以下是我结合deepseek和个人理解所写的大学期间项目编码规范指南
核心原则
代码是写给人看的
命名要见名知意(studentList 而非 list1)
保持函数短小专注(一个函数只做一件事)
删除无用注释,保留“为什么这么做”的注释
早重构,常重构
发现重复代码立即提取成函数
保持代码结构清晰,避免“上帝类”
必备实践
版本控制规范
提交信息格式:类型: 描述(feat: 添加登录功能)
主干开发,特性分支工作流
小步提交,每次提交都有明确目的
基础设计原则
单一职责:每个类/函数职责单一
DRY原则:拒绝重复代码
依赖接口:而非具体实现
错误处理
绝不忽略异常
函数入口验证参数有效性
用户端友好提示,后端详细日志
以下是我对数学之美的阅读理解:
读完《数学之美》中关于信息度量的章节,深感香农的信息论远不止于技术范畴。他将模糊的“信息”概念量化,用“熵”来衡量其不确定性,这实在是一种穿透表象的思维革命。
这让我顿悟,信息的价值不在于它说了什么,而在于它消除了多少未知。正如“明日地震”远比“明日日出”更具信息量。这种量化思维是当今大数据与人工智能的基石——一切智能的本质,或许正是以最高效率从混沌中提取确定性,将无序的噪音转化为有序的智慧。
