几个软件研发团队管理的小问题

简介: 本人亲身体会   1.年轻工作不长的人,在做项目里,在一些细节上,经常会说,这个没必要做,这个不需要做, 最后完成的功能大家可以想想,他是按时完成了,可问题多多,细节之处产品经理之类也不清楚, 为项目上线留下隐患。

本人亲身体会

 

1.年轻工作不长的人,在做项目里,在一些细节上,经常会说,这个没必要做,这个不需要做,

最后完成的功能大家可以想想,他是按时完成了,可问题多多,细节之处产品经理之类也不清楚,

为项目上线留下隐患。

 

2.在代码的审查上,技术经理相当于 报社的校对 ,对于一些注释和代码细节应认真核对

比如看到一段注释

 

/// <summary>
/// 是否存在改用户
/// </summary>

public static bool ExistPhoneNumber

 

改?看了半天,原来是 是否存在用户的意思

 

 

一个10人的团队中只有2-3个骨干程序员。他们解决了整个项目80%的问题,剩下的7-8个程序员无关痛痒,他们机械的去写一些有完整技术解决方案的模块,最坏的情况是这7-8个人解决不了任何问题,还会在原本成熟的解决方案下制造一些问题。这段可能很多人不爱听,但不能否则这是事实,同时也自问自己在团队中的价值。其实你看很多牛X的大产品其实都是由个别的几个牛X的技术人员写的,团队其他人基本都是打杂的,国内外都一样。

 

对于其他的7-8个程序员,适当的技术培训是必要的,但不应该对他们抱有太大希望,这样大家都会很累。既然他们想成为码农就让他们当好了,个别能脱颖而出的可以重点培养。

相关文章
|
Java 定位技术 语音技术
​如何处理Xcode上传IPA文件后无法在后台架构版本中显示的问题?
​如何处理Xcode上传IPA文件后无法在后台架构版本中显示的问题?
|
存储 监控 Java
Elasticsearch索引监控之Indices Segments API与Indices Shard Stores
Elasticsearch索引监控之Indices Segments API与Indices Shard Stores
Elasticsearch索引监控之Indices Segments API与Indices Shard Stores
|
Oracle 关系型数据库
11.2.0.3 MRP进程异常终止 ORA-00600 krr_assemble_cv_3
日志报错: Wed Jun 24 18:09:17 2015 Errors in file /home/oradba/oracle/diag/rdbms/yjfcdbst/yjfcdb/trace/yjfcdb_pr01_4957.
1228 0
|
存储 容器 Java
Hashcode 散列码
一个类A没有重写hashCode()方法,那么它使用Object的hashCode()方法生成散列码,即用对象的内存地址计算散列码。 所有有“Hash”字样的类都涉及到hashcode,如HashMap,HashSet。所以要使用这些容器存储对象,必须同时重写hashCode() 和equals()。否则一个类的两个对象objA 与objB,满足objA.equals(objB)为真,放
1478 0
|
JavaScript 索引 Web App开发
jquery插件 - 操作select
昨天写了个操作select下拉框的jquery插件,以后再涉及select时,利用这个插件就简单多了。和大家分享一下代码:     //得到select项的个数 jQuery.fn.
977 0
|
15天前
|
存储 关系型数据库 分布式数据库
PostgreSQL 18 发布,快来 PolarDB 尝鲜!
PostgreSQL 18 发布,PolarDB for PostgreSQL 全面兼容。新版本支持异步I/O、UUIDv7、虚拟生成列、逻辑复制增强及OAuth认证,显著提升性能与安全。PolarDB-PG 18 支持存算分离架构,融合海量弹性存储与极致计算性能,搭配丰富插件生态,为企业提供高效、稳定、灵活的云数据库解决方案,助力企业数字化转型如虎添翼!
|
10天前
|
缓存 并行计算 PyTorch
144_推理时延优化:Profiling与瓶颈分析 - 使用PyTorch Profiler诊断推理延迟,优化矩阵运算的独特瓶颈
在2025年的大模型时代,推理时延优化已经成为部署LLM服务的关键挑战之一。随着模型规模的不断扩大(从数亿参数到数千亿甚至万亿参数),即使在最先进的硬件上,推理延迟也常常成为用户体验和系统吞吐量的主要瓶颈。
350 147
|
10天前
|
机器学习/深度学习 存储 缓存
92_自我反思提示:输出迭代优化
在大型语言模型(LLM)应用日益普及的今天,如何持续提升模型输出质量成为了业界关注的核心问题。传统的提示工程方法往往依赖一次性输入输出,难以应对复杂任务中的多轮优化需求。2025年,自我反思提示技术(Self-Reflection Prompting)作为提示工程的前沿方向,正在改变我们与LLM交互的方式。这项技术通过模拟人类的自我反思认知过程,让模型能够对自身输出进行评估、反馈和优化,从而实现输出质量的持续提升。
402 136