上周三下午,我要查一组数:上个月每天生成的文件,有哪些落到了预期之外的时间点。
这活儿不难。十几行代码,连上数据库,按日期分个组就出来了。写、调、跑通,前后大概四十分钟,结果也对。
跑完我顺手翻了一下工具目录,发现同一件事,三个月前我已经做过一次。那个脚本还在,躺在另一个子目录里,名字里用的是当时的业务词。我搜了自己最习惯的几个关键词,一个都没命中。
四十分钟,白干。
这不是手滑,是结构性问题。
一、"能跑"的脚本,其实是一次性的
写脚本的默认路径大概是这样的:遇到问题 → 打开编辑器 → 写完跑通 → 关掉 → 忘了它存在。
这套动作在当下是最高效的。事情解决了,人也爽了。可把时间轴拉到三个月、半年,账就不一样了。
我数过一次,工具目录里躺着两百多个脚本。真正被我第二次用到的,不到二十个。
也就是说,我写过的东西里,九成只服务过一次。这个比例不是"浪费"两个字能打住的——它意味着,每次遇到同类问题,我的默认反应都是"重写一遍",而不是"先找找有没有现成的"。
为什么不去找?因为找的成本比写还高。你不知道它叫什么名字、放在哪个目录、参数怎么传、跑完输出到哪。翻五分钟没找到,就已经不如动手重写了。
当检索的成本高于重写的成本时,人一定会选择重写。 这不是懒,是算过账的理性。
所以问题不在"我不爱复用",而在"这些脚本压根不具备被复用的条件"。
二、我改了三件事
想明白之后,我做了三个动作,加起来不到一个小时。
第一件:每个脚本开头必须有三行头注。
用途:一句话说清它解决什么问题
跑法:一条可以直接粘的命令
产出:跑完会得到什么、写到哪里
就三行。不写文档、不建 wiki、不做目录树。三行的成本几乎为零,但对三个月后的我来说,这就是唯一的线索。
这里有个关键细节——"用途"要写成当时的问题,不是技术描述。写"统计某个日期区间内文件的生成时间分布",三个月后我能想起当时在愁什么;写"groupby date",我就废了。
第二件:命名要能被未来的自己搜到。
我原来给脚本起的名字是 fix_v2.py、tmp_check.py、run2.py。你没法搜 v2,也没法搜 tmp。
改法很简单:名字里必须带上业务对象。你搜的时候脑子里会蹦出哪个词,名字里就得有哪个词。同一个动作换了说法,就在头注里补一个同义词。
第三件:做一张索引表。
这是最值钱的一步。我在工具目录根部放了一个清单文件,按"我要干什么"分组,不按技术分:
| 我想干什么 | 用哪个 | 备注 |
|---|---|---|
| 查某天的数据 | query_daily.py | 需要传日期 |
| 扫一批文件是否合规 | scan_files.py | 只读,不改东西 |
| 把稿子发布到站点 | post_article.py | 幂等,重跑安全 |
分组原则只有一条:按你想起它的那一刻,脑子里出现的词来分。你不会想"我要运行一个 Python 数据处理模块",你会想"我要查一下昨天那批文件"。
三、真正的收获不是省时间
索引表做好之后,最直接的变化是:从"想重写"到"先查表",中间只花三十秒。
但更值钱的是另一件事——这张表把重复给暴露出来了。
做完索引我才发现,"扫描一批文件"这个动作,我写了七个不同的脚本。七个。
这说明什么?说明这件事我从来没想清楚过。每次需求都差那么一点点,我就顺手改一个新的,而不是回头把原来那个改到位。
同一个活儿出现七个脚本,不是勤奋,是流程没定型。
后来我把它们合并成一个,参数化,补了三条边界检查,用到现在没再改过。省下的其实不是那一小时的编写时间,是以后每一次"这个到底该用哪个"的犹豫。
四、留给你的三步
如果你也在攒脚本、攒模板、攒各种一次性的小工具,不用大动干戈,三步就够:
- 今天先补三行头注,从你最常用的那个开始,写清用途、跑法、产出。
- 把名字改成能被搜到的,去掉
v2、tmp、final这类词,换成业务对象。 - 建一张清单,按"我要干什么"分组,先写前十条。
不用一次做完,也不用做得多漂亮。判断标准很朴素:三个月后的你,能不能在三十秒内找到它。
写得出来是本事,找得回来才是资产。我花了四十分钟重写自己三个月前的代码,这个教训不算贵,但也够我记很久了。
留言板
0 条留言