Chapter 1 什么是编程思维？Why Programming Thinking Matters
一提到“编程思维”四个字，很多人的第一反应是皱眉头：是不是要背一堆枯燥的语法？是不是要数学特别好才能学？是不是只有天天写代码的程序员才需要这东西？如果你也有类似的疑问，那本章就是专门来给你“卸包袱”的——我们先把编程思维从神坛上拉下来，放到你每天都要接触的点外卖、规划旅行、甚至做家务这些生活场景里，看看它到底是个什么东西，又能给你带来什么实实在在的好处。
一、先破个误区：编程思维从来不是“写代码”
> 💡 电子版侧边栏提示：点击这里可以观看“编程思维 vs 写代码”的对比短视频，时长2分钟，帮你快速理解两者的核心区别。
很多人对编程思维的最大误解，就是把“写代码”和“编程思维”划等号：觉得会写Python、Java就是懂编程思维，不会写代码就完全和编程思维无关。这其实相当于把“会用笔写字”和“会写作”划了等号：你哪怕不会用钢笔、毛笔，只要会组织语言、表达逻辑，就是会写作；同样，你哪怕一行代码都不会写，只要会拆解问题、找规律、设计步骤，就是懂编程思维。
2006年，卡内基梅隆大学的周以真（Jeannette M. Wing）教授首次正式提出了计算思维（Computational Thinking）的概念，她给出的定义是：“计算思维是运用计算机科学的基础概念进行问题求解、系统设计、以及人类行为理解的思维过程。”[^1] 简单来说，编程思维的核心从来不是“写代码”，而是用计算机解决问题的逻辑，来解决现实世界的问题。
我们拿每个人每天都做的“点外卖”举例，来看看普通人是怎么做的，用编程思维的人又是怎么做的：
- 普通人的点外卖流程：打开APP，刷到哪个看哪个，觉得差不多就下单，要么超时，要么不好吃，要么价格超了预算，最后吐槽一句“今天运气真差”。
- 用编程思维的点外卖流程：
1. 先明确输入（Input）：我的位置在朝阳区望京，预算30块以内，想要吃辣，要求30分钟内送到； 2. 再明确处理（Processing）的步骤：① 筛选配送时间≤30分钟的商家；② 在筛选结果里找价格≤30元的商家；③ 在符合条件的商家里找带“辣”标签的，没有的话选评分4.5以上的快餐；④ 叠加满减、红包，算最终价格，确认不超过30块；⑤ 下单支付； 3. 最后得到输出（Output）：一份符合要求的外卖，30分钟内送到，口味是辣的，价格不超过30块。 4. 还要考虑边界条件（Edge Case）：如果所有符合要求的商家都休息了怎么办？那就把配送时间放宽到45分钟，或者预算提高到35块，再重新筛选。
你看，整个过程你一行代码都没写，但每一步都符合编程思维的逻辑：明确输入输出、拆解步骤、考虑异常情况。哪怕你完全不会编程，只要按这个流程走，点外卖的满意度至少能提升80%。
二、编程思维的核心：四个不可少的支柱
周以真教授在提出计算思维的概念时，就明确了它的四个核心支柱，这也是所有编程思维训练的基础，我们一个个用生活案例讲透：
1. 问题分解（Decomposition）：把大问题拆成小问题
你有没有遇到过这种场景：领导给你派了个活，“帮我做个用户增长的活动方案”，你听完直接懵了，完全不知道从哪下手。这就是你不会“问题分解”：一个看起来很大的问题，如果你直接上手做，肯定会被吓退，但如果你把它拆成一个个小问题，就简单多了。
用编程思维拆解“做用户增长活动方案”这个任务，可以拆成：
- 先明确活动的目标：是拉新1万用户，还是提升老用户复购率？拉新的话目标用户是谁？是大学生还是职场人？
- 再拆解约束条件：预算是多少？活动时间是多久？要对接哪些部门？比如预算10万，活动时间2周，要对接产品、设计、运营、客服四个部门。
- 再拆解子任务：① 活动规则设计；② 页面设计；③ 渠道投放；④ 数据埋点；⑤ 风险预案；⑥ 效果评估。
- 每个子任务再拆：比如活动规则设计，再拆成“目标用户激励规则”“拉新路径设计”“防作弊规则”，每个小任务都可以分配给不同的人做，最后拼起来就是完整的方案。
再举个更生活化的例子：你要办一场生日派对，看起来是个大工程，但拆解之后就很简单： ```mermaid graph TD A[办生日派对] --> B[确定时间/预算/人数] A --> C[场地预定] A --> D[餐饮安排] A --> E[邀请发出] A --> F[现场布置] A --> G[游戏/节目安排] B --> B1[时间选周末/预算2000/人数20] C --> C1[提前1个月订/选容纳30人的轰趴馆] D --> D1[提前2周定蛋糕/准备零食饮料] E --> E1[提前1周发邀请/统计人数] F --> F1[提前3天买装饰/当天提前2小时布置] G --> G1[提前1周准备游戏/安排朋友表演节目] ``` 你看，再大的问题，拆解成一个个10分钟就能完成的小任务，就没那么难了。问题分解的核心是：不要被问题的“整体规模”吓住，找到问题的“颗粒度”，把大问题拆成你能力范围内的一个个小问题。
2. 模式识别（Pattern Recognition）：从经验里找规律
模式识别是编程思维里最“省力气”的部分：如果你能从过去的经验里找到通用的规律，以后遇到类似的问题就不用每次都从零开始想，直接复用规律就行。
我们拿买奶茶举例：你连续三次点奶茶，发现“少糖+少冰+珍珠”的搭配最好喝，第四次点的时候你不用再挨个试“全糖好不好喝”“多冰好不好喝”，直接按之前的模式点就行，这就是模式识别。
再举个工作中的例子：你做了10次电商大促的活动，发现每次活动的前3天流量最高，最后1天复购率最高，中间7天是平稳期，那下次做活动的时候，你就可以直接把之前的节奏搬过来：前3天上引流款，中间7天上利润款，最后1天上清仓款，不用再重新做测试，这就是模式识别的作用。
模式识别在编程里更常见：比如你要写一个程序统计1000个学生的成绩，你不用写1000次统计代码，只要找到“所有学生的成绩都存在一个列表里，只要遍历列表累加再除以总数”这个模式，写一段代码就能搞定所有情况。
模式识别的核心是：不要每次都从零开始，从过去的经验里找到通用的规律，复用规律就能大幅提升效率。
3. 抽象（Abstraction）：把具体的例子提炼成通用规则
抽象是很多人觉得最难的部分，但也是编程思维里最有价值的部分：它的核心是忽略不必要的细节，抓住问题的核心本质，把具体的例子提炼成可以复用的通用规则。
我们拿做PPT举例：你每次做PPT，不管是工作汇报、产品介绍还是毕业答辩，其实核心结构都是“封面→目录→内容页→总结→致谢”，你不用每次做PPT都从零开始想“我第一页应该放什么”，直接按这个通用的结构填充内容就行，这个“通用的PPT结构”就是抽象出来的规则。
再举个编程里的例子：不管是Python、Java还是C++，所有编程语言里的“变量”都是“存储数据的容器”，你不用学每种语言的变量都要重新理解，只要抓住“变量就是存数据的盒子，盒子上有个名字，你可以往里面放数据，也可以把里面的数据拿出来用”这个核心本质，学任何语言的变量都是一分钟的事，这就是抽象的作用。
抽象还有个很常见的应用：分类。比如你要整理家里的衣服，你不用记住每一件衣服的样子，只要把它们抽象成“上衣、裤子、内衣、配饰”四个大类，每个大类再细分，比如上衣分成T恤、衬衫、外套，这样整理的时候就不用挨个看，直接按类别放就行。
抽象的核心是：不要被具体的细节困住，抓住问题的本质，提炼出可以复用的通用规则，以后遇到类似的问题直接套用就行。
4. 算法设计（Algorithm Design）：把步骤固化成可复现的流程
算法这个词听起来很高大上，但其实你每天都在用：你每天早上起床的步骤“关闹钟→起床穿衣服→刷牙洗脸→吃早饭→出门上班”，这就是一个算法；你点外卖的筛选步骤，也是一个算法。算法本质上就是解决某个问题的、可复现的、有限的步骤集合。
算法设计的关键不是“步骤越多越好”，而是“步骤越简单、越通用、效率越高越好”。比如你要算1到100的和，普通人的算法是1+2+3+…+100，一步步加，很麻烦；但高斯小时候发现的算法是(1+100)×100÷2，一步就算出来了，这就是更优的算法。
再举个生活里的例子：你要整理衣柜里的100件衣服，普通的算法是“拿出衣服→看是不是要扔→叠好→放回去”，一件件来，要花1个小时；但更优的算法是“先把所有衣服分成三类：要留的、要扔的、要捐的，分完之后再挨个处理”，这样只需要20分钟就能搞定，这就是算法优化的作用。
算法设计的核心是：把解决问题的步骤固化成可复现的流程，并且不断优化流程，提升效率。
这四个支柱不是孤立存在的，而是互相配合的：你分解问题之后，会找到子问题里的模式，把模式抽象成通用规则，然后把这些规则组合成算法，执行之后如果结果不符合预期，再回去调整分解的方式、或者优化抽象出来的规则，形成闭环。我们可以用一个流程图来概括整个编程思维解决问题的过程： ```mermaid graph TD A[遇到问题] --> B[明确目标与约束条件] B --> C[分解问题为子问题] C --> D[识别子问题中的模式] D --> E[抽象通用规则] E --> F[设计可复现的算法步骤] F --> G[执行并验证结果] G --> H{结果符合预期?} H -->|是| I[完成] H -->|否| J[调整算法/约束条件] J --> F ```
三、普通线性思维 vs 编程思维：到底差在哪？
很多人会说“我也会拆解问题啊，我也会找规律啊，那我和编程思维有什么区别？”最大的区别就是：普通思维是“先执行再调整”，编程思维是“先规划再执行”。
我们拿“规划一次从成都到重庆的2天旅行”举例，看看两种思维的差异：
普通线性思维的解决方式：
1. 打开购票软件，搜成都到重庆的机票，看哪个便宜买哪个； 2. 到了重庆之后，打开小红书搜“重庆必去的景点”，挨个去打卡； 3. 走到哪算哪，饿了就找附近的小吃，累了就回酒店； 4. 最后算账的时候发现预算超了30%，很多想去的景点没时间去，还因为赶时间累得要死。
编程思维的解决方式：
1. 先明确输入（约束条件）
一提到“编程思维”四个字，很多人的第一反应是皱眉头：是不是要背一堆枯燥的语法？是不是要数学特别好才能学？是不是只有天天写代码的程序员才需要这东西？如果你也有类似的疑问，那本章就是专门来给你“卸包袱”的——我们先把编程思维从神坛上拉下来，放到你每天都要接触的点外卖、规划旅行、甚至做家务这些生活场景里，看看它到底是个什么东西，又能给你带来什么实实在在的好处。
> 💡 电子版侧边栏提示：点击这里可以观看「编程思维 vs 写代码」对比短视频（2分钟），快速理解两者的核心区别。
一、先破个误区：编程思维从来不是“写代码”
1.1 First, Bust a Myth: Programming Thinking is Never About Writing Code
很多人对编程思维的最大误解，就是把“写代码”和“编程思维”划等号：觉得会写Python、Java就是懂编程思维，不会写代码就完全和编程思维无关。这其实相当于把“会用笔写字”和“会写作”划了等号：你哪怕不会用钢笔、毛笔，只要会组织语言、表达逻辑，就是会写作；同样，你哪怕一行代码都不会写，只要会拆解问题、找规律、设计步骤，就是懂编程思维。
2006年，卡内基梅隆大学的周以真（Jeannette M. Wing）教授首次正式提出了计算思维（Computational Thinking）的概念，她给出的定义是：“计算思维是运用计算机科学的基础概念进行问题求解、系统设计、以及人类行为理解的思维过程。”[^1] 简单来说，编程思维的核心从来不是“写代码”，而是用计算机解决问题的逻辑，来解决现实世界的问题。
我们拿每个人每天都做的“点外卖”举例，来看看普通人是怎么做的，用编程思维的人又是怎么做的：
- 普通人的点外卖流程：打开APP，刷到哪个看哪个，觉得差不多就下单，要么超时，要么不好吃，要么价格超了预算，最后吐槽一句“今天运气真差”。
- 用编程思维的点外卖流程：
1. 先明确输入（Input）：我的位置在朝阳区望京，预算30块以内，想要吃辣，要求30分钟内送到； 2. 再明确处理（Processing）的步骤：① 筛选配送时间≤30分钟的商家；② 在筛选结果里找价格≤30元的商家；③ 在符合条件的商家里找带“辣”标签的，没有的话选评分4.5以上的快餐；④ 叠加满减、红包，算最终价格，确认不超过30块；⑤ 下单支付； 3. 最后得到输出（Output）：一份符合要求的外卖，30分钟内送到，口味是辣的，价格不超过30块； 4. 还要考虑边界条件（Edge Case）：如果所有符合要求的商家都休息了怎么办？那就把配送时间放宽到45分钟，或者预算提高到35块，再重新筛选。
你看，整个过程你一行代码都没写，但每一步都符合编程思维的逻辑：明确输入输出、拆解步骤、考虑异常情况。哪怕你完全不会编程，只要按这个流程走，点外卖的满意度至少能提升80%。
1.2 编程思维的四个核心支柱 / Four Core Pillars of Programming Thinking
周以真教授在提出计算思维的概念时，就明确了它的四个核心支柱，这也是所有编程思维训练的基础，我们一个个用生活案例讲透：
1.2.1 问题分解（Decomposition）：把大问题拆成小问题
你有没有遇到过这种场景：领导给你派了个活，“帮我做个用户增长的活动方案”，你听完直接懵了，完全不知道从哪下手。这就是你不会“问题分解”：一个看起来很大的问题，如果你直接上手做，肯定会被吓退，但如果你把它拆成一个个小问题，就简单多了。
用编程思维拆解“做用户增长活动方案”这个任务，可以拆成：
- 先明确活动的目标：是拉新1万用户，还是提升老用户复购率？拉新的话目标用户是谁？是大学生还是职场人？
- 再拆解约束条件：预算是多少？活动时间是多久？要对接哪些部门？比如预算10万，活动时间2周，要对接产品、设计、运营、客服四个部门。
- 再拆解子任务：① 活动规则设计；② 页面设计；③ 渠道投放；④ 数据埋点；⑤ 风险预案；⑥ 效果评估。
- 每个子任务再拆：比如活动规则设计，再拆成“目标用户激励规则”“拉新路径设计”“防作弊规则”，每个小任务都可以分配给不同的人做，最后拼起来就是完整的方案。
再举个更生活化的例子：你要办一场生日派对，看起来是个大工程，但拆解之后就很简单： ```mermaid graph TD A[办生日派对] --> B[确定时间/预算/人数] A --> C[场地预定] A --> D[餐饮安排] A --> E[邀请发出] A --> F[现场布置] A --> G[游戏/节目安排] B --> B1[时间选周末/预算2000/人数20] C --> C1[提前1个月订/选容纳30人的轰趴馆] D --> D1[提前2周定蛋糕/准备零食饮料] E --> E1[提前1周发邀请/统计人数] F --> F1[提前3天买装饰/当天提前2小时布置] G --> G1[提前1周准备游戏/安排朋友表演节目] ``` 你看，再大的问题，拆解成一个个10分钟就能完成的小任务，就没那么难了。问题分解的核心是：不要被问题的“整体规模”吓住，找到问题的“颗粒度”，把大问题拆成你能力范围内的一个个小问题。 > 📖 纸书排版提示：此处流程图适合居中印刷，作为章节核心插图。
1.2.2 模式识别（Pattern Recognition）：从经验里找规律
模式识别是编程思维里最“省力气”的部分：如果你能从过去的经验里找到通用的规律，以后遇到类似的问题就不用每次都从零开始想，直接复用规律就行。
我们拿买奶茶举例：你连续三次点奶茶，发现“少糖+少冰+珍珠”的搭配最好喝，第四次点的时候你不用再挨个试“全糖好不好喝”“多冰好不好喝”，直接按之前的模式点就行，这就是模式识别。
再举个工作中的例子：你做了10次电商大促的活动，发现每次活动的前3天流量最高，最后1天复购率最高，中间7天是平稳期，那下次做活动的时候，你就可以直接把之前的节奏搬过来：前3天上引流款，中间7天上利润款，最后1天上清仓款，不用再重新做测试，这就是模式识别的作用。
模式识别在编程里更常见：比如你要写一个程序统计1000个学生的成绩，你不用写1000次统计代码，只要找到“所有学生的成绩都存在一个列表里，只要遍历列表累加再除以总数”这个模式，写一段代码就能搞定所有情况。
模式识别的核心是：不要每次都从零开始，从过去的经验里找到通用的规律，复用规律就能大幅提升效率。
1.2.3 抽象（Abstraction）：把具体的例子提炼成通用规则
抽象是很多人觉得最难的部分，但也是编程思维里最有价值的部分：它的核心是忽略不必要的细节，抓住问题的核心本质，把具体的例子提炼成可以复用的通用规则。
我们拿做PPT举例：你每次做PPT，不管是工作汇报、产品介绍还是毕业答辩，其实核心结构都是“封面→目录→内容页→总结→致谢”，你不用每次做PPT都从零开始想“我第一页应该放什么”，直接按这个通用的结构填充内容就行，这个“通用的PPT结构”就是抽象出来的规则。
再举个编程里的例子：不管是Python、Java还是C++，所有编程语言里的“变量”都是“存储数据的容器”，你不用学每种语言的变量都要重新理解，只要抓住“变量就是存数据的盒子，盒子上有个名字，你可以往里面放数据，也可以把里面的数据拿出来用”这个核心本质，学任何语言的变量都是一分钟的事，这就是抽象的作用。
抽象还有个很常见的应用：分类。比如你要整理家里的衣服，你不用记住每一件衣服的样子，只要把它们抽象成“上衣、裤子、内衣、配饰”四个大类，每个大类再细分，比如上衣分成T恤、衬衫、外套，这样整理的时候就不用挨个看，直接按类别放就行。
抽象的核心是：不要被具体的细节困住，抓住问题的本质，提炼出可以复用的通用规则，以后遇到类似的问题直接套用就行。
1.2.4 算法设计（Algorithm Design）：把步骤固化成可复现的流程
算法这个词听起来很高大上，但其实你每天都在用：你每天早上起床的步骤“关闹钟→起床穿衣服→刷牙洗脸→吃早饭→出门上班”，这就是一个算法；你点外卖的筛选步骤，也是一个算法。算法本质上就是解决某个问题的、可复现的、有限的步骤集合。
算法设计的关键不是“步骤越多越好”，而是