"salary_per_passion_unit" 这个指标本身就是一种价值观宣言
心理层面
- 把"上班前的内心感受"从模糊情绪，变成可观察、可记录、可对比的数据
- 帮助使用者从"我是不是不够努力"的 self-blame，转向"我的热情在怎样被消耗"的self-awareness
最终价值
不是告诉你：
"别去大厂，去追梦"
而是给你一个安静的工具，让你在拿到 offer 的那天，能诚实地问自己：
"如果我五年都做这份工作，我的热情账户会怎样？"
答案没有对错——但"看见"，本身就是力量。
利用AI解决实际问题如果你觉得这个工具好用，欢迎关注长安牧笛！