博客
关于我
动不动就担心“会不会过度设计“
阅读量:269 次
发布时间:2019-03-01

本文共 484 字,大约阅读时间需要 1 分钟。

最近有个同事分享了他的学习心得,让我感触颇深。课后,他被要求分享感受,没想到有人就立刻表示:"这样会不会过度设计?""这样会不会不敏捷?"这让我想起了二十年来的经验。

说实话,这种人手多。他们对"过度设计"和"不敏捷"这两个词样厉害。可你想想,这些人连基本的设计原则都不会,什么叫过度设计、什么叫敏捷?这些话不过是为自己懒惰找理由而已。真正懂行的人才不会随随便便开口。

记得在建模训练课上,有过类似言论的人。观察他们的作业,你会发现他们的逻辑严谨性和抽象能力都很一般。可每次有人提起敏捷开发、系统设计,他们就热闹起来。果不其然,这些人往往在技术细节上也是游走为主。

作为技术人,你是否也发现过类似的情况?那些不屑学霸的学渣,他们总觉得各学科之间天生隔阂。可真面对他们的代码,你才发现,很多人其实是各方面都吃力不讨好的。

对这种人,根本不必刻意改变。成年人的思想已经很成型了,要带动他们一起进步,有点难度。记住了他们的特点,你在项目中遇到技术难题时,这类人就成为了最好的下手对象。

他们的项目里,处处都是技术上的软肋。所以当你拿出建模之剑时,这类人永远是最好的合作对象。

转载地址:http://cwva.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>