程序设计者应该具备的品质是什么

程序员基本素质：

作一个真正合格的程序员，或者说就是可以真正合格完成一些

代码工作的程序员，应该具有的素质。

1：团队精神和协作能力

把它作为基本素质，并不是不重要，恰恰相反，这是程序员应该具备的最基本的，

也是最重要的安身立命之本。把高水平程序员说成独行侠的都是在呓语，任何个人的力

量都是有限的，即便如linus这样的天才，也需要通过

组成强大的团队来创造奇迹，那些遍布全球的为linux写核心的高手们，没有协作精神是

不可想象的。独行侠可以作一些赚钱的小软件发点小财，但是一旦进入一些大系统的研

发团队，进入商业化和产品化的开发任务，缺乏

这种素质的人就完全不合格了。

2：文档习惯

说高水平程序员从来不写文档的肯定是乳臭未干的毛孩子，良好的文档是正规研发

流程中非常重要的环节，作为代码程序员，30％的工作时间写技术文档是很正常的，而

作为高级程序员和系统分析员，这个比例还要高很多。缺

乏文档，一个软件系统就缺乏生命力，在未来的查错，升级以及模块的复用时就都会遇

到极大的麻烦。

3：规范化，标准化的代码编写习惯

作为一些外国知名软件公司的规矩，代码的变量命名，代码内注释格式，甚至嵌套

中行缩进的长度和函数间的空行数字都有明确规定，良好的编写习惯，不但有助于代码

的移植和纠错，也有助于不同技术人员之间的协作。fan

s叫嚣高水平程序员写的代码旁人从来看不懂，这种叫嚣只能证明他们自己压根不配自称

程序员。代码具有良好的可读性，是程序员基本的素质需求。再看看整个linux的搭建，

没有规范化和标准化的代码习惯，全球的研发

协作是绝对不可想象的。

4：需求理解能力

程序员需要理解一个模块的需求，很多小朋友写程序往往只关注一个功能需求，他

们把性能指标全部归结到硬件， *** 作系统和开发环境上，而忽视了本身代码的性能考虑

，有人曾经放言说写一个广 告交换程序很简单，这种人从

来不知道在百万甚至千万数量级的访问情况下的性能指标是如何实现的，对于这样的程

序员，你给他深蓝那套系统，他也做不出太极链的并访能力。性能需求指标中，稳定性

，并访支撑能力以及安全性都很重要，作为程序员需要

评估该模块在系统运营中所处的环境，将要受到的负荷压力以及各种潜在的危险和恶意

攻击的可能性。就这一点，一个成熟的程序员至少需要2到3年的项目研发和跟踪经验才

有可能有心得。

5：复用性，模块化思维能力

经常可以听到一些程序员有这样的抱怨，写了几年程序，变成了熟练工，每天都是

重复写一些没有任何新意的代码，这其实是中国软件人才最大浪费的地方，一些重复性

工作变成了熟练程序员的主要工作，而这些，其实是完全可

以避免的。

复用性设计，模块化思维就是要程序员在完成任何一个功能模块或函数的时候，要

多想一些，不要局限在完成当前任务的简单思路上，想想看该模块是否可以脱离这个系

统存在，是否可以通过简单的修改参数的方式在其他系统和应用环境下直接引用，这样

就能极大避免重复性的开发工作，如果一个软件研发单位和工作组能够在每一次研发过

程中都考虑到这些问题，那么程序员就不会在重复性的工作中耽误太多时间，就会有更

多时间和精力投入到创新的代码工作中去。

一些好的程序模块代码，即便是70年代写成的，拿到现在放到一些系统里面作为功

能模块都能适合的很好，而现在我看到的是，很多小公司软件一升级或改进就动辄全部

代码重写，大部分重复性工作无谓的浪费了时间和精力。

6：测试习惯

作为一些商业化正规化的开发而言，专职的测试工程师是不可少的，但是并不是说

有了专职的测试工程师程序员就可以不进行自测；软件研发作为一项工程而言，一个很

重要的特点就是问题发现的越早，解决的代价就越低，程序

员在每段代码，每个子模块完成后进行认真的测试，就可以尽量将一些潜在的问题最早

的发现和解决，这样对整体系统建设的效率和可靠性就有了最大的保证。

测试工作实际上需要考虑两方面，一方面是正常调用的测试，也就是看程序是否能

在正常调用下完成基本功能，这是最基本的测试职责，可惜在很多公司这成了唯一的测

试任务，实际上还差的远那；第二方面就是异常调用的测试，比如高压力负荷下的稳定

性测试，用户潜在的异常输入情况下的测试，整体系统局部故障情况下该模块受影响状

况的测试，频发的异常请求阻塞资源时的模块稳定测试等等。当然并不是程序员要对自

己的每段代码都需要进行这种完整测试，但是程序员必须清醒认识自己的代码任务在整

体项目中的地位和各种性能需求，有针对性的进行相关测试并尽早发现和解决问题，当

然这需要上面提到需求理解能力。

7：学习和总结的能力

程序员是人才很容易被淘汰，很容易落伍的职业，因为一种技术可能仅仅在三两年

内具有领先性，程序员如果想安身立命，就必须不断跟进新的技术，学习新的技能。

善于学习，对于任何职业而言，都是前进所必需的动力，对于程序员，这种要求就

更加高了。但是学习也要找对目标，一些小coding有些codingTO就是这样的coding上只

是一些Cfans们，他们也津津乐道于他们的学习能力，一会学会了asp，一会儿学会了ph

p，一会儿学会了jsp，他们把这个作为炫耀的资本，盲目的追逐一些肤浅的，表面的东

西和名词，做网络程序不懂通讯传输协议，做应用程序不懂中断向量处理，这样的技术

人员，不管掌握了多少所谓的新语言，永远不会有质的提高。

善于总结，也是学习能力的一种体现，每次完 成一个研发任务，完成一段代码，都

应当有目的的跟踪该程序的应用状况和用户反馈，随时总结，找到自己的不足，这样逐

步提高，一个程序员才可能成长起来。

一个不具备成长性的程序员，即便眼前看是个高手，建议也不要选用，因为他落伍

的时候马上就到了。具备以上全部素质的人，应当说是够格的程序员了，请注意以上的

各种素质都不是由IQ决定的，也不是大学某些课本里可以学习到的，需要的仅仅是程序

员对自己工作的认识， 是一种意识上的问题。

那么作为高级程序员，以至于系统分析员，也就是对于一个程序项目的设计者而言

，除了应该具备上述全部素质之外，还需要具备以下素质：

第一，需求分析能力

对于程序员而言，理解需求就可以完成合格的代码，但是对于研发项目的组织和管

理者，他们不但要理解客户需求，更多时候还要自行制定一些需求，为什么这么说呢？

一般而言，进行研发任务，也许是客户提出需求，也许是市场和营销部门提出的需

求，这时候对于研发部门，他们看到的不是一个完整的需求，通常而言，该需求仅仅是

一些功能上的要求，或者更正规些，可能获得一个完整的用户视图；但是这都不够，因

为客户由于非技术因素多一些，他们可能很难提出完整和清晰，或者说专业性的性能需

求，但是对于项目组织者和规划者，他必须能够清醒认识到这些需求的存在并在完成 需

求分析报告的时候适当的提出，同时要完整和清晰的体现在设计说明书里面，以便于程

序员编码时不会失去这些准则。

程序设计者必须正确理解用户需求所处的环境，并针对性做出需求的分析，举例而

言，同样一个软件通过ASP租用方式发布和通过License方式发布，性能需求可能就是有

区别的，前者强调的是更好的支撑能力和稳定性，而后者则可能更强调在各种平台下的

普适性和安装使用的简捷性。

第二，项目设计方法和流程处理能力

程序设计者必须能够掌握不少于两到三种的项目设计方法（比如自顶至下的设计方

法，比如快速原型法等等），并能够根据项目需求和资源搭配来选择合适的设计方法进

行项 目的整体设计。设计方法上选择不当，就会耽误研发周期，浪费研发资源，甚至影

响研发效果。

一个程序设计者还需要把很多功夫用在流程图的设计和处理上，他需要做数据流图

以确立数据词典；他需要加工逻辑流图以形成整体的系统处理流程。一个流程有问题的

系统，就算代码多漂亮，每个模块多精致，也不会成为一个好的系统。当然，做好流程

分析并选择好项目设计方法，都需要在需求分析能力上具有足够的把握。

第三，复用设计和模块化分解能力

这个似乎又是老调重谈，前面基本素质上不是已经说明了这个问题吗？作为一个从

事模块任务的程序员，他需要对他所面对的特定功能模块的 复用性进行考虑，而作为一

个系统分析人员，他要面对的问题复杂的多，需要对整体系统按照一种模块化的分析能

力分解为很多可复用的功能模块和函数，并针对每一模块形成一个独立的设计需求。举

个例子，好比是汽车生产，最早每辆汽车都是独立安装的，每个部件都是量身定做的，

但是后来不一样了，机器化大生产了，一个汽车厂开始通过流水线来生产汽车，独立部

件开始具有一定的复用性，在后来标准化成为大趋势，不同型号，品牌甚至不同厂商的

汽车部件也可以进行方便的换装和升级，这时候，汽车生产的效率达到最大化。

软件工程也是同样的道理，一个成熟的软件行业，在一些相关项目和系统中，不同

的部件是可以随意换装的，比如微软的许多桌面软件，在很多 *** 作模块（如打开文件，

保存文件等等）都是复用的同一套功能模块，而这些接口又

通过一些类库提供给了桌面应用程序开发者方便挂接，这就是复用化的模块设计明显的

一个佐证。

将一个大型的，错综复杂的应用系统分解成一些相对独立的，具有高度复用性的，

并能仅仅依靠几个参数完成数据联系的模块组合，是作为高级程序员和系统分析员一项

最重要的工作，合适的项目设计方法，清晰的流程图，是实现这一目标的重要保证。

第四，整体项目评估能力

作为系统设计人员，必须能够从全局出发，对项目又整体的清醒认识，比如公司的

资源配置是否合理和到位，比如工程进度安排是否能最大化体现效率又不至于无法按期

完成。评估项 目整体和各个模块的工作量，评估项目所需的资源，评估项目可能遇到的

困难，都需要大量的经验积累，换言之，这是一种不断总结的累计才能达到的境界。在

西方一些软件系统设计的带头人都是很年长的，比如4，50岁，甚至更老，他们在编码方

面已经远远不如年轻人那样活络，但是就项目评估而言，他们几十年的经验积累就是最

重要和宝贵的财富。中国缺这么一代程序员，主要还不是缺那种年纪的程序员，而是那

种年纪的程序员基本上都是研究单位作出来的，都不是从专业的产品化软件研发作出来

的，他们没有能积累那种产品化研发的经验，这也是没有办法的事情。

第五，团队组织管理能力

完成一个项目工程，需要团队的齐心协力，作为项目设计者或研发的主管人，就应

当有能力最大化发挥团队的整体力量，技术管理由于其专业性质，不大同于一般的人事

管理，因为这里面设计了一些技术性的指标和因素。

首先是工作的量化，没有量化就很难做到合适的绩效考核，而程序量化又不是简单

的代码行数可以计算的，因此要求技术管理人员需要能真正评估一个模块的复杂性和工

作量。

其次是对团队协作模式的调整，一般而言，程序开发的协作通常分为小组进行，小

组有主程序员方式的，也有民主方式的，根据程序员之间的能力水平差距，以及根据项

目研发的需求，选择合适的组队方式，并能将责权和成员的

工作任务紧密结合，这样才能最大发挥组队的效率。

一个代码水平高的人，未必能成为一个合格的项目研发主管，这方面的能力欠缺往

往是容易被忽视的。

综上可以看到，作为一个主管研发的负责人，一个项目设计者，所需要具备的素质

和能力并不是程序代码编写的能力，当然一般情况下，一个程序员通过不断的总结提高

达到了这种素质的时候，他所具有的代码编写能力也已经相当不简单了，但是请注意这

里面的因果关系，一个高水平的项目设计者通常已经是代码编写相当优秀的人了，但是

并不是一个代码相当优秀的程序员就可以胜任项目设计的工作，这里面存在的也不是智

商和课本的问题，还是在于一个程序员在积累经验，逐步提升的时候没有意识到应当思

考哪方面的东西，没有有意识的就项目的组织和复用设计进行揣摩，没有经常性的文档

习惯和总结习惯， 不改变这些，我们的合格的项目设计者还是非常欠缺。

另外，为防止有无聊的人和我较真，补充一点，本文针对目标是作商业化的软件项

目和工程，那些科研机构的编程高手，比如算法高手，比如图象处理高手，他们的工作

是研究课题而非直接完成商业软件（当然最终间接成为商业

产品，比如微软研究院在作的研究课题），因此他们强调的素质可能是另外的东西，这

些人（专家），并不能说是程序员，不能用程序员的标准去衡量。

最后补充一点东西，一个软件项目研发的设计流程是怎样的呢？以通常标准的设计

方法为例，（不过笔者喜欢快速原型法）。

第一个步骤是市场调研，技术和市场要结合才能体现最大价值。

第二个步骤是需求分析，这个阶段需要出三样东西，用户视图，数据词典和用户 ***

作手册。用户视图是该软件用户（包括终端用户和管理用户）所能看到的页面样式，这

里面包含了很多 *** 作方面的流程和条件。数据词典是指明数据逻辑关系并加以整理的东

东，完成了数据词典，数据库的设计就完成了一半多。用户 *** 作手册是指明了 *** 作流程

的说明书。请注意，用户 *** 作流程和用户视图是由需求决定的，因此应该在软件设计之

前完成，完成这些，就为程序研发提供了约束和准绳，很遗憾太多公司都不是这样做的

，因果颠倒，顺序不分，开发工作和实际需求往往因此 产生隔阂脱节的现象。

需求分析，除了以上工作，笔者以为作为项目设计者应当完整的做出项目的性能需

求说明书，因为往往性能需求只有懂技术的人才可能理解，这就需要技术专家和需求方

（客户或公司市场部门）能够有真正的沟通和了解。

第三个步骤是概要设计，将系统功能模块初步划分，并给出合理的研发流程和资源

要求。作为快速原型设计方法，完成概要设计就可以进入编码阶段了，通常采用这种方

法是因为涉及的研发任务属于新领域，技术主管人员一上来无法给出明确的详细设计说

明书，但是并不是说详细设计说明书不重要，事实上快速原型法在完成原型代码后，根

据评测结果和经验教训的总结，还要重新进行详细设计的步骤。

第四个步骤是详细设计，这是考验技术专家设计思维的重 要关卡，详细设计说明书

应当把具体的模块以最‘干净’的方式(黑箱结构）提供给编码者，使得系统整体模块化

达到最大；一份好的详细设计说明书，可以使编码的复杂性减低到最低，实际上，严格

的讲详细设计说明书应当把每个函数的每个参数的定义都精精细细的提供出来，从需求

分析到概要设计到完成详细设计说明书，一个软件项目就应当说完成了一半了。换言之

，一个大型软件系统在完成了一半的时候，其实还没有开始一行代码工作。那些把作软

件的程序员简单理解为写代码的，就从根子上犯了错误了。

第五个步骤是编码，在规范化的研发流程中，编码工作在整个项目流程里最多不会

超过1/2，通常在1/3的时间，所谓磨刀不误砍柴功，设计过程完成的好，编码效率就会

极大提高，编码时不同模块之间的进度协调和协作是最需要小心的，也许一个小模块的

问题就可能影响了整体进度，让很多程序员因此被迫停下工作等待，这种问题在很多研

发过程中都出现过。编码时的相互沟通和应急的解决手段都是相当重要的，对于程序员

而言，bug永远存在，你必须永远面对这个问题，大名鼎鼎的微软，可曾有连续三个月不

发补丁的时候吗？从来没有！

第六个步骤是测试。

测试有很多种：按照测试执行方，可以分为内部测试和外部测试；按照测试范围，

可以分为模块测试和整体联调；按照测试条 件，可以分为正常 *** 作情况测试和异常情况

测试；按照测试的输入范围，可以分为全覆盖测试和抽样测试。以上都很好理解，不再

解释。

总之，测试同样是项目研发中一个相当重要的步骤，对于一个大型软件，3个月到1

年的外部测试都是正常的，因为永远都会又不可预料的问题存在。

完成测试后，完成验收并完成最后的一些帮助文档，整体项目才算告一段落，当然

日后少不了升级，修补等等工作，只要不是想通过一锤子买卖骗钱，就要不停的跟踪软

件的运营状况并持续修补升级，知道这个软件被彻底淘汰为

止。

写这些步骤算不上卖弄什么，因为实话讲我手边是一本《软件工程》，在大学里这

是计算机专业的必修课程，但是我知道很多程序员似乎从来都只是热衷于什么《30天精

通VC》之类的，他们有些和我一样游击队出身，没有正规学过这个专业，还有一些则早

就在混够学分后就把这些真正有用的东西还给了老师。

fans乱嚷嚷，混淆视听，实际上真正的技术专家很少在网上乱发帖子的，如笔者这

样不知天高地厚的，其实实在是算不上什么高手，只不过看不惯这种对技术，对程序员

的误解和胡说，只好挺身而出，做拨乱反正之言，也希望那些还fans们能认真想想，走

到正途上，毕竟那些聪明的头脑还远远没有发挥应有的价值。

从程序员到工程师

从程序员升级到工程师大多数象我这样对软件有浓厚兴趣的人，毕业后义无反顾地

走进了企业，开始了程序员的生涯。那时，我们迷恋“大全”、“秘籍”一类的书籍，

心中只有代码。当我看到一行行枯燥的代码变成了能够打电话的设备，变成了屏幕上漂

亮的表格，变成了动听的音乐，成就感油然而生。我觉得自己也是一个出色的程序员了

。在用户的机房中苦熬三昼夜解决软件的bug，也成了一种可以夸耀的资历。五年前的某

一天，我把曾经让我兴奋自豪的大量代码和少得可怜的文档移交之后，来到了华为。这

里有更多的年轻人，我如鱼得水，可以充分发挥自己的想象力。依然是代码，依然是匆

匆地在纸上记下稍纵即逝的灵感（我们把它称作文档），依然是无休止地和bug作斗争。

当有一天，一个新来的同事拿着署着我的大名的文档，小心翼翼地来问我时，我发现自

己好象有点不认识它了。我心里有点沮丧，再看看代码，发现文档上记录的一些灵感已

面目全非。我当时不知道那位新来的同事感受如何，但我从那时起，好象意识到什么。

现在来看，那时的很多事情都是事倍功半。

我也见到了我的项目经理，一个个子较高，瘦瘦的年轻人，据说刚从美国回来，已

工作了五、六年。我听了心里很高兴，这回要一招一式地学两手。需求分析的时间是一

个月，项目经理和我们（实际上代表客户 ）讨论了proposal中的内容，确定每一项都是

需要的。然后他把模块大致划分了一下，开始进入计划中的学习阶段。每个人在学习阶

段要写出功能描述的胶片，给其他人讲解，不知不觉中，项目组的所有人对项目有了整

体的了解。

他还安排了一些培训，如他们公司的软件开发模型、项目组中各角色的定义，以后

及时的培训不断，只要项目组中有需求，他总是把qa或相关的人请来，培训很专业。需

求分析完成后提交了一份四十多页的文档，当我看到这份英文文档中我写的部分整整齐

齐地列在其中时，我的感觉很复杂，有些喜悦，但更多的是苦涩，我以前怎么就从来没

有这样做过需求分析呢。

在我写文档的过程中，qa给我们培训过srs的写作模板，后来我还是不放心，让他们

一个有经验的工程师写了一段，我们再琢磨着照着写。这份srs虽然是多个人合写，但风

格一致，内容详实。更为可贵的是，一直到最后，这份需求分析的内容都没有改过，以

至于我们没有机会走一下他们的需求更改流程。

需求分析是项目的第一阶段，第二阶段的开发时间要根据需求分析的结果来确定。

当对方的首席技术官（相当于我们业务部的总体组长）来和我们讨论计划时，他们已列

出了对每个 模块的代码行数的预测，可能存在的风险。根据他们公司的生产率－－300

行/人月，他得出了项目第二阶段需要多少周。

我们当时就提出了异议：1）公司对该项目需求很急；2）每月300行是否太少；3）

我们还有下载的源代码参考。他解释说，300行/人月是使得项目能达到他们质量标准的

经验数据，考虑到有源代码参考，生产率最多不能超过350行/人月。

当他问我们公司的生产率时，我脑袋里转了三个圈，没敢多说，大概六、七百行吧

。他沉默了一会儿，然后坚定地说，我们这个计划是建立在确保质量的基础上的，我想

你们到印度来开发软件，首先看中的应该是我们印度公司的

质量保证。我知道你们不缺乏软件开发人员，你们为什么不选择下载的软件呢。几句话

说到了我的痛处，现在国内的弟兄们还在为使用下载软件移植的产品四处奔波呢！

随后的开发活动有条不紊，我们老老实实地跟着做。系统测试计划、用例，概要设

计，集成测试计划、用例，详细设计，单元测试计划、用例，编码，单元测试，集成测

试，系统测试。一个完整的v模型开发过程，其中每个过程都有review。当我们对一些设

计的方法不太明白时，项目经理给我们发来了相关的资料，我不知道他当时是怎么想的

，一些基本的分析、设计方法是十年，甚至二十年前的软件工程书中就讲到的，印度每

个计算机专业的人员都是必修这些内容的。而我们除了对一些具体协议的代码很熟之外

，对这些常用的方法似乎一无所知。我感到一些羞愧，进城直奔书店，把他给我开列的

书找了出来，晚上躺在床上，仔细研读，我仿佛突然又遇到了能给我指点迷津的良师益

友。现在印度所已形成了强烈的学习风气。我回来后也推销了700多本书，这些书教我们

如何用工程化的方法开发软件，是成为一个软件工程师必读的资料。

我们的项目经理的计划控制能力很强，当有什么影响到项目计划的事情发生时，如

人员辞职、实验室搬家、某一模块预测不准（该模块是我们预测的），他总是采取必要

的措施，减少延期，调整计划。刚开始，我们对他们每天上午11点，下午4点下楼喝咖啡

还有点意见，后来也跟着喝去了，原来，喝咖啡时的交流非常丰富，从项目管理到设计

方法，从技术发展到风土人情，无所不包，对我们互相之间的理解，对团队的气氛很有

帮助。我们项目的QA也在适当的时候出现在我们的面前，我们对她的工作只有一些感性

认识。她每次参加会议时，手里时常拿着一个check list，项目经理准备相应的资料，

回答一些问题，她打着勾，或写着项目经理的解释。她给我们做培训时也很耐心，体现

出很好的职业素养，我至今还在怀念她给我们的帮助。

我从事软件开发已有九个年头了，可我现在仍然不能说自己是个合格的软件工程师

，更不用谈什么合格的管理者。我看到一份报道说，瑞士洛桑一权威机构把中国的科技

综合竞争力从原来的第十三位调到二十多位，原因是他们调整了一些评估标准，其中有

一条是中国合格工程师的可获得性非常低。想着弟兄们熬红的双眼，四处奔波升级的疲

惫身影，我有一个强烈的愿望：快把我们自己升级成合格的工程师吧!

做个程序员，英语对编程重要吗这个问题在各种平台曾无数次被我们讨论过。

有不少源代码的网站，就拿github来说，英语若是一窍不通，那简直是没法看。

当然，有些人认为，英语在编程中并不是最主要的，工作中能用到英文的地方，无非就是查阅英文文档。

面向对象编程

遇到不懂的单词用翻译软件基本上就可以理解，明白对方的意图，效果就达到了。

不过，近日，苹果CEO库克表示，他认为学习编程要比学习英语更重要。

而且他还提到了Swift很简单，就像苹果产品一样易用。

不过，尴尬的是，在APP的市场上，学习英语的APP多如牛毛，但是学习编程的APP却并不多。

所以，w3cschool官方打造的w3cschool app，需要肩负其编程教育的使命。

其一是可以帮助程序员小伙伴们学习编程，让小伙伴们快速入门。

其二是，让小伙伴们进阶、快速成长为优秀程序员。

w3cschool粉丝一般用w3cschool app做些什么

根据w3cschool官方近期的调查，发现使用w3cschool app比较常见的4种用户行为：

1、上下班公交、地铁上编程实战闯关

2、每天午饭、晚饭时间阅读最新的开发者资讯

3、刷php、swift、java等语言实战题库

4、刷阿里巴巴、百度、腾讯等名企面试真题

其中，据w3cschool所知，现在不少的程序员新手更懂的利用碎片化的时间学习编程。

就像上面提到的会在上下班、地铁上编程实战闯关，这有点类似于玩游戏刷副本，进度会自动保存在那里。

当你可以通关的时候，也表示你对编程代码已经掌握到了一定的程度。如果再刷一些名企的面试真题，相当于是锦上添花，基本上可以试水人才市场了。

放眼职场，我们经常会看到有些行业的工资确实要比其他行业工资高出几个等级，就拿经常所提到的金融行业和互联网行业来说吧。很多人一听说你是程序员，你是搞开发的，那他们的第一印象就会觉得你一定是非常聪明，你的工资肯定会高出其他行业一大截。所以很多外行人都很羡慕程序员，甚至还有很多人想通过各种关系，通过参加各种培训班来进入到开发这个行业。

有些人喜欢做程序员，是因为他们不光可以通过做这份工作拿到高工资，同时也可以实现他们对技术高境界的追求；而有的人做这份工作，他们却只是拿为了高工资而去做技术。不管你是处于什么样的目的，当你真正做了程序员以后，你就会真正的感觉到程序员的工作并不像你想象的那样美好。

由于之前我是做产品经理的，所以在很多时候，我都会和开发同事交流一些工作上的事情，当然，有时我们也会一起交流一下他们对自己职业的看法和对未来的规划。通过和他们聊天我发现，其实我们从外表上所想象出的程序员的美好和程序员自己口中所说出的他们的实际状况是不相符的。有的程序员虽然已经在这个行业里面工作了几年，他们的工资也确实不低，但是说起如果再有一次机会，让他们再重新对自己所从事的行业做选择的时候，他们会不会还会选择做开发？有好几个开发同事说他们不会再进入这个行业，他们给出了以下的理由。

做开发是一个吃青春饭的行业，关于这个观点的论证，我们没有必要去做过多的解释，其实我们只需要看一下前段时间关于华为说要淘汰一些34岁左右的人的一份报道就知道了。

电子词典的利

1、小巧轻便

与传统的纸质词典相比较，电子词典最直观的优点便是小巧轻便、便于携带。电子词典的主要部件包括一个LCD、26个字母的输入键盘、电池仓、耳机及USB插孔。通常是巴掌大小，拇指厚度，重量在500克左右，随身携带装在口袋里都不成问题。

2、查阅快速

对广大学生来说，电子词典的查阅速度要快于纸质词典。查阅电子词典时，使用者只需利用键盘输入单词即可查到相应词条。例如，要在电子词典上查阅“apple”这个单词，只需输入“A”、“P”、“P”、“L”、“E”五个字母，就能得到解释。

3、发音功能

电子词典作为当代科技进步的产物，具有纸质词典所没有的发音功能，而发音对语言学习者十分重要。电子词典的发音功能可以帮助学生通过听和模仿，更直接、更快速地学习和掌握发音技巧。

4、内容丰富

现在的电子词典里不仅有英汉双解、汉英、同反义词、习语、搭配等英语词典，有些电子词典还收录有大英百科全书、日语词典、新华字典、汉语大词典、成语词典、古汉语常用词词典等多种词典。学生利用电子词典可以轻松快捷地查阅很多知识和资料。

电子词典的弊

1、词条数量少

电子词典收入的词条数量少于纸质词典。考虑到内存有限，电子词典的设计者和生产商在录入词典时，会去掉一些不常见、不重要的词条，比如一些含有特殊文化含义的词、拟声词、词组等。

2、单词释义少

电子词典中的单词释义内容少于纸质词典，这是电子词典最让人头疼的问题。纸质词典对单词的解释力求言简意赅。而电子词典能做到言简，却不能保证意赅。

3、收入不规范词典

在一般的电子词典中，很少有收入《新时代汉英大词典》或《新世纪汉英大词典》这样的权威汉英词典的。可能由于知识产权问题，有些电子词典中录入的汉英词典水平不很高、缺乏权威性，有的电子词典甚至录入的是来路不明的词典。

纸质词典的优点

1、方便： 可以带到学习课堂； 不用电脑系统和电源； 翻开就能看，不必开机开APP； 可以方便地对比两个词条或者两个页面。

2、享受： 纸质词典的装帧、设计、纸张、印刷等使其成为一种给人感官享受的物品，具有装饰、欣赏、收藏等价值。

3、沉浸： 纸质词典容易使人沉浸于深度学习，而不是浮皮潦草、蜻蜓点水似的浏览，有助于理解和记忆。

4、专注： 单一的功能避免了其他因素的干扰。

一、数据字典并不是传统的纸质字典，它是一些系统自带表，可以查询数据库相关信息，一般存在于电脑系统或是其它电子系统中，供人查阅不了解条目的信息与解释。

数据字典存储有关数据的来源、说明、与其他数据的关系、用途和格式等信息，它本身就是一个数据库，存储“关于数据项的数据”。数据字典是个指南，它为数据库提供了“路线图”，而不是“原始数据”。

换句话说，数据字典通常是指数据库中数据定义的一种记录，类似一个数据库的数据结构，但其内容要比数据库的数据结构描述丰富得多（Malamud, 1989）。在收集有关数据信息，建立数据库的初始阶段，必须建立数据项的命名约定，必须统一不同部门、不同个人之间对共同关心的数据的内涵、来源和命名的观念。

这个过程要涉及数据监管人、用户和数据库开发人员，是一个需要反复多次的过程。这个统一的命名约定，及其附带的说明，就是数据字典。

二、数据字典内容包括：

1、数据库中所有模式对象的信息，如表、视图、簇、及索引等；

2、分配多少空间,当前使用了多少空间等；

3、列的缺省值；

4、约束信息的完整性；

5、用户的名字；

6、用户及角色被授予的权限；

7、用户访问或使用的审计信息；

8、其它产生的数据库信息。

扩展资料：

建立数据字典有以下几个目的：

1、提高开发效率，降低研制成本。数据字典是数据库开发者、数据监管人和用户之间的共同约定，是系统说明书的一个重要组成部分。一个统一的数据字典有助于开发者建立数据模型以及程序和数据库之间的数据转换接口，为规范化设计和实施数据管理系统铺平了道路。

2、促进数据共享，提高数据的使用效率。通过数据字典，用户可以方便地知道每项数据的意义，了解数据的来源和使用方法，从而帮助用户迅速地找到所需的信息，并按照正确的方法使用数据。

3、控制数据的使用。在某些特定的场合，可以通过对数据字典的控制达到控制数据使用的目的。

参考资料来源：百度百科-数据字典

当下，人工智能已经成为越来越火的一个方向。普通程序员，如何转向人工智能方向，是知乎上的一个问题。

一目的

本文的目的是给出一个简单的，平滑的，易于实现的学习方法，帮助“普通”程序员踏入AI领域这个门。这里，我对普通程序员的定义是：拥有大学本科知识;平时工作较忙;自己能获取的数据有限。因此，本文更像是一篇“from the scratch”的AI入门教程。

二 AI领域简介

AI，也就是人工智能，并不仅仅包括机器学习。曾经，符号与逻辑被认为是人工智能实现的关键，而如今则是基于统计的机器学习占据了主导地位。最近火热的深度学习正是机器学习中的一个子项。目前可以说，学习AI主要的是学习机器学习。

但是，人工智能并不等同于机器学习，这点在进入这个领域时一定要认识清楚。关于AI领域的发展历史介绍推荐看周老师写的《机器学习简介》。下面一个问题是：AI的门好跨么其实很不好跨。我们以机器学习为例。

在学习过程中，你会面对大量复杂的公式，在实际项目中会面对数据的缺乏，以及艰辛的调参等。如果仅仅是因为觉得这个方向未来会“火”的话，那么这些困难会容易让人放弃。考虑到普通程序员的特点，而要学习如此困难的学科，是否就是没有门路的答案是否定的。只要制定合适的学习方法即可。

三学习方法

学习方法的设定简单说就是回答以下几个问题：我要学的是什么我怎样学习我如何去学习这三个问题概括说就是：学习目标，学习方针与学习计划。学习目标比较清楚，就是踏入AI领域这个门。这个目标不大，因此实现起来也较为容易。“过大的目标时就是为了你日后放弃它时找到了足够的理由”。

学习方针可以总结为“兴趣为先，践学结合”。简单说就是先培养兴趣，然后学习中把实践穿插进来，螺旋式提高。这种方式学习效果好，而且不容易让人放弃。有了学习方针以后，就可以制定学习计划，也称为学习路线。下面就是学习路线的介绍。

四学习路线

我推荐的学习路线是这样的，如下图：

这个学习路线是这样设计的：首先了解这个领域，建立起全面的视野，培养起充足的兴趣，然后开始学习机器学习的基础，这里选择一门由浅入深的课程来学习，课程最好有足够的实验能够进行实战。基础打下后，对机器学习已经有了充足的了解，可以用机器学习来解决一个实际的问题。

这时还是可以把机器学习方法当作一个黑盒子来处理的。实战经验积累以后，可以考虑继续进行学习。这时候有两个选择，深度学习或者继续机器学习。深度学习是目前最火热的机器学习方向，其中一些方法已经跟传统的机器学习不太一样，因此可以单独学习。除了深度学习以外，机器学习还包括统计学习，集成学习等实用方法。

如果条件足够，可以同时学习两者，一些规律对两者是共通的。学习完后，你已经具备了较强的知识储备，可以进入较难的实战。这时候有两个选择，工业界的可以选择看开源项目，以改代码为目的来读代码;学术界的可以看特定领域的论文，为解决问题而想发论文。

无论哪者，都需要知识过硬，以及较强的编码能力，因此很能考察和锻炼水平。经过这个阶段以后，可以说是踏入AI领域的门了。“师傅领进门，修行在个人”。之后的路就要自己走了。

下面是关于每个阶段的具体介绍：

0领域了解

在学习任何一门知识之前，首先第一步就是了解这个知识是什么它能做什么事它的价值在什么地方如果不理解这些的话，那么学习本身就是一个没有方向的舟，不知道驶向何处，也极易有沉船的风险。了解这些问题后，你才能培养出兴趣，兴趣是最好的引路人，学习的动力与持久力才能让你应付接下来的若干个阶段。关于机器学习是什么，能做什么，它与深度学习以及人工智能的关系，可以看我写的博客从机器学习谈起。

1知识准备

如果你离校过久，或者觉得基础不牢，最好事先做一下准备复习工作。“工欲善其事，必先利其器”。以下的准备工作不多，但足以应付后面阶段的学习。

数学：复习以下基本知识。线性代数：矩阵乘法;高数：求导;概率论：条件与后验概率。其他的一些知识可以在后面的学习的过程中按需再补;

英文：常备一个在线英文词典，例如爱词霸，能够不吃力的看一些英文的资料网页;

FQ：可以随时随地上Google，这是一个很重要的工具。不是说百度查的不能看，而是很多情况下Google搜出来的资料比百度搜的几十页的资料还管用，尤其是在查英文关键字时。节省时间可是很重要的学习效率提升;

2机器学习

机器学习的第一门课程首推Andrew Ng的机器学习。这门课程有以下特点：难度适中，同时有足够的实战例子，非常适合第一次学习的人。cs229这门课程我这里不推荐，为什么，原因有以下：

时间：cs229的时间太早，一些知识已经跟不上当今的发展，目前最为火热的神经网络一笔带过。而Cousera上神经网络可是用了两个课时去讲的!而且非常详细;教学：Ng在cs229时候的教学稍显青涩，可能是面对网络教学的原因。有很多问题其实他都没有讲清楚，而且下面的人的提问其实也很烦躁，你往往不关心那些人的问题。这点在Coursera上就明显得到了改善，你会发现Ng的教学水平大幅度改善了，他会对你循循善诱，推心置腹，由浅入深的教学，在碰到你不明白的单词术语时也会叫你不要担心，更重要的，推导与图表不要太完善，非常细致清晰，这点真是强力推荐;字幕：cs229的字幕质量比Coursera上的差了一截。Coursera上中文字幕翻译经过了多人把关，质量很有保证;作业：cs229没有作业，虽然你可以做一些，但不会有人看。这点远不如Coursera上每周有deadline的那种作业，而且每期作业提交上去都有打分。更重要的是，每期作业都有实际的例子，让你手把手练习，而且能看到自己的成果，成就感满满!

3实践做项目

学习完了基础课程，你对机器学习就有了初步了解。现在使用它们是没有问题的，你可以把机器学习算法当作黑盒子，放进去数据，就会有结果。在实战中你更需要去关心如何获取数据，以及怎么调参等。如果有时间，自己动手做一个简单的实践项目是最好的。

这里需要选择一个应用方向，是图像(计算机视觉)，音频(语音识别)，还是文本(自然语言处理)。这里推荐选择图像领域，这里面的开源项目较多，入门也较简单，可以使用OpenCV做开发，里面已经实现好了神经网络，SVM等机器学习算法。项目做好后，可以开源到到 Github 上面，然后不断完善它。实战项目做完后，你可以继续进一步深入学习，这时候有两个选择，深度学习和继续机器学习;

4深度学习

深度学习：深度学习是目前最火热的研究方向。有以下特点：知识更新快，较为零碎，没有系统讲解的书。因此学习的资源也相对零散，下面是一些资源介绍。其中不推荐的部分并不代表不好，而是在这个初学阶段不合适：

推荐，UFLDL：非常好的DL基础教程，也是Andrew Ng写的。有很详尽的推导，有翻译，且翻译质量很高;推荐，Deep learning (paper)：2015年Nature上的论文，由三位深度学习界的大牛所写，读完全篇论文，给人高屋建瓴，一览众山小的感觉，强烈推荐。如果只能读一篇论文了解深度学习，我推荐此篇。这篇论文有同名的中文翻译;推荐，Neural networks and deep learning：这本书的作者非常擅长以浅显的语言表达深刻的道理，虽然没有翻译，但是阅读并不困难;推荐，Recurrent Neural Networks：结合一个实际案例告诉你RNN是什么，整篇教程学完以后，会让你对RNN如何产生作用的有很清晰的认识，而这个效果，甚至是读几篇相关论文所没有的;不推荐，Neural Networks for Machine Learning University of Toronto Coursera：深度学习创始人教的课，最大的问题是太难，而且老先生的吐字有时不是很标准;不推荐，Deep Learning (book)：同样也是由深度学习大牛所写的书，但感觉就像是第二作者，也就是他的学生所写的。很多内容都讲了，但是感觉也没讲出什么内容来，只是告诉你来自那篇论文，这样的话可能直接阅读论文更合适。不推荐，cs231n：李菲菲的课程，很有名，专门讲CNN。但是这门课程有一个最大的问题，就是没有字幕，虽然有youtube的自动翻译字幕，但有还不如没有。

5继续机器学习

深度学习未必就是未来的一定主流，至少一些大牛是这么认为的。传统的机器学习有如下特点，知识系统化，有相对经典的书。其中统计学习(代表SVM)与集成学习(代表adaboost)是在实践中使用非常多的技术。下面是相关资源：

推荐，机器学习(周志华)：如果是在以前，机器学习方面的经典教材首推PRML，但现在周老师的书出来以后，就不再是这样了。首先推荐读周老师的书。这本书有一个特点，那就是再难的道理也能用浅显精炼的语言表达出来。正如周老师的名言：“体现你水平的地方是把难的东西讲容易了，而不是把容易的东西讲难，想把一个东西讲难实在太简单”;

不推荐，Pattern Recognition And Machine Learning：当前阶段不推荐。PRML是以贝叶斯的观点看待很多机器学习方法，这也是它的一大特色。但对于初学者来说，这种观点其实并无必要。而且此书没有中文翻译，当前阶段硬啃很容易放弃;

6开源项目

当知识储备较为充足时，学习可以再次转入实践阶段。这时候的实践仍然可以分两步走，学习经典的开源项目或者发表高质量的论文。开源项目的学习应该以尽量以优化为目的，单纯为读代码而学习效果往往不太好。好的开源项目都可以在Github 里搜索。这里以深度学习为例。深度学习的开源优秀库有很多，例如torch，theano等等，这里列举其中的两个：

推荐，DeepLearnToolbox：较早的一个深度学习库，用matlab语言撰写，较为适合从刚学习的课程转入学习。遗憾的是作者不再维护它了;

推荐，tensorflow：Google的开源库，时至今日，已经有40000多个star，非常惊人，支持移动设备;

7会议论文

较好的课程都会推荐你一些论文。一些著名的技术与方法往往诞生于一些重要的会议。因此，看往年的会议论文是深入学习的方法。在这时，一些论文中的内容会驱使你学习数学中你不擅长的部分。有时候你会觉得数学知识储备不够，因此往往需要学习一些辅助课程。

当你看完足够的论文以后，在这个阶段，如果是在校学生，可以选择某个课题，以发论文为目的来学习研究。一般来说，论文是工作的产物。有时候一篇基于实验的论文往往需要你写代码或者基于开源项目。因此开源项目的学习与会议论文的工作两者之间是有相关的。

两者可以同时进行学习。关于在哪里看论文，可以看一下CCF推荐排名，了解一下这个领域里有哪些优秀的会议。

下面介绍两个图像与机器学习领域的著名顶级会议：

CVPR：与另两个会议ICCV和ECCV合称计算机视觉领域的三大会，注意会议每年的主页是变动的，因此搜索需要加上年份;Conference on Neural Information Processing Systems：简称NIPS，许多重要的工作发表在这上面，例如关于CNN的一篇重要论文就是发表在上面;

8自由学习

到这里了，可以说是进入这个门了。下面可以依据兴趣来自由学习。前阶段不推荐的学习资源也可随意学习，下面是点评：

cs229：Ng写的讲义很不错，其中关于SVM的推导部分很清晰，想学习SVM推荐;Neural Networks for Machine Learning：大牛的视角跟人就是不一样，看看Hinton对神经网络是怎么看的，往往会让你有种原来如此的感悟。其实看这门课程也等同于读论文，因为几乎每节课的参考资料里都有论文要你读;CS231n: Convolutional Neural Networks for Visual Recognition：最新的知识，还有详细的作业。国内应该有团队对字幕进行了翻译，可以找找;PRML：作为一门经典的机器学习书籍，是很有阅读必要的，会让你对机器学习拥有一个其他的观察视角;

五总结

本文的目的是帮助对AI领域了解不深，但又想进入的同学踏入这个门。这里只说踏入，是因为这个领域的专精实在非常困难，需要数年的积累与努力。在进行领域学习前，充分认识自己的特点，制定合适的学习方法是十分重要的。

首先得对这个领域进行充分了解，培养兴趣。在学习时，保持着循序渐进的学习方针，不要猛进的学习过难资源;结合着学习与实践相辅的策略，不要只读只看，实际动手才有成就感。学习某个资源时要有充分的目的，不是为了学开源项目而看代码，而是为了写开源项目而看;不是为了发论文而写论文，而是为了做事情而写论文。

本文来自公众号：“大技术技术汇”，guanzhu了解大数据行业学习大数据技术和学习路线，还有免费学习资料放送。

如果一个学习资源对你过难，并不代表一定是你的问题，可能是学习资源的演讲或撰写人的问题。能把难的问题讲简单的人才是真正有水平的人。所以，一定要学习优质资源，而不是不分青红皂白的学习。最后，牢记以兴趣来学习。学习的时间很长，过程也很艰难，而只有兴趣才是让你持之以恒，攻克难关的最佳助力。

以上就是关于程序设计者应该具备的品质是什么全部的内容，包括:程序设计者应该具备的品质是什么、程序员不懂英语该怎么编程、为什么说程序员的入门门槛很低，但很多人都干不了很长时间等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！