编程的精进之法

七叶草

编程，众所周知被定义为知识工作。所有的知识工作，从业者和门外汉都喜欢把它神秘化，将整个过程以不可知论的风格来解释。理由往往非常简单粗暴，无非是“照搬体力工作时代的工作方式会在知识工作中失败。”

这其实没什么靠谱的理论。偶有几个人能写写理论与理由，也跟癔症者的呓语无甚差别。我个人是反对将知识工作神秘化的，我是科学管理原理的忠实粉丝，尽管科学管理原理的具体案例都过时了，但泰勒的研究方法依然是有效的，只是研究者和被研究者发生了一些微妙的变化。

彼得德鲁克在《21世纪的管理挑战》中提到，“知识工作者需要自我管理”，那么很明显不是体力工作时代形成的方法不能用在知识工作中，而是不能指望个体之外的人对个体进行简单的粗暴的分析和命令，不要妄想以此产生很高的生产效率。这个分析和下命令的人必须是知识工作者自己，我们需要自己纪录自己的行为，然后分析、优化，才能得到生产力的提升，任何向外诉求都会很快的撞上一个“天花板”而无法提升。如果非要寻求外部干预，那么我们只能说，对于新时代的管理者定位，老板更像老师，以引导和帮助训练为主，真正的效率提升主要还是靠自己。

那么书归正传，追求知识工作的一种——编程的效率，是本文关注的重点。但我们首先要声明，本文不会给一个可以直接产生高效率的方法，而会给一个可以将生产效率可视化，并从中发现瓶颈的方式。至少在不改变质量的前提下，可以极大的提升你的效率，如果使用得当，可能会得到质量和效率的双提升。

本文引入的方法也并不新鲜，简单说来，就是任务列表法＋PDCA的一套组合使用而已。大道至简，坚持者寡，而坚持下来的人往往都可以获得数倍的效率提升。
任务列表法

我们做任何事情都应该划出任务列表，按照列表一项项去完成，这不是什么特别稀奇的工作方式。然而，很多人的问题在于，列出的问题列表不能达到完全穷尽，各自独立。

2-todolist

完全穷尽是什么意思呢？

当我开始做事情的时候，如果不能把所有的事情穷尽，我列出的列表跟我做的事情是不完全等价的，这说明我们的工作行为非常混沌且不可视，哪怕是对自己。

有时，事情看起来在大面上穷尽了，但是做的时候，又会发现新的任务。那说明每一项任务的输入和输出没有想清楚，因此每当发现有所欠缺，就需要输入新的任务作为补充。于是任务列表就增加了，这也是一种没有穷尽。

各自独立是什么意思呢？

意味着，每一项任务都可以单独做完，而不需要先做完其中一项任务，才能做另一项。 假如我有三项任务：任务1、任务2、任务3。

我做的时候，必须把任务2做完，任务1才能做完；任务3做完，任务2才能做完。结果我就从任务1开始一路做到任务3，最后再逐步回到任务1，整个过程非常混乱，那就不是各自独立的。

在现实生活中想做到各项任务都独立，挑战还是比较大的，但是在编程的世界里就轻松多了。优秀的设计都是要求解耦的，如果做不到，基本等于活儿比较烂。

当我们做到“任务的完全穷尽与各自独立”之后，我们的任务列表法才算达标，这之后才能高效的工作，然而达到这一点并不是一蹴而就的，没有谁可以一上来就做到任务划分的完全穷尽、各自独立，需要不停的刻意练习。所以我们称之为编程的精进之法。

PDCA

PDCA是Plan-Do-Check-Action四个词的组合。这是著名的戴明环。讲究从计划开始、经过实践、反思、产生的改进行动再纳入下一轮计划的持续改进过程。

当我们把这一套从工业领域搬过来的时候，我们对计划的理解还是工业领域那一套。如果用在个人提升方面，我们应该把PDCA微观化，这之后就有两个问题需要被解答，一个是Plan是什么？一个是Check什么？

第一个问题的答案很显然，我们前面讲的任务列表法就是在形成这个Plan。

第二个问题本身是一个母问题，每当我们对这个问题进行回答，都要回答一个衍生出来的子问题：我们要做点什么才能在需要Check的时候能够Check。

常用的套路有两个：

Plan的时候估计一个时间，然后开始做，做的时候计时，做完就要Check这个时间是否达标，无论快了还是慢了（通常是比较明显的差距才能引起反思，比如20%以上的差距），Check都要反思并产生Action，纳入到未来的Plan中去。

估计的任务列表和实际做的任务列表是否是一样多的？往往是会多出来，这时就要反思，自己在哪里有不足导致了这个差别。

这些反思往往是发现自己的问题，比如自己不熟悉的知识点、方法，甚至业务知识，最后的Action也往往都是通过刻意练习来提升生产效率，比如反复练类似题目。有时也会借助一些工具来提升效率，比如抽取live template，使用快捷键，只是效率工具的使用往往也需要刻意练习。有时也可以通过复用技术（其实live template已经是复用技术了）来提升生产效率，然而可复用模式的识别与抽取本身也是需要练习的，否则在那里纠结浪费的时间更长。

有些同学会感觉到，记录了时间却不知道哪里有问题，这个时候可以跟TDD相结合，把时间划分为写测试的时间，写实现的时间和测试通过的时间。其实除去这几种时间，还有其他时间消耗，比如调研的时间。不管怎么划分，将时间消耗结构化掉，一部分一部分的追求最高效率是一种可行的办法。

举例

我们做一个简单的修改用户信息功能的API。那么我们在某一个Java技术栈上可能的任务列表是长这样的：

写UserController （10分钟）
写UserDAO （15分钟）
当你真正开始做的时候，会碰到两种主要的意外：

任务列表扩张
时间估计不准
下面就这个例子，就讲一讲当我们遇到这两种意外，该怎么反思和处理。
任务列表扩张

任务列表扩张，顾名思义，就是指我们所估计的任务数量会随着我们开始工作变的比预想的多，可能有两种主要原因：

技术原因
业务原因
技术原因：

比如在这个案例里面，第二项任务是“写UserDAO”，就是一个没想清楚的事情。我们还需要建数据库表，我们在一个有migration脚本支持的技术栈设计上工作，我们还需要写初始化脚本和回滚脚本。也许这是我的第一个表，所以我还得配置数据库，搞不好还要把ORM的基础代码都写完，所以这些导致了我可能任务估少了。

再比如，项目规范要求我们Controller不能直接调DAO，要在中间加一个Service，尽管我个人觉得这是一件很二的规范，然而规范就是规范，我对项目技术规范不熟悉，导致我的计划缺少了一些必要的任务。再比如，我们的项目采用了Jersey，根本没有Controller这么一个东西，那么不了解技术框架导致我的任务表从根本上就列错了。

这种情况属于我对技术了解不足，通过对任务列表扩张的原因进行Check，我会得出一些Action：去了解技术规范、项目的技术架构、现有的代码，以防止以后的任务画错。

业务原因：

也比如在这个例子里，在更新用户的API里不能更新密码，所以我们还需要一个专门修改密码的API。再比如，这是一个遗留系统，用户信息的修改会触发数据库里的一系列触发器，进而修改系统的其他数据，然而有些修改是有前提的，那么我就需要更多的任务去处理这些前提条件；或者当数据变化时，要求我去修改系统里的其他数据，那么我就需要更多的任务去完成这些工作。

这种情况属于我对整个系统的业务了解不足，通过对任务列表扩张原因的Check，我会得出一些Action：通读数据库表、通读代码、更全面的阅读需求，或者跟需求方更多的沟通，以了解业务。

结论

总的来说，任务列表法＋PDCA式工作法形成的组合方法，是一个通过逐渐提升个人能力以实现高效工作的方法。这两种方法单独拿出来用，都会由于各自的局限而触碰到各自的天花板，只有有机结合才能真正突破这个天花板。

刚开始使用时，很多人会感觉到一些痛苦，这一点上我只能说，提升就是痛苦的，而新的习惯一旦养成，痛苦也就不翼而飞，所以美国心理学之父威廉詹姆士说，“我们需要在尽可能早的时候，让尽可能多的有用动作变成自动的和习惯的……一段痛苦的艰难时期之后就是自由的时光”。当我们的基础能力达到一个极高的水平之后，会发现争取自由的筹码会变得更多。

七叶草

当我们的基础能力达到一个极高的水平之后，会发现争取自由的筹码会变得更多。这句话我一直很认同