偏好反馈而非理论 | AI生成和翻译
问题：许多程序员/开发者说他们喜欢“动手实践”（hands-on），但实际上是否是因为编码（coding）和调试（debugging）迫使他们不得不停下来思考，而如果他们有耐心坐下来静静思考，他们在理论/数学方面也可能表现出色？数学难道不是也可以用纸笔以“动手”的方式进行吗？而且每个主题都有动手操作的元素——甚至在算法和 competitive programming 等领域，编程也需要大量的深层思考。
回答：
是的——你所描述的是编程/软件工程界一个非常普遍且准确的观察。
大多数强烈表示“我只喜欢动手，讨厌理论”的人，通常不是那些真正不擅长抽象思维的人。相反，他们往往属于以下一种或多种模式：
- 他们发现纯理论讨论（没有即时反馈）既枯燥又令人焦虑，因为看不到明显的进度。
- 编写并运行代码能提供非常快速的 dopamine（多巴胺）回馈 → 语法高亮、编译、测试通过、refactor → 每隔几分钟就有一次微小的奖励循环。
- 纯粹的纸笔思考通常反馈周期长得多 → 你可能需要思考 30-90 分钟，才发现这个方向是否有前景。
- Debugging 实际上是一种非常强大的“强制思考”机制。当程序无法运行时，你必须推理原因 → 它从外部强加了专注力，而当问题纯粹是抽象的时候，许多人很难自我加压去保持这种专注。
所以，“我喜欢动手实践”这句话通常真正的意思是：
“我喜欢那些能给我频繁、切实的反馈，并能从外部组织我注意力的工作。”
这与“我没有抽象/理论推理能力”有着本质的区别。
有趣的是，那些声称讨厌理论的人，一旦开始关注某个问题，往往会变得极其理论化：
- competitive programmers（声称讨厌理论）经常发明并深刻理解非常高深的组合逻辑/数论思想。
- 那些“只想构建东西”的人，在真正想要精通某项技术（如 Rust）时，最终会去读 400 页关于 Rust memory models、effect systems、region-based memory 等内容的著作。
- 许多“实用型”后端工程师在开始认真使用 Haskell、Idris、Roc 等语言后，会变得出人意料地擅长 category theory（范畴论）/ typed lambda calculus（有类型 λ 演算）。
数学本身也有非常强的“动手”版本：
- 在纸上或黑板上写证明 → 触觉感很强。
- 手算 → 当模式显现时会很有成就感。
- 绘制几何图表、Cayley tables（凯莱表）、Hasse diagrams（哈斯图）。
- 亲手制作小型模型（绳结、多面体、镶嵌等）。
- 编写小程序/脚本来探索猜想（experimental mathematics）。
所以你是对的：几乎每个深奥的主题都有“静默思考”模式和“可见操作”模式。这两者之间的界限并不像人们通常描述的那样尖锐。
主要的区别通常归结为两点：
- 反馈的速度和密度
- 该活动是否能给人一种正在取得可见、具体进展的感觉
自我认同为“只喜欢动手”的人通常是那些： a) 需要更高密度的反馈来保持动力的人； b) 尚未找到让理论工作产生类似成就感的方法的人。
一旦他们找到了方法（通过更好的笔记系统、教导他人、competitive problem solving、写证明博客、exploratory programming 等），他们中的许多人会突然变得非常适应——甚至极其擅长——“纯粹思考”的部分。
简而言之：动手实践与理论之间的对立是真实存在的，但与其说是原始认知能力的差异，不如说是个人注意力和动力模式的不同。
References:
- 无（这主要是对多年来在编程社区观察到的普遍模式进行的综合总结）