以一当十的程序员不是传说

英文原文： The 10x developer is NOT a myth 

昨晚，我发了下面的微博：

有些人议论所谓“10x”或者“超级”的程序员都是传说。可那些著名运动员，艺术家，作家，呃，还有摇滚明星的都是神话吗？

— Yevgeniy Brikman (@brikis98)  September 29, 2013

我收到了大量的回复和问题，但微博不适合讨论问题，所以我写了这篇博格来进一步讨论。

已经有 一  堆  的  文章号称 10x 的程序员根本不存在。反对观点一般分为以下三种：

1. 最初 10x 这个数字来自一个研究(Sackman,Erikson, and Grant (1968))，不是很有说服力。
2. 生产力是个很难测量的模糊概念，所以我们不应该声称诸如 10x 之类的度量。
3. 个人才华确有高低不同，但一个程序员不可能比另一个程序员高出 10 倍的工作能力。

我不同意以上的这些观点，我来逐条看一下这些论点。

[译者注]：10x 程序员（10x 效应来自一个有趣的观察：伟大的程序员相比普通程序员的生产力不仅是 15-20% 的差距，很可能会 10 倍甚至更多）的说法最初来自于 www.forbes.com 和 www.tempobook.com

对 10x 程序员的研究不只有一个

尽管微博和 Hacker News 里那些坐在摇椅里的学术专家喜欢驳斥同行的研究结果，然而 10x 程序员的证据相当令人信服而且并不限于单个研究。请允许我引用来自 StackOverflow 里得票最多的回复：

Sackman, Erikson, and Grant 在 1968 年进行的最初研究发现程序员的编程效率有巨大的差异。他们研究了平均有 7 年经验的专业编程人员，发现最好和最差的编程人员初次写代码所用的时间比率大概是 20 比1；调试时间大概是 25 比1；程序大小大概是 5 比1；程序执行速度大概是 10 比1。他们还发现，编程者的经验和代码质量的好坏并没有关系。

对他们的发现进行详细的考证，可以看出一些方法论上的缺陷。。。然而，即使考虑了这些缺陷，他们的数据依然可以呈现出最好和最差的程序员之间不止 10 倍的差距。

在首个研究之后的几年里，“程序员之间倍数级的差距”这一发现被其他许多专业程序员的研究所验证(Curtis 1981, Mills 1983, DeMarco and Lister 1985, Curtis etal. 1986, Card 1987, Boehm and Papaccio 1988, Valett and McGarry 1989, Boehm etal 2000)…

在 这里 and  这里你可以读到更多。

即使不能测量，依然可以推理

即使你无视上面的研究，声称“编程效率”很难测量-那也表示我们依然可以讨论下 10 倍效率程序员。仅仅是因为一个东西很难测量并不代表我们不能测量。

比如，你是如何为你最近的项目挑选编程语言的？你有去搜索证明这种语言比其他更有效率的研究吗？个人来讲，我不需要经验就可以证明 Ruby 在构建网站方面比C高效了好多倍。你可以抛出一些粗略的准则（程序库的可利用性，社区支持，文档等），但现实是大多数人会基于直观推理来选择语言，并不是什么双盲研究。尽管缺少数据资料，我打赌选 Ruby 而不是C去做网站开发大多数时候都会被证明是一个正确的决定。

当然，编程并不是个例：什么样的度量标准可以判断某个作家，艺术家，教师或者哲学家比另外一个好？仅通过观察，我不能给你一个“生产力度量标准”说莎士比亚，纳博科夫，或者奥威尔比一般的作家好了好几倍，但是大多数人会同意他们是的。

编程不是体力劳动

针对 10 倍效率程序员的最大问题是有些人认为编程不过是体力劳动，程序员也不过是流水线上的工人。一些程序员可能会比其他人好一些，但是，一个程序员必定不可能持续地比其他人解决 10 倍多的问题。10 个人的团队总是会胜过一个程序员！9 个女人一起也不可能在一个月内就生出一个孩子啊！

上面的逻辑听起来就像编程效率就是打字速度；好像 10x 程序员只是简单地比普通程序员多产了 10 倍的代码。这种推理无视了编程其实是一个创造性的专业，并不是体力劳动。解决同一个问题有许多许多种方式。更多地考虑刑侦级推理而不是简单的婴儿式推理：10 个普通的侦探对一个夏洛克。谁可以更快地破案？

一个 10x 程序员有普通程序员无法企及的解决问题的能力和洞察力；他们将会避开耗费普通程序员大量时间的所有问题。10 个写错误代码的工程师肯定不如一个写正确代码的程序员。

编程是选择

想一想一个软件的构建需要做多少决定，比如一个网站：你要采用什么语言？采用什么样的架构？用什么存储数据？用什么来高速缓存？在哪里托管站点？如何监测？如何推动新的改变？怎么存储代码？需要设置什么样的自动化测试？

10 个普通程序员在每个阶段都可以做出“平均”水平的决定，这些决定的成本或者收益会累乘。设想流量呈指数增长，但是这个普通的团队构建了一个普通的网站，难以分区的数据存储，缺少足够冗余的托管，没有合适备份的版本控制，没有持续集成环境，以及没有监测。如果他们的时间全在忙于到处灭火，这 10 个程序员能有多高效？

如果一个程序员可以以倍数级降低的工作量的方式来建模这个问题，那么这一个程序员就胜过一个 10 个人的团队。从我多年的经验来看，一个伟大的程序员知道那些事后修补更为昂贵的错误。预先做出一个好的决定，一个 10x 程序员可以避免数月的工作。

编程不是写更多的代码；是要写正确的代码。成为一个 10x 程序员并不是因为你做了几倍多的工作，而是因为你更为经常地做出更好的决定。

这不是说 10x 程序员就完全不会犯错；而是程序员每天都要做出许多选择，伟大的程序员会比普通的程序员更为经常地做出正确的选择。

而且这并不只是说编程。你是更想要 10 个普通科学家呢还是牛顿？10 个普通科学家可不会提出运动三定律，万有引力，二项式序列，微积分等；一个牛顿就做到了。在你的团队里你是更想要一个迈克尔乔丹呢还是 10 个普通球员？（注意：乔丹拿着 10 倍于 NBA 球员的平均薪资）？你是更想让史蒂夫乔布斯或者艾伦马斯克运作公司或者把钥匙交给 10 个普通的企业家？

10x 程序员非常稀有

把目光放长远一点很重要。明星程序员，运动员，作家以及科学家是极为稀有的。我并不推荐仅雇佣这些“摇滚明星”的招聘体系；这只会看起来愚蠢又孤独。不要让完美成为不错的敌人：雇佣能找到的最好的的工程师，给他们变得越来越好的机会。

然而，不要掉入所有的程序员生来平等的谬论。在任何一个创造性的专业都存在一个巨大的能力谱图。一端是可以毁掉一个组织的雇员类型，每行他们写下的代码都增加了技术负债。另一端，则是那些可以写出任何可能的代码，而且数倍地优秀于普通人的人。

本文链接