编程思想：解决问题之方法论
最近 AI 开源类项目大爆发，运行所需的硬件门槛也在不断降低，相信很多朋友都跃跃欲试。但是，作为编程小白，如何快速上手呢？本文将从一个新手小白的角度，分享一些经验。它作为一篇入门级文章，不限于某一技术，其思想是通用的，希望可以帮大家拨开技术的迷雾。问题不能被穷举，培养分析，定位，解决问题的能力才是我们唯一的出路！
案例分享
很多人可能都有类似的卡壳经历，希望我解决问题的思路可以给你带来一些启发！
我在技术群里常说的一句话就是，现在主流程序（可以应用于生产的项目）的报错机制已经很健全了，你关心的问题，全在报错信息上，但是很多初学者就是不关注这些。遇到问题，随手将报错截图丢入技术群就问：“各位大佬，我这问题怎么解决呀，在线急等”。最后这些信息基本都淹没在了群消息里，等不到回音。这种解决问题的方式在我看来是低效且错误的，即使问题得到解决，也不能帮助你获得任何技术上的提升（知其然不知其所以然）。分享一个案例，方便大家进行理解。
背景介绍
今天微信有个朋友（非编程人员）在使用 LabelImg[1] 项目时，因为把依赖环境搞乱了，导致 LabelImg 无法正常使用，给我丢了一个报错截图，寻求帮助。看到这个信息，大家可以想一下：如果是你，你会如何处理分析，并给出解决方案？
报错信息
(yolov7) E: \ZM\XXX\bridge engineering\machine learning\data scripts\original code\yolov7-main›labelImg
Fatal error in launcher: Unable to create process using '"D: \ProgramData\Anaconda3\envs\yolov7\python.exe" "E:\ProgramData\Anaconda3\envs\yolov7\Scripts\labelImg.exe"': ???????????
首先我对 labelImg 一无所知，但多年来积累的编程经验可以帮助我快速定位问题。现在我就把这个问题分析流程分享给大家。首先从截图我们可以获得以下关键信息：
启动或运行 labelImg 报错了
启动器在创建进程时需要用到 Python 和 Anaconda3，但是却产生了一个 xxxx 的报错信息
基于这两点分析我们就可以对提问者进行 QA 对话，进一步缩小错误范围。以下是稍加整理的部分对话内容：
第一轮对话
lencx: 你是不是改过环境变量之类的朋友: 对的，我之前都是安装在 d 盘的，后来全部迁移到 e 盘了，迁移后，也能打开正常使用，几天没用，再打开就这样了第二轮对话
lencx: 看报错你是启动 labelimg 它去 d 盘找 python 环境，结果没找到朋友: 对的对的，然后我 d 盘又没有那个 python 环境了，所以我该怎么更改一下呢第三轮对话
lencx: 你怎么安装的我不清楚，我是建议你将 python 的路径配置到系统变量中，这样是全局的，然后让 labelimg 去系统里找，你应该不是程序员吧（因为我从 TA 迁移目录，而未考虑路径变化会导致程序潜在问题，做出猜测确认身份，方便我后续针对 TA 的身份讲解），我觉得你现在环境都搞乱了朋友: 我不是程序员，才接触没多久，论文需要用深度学习，那该怎么解决呢，是要全部卸载重装吗第四轮对话
lencx: 是的，你可以搜一下相关配置，直接搜 anaconda，python 系统环境配置，应该能找到相关文章教程，你现在的问题是 anaconda，python，labelimg 三个环境依赖找的有点混乱，或者你将这个错误丢给 chatgpt（目前特定问题咨询 chatgpt 也是不错的选择），问它怎么解决朋友: 我 chatGPT 暂时无法使用了，那我把现有的环境变量，关于 python 方面的都要删掉，然后再重装，配置，是这个意思吗？第五轮对话（本来事情到第四轮对话就该结束了，但是考虑到第四轮 TA 的回答有点毫无头绪的感觉，我猜测 TA 应该不是根据官方文档来进行环境安装的，于是我追加了第五轮询问）
lencx: 那我问一下你的 anaconda，python 是根据什么安装的，直接看的官方文档还是别人写的教程朋友: 别人写的教程第六轮对话（因为第五轮 TA 的回答让我确定了 TA 的安装环境步骤是根据别人教程来的，所以我追加此轮对话想进一步确认 TA 所看教程的质量到底如何）
lencx: 额，我大概知道了，一般这种根据教程都很坑，环境变量的问题，很多教程都不会讲细节。你是下载这个安装器吗？朋友: 不是的lencx: 它应该会自动创建环境变量朋友: 那我现在需要把现有的环境变量都给删掉吗lencx: 好吧，你肯定是通过命令行在下载安装，然后需要配置朋友: 好像是的
解决方案
事情到这里差不多整个都清楚了，接下来我给 TA 发了 Anaconda 安装[2]，Anaconda 常见问题[3]，Python 安装[4]，LabelImg 安装[5] 官方文档，说了具体的安装步骤。然后跟 TA 说其实只看 LabelImg 安装文档就够了，它里面的步骤会指引你去寻找依赖。
朋友: 我按照你发的这些文档重新安装一遍，之前我根据别人的教程，配置的更乱，后来重装系统了，又配置了一下，正常了，前一阵我迁移了盘，就又成现在这样了lencx: 很多人教程都是瞎写，水平参差不齐。东一榔头西一棒，瞎介绍，没有逻辑朋友: 根据有的教程弄完之后，一塌糊涂lencx: 我要是写这个教程，首先就是 LabelImg 安装文档，然后它里面的第一步会让你去安装 anaconda，安装 anaconda 需要 python 3.10，所以环境三步就搞定了。程序是有相关性的，它的运行需要环境或者前置依赖，这个顺序很重要，不写清楚，人很容易懵逼。不然不知所以，就知道知道安装了一大坨，也不知道每一步是干啥朋友: 真的就是这样的，我看有的教程，就是一脸懵，完全不知道要从哪下手lencx: 以后尝试新技术，第一步就是看文档，很多技术的 readme 里都会写 install，如果 readme 里没有 install 这一步，都是垃圾项目（基本主流项目这是必备项）
案例小结
在这里，朋友和教程可能都犯了一些错误：
朋友
没有看文档的习惯：抛开教程写作者水平不谈，自己在使用一门技术或工具时，一定要自己去了解它本身的一些东西（比如官方文档），很多教程面向的人群并非都是小白用户。底层知识欠缺，考虑不到问题的相关性：自己在迁移文件路径时，未考虑可能带来的潜在风险。缺少解决问题的方法论：一旦遇到问题或异常，毫无头绪，则自乱阵脚。...
教程（这里我并未看到原教程，故根据我在技术社区看到的各类文章来总结）
很多作者可能是用爱发电，记录自己的一些问题，简单回顾，所以不会考虑上下文。
抄袭搬运，作者自己也是一知半解，内容东拼西凑，逻辑混乱，误导读者。
技术工具类文章，常常会牵扯到大量术语或引用，一些作者会丢弃这些细节。作者需要考虑自己的文章受众，定位很重要，它将直接影响你的文章质量。
...
这里还有一个小细节，在第一轮对话中，朋友有这样一个描述：迁移后，也能打开正常使用，几天后再次打开就错误了。为什么呢？我在这里给出自己的一个猜测：迁移文件后，应用程序依然维持原有环境或内存信息（正常情况：在文件夹移动之后，这个错误就应该会出现了）。几天后，就意味着电脑可能经历过关机或者关闭应用的情况，这时应用会重新初始化加载，出现错误。
吐槽抱怨并不能让自己成长，原创类教程的出发点是分享，我们只能感恩（搬运抄袭除外）。正是因为他们的分享才让我们少走很多弯路，少踩很多坑。在教程内容不足的情况下，自己要具备扩展阅读的能力（比如文章中提到的术语，工具，名词等等，不清楚的，一知半解的都可以借助浏览器进行二次检索）。扩展阅读是高效学习的重要途径，它会让零散的知识最终形成一张很大的网。在我看来：无用知识并不存在，特定场景下，它就是那把可以开锁的钥匙。
很多初学者经常会犯的一个错误就是：过度依赖第三方教程。记住，除官方教程外就没有什么是权威的。而且它会制造大量的噪音，比如教程的版本和官方的差异化而导致的坑数不胜数，这里不再深入讨论。所以看教程的一个重要原则，它只是帮我打开思路，以窥全貌：轻度使用，越轻度越好。关键具体信息一定要去官网，不要怕麻烦。
方法论
编程思想
编程思想是一种解决问题的方法论，它包括了分析问题、设计算法、编写代码、测试和优化等一系列环节。其核心是：将复杂的问题分解为简单的子问题，并通过编程语言来实现解决方案。对于普通人来说，编程思想可以帮助我们更好地理解计算机科学，提高解决问题的能力，并可以应用在日常生活中。可以概括为以下几点：
抽象：将问题简化，忽略不必要的细节，从而更容易地理解问题本质。（在日常生活中，可以通过抽象来简化复杂问题，将注意力集中在关键点上）分解：将复杂问题分解成若干个简单的子问题。通过解决这些子问题，最终解决整个问题。（在日常生活中，面临的问题往往也很复杂，学会分解问题可以帮助我们更有效地解决问题）模式识别：在解决问题时，尝试识别已知的模式和结构，从而找到更好的解决方案。（在日常生活中，可以通过模式识别来提高解决问题的效率）算法思维：设计一系列步骤来解决问题。算法思维强调逻辑性和条理性，有助于我们在解决问题时思路清晰。迭代与反馈：通过不断地测试、调整和优化，逐步改进解决方案。（在日常生活中，可以借鉴这种思维方式，不断地尝试和改进，提高解决问题的能力）
程序员如何思考？
遇到问题，先学会理解问题并正确提问，是得出正确结论的前提。尽可能多得收集信息，来帮助自己排除影响因素。找到问题原因，总结经验教训比甩锅更有意义。在这里我想分享一个来自 How does a programmer think? - Quora[6] 的回答：
Josh Osborne[7] - 程序员不会以一种特定的方式思考，但我认为好的程序员往往具有非程序员不常见的一些特质：
他们倾向于放弃一个好主意以寻求更好的主意，即使好主意是他们自己的，而更好的主意来自他们不喜欢的人。
他们更愿意相信自己犯了错误（你知道90%的调试是什么吗？追踪你自己的错误，很少情况下你会发现你用正确的参数调用了系统库，并从程序中得到了垃圾……通常是你提供了错误的参数或已经破坏了程序状态）。
他们需要一段时间来理解问题，然后再给出答案。
他们经常沉迷于提出正确的问题。
这两者都可以表现为对语言/词汇选择挑剔（看看我回答这个问题时做的第一件事情）。
在出现问题之后，他们想要找出原因，不是为了归咎于特定的人，而是为了确保不再犯同样的错误。
他们并不没有情感，但是在做决定时可以经常将情感置于一旁。有时是自然而然地这样做，有时是通过做出本能的选择，隔离推动它的情感，然后再做出选择。“是啊，要达到那种状态，你真的必须对程序撒谎好几次，那时谁真的在乎那个用户呢。叹气，好吧，或者他们连续三次读错了问题，或者猫走过键盘，好的，我们怎么从这个状态中恢复？”
在怀疑时，不要随意行动或做感觉最好的事情，而是要做收集最多信息的事情，或者是收集一些信息但影响最小的事情。
总结
简单来说，编程思维其实就是解决所有问题的方法论，它是一个通用思想。作为普通人，我们可以从以下几个方面来借鉴编程思想：
重要的事情说三遍：看文档！看文档！看文档！（所有的困惑，文档或搜索引擎都会给你答案）
将问题抽象简化，忽略不必要的细节，从而更容易地理解问题本质。
将复杂问题分解成若干个简单的子问题。通过解决这些子问题，最终解决整个问题。
培养逻辑思维和条理性，在解决问题时，学会按照一定的顺序和逻辑来进行思考。
当已有知识无法处理时，则需要借助搜索引擎，扩大检索范围，寻求解决问题的线索。
善于总结经验教训，并将问题进行泛化总结，使其可以迁移到其他领域。
抽象除了简化问题，也是提取关键词分解问题的核心，它会将特定问题转变为一般问题，然后分步求解。求解过程中，这些关键词可以作为搜索引擎的输入，对问题进一步检索。泛化总结是为了将特定问题的解转化为一般问题的解，也就是所谓的举一反三（它不是一个具体的结果或结论，而是解决问题的过程）。
References
LabelImg: https://github.com/heartexlabs/labelImg
[2]Anaconda 安装: https://docs.anaconda.com/free/anaconda/install/windows
[3]Anaconda 常见问题: https://docs.anaconda.com/free/anaconda/reference/troubleshooting
[4]Python 安装: https://www.python.org/downloads/windows
[5]LabelImg 安装: https://github.com/heartexlabs/labelImg#windows--anaconda
[6]How does a programmer think? - Quora: https://qr.ae/py1V3
[7]Josh Osborne: https://www.quora.com/profile/Josh-Osborne-6