软件开发中的快与慢
本文作者Michael Dubakov从事软件开发方面的工作，他在读了Daniel Kahneman的《思考，快与慢》后，思考了软件开发中的快与慢，并且把书中的一些思想应用到实际的软件开发中。下面是笔者对原文的翻译：
最近，我在阅读Daniel Kahneman的《思考，快与慢》，这本书非常令人着迷。里面拥有大量的真知灼见，给读者带来一场思维之旅。目前，我在一家软件公司工作，书中所学到的部分自然而然地可以应用到我们的工作中。下面，我将分享自己从这本书的所感、所知。
系统1和系统2
这本书包括两个部分，系统1和系统2。在书中，卡尼曼会带领我们体验一次思维的终极之旅。他认为，我们的大脑有快与慢两种作决定的方式。常用的无意识的“系统1”依赖情感、记忆和经验迅速作出判断，它见闻广博，使我们能够迅速对眼前的情况作出反应。但系统1也很容易上当，它固守“眼见即为事实”的原则，任由损失厌恶和乐观偏见之类的错觉引导我们作出错误的选择。有意识的“系统2”通过调动注意力来分析和解决问题，并作出决定，它比较慢，不容易出错，但它很懒惰，经常走捷径，直接采纳系统1的直觉型判断结果。
如果你是一名软件工程师，你会快速抓住系统1和系统2的特质。系统1相当于缓存，而系统2则相当于业务层。缓存是廉价和快速的，而业务操作则比较慢和昂贵。
下面我将会用书中的一些概念来理解软件开发中遇到的一些实例。
眼见为实（WYSIATI）
通常，人们不会怀疑他们所看到的事情（从广义上来讲）。而如果你有一些信息，你很有可能会产生质疑，并且去查证。人们往往会基于现有地事实和有限的证据来做出决定。这样很有可能会导致一个偏差：
在软件开发中，估算并不是件容易的事，我们有可能一直在犯错，估算就是一个分布。
过分自信
软件估算是过度挥舞自信的产物。
如果你问“我们需要整合Twitter，需要显示特定标签下的所有推文，完成这些需要多久？”开发人员不会问其他额外的问题，通常都会直截了当的给出答案，2天。这明显是系统1里的心理反应。而答案也非绝对正确，尽管缺乏信息，但这并不影响估算。开发人员应该聪明点和自信点，但他们也应该摆脱WYSIATI，并且认真仔细地思考一些未知数。
框架效应
描述问题的措辞很重要，同一个问题，用不同的语言描述，很有可能会产生不同的解决方案和反应，看下面这两个问题：
你认为，我们需要一个非常有经验的开发人员来解决这么简单的问题吗？
你认为，我们需要一个非常有经验的开发人员来解决这么复杂的问题吗？
问题好像被设置了框架一样。第一个问题，你很难去回答Yes，相反，第二个却很容易回答Yes。
忽视基础概率
有些事件可能会比其他的更容易些。然而，人们并不具备好的直觉和数据统计。
比方说，你的产品被1000家公司采用，你接收到一封客户的邮件，该客户认为他们的想法很棒，而且必须马上实施。存在这样的争论是很好的，而且非常有意义。你感受到了客户的痛苦，并且集中全力快速启动新功能的开发。好吧，你可能错过了什么，那就是，你有想过其他999位客户是否需要吗？或许他们就不需要这样的解决方案呢。你忘记了产品要基于更大的客户群，而对于单个请求是否要进行重新审查。
在平时开发中，这种错误很常见，并且我会反复提醒自己。现在，我会非常认真仔细地考虑每一个请求。而不是冲动。
回答一个简单的问题
当我们对一个复杂的问题难以回答时，我们通常都会用简单的思维来替代复杂，其实书中系统1就可以处理，大家来看下面这个例子。
你常常会听到这样的问题：“该项目在3个月内会有哪些进展？”对于这个问题，你可以这样理解：“这个项目会有哪些进展？”。
通过做这样的替换，你无需用系统2的思维来回答，直接使用系统1的就可以了。有趣地事，我们并未意识到替代，并且会很好地回答这个问题。
情绪启发式
人们的情绪往往会对决定产生很大的影响。例如，如果你喜欢Node.js，那么你会很乐意采用它来开发新的Web应用程序，而如果你不喜欢Node.js，你会列出许多反对的理由，并且支持使用另一门语言来开发。
这种情绪化的启发式是很难克服的。虽然有时候是不合理的，甚至是不理智的。有时，这种基于直观喜好的选择并不是最好的。
我只是列举了一些表面例子，但很显然，在软件开发过程中，我们很容易基于这种情绪或某种偏见来做一些决定。
直觉 vs. 模型
事实上，在我们决定一些东西的时候，可以应用模型。
Kano模型是一个非常好的例子，它可以帮助我们对新功能做出更加明智的决定。
模型似乎一直好于直觉。模型会迫使你去思考领域，问题的方方面面，以及从各个不同的角度看它——使用系统2思维。
这里有一些简单的问题：“下面，我们该从哪个功能做起？”，你可能会根据直觉回答说：“高级搜索”。但实际上，这个功能可能并不重要，而是有数十个更重要的功能。你可以构建一个简单的模型，并且进行评估。例如，在制作模型的时候，可以采用以下选项作为参数：
- Kano模型（基础、delighter、性能）
- 投票：客户的需求有多大。
- 频率：客户使用的频率有多大。
- 传播：有多少人会使用这个功能。
- 成就：（S, M, L, XL, …）
- 复杂性：它会增加使用的复杂性吗？
通过制作这样的模型，你会很容易做出决定。
模型除了可以应用在软件领域，它还可以应用在许多地方。实践告诉我们，直觉很少能带来正确的决定和很好地解决问题，除非你是史蒂夫·乔布斯。