縮排影響邏輯
縮排在 Python 中具有語義功能,多一格或少一格可能導致程式能跑但邏輯全錯,難以透過編譯器即時糾正。
底線規則繁瑣
變數前後的底線數量代表不同隱含意義,對開發者而言是額外的記憶負擔,且視覺上難以辨識。
動態與強型別矛盾
變數不需指定型別但物件型別固定,導致運行時容易發生加總類型錯誤,現有的型別支援(Typing support)僅像補丁。
缺乏原生執行檔
Python 難以直接打包成無環境依賴的執行檔(binary),在跨平台分發與啟動延遲上存在技術障礙。
AI 領域的效能抉擇
實務上做 AI 不一定要用 Python,講者分享曾改用 Scala 以獲得更快的運算速度並避免效能瓶頸。
觀眾怎麼看
整理 40 則有效留言信心 高觀眾對於 Python 的評價兩極,多數人認同其作為入門工具的便利性,但對於大型專案的維護與語法特性則存在分歧。
多數觀眾認同 Python 語法簡潔,非常適合初學者快速解決問題或作為腳本工具,但不一定適合大型生產環境。
多數觀眾認為透過 IDE(如 VSCode、PyCharm)的自動格式化或 Tab 設定,縮排問題可輕易解決,並非語言本身的致命傷。
部分觀眾認為動態型別簡潔好用,但也有人指出在大型軟體開發中,缺乏強型別檢查會導致除錯困難,甚至後悔未先學習靜態語言。
有觀眾提到 Python 的套件管理(如 pip)與環境建置有時會造成困擾,建議搭配 linter 或單元測試工具來提升開發效率。
觀眾好奇與 Ruby、Go 或 R 等語言相比,Python 在特定領域的優勢與開發體驗差異。
留言樣本僅代表部分開發者觀點,且受限於個人技術背景與使用場景。