別重造輪子（不要自己重寫）

當你理解了一個演算法，自己動手寫它是很誘人的。你讀懂了高斯消去法怎麼運作，看出它不過是幾層巢狀迴圈，於是心想：我一個下午就能把它寫出來。「別重造輪子」就是那份來之不易的專業智慧：對於標準的數值任務，你幾乎總是「不」應該自己寫——你應該去拿一個成熟、被廣泛使用的函式庫來用。課本上的演算法與一個可信任的實作是兩回事，而兩者之間的鴻溝，正是無數職涯份量的微妙之處所棲居之地。

具體說，函式庫知道哪些你那個下午版本不知道的事？它會做樞紐選擇以避免除以極小的數（你的版本可能除以零，或災難性地放大捨入誤差）。它會做縮放以避開溢位與下溢。它會優雅地處理空矩陣、奇異矩陣、資料中的 NaN，而不是當掉或回傳垃圾。它在設計上就是向後穩定的，回傳某個鄰近問題的精確解。它很快，會派發給分塊的 BLAS。而且它多年來被數千名使用者用數百萬個測試案例跑過，所以你會花幾個月才找到的臭蟲，早已被找出來了。像 numpy.linalg.solve(A, b) 這樣的一行，正是那整段歷史的精煉成果。你的迴圈不是。

誠實的平衡：「別重造輪子」是預設，不是絕對的法則。重新實作一個演算法是「學會」它的絕佳方式，你應該在玩具問題上這麼做。也確實有需要自製程式碼的情況——一個專門到沒有任何函式庫涵蓋的問題，或一個尚不存在的研究方法。這條規則真正講的是「該把你稀少的可靠度預算花在哪裡」：把它花在你的問題真正需要的新穎科學上，而對一切標準的東西，站在經過測試的地基上。自己重寫的危險，不在於它會明顯地失敗；而在於它會在困難的情況下默默給出略微錯誤的答案，而你會信任它們。