别被大脑骗了：程序员的7个思维Bug
别被大脑骗了：程序员的7个思维Bug
你选了 React 而不是 Vue，原因是”我之前用 React 做过一个项目，体验不错”。
听起来很合理对吧？但你有没有想过：也许你用 Vue 也能做好，只是你压根没试过？你看到的”React 成功经验”，不过是因为你只给了 React 机会。那些没被你选中的技术方案，连证明自己的资格都没有。
这玩意儿叫幸存者偏差。而你作为程序员，每天至少中招三次。
你的大脑，是一台跑着 bug 的机器
程序员有个通病：觉得自己靠逻辑吃饭，所以不太容易被忽悠。
说实话，我以前也这么想。直到我发现自己花了三天写一个明知道方向错了的功能——就因为”已经写了这么多代码了，扔掉太可惜”。那一刻我意识到，我那引以为傲的”理性”，在大脑的出厂设置面前，脆得跟纸糊的一样。
认知偏差不挑人，不看学历，不管你 LeetCode 刷了多少题。 它是人类大脑几十万年进化出来的”快捷方式”——在原始丛林里帮你快速做决定、活下来的本能。问题是，你现在不是在躲狮子，你是在做技术选型。
更扎心的是：越觉得”我很理性不会犯这种错”的人，越容易中招。这本身就是一种偏差，叫盲点偏差——你能看到别人身上的 bug，却对自己的 bug 视而不见。
7 个程序员最常中招的认知偏差
1. 确认偏差：你只搜自己想看的答案
你决定用 MongoDB，然后去 Google 搜”MongoDB 优势”。搜到了一堆，心满意足。但你搜过”MongoDB 踩坑”吗？大概率没有。
确认偏差就是：你已经有了一个结论，然后只去找支持这个结论的证据，自动过滤掉反对的声音。
写代码也一样。debug 的时候你怀疑是网络问题，于是盯着网络日志看了两小时——而真正的 bug 在内存泄漏那里，你连看都没看。
🔧 解毒咒：做决定前，强迫自己搜一次”XX 的缺点”。
2. 幸存者偏差：死人不会说话
技术大会上，有人分享”我们用微服务重构后，性能提升了 300%”。台下掌声雷动，你热血沸腾地掏出手机记笔记。
但等一下——有多少团队用微服务重构后，项目直接烂尾的？那些人为什么没上台？因为他们已经在家改简历了。 失败者不会出来分享，所以你能看到的全是赢家。
这跟二战时的飞机装甲是一个道理。军方统计飞回来的飞机，发现机翼中弹最多，于是决定加固机翼。统计学家亚伯拉罕·瓦尔德说：错了。飞回来的飞机恰恰说明机翼中弹不致命——你该加固的是那些没飞回来的飞机的中弹部位。
🔧 解毒咒：听到成功故事，追问一句——”那些失败的，长什么样？”
3. 沉没成本：代码写了三天，舍不得删
“这个方案虽然有点问题，但我已经写了三天了……要不再试试修修？”
你心里清楚这个方向不对，但就是下不了手。你不是在为项目做决定，你是在为”已经投入的时间”做决定。
沉没成本谬误的本质是：过去的投入不应该影响未来的决策。 你花的那三天已经花了，它不会因为你继续走这条路就回来。
有个段子说得好：你买了张电影票，看了半小时发现是烂片。你继续看完不是因为电影变好了，而是因为票钱花了。
🔧 解毒咒：假装今天是第一天面对这个决定——如果从零开始，你还会选这条路吗？
4. 可得性偏差：被一朝被蛇咬的大脑绑架
上个月 Redis 挂了一次。就一次。
从此以后，你成了”Redis 黑”。每次讨论缓存方案，你都要来一句：”Redis 不太稳定吧，上次不是挂了吗？”语气跟受过伤的前任一样。
翻翻监控数据呢？Redis 全年可用率 99.99%。那次故障是运维配错了参数，跟 Redis 本身半毛钱关系没有。但你的大脑不管这些——谁让那次故障你亲眼看见了呢？亲身经历的事，在大脑里自带 10 倍加权。
新闻天天报飞机失事，你就觉得飞机是铁棺材。但你知道吗？你开车去机场的路上出事的概率，比飞机掉下来高几十倍。
🔧 解毒咒：别凭印象定罪，让数据说话。
5. 达克效应：最危险的状态叫”我觉得我会了”
学 Kubernetes 的第一周，你觉得容器编排也就那么回事。Pod、Deployment、Service——不就是写几个 YAML 吗？
第二周，生产环境炸了。Pod 调度死锁、ConfigMap 热更新不生效、Ingress 规则冲突导致流量全部打到一个节点上。你瞪着屏幕上的报错信息，突然理解了一个道理：你之前以为的”会了”，只是”认识这几个单词”。
这就是达克效应的经典曲线：从”不知道自己不知道”的盲目自信，摔进”知道自己不知道”的绝望谷底。 每个程序员都在这条曲线上反复横跳。
反过来，团队里那个总说”我不确定，让我再查查”的老工程师？他不是能力不行，他是见过太多翻车现场，知道水深不深得下去才知道。
🔧 解毒咒：列出三件你”不知道”的事。列不出来？恭喜，你正站在达克效应的山顶——风景最好，也最危险的地方。
6. 光环效应：大厂用了，一定好
“Google 用了 Kubernetes，所以我们也该用。”“Netflix 搞了微服务，我们也要搞。”
停一下。Google 有几万名工程师和自研的基础设施，Netflix 的流量规模是你的十万倍。他们做的技术选型，是基于他们的问题和资源做的。你的团队 5 个人，日活 2000，你的问题和他们完全不一样。
光环效应就是：因为某个标签（大厂、名人、高薪）就自动给所有相关的东西打高分。
就像你不会因为”姚明穿 47 码鞋”就也去买 47 码——但在技术选型上，你天天干类似的事。
🔧 解毒咒：他们做这个选择时的上下文和我一样吗？
7. 框架效应：换个说法，决策就变了
产品经理跟你说：”这个方案有 99% 的成功率。”你觉得挺稳的。
但如果他说：”这个方案有 1% 的概率会出线上故障。”你突然就开始紧张了。
同样的信息，不同的表述方式，导致了完全不同的感受和决策。这就是框架效应。
做 Code Review 的时候也一样。”这段代码覆盖了 95% 的场景”和”这段代码有 5% 的场景没覆盖”——哪个说法更让你想去补那个边界条件？
🔧 解毒咒：换个说法再想一遍。”成功率 99%”和”百次出一次事故”，是同一件事。
你的操作系统层，有静默 bug
如果用程序员的话来总结上面这七条——认知偏差就是你操作系统层面的 bug。
你写的应用代码再完美，逻辑推理再严谨，算法再优雅——底层 OS 有 bug，输出照样是错的。更恶心的是，这种 bug 属于静默故障：不报错，不 crash，程序看起来在”正常运行”，输出结果看起来也挺合理。但实际上，全是错的。
你觉得自己在”理性决策”，其实大脑在后台偷偷跑着一组 cron job——确认偏差帮你过滤信息，可得性偏差帮你权重排序，光环效应帮你走捷径。这些后台任务跑得又快又安静，等你”做完决定”的时候，逻辑推理那段代码根本就没被执行过。
最讽刺的是什么？写代码的时候，我们对 bug 零容忍——单元测试、Code Review、CI/CD 层层把关。但做决策的时候呢？裸奔。
给你的决策系统装一个 lint
七条解毒咒，汇总一下：
- 确认偏差 → 主动搜一次反对意见
- 幸存者偏差 → 问问失败的案例长什么样
- 沉没成本 → 假装今天第一天面对这个决定
- 可得性偏差 → 查数据，不要凭印象
- 达克效应 → 列出你不知道的事
- 光环效应 → 他们的上下文和我一样吗
- 框架效应 → 换个说法再想一遍
下次你说”我之前用 A 成功过，所以选 A”的时候，在脑子里加一个 if 判断：
if (我用 B 是不是也会成功？) {
重新评估();
}
给你的决策加一层”认知偏差检查”——就像给代码加 lint 一样。它不能保证你的代码完美，但至少能拦住最蠢的那些错误。
你写的代码有 Code Review，你做的决定，谁来 Review？