程序员定律.docVIP

程序员定律 在软件这个行业里有些规则是很有杀伤力的，比如很有名的摩尔定律。 总结出这些规则的意义在于可以大致的照明方向，免得努力来努力去却走到了阴沟里。 现实中种种利益纷争、观点之争看似纷繁，但在大时间尺度下来看却都是规则的实现手段。 这就好比下围棋，每一手都要为谋得利益而计算，但结局却只有三种：赢、输或和，这就是规则的力量。 民以食为天，所以第一定律从收入开始。 程序员第一定律可以表述为：程序员的收入是技能复杂度和技能实现可能程度的函数。 如果程序员的工资是S，社会平均水平的工资为A，程序员掌握的技能复杂度为C，实现程度为P。 那么S = A x C x P。 这里面的实现程度P不太好理解，额外做点说明。 好比说有人在东北种了很多白菜，并获得了大丰收。与此同时广州也确实需要大白菜，按批发价他的这批白菜可以买10万。 但关键是这个人找不到车皮，大白菜就只能在当地零售，这个时候这批大白菜就只能买1万块钱。 这就是实现程度。 大白菜内蕴了既定的价值，这种价值并不因为卖多少钱而改变，但这种价值能实现到什么程度则依赖于现实的可能性。 这视乎很简单，但其实不是，很多人的一生就笼罩在这条定律下面，我们来基于这第一定律继续做些推导。 ?推论1：越容易上手的技术，其内蕴价值越低。 技能的复杂度C可以大致等价于掌握一门技术所需要的时间。 各种集成的开发环境，各种容易学习的类库等使软件开发的门槛降得很低，这对整个产业是有利的，但对个体而言则是不利的。 你花5个月可以学会的技术，其他人花5个月也可以学会，而5个月可以学会的东西所蕴含的价值一定是低的。 与之相对5年才可以学会的东西，其内蕴价值一定是高的。 内蕴价值低，所对应的收入必然偏低。 为避免争议，我这里就不写技术的名字了，但大家可以从学习所需要的时间上来对各种技术做个分类。 有时候很多人会有一种错觉，认为越热门的技术收益越好。 这在大多时候是错的。 越热的技术，越成熟的技术越是大众的，而越是大众的技术内蕴价值越低，所以收益越不好。 热度能够帮助找到工作，但对技能复杂度C没有影响。 ?推论2：单纯的涉猎广泛，没有专精，对收入的影响是负面的。 各种技术的复杂度大概是呈指数增长的，越到后面前进一步越困难。 好比说学会5门语言所需要的时间大多时候远比学精一门语言要短。 在特定年纪尚，每样技术都会一点，对提高实现程度P略有帮助，但自身可替代性很强，对技能复杂度C的影响为负面。 长期来看得不偿失。 ?推论3：实现程度P越高，风险越大。 有些技术领域很窄，上手也慢，实现程度却高，比如显卡驱动，打印驱动等。 但这类工作好比在钢丝上跳舞：只要能实现自己的价值，那么回报大体不错，但最怕技术更迭。 技术一换代，可能多年积累十去六七。 总结来看，程序员要想获得不错的收入，第一要掌握稀缺的技术，即技术的内蕴价值要高；第二要找到实现稀缺技术的场景。 《微软的秘密》一书中提到，微软里面优秀的程序员是可以拥有许多辆保时捷的。 用上面两条做分解，就会发现原因很简单： 一是这样的人是NT的核心开发人员，这类人员内蕴价值极高，处于稀缺状态；二是微软提供了实现这种技能内蕴价值的机会。 这二者缺一不可。 #根据大家的回复做了点修改把实现可能性替换成了实现程度。 关联文章： 程序员第二定律：量化管理在程序员身上永无可能 ------------------------------------------------------------- 理想流口号：创建超一流方法论，为培育超一流软件公司贡献力量。 第二定律表示为：在思维可以精确量化前，量化管理在程序员身上永无可能。 这次估计会有争议，所以这里给出具体的逻辑链以及对应的分析。 逻辑链： 软件是一种固化的思维 →思维的本质是概念和逻辑 → 概念和逻辑无法直接度量和精确度量 → 度量过程中需要很多的主观判断 → 以目标为导向的，个人中心的量化管理（相关的激励和惩罚）将崩溃 具体分析： 公平公正是管理的基石，为达成这一目的很多人会想到量化管理，但量化管理的基石却往往被忽略。 对人进行量化管理的基石是：量化后的数字主要受个人表现这一个因素的影响，否则将产生巨大的不公正，并对个人工作意愿产生不良影响，是真正的事与愿违。 好比说，不同的工人在同等条件下生产杯子，一个人一小时生产5个，一个人1小时生产6个，那显然后者要好于前者。这时，5和6可以用来比较的前提是两个人的生产条件相同，比如生产工艺等。在这种情况下，量化后的数字为个人表现的函数，因此量化管理基本上是公正的。 这时可以进一步来考虑下面的情形：两个人同时生产杯子，厂方安排一个人用工艺a，另一个人用工艺b，这个时候前者一小时生产5个，后者1小时生产6个。这个时候单纯比较5和6事实上是不公平的，