写了10年Python,说几句可能得罪人的真话

去年在出差高铁上，邻座是一个年级相仿的兄弟，旅途闲聊中得知他在 一家传统制造企业做采购，每天要处理几百条 Excel 数据，手动比价、手动汇总、手动发邮件。

他问我：现在学 Python 还来得及吗？

我没直接回答，反问了他一句：你每天花多长时间在重复劳动上？

他说，至少三个小时。

三个小时。一天八小时工作制，三个小时在做"人肉脚本"的活。这个问题我太熟了——因为十年前，我自己也是这么过来的。

先说说我自己

编程非遗传承者，10年互联网古法程序员 。

一说到互联网10年程序员，可能大多数会联想到的词汇是“财务自由”、“时代红利”，这感觉就像是到了岁数还没入土就会被喷一样（哈哈，写完这句后我被自己逗笑了...）。

坦白讲，说对了一半。

说说我自己的初始配置吧。

山河四省考生，高三没考上大学复读了一年，第二年上了本省一所普通二本。大四那年考研没成功，一个人在学校旁边租房复习半年，第二年考上了一所211。

考研面试没有提前联系心仪导师，最后被划分到了边缘课题组，整个研究生阶段在放羊。毕业后直接进入互联网公司，也算撞进了风口。

我大学学的电子信息，不是科班出身，毕业那年 Python 还没现在这么火，身边同学要么去了华为写 C，要么去了银行做 Java。我误打误撞进了一家小公司，做后端开发，第一个正式项目是用 Django 写了个内部管理系统。

说实话，那两年写得很"野"。没人 code review，没有规范，代码能跑就行。变量名叫 abc，函数两百行不拆分，if-else 嵌套五六层。现在回头看，简直是犯罪现场。

但就是那段日子让我爱上了写代码这件事。你敲一行命令，机器就照做，不跟你扯皮不跟你开会，执行力比任何同事都强。

后来赶上机器学习、深度学习、大模型，每一波我都追着跑。

从 scikit-learn 啃到 PyTorch，从调参调到凌晨到现在天天跟 LLM 打交道。说白了就是从"搬砖"变成"炼丹"，又从"炼丹"变成"看炉子的"。

上周刚看完 function calling，这周又冒出个 MCP，然后又是Skills，接着OpenClaw、Hermes，像打地鼠一样没完没了。 

我平时在公众号写 Python 实战笔记，这篇算是一个阶段性总结。 

回头看这十年，唯一确定的事就是啥都不确定。你以为学会了一个框架就能吃三年？不存在的。但有些东西确实不变，下面慢慢说。 

给在校学生说几句

如果你正在学校学 Python，语法学了一圈，for 循环会写了，列表字典搞明白了，但就是不知道"学这个有啥用"——这是正常的。我当年也一样。

第一，别等"准备好了"才动手。

很多学生觉得要把语法全学完、把书全看完，才能开始做项目。 

错。 

你永远不会"准备好"。找一个你觉得有点意思的小东西就开始写。爬个豆瓣电影 Top250，写个自动整理文件的脚本，给你的课程成绩做个可视化。

项目不需要大，但必须是你自己想做的，不是老师布置的。 

被自己想要的东西驱动，和被作业 deadline 驱动，写出来的代码质量天差地别。

第二，尽早学会读报错信息。

这句话听起来像废话，但我见过太多初学者一遇到报错就慌。红字刷屏，第一反应是复制粘贴到百度。

其实 Python 的报错已经够友好了，大部分时候最后一行就告诉你问题在哪。IndentationError 就是缩进不对，KeyError 就是字典里没这个键。 

养成从下往上读 traceback 的习惯，你会省掉一半的 debug 时间。 

第三，GitHub 比简历更能证明你的能力。

如果你还没有 GitHub 账号，现在就去注册一个。把你写的东西放上去，哪怕很烂也没关系。面试官看到一个有十几个仓库、commit 记录持续了半年的 GitHub 主页，和看到一份写着"精通 Python"的简历，感受是完全不同的。

前者证明你在做，后者只证明你会说。

给想用 Python 提效的打工人说几句

你们可能是产品经理、运营、财务、HR，甚至是销售。你不是要做程序员，你只是想让重复性工作少占一点你的生命。

第一，先想清楚你要自动化什么。

不要上来就买课、买书、从头学语法。

先打开你的工作日志，看看过去一周你做了哪些重复的事。每天从系统导出一份报表然后手动整理格式？每周汇总各部门的数据做成 PPT？每个月对账需要逐行比对两个 Excel？

找到那个让你最烦的重复劳动，就是你的第一个学习目标。带着问题去学，比系统学习快十倍。

说句可能得罪人的话：大部分人学 Python，其实只需要学 20% 的内容，就能解决 80% 的工作问题。

培训班教你的那些算法、设计模式，跟你的场景八竿子打不着。花几千块买课，不如花三天带着一个真实问题死磕。 

第二，pandas + openpyxl 就够你用很久了。

Python 生态很大，但对非程序员来说，数据处理领域掌握这两个库基本就够了。

pandas 处理表格数据，openpyxl 读写 Excel。如果涉及邮件自动化，加个 smtplib。涉及网页操作，学点 selenium。

不需要搞什么深度学习、不需要学算法，这些跟你的场景八竿子打不着。

我见过一个做 HR 的朋友，用 Python 写了个脚本自动筛简历、自动发面试通知邮件，把原来两天的工作量压缩到了二十分钟。她的 Python 水平大概就是"会写 for 循环、会调 pandas、会复制粘贴 Stack Overflow 上的代码"。

够用了。

别怕代码丑。

你写的代码不用给别人看，不用上生产环境，不用考虑扩展性。它唯一的标准就是：能帮你干活。

变量名用拼音？无所谓。没有异常处理？先跑起来再说。代码的审美是慢慢养出来的，不是第一天就需要的。

这类"上手就能用"的脚本思路，我在公众号里攒了不少，现成的模板可以直接抄。 

给刚入门的程序员说几句

你已经在写代码了，也许入行一两年，能跑是能跑，但总觉得自己写的东西不够好，不确定有没有走弯路。

第一，读别人的代码。

这件事的重要性被严重低估了。去 GitHub 上找你用的库的源码看看。比如你天天用 requests，去看看它的源码是怎么组织的。不需要全看懂，先看目录结构，看它怎么拆分模块，怎么写 docstring，怎么处理异常。

读好代码比写烂代码有用得多。

第二，学会写测试。

我知道，大部分初级程序员觉得写测试是浪费时间——我也曾经这么觉得。

直到有一次我改了一个函数的参数顺序，导致线上接口挂了四个小时。如果有单元测试，这个 bug 在我本地就会被拦住。

pytest 的学习成本很低，花一个下午就够了。这个投入产出比极高。

第三，别在技术选型上花太多时间。

Django 还是 FastAPI？PostgreSQL 还是 MySQL？Poetry 还是 uv？

说实话，对刚入行的人来说，选哪个都对，不选才是错的。我见过有人在"到底学哪个框架好"这个问题上纠结了两个月——两个月够你把任何一个框架学到能用了。 

先用起来，用到痛了，自然知道该换什么。 

我刚入行那会儿也纠结过要不要从 Django 换 Flask。纠结了三周，最后发现两个都得学。早知道随便挑一个先写三周代码，比坐在那查评测文章强一百倍。 

关于 AI 时代，我的想法

这两年被问得最多的一个问题就是：

AI 都能写代码了，程序员是不是要失业了？Python 还值不值得学？

我的回答一直都是：值得，而且比以前更值得。

为什么？因为 AI 不会淘汰会编程的人，AI 会淘汰不会用 AI 的人。

你用 ChatGPT 写一段 Python 脚本，它可能 80% 是对的。但那 20% 的坑——类型不对、边界条件没处理、API 调用参数过时了——你需要自己判断。

如果你完全不懂代码，你甚至不知道它错了。

怎么说呢，AI 更像个干活很快但不审题的实习生。活儿是能干，但你得盯着。你得看得懂它写的东西，才能用好它。 

一个懂 Python 的人用 AI，效率提升可能是十倍。一个不懂 Python 的人用 AI，大概率是把 AI 生成的 bug 复制粘贴到生产环境里。 

说白了，写代码不值钱，知道该写什么才值钱。这个判断力，AI 暂时还给不了你。 

我自己现在写代码，大概有 30%-40% 的重复性工作会让 AI 来做。省下来的时间拿去做设计、做架构思考、做跟人沟通的事情。这些事 AI 做不了，至少目前做不好。 

所以我的建议是：学 Python，同时学会跟 AI 协作。

为什么我要做分享技能和感悟的公众号

写了十年代码，踩了无数的坑，走了不少弯路。有些弯路当年如果有人提醒一句，我可能少浪费半年时间。

我做这个号，没有什么宏大的愿景，就是想把这些年攒下来的经验掰碎了说给还在路上的人听。

不讲大道理，不搞焦虑营销，就是一个老工人的工作笔记。 

如果你是学生，正在迷茫 Python 能用来做什么——我可以给你一些方向。 

如果你是其他行业的打工人，想用 Python 从重复劳动里解放出来——我有一些上手就能用的脚本思路。 

如果你是刚入行的程序员，想写出更好的代码——我可以聊聊这些年摸出来的经验。 

持续在写 ，持续在穿越迷茫...

关于我

写了 10 年 Python，赶上了机器学习的热潮，又撞上了大模型的浪头，每次以为学明白了，行业又变了一次。

不是什么大神，就是一个在互联网里摸爬滚打、把坑踩了个遍的老工人。

还在写代码，还在折腾，还在想明白这个时代到底发生了什么。

把自己踩过的坑、走过的弯路、看过的热闹，说给还在路上的人听。

关注公众号：鲁叶的Python