PLOS Computational Biology上发表了《Ten Simple Rules for Effective Computational Research》，可以看成是《Ten Simple Rules for Reproducible Computational Research》（可复现的计算科学研究十条简单规则，以及自己的一些经验）的姊妹篇，本文结合我自己的经验对其阐述。
- Look Before You Leap
动手前先看看有没有现成的软件或库，避免重复发明轮子。
多Google，在代码仓储网站（Github，SourceForge，GoogleCode）上面多搜搜。 - Develop a Prototype First
先建立原型。
先设想好软件要实现什么功能，提供什么接口，并将问题进行细化，这样开展起来才能思路清晰，也方便团队分工。另外，也可以先用伪代码，或者高级语言（Matlab、R、Python、Perl等）快速开发一个简化版的原型，随后再用“低级语言”进行优化。 - Make Your Code Understandable to Others (and Yourself)
增强代码的可读性。
主要是说软件文档和代码风格的重要性。
即使是自己写的代码，过段时间也可能不知所云了。 软件文档，大到整个项目的框架的详细介绍（最好用UML图描述），小到每个函数的功能、输入、输出、最后修改时间、Bug，还有变量和方法的命名规则。
良好代码风格也非常重要，每种语言都有各自约定俗成的代码风格，比如Python的强制缩进，Perl则可用Perltidy格式化代码，Golang自带的gofmt。 - Don't Underestimate the Complexity of Your Task
不要低估项目的复杂度。
主要是说养成良好的工作日志书写习惯。 为每个项目书写规范的日志，可以让你更容易查错，也方便复用 - Understand the Mathematical, Numerical, and Computational Methods Underpinning Your Work 使用数学和统计模型、坚实的计算方法来夯实你的工作。
这个不解释，太重要了。 - Use Pictures: They Really Are Worth a Thousand Words
用图表将思想、结果可视化，一张图片胜过千言万语。 - Version Control Everything
版本控制的重要性。
姊妹篇里也提到了：运用版本控制系统，如Subversion、Git和Mercurial。比如我在Github上托管了一些开源项目的代码，如果不便公开，实验室内部也可以自己搭建与Github类似的Gitlab。
湿实验也同样适用，尽量将每个版本都记录下来，方便回滚（Roll back）。因为你的方案有可能越改越差。。。 - Test Everything
测试的重要性。
这个我是有血的教训的。一定要做单元测试，一步一步往下走! 否则后悔莫及，会浪费掉几天甚至所有的时间。且单元测试一定要完整。 发布模块的时候也要附带测试代码。 - Share Everything 分享。
就像发表文章，代码也可以分享。
试想如果没有那么多的人分享自己的数据、代码、软件、经验，你将什么都得重头开始，那整个科研、IT行业将无法像如今这样迅猛发展。 开放是互相交流和学习的机会。 - Keep Going!
说说你的建议吧。
本文转自 Wei Shen's Blog 《高效计算科学研究的十条简单规则》