给所有曾经盯着陌生文档，心里默念 “这什么鬼” 的程序员
 

我至今记得七年前的那个下午。那时我已经能熟练地用 Python 写爬虫、做数据分析，自认为是个 “合格” 的程序员了。然后，我接到了一个需求：用 Django 做一个后台管理系统。

“Django？不就是另一个 Web 框架嘛，跟 Flask 差不多吧。” 我自信满满地打开了官方文档。

三十分钟后，我盯着屏幕上那些陌生的术语 ——MTV模式、QuerySet、ORM映射、中间件—— 感觉像在看天书。更让我崩溃的是，我发现自己竟然在抗拒继续往下读。心里有个声音在说：“这太复杂了，我现有的知识够用了，干嘛要学这个？”

我关掉了文档，打开了熟悉的 Flask 项目，用我知道的方式解决了问题 —— 当然，代码比用 Django 多了三倍，维护起来也更麻烦。

后来我才明白，那天下午我经历的，是每个程序员都会反复经历的状态：面对陌生知识的本能抗拒。

今天，我想和你们聊聊这件事。为什么我们会抗拒？以及，更重要的是，我们该如何驯服这种陌生感。

一：为什么你的大脑在说 “不”？

1. 进化留下的 “遗产”：节能模式

想象一下，如果你是原始人，在草原上看到一只陌生的动物。你有两个选择：

• A：花时间研究它，了解它的习性
• B：立刻逃跑

在进化过程中，选择 B 的人活了下来。因为研究陌生事物需要消耗大量能量，而在资源匮乏的时代，大脑的首要任务是节能。

编程中的陌生概念，对你大脑来说，就像草原上的陌生动物。它的第一反应是：“这看起来很耗能，咱们能不能用已经知道的东西解决？”

这就是为什么你宁愿用 10 行熟悉的复杂代码，也不愿学 1 行陌生的优雅语法。

2. “能力认同” 的威胁

当程序员久了，你会建立起一种 “能力认同感”：“我是 Python 后端工程师”、“我擅长数据处理”、“我的代码风格很优雅”。

新的概念，尤其是那些让你现有技能显得 “过时” 或 “低效” 的概念，会威胁到这种认同。

比如，当你已经能用多线程熟练处理并发时，突然有人告诉你：“现在都用异步 IO 了，你的方法过时了。” 你的第一反应是什么？很可能是：“异步 IO 太新潮了，我的方法经过实践检验，更稳定！”

这不是固执，这是大脑在保护你的 “专业身份”。

3. 被低估的 “入门成本”

每个新概念、新库都有一道 “入门墙”。你看一眼文档，发现：

• 要安装 3 个依赖包
• 要配置 5 个环境变量
• 要理解 7 个新术语

大脑立刻开始计算：“学会这个，我能得到什么？需要付出多少时间？” 如果答案是 “付出很多，短期回报不明”，抗拒就产生了。

我们不是懒，我们只是被 “未知的投入产出比” 吓退了。

二：如何驯服陌生感

好了，知道了为什么抗拒，现在来点实际的。下面是我用了七年，带过上百个学生后总结出的方法。

1：先问 “为什么”，再问 “是什么”

错误姿势：打开官方文档，从第一章开始硬啃。

正确姿势：

1. 停下来问自己：“我为什么需要学这个？”
2. 找三个具体的使用场景

以我最近学的 FastAPI 为例：

为什么学？

• 公司新项目要用（外部需求）
• 听说性能比 Flask 好（好奇）
• 想写在简历上（职业发展）

使用场景：

1. 下周要写一个用户注册接口
2. 下个月要做实时消息推送
3. 想优化现有 API 的响应速度

效果：当你知道了 “为什么”，学习的痛苦感会降低 70%。因为你不再是被动接受，而是主动寻找解决方案。

2：建立 “知识锚点”—— 用已知理解未知

人类无法理解完全陌生的东西，但可以理解 “像 XX 的东西”。

操作步骤：

1. 找到新概念与你已知概念的相似点
2. 建立类比关系
3. 逐步区分差异

我的实战案例：学 Docker 时

1. 初始认知：“这什么鬼，又要学新东西”
2. 建立锚点：“等等，Docker 容器…… 是不是有点像虚拟机？”
3. 具体类比：
   • 虚拟机 = 租了一整套房子（有卧室、厨房、卫生间）
   • Docker 容器 = 租了一个单间（共用厨房和卫生间，但自己房间是独立的）
4. 区分差异：
   • 虚拟机需要完整的操作系统
   • Docker 共用宿主机内核，更轻量

关键技巧：不要追求完美类比。先抓住一个相似点，让自己 “有地方下手”，细节后面再补充。

3：最小可行学习法（MVL）

不要试图 “掌握” 一个概念，而是先 “能用”。

三步法：

1. 最小例子：只学最核心的 10% 功能，能跑起来就行
2. 解决问题：用这 10% 解决一个实际的小问题
3. 逐步扩展：遇到需求再学新功能

FastAPI 学习记录：

第一周（每天 30 分钟）：

• 目标：能运行一个返回 “Hello World” 的接口
• 行动：
  • 安装 FastAPI 和 uvicorn（5 分钟）
  • 抄一个最简单的例子（10 分钟）
  • 运行并访问（5 分钟）
  • 修改返回内容（10 分钟）
• 成果：我有了一个能运行的 FastAPI 应用

第二周：

• 需求：需要接收用户参数
• 行动：学习 Path 参数和 Query 参数
• 成果：能写带参数的接口

对比：

• 传统方式：花两周看完官方文档，然后开始写代码 → 容易中途放弃
• MVL 方式：第一小时就有成果，每解决一个问题学一点新东西 → 持续获得成就感

4：创造 “即时反馈” 环境

抗拒的另一个原因是 “不知道学得怎么样”。解决方法是创造即时反馈。

我的做法：

1. 学习时：每学一个小概念，立刻在交互环境（Jupyter Notebook、Python 交互模式）里试

   # 比如学列表推导式
   # 先看例子
   squares = [x**2 for x in range(10)]
   
   # 立刻自己试一个
   # “如果我要生成1-10的立方呢？”
   cubes = [x**3 for x in range(1, 11)]
   print(cubes)  # 马上看到结果
   

2. 学习后：

   • 给自己出 3 个小题目
   • 用刚学的知识解决
   • 或者，尝试教别人（哪怕是对着空气讲）

原理：当你看到 “我学会了，而且能用” 的证据时，大脑会释放多巴胺 —— 学习从痛苦变成奖励。

5：接受 “只懂 20%” 的阶段

这是最重要，也最反直觉的一点。

真相：你不需要完全理解一个概念，才能开始用它。

我的经验：

• 学闭包时，我一开始只知道 “函数里定义函数，内层函数能记住外层函数的变量”
• 我用这个 20% 的理解，写出了一个记忆斐波那契数列计算结果的函数
• 三个月后，在调试一个 bug 时，我才真正理解了闭包的作用域链
• 六个月后，在读框架源码时，我才理解了闭包在设计模式中的应用

行动指南：

1. 允许自己 “一知半解”
2. 先按理解去用，哪怕用得很笨拙
3. 在实践中逐步深化理解

三：当你真的学不动时

即使有了方法，也会有学不动的时候。这时候，试试这些：

策略一：承认 “今天不适合学习”

有时候，抗拒是因为你累了、饿了、心情不好。这时候强迫自己学习，效率极低，还会强化 “学习很痛苦” 的印象。

我的规则：

• 如果盯着文档 15 分钟，一个字都看不进去
• 或者写代码时频繁犯低级错误
• 那就站起来，去做完全无关的事

关键：这不是放弃，这是战略调整。休息后回来，效率可能是强迫学习的 3 倍。

策略二：寻找 “最小阻力路径”

如果这个库 / 概念让你极度抗拒，问问自己：

• 有没有更简单的替代方案？
• 能不能先用熟悉的方式实现，以后再优化？
• 是不是必须现在学？

案例：我曾经需要处理大量实时数据，同事建议用 Kafka。但我当时对消息队列完全陌生，而且项目时间紧。

我的选择：

1. 短期：用 Redis 的发布订阅功能（我熟悉 Redis）
2. 长期：标记 “需要学习 Kafka”，安排在项目结束后

结果：项目按时完成，我在下个季度专门花时间学了 Kafka，现在两个都会。
 

写在最后：学习才是编程领域的唯一核心竞争力，跟不上技术迭代的速度，就只能被淘汰，与君共勉，加油