关于普遍性能改进的快速指南
我最近一直在阅读大量关于性能改进的内容，大多数文献使用K. Anders Ericsson的研究作为起点。他是性能研究的杰出面代表，几乎在所有涉及这个主题的书中都被引用。他今年发表的书《Peak: Secrets from the New Science of Expertise》，浓缩其30多年的研究，易于理解，这也是我推荐给大多数新手的单个最佳资源。
简要总结上下文：
改进任务的执行来自于开发更好的心理模式，更好的心理模式通过有意或有目的的实践。
为了能够实现改进，必须能够定义什么构成改进性能并且分解实现步骤。
实践和性能是不同的，最好的实践方法几乎从不是性能。例如：一个想要提高击中的棒球运动员应该花费30分钟在练习场中练习200个投球（实践），而不是用2个小时去比赛中观看15个投球（性能）。

提高方法
我发现人们建议的大多数关于编程的改进方法就是基于性能的。阅读代码，阅读关于代码的内容，编写代码，做项目，谈论代码等等。如果他们在自己的工作之外做这些事情，那么程序员基本上肯定会有所提高，但似乎不是很有效率。
如果我想更擅长于编程，但每周我只想从自己的时间中花几个小时致力于编程呢？什么是建立更佳心理模型的最有效方式，以便于我可以做出更明智的决定？ 《Peak》一书中关于刻意实践的一个首选例子是音乐家。想要提高特定乐器的技能或学习一首新的音乐，是有经过定义的，标准化的方式的；包括一个音乐家在几个月的时间里学习一首新音乐的例子——每日只是刻意练习5分钟。而在编程中，我们没有大量的明确目标或改进措施（即：在某一段音乐作品的错误的数量），但其他的我发现都没有这个比喻接近。
那么，我们如何得到我们作为程序员的性能反馈循环？是的，我们有特定片段代码的反馈循环，无论代码是否工作，它的性能和健壮性如何等等。我们对于系统的稳健性有一个更长的反馈循环，因为它们在负载下会跌倒或随着时间的推移会变得笨拙。但是我们并不经常得到问题方法的实时反馈。
下面是我用来学习编程的方法，有些地方很不错，也有些地方值得改进：

通过编程挑战实践
我享受于编程挑战，但一般来说，我发现它们不值得去接触一种新的编程语言。它们提供弱反馈循环——你的程序要么产生正确的输出要么不产生——并且不会给你对设计过程的反馈。这个方法可能会介绍一个新的算法或一个你不熟悉的语言的新功能，但在实践方面，很弱。比起“实践”，它更接近于“性能”，并且你处理的是人为的问题，而不是真正的问题。
我发现的一个例外是由@ericwastl的Advent Of Code。编程问题很好地模拟了现实生活中的问题（需求定义明确，但是边缘情况没有写入规范并且必须隐含），并且对于解决方案有多么设计良好具备即时反馈，因为对每个抛出额外需求或一些其他困难的问题有part 2，这意味着你必须重新评估你的原始解决方案有多少精心设计。这并不完美，但我喜欢看到我的解决方案具有挑战性，并且经常不得不重新考虑我的解决方案的结构和设计，当我达到part 2的时候。

做业余项目
做业余项目，如果你有一个的话，将是投入额外编程时间的伟大方式；如果你做一些你喜欢的事情的话，你就不会觉得这像工作。不幸的是，因为项目参差不齐，所以你可能不会真正学到东西。如果你的业余项目与想要学习的编程内容相一致的话，那么恭喜你，这是一个好选择，否则它只是性能vs实践的另一个版本。即使在最好的情况下，如果主要目标是生产某种东西，那就意味着实践和学习得排在后面。

阅读关于编程实践的书
阅读编程书籍是一个快速提升知识的很好方式，我认为它应该是几乎任何“提高编程”方案的一部分。然而，它并非是让人能够一劳永逸的银弹。纯粹的知识获取可以帮助你知道有哪些可用的选项，当你碰到某个问题的时候，但知识不能代替更好的心理模型。

最终建议
不幸的是，我没有能够得出具体的结论。也许答案是，需要有编程教练或导师，以便可以得到针对性的反馈和具体的实践建议。也许这学科还太年轻，没有正式的性能改进方法，不像古典音乐训练和运动训练。
在评论中告诉我你的想法。我特别想听听那些通过教学/训练/指导而高水平产出的程序员的看法，或者在这样的老师下学习的人。