十年自学编程（1998）

“精通”所需时间与 10 年时间跨度

• 许多人认同，持续、广泛地练习大约 10 年，才比较像能成为一名“扎实”的开发者，尽管未必称得上大师。
• 10,000 小时经验法则被认为过于简化，但方向上仍有参考价值；人们强调的是有目的、逐步加难的练习，而不只是时间流逝。
• 一些人指出，如果不持续挑战自己，某些开发者会停留在“把 1 年经验重复 10 次”的状态。

职业工作 vs. 业余项目

• 有人认为，标准的每周 40 小时软件工作，经过多年积累就足以形成深厚技能。
• 也有人说，只做“泛泛的商业工作”（尤其是在同一家公司或同一技术栈里）会让学习停滞；副项目和新领域能加速成长。
• 这里存在一种张力：一边是“因为热爱所以全天候写代码”，另一边是“忙完一整天工作后，我不会再把晚上也拿去写代码”。

进入编程的路径：CS、训练营与自学

• 有许多成功故事：训练营、短期密集课程、地下室里的自学、非 CS 背景转岗做开发。
• 一个共同模式是：成功往往需要很强的动机、远超“核心”训练之外的大量时间，而且通常还要经历一份比较艰难的第一份工作，真正的学习往往在那里发生。
• 缺乏 CS 基础有时会在后期显现出来（例如数据结构、算法），但很多人会在实践中逐步补齐。

软件工程的本质与知识衰减

• 人们争论软件更接近科学、工程，还是社会/立法系统。
• 有人认为基础（算法、操作系统理论、并发等）是稳定的；混乱主要来自语言、框架和工具，以及其背后的经济压力。
• 也有人觉得日常大量精力都浪费在和糟糕的工具、库以及“熵”作斗争上，就像糟糕的实体工具或预制组件一样。

Scrum、流程与团队工作流

• 对 Scrum 的批评非常强烈：每日站会被说成是“广告”，过度关注短期表象，割裂深度工作，更服务于管理层汇报而不是工程结果。
• 也有人为其去芜存菁后的核心形式辩护（例如 Kanban、简单站会）是有用的；问题往往被归咎于糟糕文化和过度仪式化，而不是核心理念本身。

AI 工具、学习与刻意练习

• 一些学习者说，像 ChatGPT 这样的工具在他们能力边缘为他们“解困”，让他们没有放弃。
• 也有人担心 AI 和自动补全会削弱深度理解，把它类比为总用 GPS 却从不学习路线。
• 正在形成的新常态：先自己挣扎，再把 AI 当作资深开发者来获取提示；大量用于样板代码和测试，但不要把它当成核心问题解决的拐杖。