解决 el-autocomplete 在没有数据时不显示和闪烁的问题。

推荐阅读

• 35 岁实现财务*，腾讯程序员手握2300万提前退休？-1000万房产、1000万腾讯股票、加上300万的现金，一共2300万的财产。有网友算了一笔账，假设1000万的房产用于自住，剩下1300万资产按照平均税后20-50万不等进行计算，大约花上26-60年左右的时间才能赚到这笔钱。也就是说，普通人可能奋斗一辈子，才能赚到这笔钱。在很多人还在为中年危机而惶惶不可终日的时候，有的人的35岁，就已经安全着陆，试问哪个打工人不羡慕？但问题是有这样财富积累必然有像样的实力做靠山。没有人可以不劳而获。 看到这里，肯定有人说，那么对于普通人来说，卷可能真就成了唯一的出路。但是卷也有轻松的卷，“偷懒”的卷法，对于程序员而言，刨除掉一时无法改掉的开会传统占用的大部分时间，如何把有限的时间和精力放在真正重要的架构设计、需求设计上，而不是重复的造*，编码、改bug、手动测试。因此在科技改变生活的今天，学会使用AI工具成为程序员们的必备技能。 以全栈式全自动的软件开发工具飞算SoFlu软件机器人为例，作为全球首款面向微服务架构设计和最佳实践的软件机器人,SoFlu软件机器人改变了原来手工编码的作业模式,通过可视化拖拽方式以及参数配置就能实现等同于编写复杂代码的业务逻辑,在设计业务逻辑时就完成了微服务应用开发,做到“业务即图,图即代码”,实现“软件开发,十倍提效”。 而作为飞算SoFlu软件机器人的一个重要组成部分，FuncGPT（慧函数）支持所有类型函数创建。通过自然语言描述Java函数需求，实时生成高质量、高可读性的Java函数代码。生成代码可直接复制到IDEA，或一键导入Java全自动开发工具函数库。 FuncGPT（慧函数）具有五大核心能力： ● 自然语言：通过自然语言即可生成函数，降低软件开发门槛。 ● 秒级函数开发：全自动秒级开发函数，秒级完成，效率千倍提升。 ● 一站式函数开发应用：函数生成即可直接应用，效率、安全有保障。 ● 质量可靠：生成的函数代码符合业界规范、具备良好的可读性，符合最优解。 ● 灵活生成：可以根据开发人员的具体需求生成并支持调整和修改。 以“将文件流转换为File对象”这个需求为例，以下是FuncGPT（慧函数）秒级生成的代码：   / 类名：FileConverter // 函数名：convertStreamToFile // 函数功能：将文件流转换为File对象 // POM依赖包：无   import java.io.File; import java.io.FileOutputStream; import java.io.IOException; import java.io.InputStream;   public class FileConverter {     /**      * 将文件流转换为File对象      * @param inputStream 文件流      * @param filePath 文件路径      * @param fileName 文件名      * @return 转换后的File对象      * @throws IOException 如果发生I/O异常      */     public static File convertStreamToFile(InputStream inputStream, String filePath, String fileName) throws IOException {         File file = new File(filePath + File.separator + fileName); // 创建File对象           try (FileOutputStream outputStream = new FileOutputStream(file)) { // 创建文件输出流             byte buffer = new byte[1024];             int bytesRead;             while ((bytesRead = inputStream.read(buffer)) != -1) { // 从文件流读取数据并写入文件                 outputStream.write(buffer, 0, bytesRead);             }         }           return file; // 返回转换后的File对象     } }   // 函数示例 // 将文件流转换为File对象示例 // 入参：inputStream，文件流 // 入参：filePath，文件路径 // 入参：fileName，文件名 // 出参：file，转换后的File对象 // 调用示例： // InputStream inputStream = new FileInputStream("example.txt"); // String filePath = "C:\\Users\\User\\Documents"; // String fileName = "example.txt"; // File file = FileConverter.convertStreamToFile(inputStream, filePath, fileName); // System.out.println(file.getAbsolutePath); // 输出结果：例如，将文件流转换为File对象后，文件的绝对路径为：C:\Users\User\Documents\example.txt // 则输出结果为：C:\Users\User\Documents\example.txt 通过分析，不难发现以上代码：

• 正负偏差变量 即 d2+、d2- 分别表示决策值中超出和未达到目标值的部分。而 di+、di- 均大于 0 刚性约束和目标约束（柔性目标约束有偏差） 在多目标规划中，>=/<= 在刚性约束中保持不变。当需要将约束条件转换为柔性约束条件时，需要将 >=/<= 更改为 =（因为已经有 d2+、d2- 用来表示正负偏差），并附加上 (+dii-di+) 注意这里是 +di、-di+！之所以是 +di，-di+，是因为需要将目标还原为最接近的原始刚性约束条件 优先级因素和权重因素 对多个目标进行优先排序和优先排序 目标规划的目标函数 是所有偏差变量的加权和。值得注意的是，这个加权和都取最小值。而 di+ 和 dii- 并不一定要出现在每个不同的需求层次中。具体分析需要具体问题具体分析 下面是一个例子： 题目中说设备 B 既要求充分利用，又要求尽可能不加班，那么列出的时间计量表达式即为：min z = P3 (d3- + d3 +) 使用 + 而不是 -d3 + 的原因是：正负偏差不可能同时存在，必须有 di+di=0 （因为判定值不可能同时大于目标值和小于目标值），而前面是 min，所以只要取 + 并让 di+ 和 dii- 都为正值即可。因此，得出以下规则： 最后，给出示例和相应的解法： 问题：某企业生产 A 和 B 两种产品，需要使用 A、B、C 三种设备。下表显示了与工时和设备使用限制有关的产品利润率。问该企业应如何组织生产以实现下列目标？ (1) 力争利润目标不低于 1 500 美元； (2) 考虑到市场需求，A、B 两种产品的生产比例应尽量保持在 1：2； (3）设备 A 是贵重设备，严禁超时使用； (4）设备 C 可以适当加班，但要控制；设备 B 要求充分利用，但尽量不加班。 从重要性来看，设备 B 的重要性是设备 C 的三倍。 建立相应的目标规划模型并求解。 解：设企业生产 A、B 两种产品的件数分别为 x1、x2，并建立相应的目标计划模型： 以下为顺序求解法，利用 LINGO 求解： 1 级目标： 模型。 设置。 variable/1..2/:x;! s_con_num/1...4/:g,dplus,dminus;！所需软约束数量（g=dplus=dminus 数量）及相关参数； s_con(s_con_num);！ s_con(s_con_num,variable):c;！软约束系数； 结束集 数据。 g=1500 0 16 15. c=200 300 2 -1 4 0 0 5; 结束数据 min=dminus(1);！第一个目标函数；！对应于 min=z 的第一小部分；！ 2*x(1)+2*x(2)<12;!硬约束 @for(s_con_num(i):@sum(variable(j):c(i,j)*x(j))+dminus(i)-dplus(i)=g(i)); ！使用设置完成的数据构建软约束表达式； ！ !软约束表达式 @for(variable:@gin(x)); ！将变量约束为整数； ! 结束 此时，第一级目标的最优值为 0，第一级偏差为 0： 第二级目标： !求 dminus(1)=0，然后求解第二级目标。 模型。 设置。 变量/1..2/:x;！设置：变量/1..2/:x; ！ s_con_num/1...4/:g,dplus,dminus;！软约束数量及相关参数； s_con(s_con_num(s_con_num));！ s_con(s_con_num,variable):c;! 软约束系数; s_con(s_con_num,variable):c;！ 结束集 数据。 g=1500 0 16 15; c=200 300 2 -1 4 0 0 5; 结束数据 min=dminus(2)+dplus(2);！第二个目标函数 2*x(1)+2*x(2)<12;!硬约束 @for(s_con_num(i):@sum(variable(j):c(i,j)*x(j))+dminus(i)-dplus(i)=g(i)); ！ 软约束表达式；！ dminus(1)=0; ！第一个目标结果 @for(variable:@gin(x)); ！ 结束 此时，第二个目标的最优值为 0，偏差为 0： 第三目标 !求 dminus(2)=0，然后求解第三个目标。 模型。 设置。 变量/1..2/:x;！设置：变量/1..2/:x; ！ s_con_num/1...4/:g,dplus,dminus;！软约束数量及相关参数； s_con(s_con_num(s_con_num));！ s_con(s_con_num,variable):c;! 软约束系数; s_con(s_con_num,variable):c;！ 结束集 数据。 g=1500 0 16 15; c=200 300 2 -1 4 0 0 5; 结束数据 min=3*dminus(3)+3*dplus(3)+dminus(4);！第三个目标函数。 2*x(1)+2*x(2)<12;!硬约束 @for(s_con_num(i):@sum(variable(j):c(i,j)*x(j))+dminus(i)-dplus(i)=g(i)); ！ 软约束表达式；！ dminus(1)=0; ！第一个目标约束条件； ！ dminus(2)+dplus(2)=0; ！第二个目标约束条件 @for(variable:@gin(x));！ 结束 最终结果为 x1=2，x2=4，dplus(1)=100，最优利润为

• 什么是数据库事物？为什么需要数据库事物，事物有哪些特征？事物的隔离级别是什么？-1.什么是数据库事务？ 1.事务是作为一个逻辑单元执行的一系列操作。一个逻辑工作单元必须具备四个属性，即ACID（原子性、一致性、隔离性和持久性）属性，只有这样才能成为事务： 原子性 2.事务必须是一个原子工作单元；它的数据修改要么全部执行，要么全部不执行。 一致性 3.事务完成时，所有数据必须保持一致。在相关数据库中，所有规则都必须适用于事务的修改，以保持所有数据的完整性。事务结束时，所有内部数据结构（如 B 树索引或双向链接表）必须正确无误。 隔离 4.并发事务的修改必须与其他并发事务的修改隔离。一个事务会在另一个并发事务修改之前或之后查看某一状态下的数据，而不会查看中间状态下的数据。这就是所谓的可序列化，因为它允许重新加载起始数据和重放一系列事务，从而使数据最终处于与原始事务执行时相同的状态。 持久性 5.事务完成后，它对系统的影响是永久性的。即使在系统发生故障的情况下，修改也会保留。 2. 为什么需要数据库事物，事物有哪些特征？ 事物对数据库的作用是对数据进行一系列操作，要么全部成功，要么全部失败，防止出现中间状态，确保数据库中的数据始终处于正确、和谐的状态。 特征：原子性、一致性、隔离性、持久性，以及其他特征 原子性（Atomicity）：所有操作在事务开始后，要么全部做完，要么全部不做，不可能停滞在中间环节。事务执行过程中出现错误时，会回滚到事务开始前的状态，所有操作就像没有发生一样。也就是说，事务是一个不可分割的整体，就像化学中的原子一样，是物质的基本单位。 一致性（Consistency）：在事务开始之前和结束之后，数据库的完整性约束都没有被破坏。例如，如果 A 转钱给 B，A 不可能扣除这笔钱，但 B 却没有收到这笔钱。 隔离：在同一时间内，只允许一个事务请求相同的数据，不同事务之间没有干扰。例如，甲正在从一张银行卡上取款，在甲取款过程结束之前，乙不能向这张卡转账。 持久性（耐用性）：事务完成后，事务对数据库的所有更新都将保存到数据库中，无法回滚 3.事务的隔离级别有哪些？ 数据库事务有四种隔离级别，从低到高分别是未提交读取（Read uncommitted）、已提交读取（Read committed）、可重复读取（Repeatable read）、可序列化（Serializable）。此外，事务的并发操作中可能会出现脏读、不可重复读、幽灵读等情况。事务并发问题 脏读：事务 A 读取事务 B 更新的数据，然后事务 B 回滚操作，那么事务 A 读取的数据就是脏数据。 不可重复读取：事务 A 多次读取同一数据，事务 B 在事务 A 多次读取期间更新并提交数据，导致事务 A 多次读取同一数据时结果不一致。 幻影读取：系统管理员 A 将数据库中所有学生的具体分数改为 ABCDE 等级，但系统管理员 B 在此时插入了具体分数的记录，当系统管理员 A 更改结束后发现仍有一条记录未被更改，仿佛发生了幻觉，这称为幻影读取。 小结：不可重复读和幻读容易混淆，不可重复读侧重于修改，幻读侧重于增删。解决不可重复读问题只需锁定满足条件的行，解决幻读问题则需要锁定表 MySQL 事务隔离级别

• epoll简介及触发模式（accept、read、send）-epoll的简单介绍 epoll在LT和ET模式下的读写方式   一、epoll的接口非常简单，一共就三个函数：1. int epoll_create(int size);创建一个epoll的句柄，size用来告诉内核这个监听的数目一共有多大。这个参数不同于select中的第一个参数，给出最大监听的fd+1的值。需要注意的是，当创建好epoll句柄后，它就是会占用一个fd值，在linux下如果查看/proc/进程id/fd/，是能够看到这个fd的，所以在使用完epoll后，必须调用close关闭，否则可能导致fd被耗尽。2. int epoll_ctl(int epfd, int op, int fd, struct epoll_event *event);epoll的事件注册函数，它不同与select是在监听事件时告诉内核要监听什么类型的事件，而是在这里先注册要监听的事件类型。第一个参数是epoll_create的返回值，第二个参数表示动作，用三个宏来表示：EPOLL_CTL_ADD：注册新的fd到epfd中；EPOLL_CTL_MOD：修改已经注册的fd的监听事件；EPOLL_CTL_DEL：从epfd中删除一个fd；第三个参数是需要监听的fd，第四个参数是告诉内核需要监听什么事，struct epoll_event结构如下：struct epoll_event {  __uint32_t events;  /* Epoll events */  epoll_data_t data;  /* User data variable */};events可以是以下几个宏的集合：EPOLLIN ：表示对应的文件描述符可以读（包括对端SOCKET正常关闭）； EPOLLIN事件：EPOLLIN事件则只有当对端有数据写入时才会触发，所以触发一次后需要不断读取所有数据直到读完EAGAIN为止。否则剩下的数据只有在下次对端有写入时才能一起取出来了。现在明白为什么说epoll必须要求异步socket了吧？如果同步socket，而且要求读完所有数据，那么最终就会在堵死在阻塞里。 EPOLLOUT：表示对应的文件描述符可以写； EPOLLOUT事件：EPOLLOUT事件只有在连接时触发一次，表示可写，其他时候想要触发，那要先准备好下面条件：1.某次write，写满了发送缓冲区，返回错误码为EAGAIN。2.对端读取了一些数据，又重新可写了，此时会触发EPOLLOUT。简单地说：EPOLLOUT事件只有在不可写到可写的转变时刻，才会触发一次，所以叫边缘触发，这叫法没错的！其实，如果真的想强制触发一次，也是有办法的，直接调用epoll_ctl重新设置一下event就可以了，event跟原来的设置一模一样都行（但必须包含EPOLLOUT），关键是重新设置，就会马上触发一次EPOLLOUT事件。1. 缓冲区由满变空.2.同时注册EPOLLIN | EPOLLOUT事件，也会触发一次EPOLLOUT事件这个两个也会触发EPOLLOUT事件   EPOLLPRI：表示对应的文件描述符有紧急的数据可读（这里应该表示有带外数据到来）；EPOLLERR：表示对应的文件描述符发生错误；EPOLLHUP：表示对应的文件描述符被挂断；EPOLLET： 将EPOLL设为边缘触发(Edge Triggered)模式，这是相对于水平触发(Level Triggered)来说的。EPOLLONESHOT：只监听一次事件，当监听完这次事件之后，如果还需要继续监听这个socket的话，需要再次把这个socket加入到EPOLL队列里3. int epoll_wait(int epfd, struct epoll_event * events, int maxevents, int timeout);等待事件的产生，类似于select调用。参数events用来从内核得到事件的集合，maxevents告之内核这个events有多大，这个maxevents的值不能大于创建epoll_create时的size，参数timeout是超时时间（毫秒，0会立即返回，-1将不确定，也有说法说是永久阻塞）。该函数返回需要处理的事件数目，如返回0表示已超时。--------------------------------------------------------------------------------------------     从man手册中，得到ET和LT的具体描述如下EPOLL事件有两种模型：Edge Triggered (ET)Level Triggered (LT)假如有这样一个例子：1. 我们已经把一个用来从管道中读取数据的文件句柄(RFD)添加到epoll描述符2. 这个时候从管道的另一端被写入了2KB的数据3. 调用epoll_wait(2)，并且它会返回RFD，说明它已经准备好读取操作4. 然后我们读取了1KB的数据5. 调用epoll_wait(2)......Edge Triggered 工作模式：如果我们在第1步将RFD添加到epoll描述符的时候使用了EPOLLET标志，那么在第5步调用epoll_wait(2)之后将有可能会挂起，因为剩余的数据还存在于文件的输入缓冲区内，而且数据发出端还在等待一个针对已经发出数据的反馈信息。只有在监视的文件句柄上发生了某个事件的时候 ET 工作模式才会汇报事件。因此在第5步的时候，调用者可能会放弃等待仍在存在于文件输入缓冲区内的剩余数据。在上面的例子中，会有一个事件产生在RFD句柄上，因为在第2步执行了一个写操作，然后，事件将会在第3步被销毁。因为第4步的读取操作没有读空文件输入缓冲区内的数据，因此我们在第5步调用 epoll_wait(2)完成后，是否挂起是不确定的。epoll工作在ET模式的时候，必须使用非阻塞套接口，以避免由于一个文件句柄的阻塞读/阻塞写操作把处理多个文件描述符的任务饿死。最好以下面的方式调用ET模式的epoll接口，在后面会介绍避免可能的缺陷。   i    基于非阻塞文件句柄   ii   只有当read(2)或者write(2)返回EAGAIN时才需要挂起，等待。但这并不是说每次read时都需要循环读，直到读到产生一个EAGAIN才认为此次事件处理完成，当read返回的读到的数据长度小于请求的数据长度时，就可以确定此时缓冲中已没有数据了，也就可以认为此事读事件已处理完成。Level Triggered 工作模式相反的，以LT方式调用epoll接口的时候，它就相当于一个速度比较快的poll(2)，并且无论后面的数据是否被使用，因此他们具有同样的职能。因为即使使用ET模式的epoll，在收到多个chunk的数据的时候仍然会产生多个事件。调用者可以设定EPOLLONESHOT标志，在 epoll_wait(2)收到事件后epoll会与事件关联的文件句柄从epoll描述符中禁止掉。因此当EPOLLONESHOT设定后，使用带有 EPOLL_CTL_MOD标志的epoll_ctl(2)处理文件句柄就成为调用者必须作的事情。然后详细解释ET, LT:LT(level triggered)是缺省的工作方式，并且同时支持block和no-block socket.在这种做法中，内核告诉你一个文件描述符是否就绪了，然后你可以对这个就绪的fd进行IO操作。如果你不作任何操作，内核还是会继续通知你的，所以，这种模式编程出错误可能性要小一点。传统的select/poll都是这种模型的代表．ET(edge-triggered)是高速工作方式，只支持no-block socket。在这种模式下，当描述符从未就绪变为就绪时，内核通过epoll告诉你。然后它会假设你知道文件描述符已经就绪，并且不会再为那个文件描述符发送更多的就绪通知，直到你做了某些操作导致那个文件描述符不再为就绪状态了(比如，你在发送，接收或者接收请求，或者发送接收的数据少于一定量时导致了一个EWOULDBLOCK 错误）。但是请注意，如果一直不对这个fd作IO操作(从而导致它再次变成未就绪)，内核不会发送更多的通知(only once),不过在TCP协议中，ET模式的加速效用仍需要更多的benchmark确认（这句话不理解）。在许多测试中我们会看到如果没有大量的idle -connection或者dead-connection，epoll的效率并不会比select/poll高很多，但是当我们遇到大量的idle- connection(例如WAN环境中存在大量的慢速连接)，就会发现epoll的效率大大高于select/poll。（未测试）另外，当使用epoll的ET模型来工作时，当产生了一个EPOLLIN事件后，读数据的时候需要考虑的是当recv返回的大小如果等于请求的大小，那么很有可能是缓冲区还有数据未读完，也意味着该次事件还没有处理完，所以还需要再次读取： 这里只是说明思路（参考《UNIX网络编程》） while(rs) {buflen = recv(activeevents[i].data.fd, buf, sizeof(buf), 0);if(buflen < 0){// 由于是非阻塞的模式,所以当errno为EAGAIN时,表示当前缓冲区已无数据可读// 在这里就当作是该次事件已处理处.if(errno == EAGAIN)break; else return; }else if(buflen == 0) { // 这里表示对端的socket已正常关闭. } if(buflen == sizeof(buf) rs = 1; // 需要再次读取 else rs = 0; }   还有，假如发送端流量大于接收端的流量(意思是epoll所在的程序读比转发的socket要快),由于是非阻塞的socket,那么send函数虽然返回,但实际缓冲区的数据并未真正发给接收端,这样不断的读和发，当缓冲区满后会产生EAGAIN错误(参考man send),同时,不理会这次请求发送的数据.所以,需要封装socket_send的函数用来处理这种情况,该函数会尽量将数据写完再返回，返回-1表示出错。在socket_send内部,当写缓冲已满(send返回-1,且errno为EAGAIN),那么会等待后再重试.这种方式并不很完美,在理论上可能会长时间的阻塞在socket_send内部,但暂没有更好的办法. ssize_t socket_send(int sockfd, const char* buffer, size_t buflen) { ssize_t tmp; size_t total = buflen; const char *p = buffer; while(1) { tmp = send(sockfd, p, total, 0); if(tmp < 0) { // 当send收到信号时,可以继续写,但这里返回-1. if(errno == EINTR) return -1; // 当socket是非阻塞时,如返回此错误,表示写缓冲队列已满, // 在这里做延时后再重试. if(errno == EAGAIN) { usleep(1000); continue; } return -1; } if((size_t)tmp == total) return buflen; total -= tmp; p += tmp; }  return tmp; }   二、epoll在LT和ET模式下的读写方式 在一个非阻塞的socket上调用read/write函数, 返回EAGAIN或者EWOULDBLOCK(注: EAGAIN就是EWOULDBLOCK) 从字面上看, 意思是:   * EAGAIN: 再试一次 * EWOULDBLOCK: 如果这是一个阻塞socket, 操作将被block * perror输出:  Resource temporarily unavailable   总结: 这个错误表示资源暂时不够, 可能read时, 读缓冲区没有数据, 或者, write时，写缓冲区满了 。 遇到这种情况, 如果是阻塞socket, read/write就要阻塞掉。 而如果是非阻塞socket, read/write立即返回-1, 同 时errno设置为EAGAIN. 所以, 对于阻塞socket, read/write返回-1代表网络出错了. 但对于非阻塞socket, read/write返回-1不一定网络真的出错了. 可能是Resource temporarily unavailable. 这时你应该再试, 直到Resource available.   综上, 对于non-blocking的socket,  正确的读写操作为: 读: 忽略掉errno = EAGAIN的错误, 下次继续读 写: 忽略掉errno = EAGAIN的错误, 下次继续写   对于select和epoll的LT模式, 这种读写方式是没有问题的. 但对于epoll的ET模式, 这种方式还有漏洞.   epoll的两种模式 LT 和 ET

• 像首席技术官一样思考：如何高效管理 30 人的研发团队？-管理越多越轻松。好的研发团队，应该是上拨下用，即下级对上级的向上管理；而不是反过来，总是向下管理，甚至是 CTO 做经理的事，经理做工程师的事，工程师最终会被当成实习生。如果是这样，就会越管越累，不仅团队无法成长，而且团队整天很忙还效率低下，问题一大堆。 有这样一个小故事：一位高级经理下班后帮忙倒垃圾，结果被老板训斥了一顿。这就好比首席技术官做了实习生自己该做的事。事情本身没有对错之分，只是从不同的角度有不同的理解。 古人云："用人不疑，疑人不用"。在面对自己的研发团队时，应该相信他们能做好，授权一线开发人员充分发挥专业特长，不要限制他们的工作。但在相信他们的同时，也要进行二次确认，始终秉持 "我相信，但我要确认 "的原则和严谨的精神。因为每个人都会犯错和疏忽，通过发挥团队的智慧，团队犯错的机会就会大大减少。比如回归测试、代码审查、开发演示、变更审批等等。 如前所述，每个人都难免会犯错。但作为管理者，你所设计和商定的流程不能出错。管理者的每一个决定和沟通都应该经过深思熟虑。就像红绿灯的交通设计，某辆车不小心闯红灯可能会扣分，但红绿灯的设计一定要正确、人性化、统一。再比如，开发人员可能会因为疏忽大意写出 bug，但研发流程的设计和上线流程的发布不能有任何差错。因此，流程体系的设计，一方面要结合当前团队规模、业务特点和需要重点解决的问题来设计，另一方面也要在人员防错、效率提升、发挥团队集体智慧等维度进行综合考量。应该站在更高更抽象的角度去思考，不断思考一个倍受欢迎的园区应该如何设计，思考一个灵动、经典、永恒的建筑应该遵循怎样的模式，思考一个成功、优秀、卓越的研发团队应该需要怎样的流程和制度。 最后，反馈很重要。向上汇报很重要，向下反馈也很重要。能够保持顺畅的双向反馈和闭环管理，对研发团队的协作和沟通有着非常明显的积极作用。在向上汇报方面，要培养团队在正式汇报、会议汇报、私下沟通、书面总结、非正式场合等方面的沟通能力，提醒下属报喜也要报忧。凡事先记录，再跟进，最后反馈。反馈很重要，主动汇报更难得。 另一方面，同时也不要忽视向下反馈。好的爱，是双向的。团队也是如此，没有严格的上下级之分，只是分工和角色不同而已。作为管理者，不必总保持一种 "神秘感"，让人 "捉摸不透 "才是牛。当团队做得好或有人做得好时，要记得在公开或私下场合给予肯定和赞许。业务有增长、业绩有提升时，别忘了给团队一些鼓励，或者安排一次下午茶或聚餐。在例会或正式会议上，也可以同步向大家传达一些重要信息和高层指示。"欲速则不达，欲远则同行"。 当向上汇报、向下反馈的沟通闭环形成后，同时结合前面研发过程的管理闭环，双管齐下，就能形成良性循环。如此反复，持之以恒，优秀卓越的研发团队，必将呈现。 能力、产出和效率 接下来，继续重复关于能力、产出和效率的话题。 站在不同的角色，以及一个企业经营、生存和发展所需要的基础上，我把研发生产力分为三个层次，分别是：一线员工关心的研发能力、管理层关心的软件产出和操作人员关心的企业生产效率。简单概括就是：既要把工作做好，又要能出成果，还要能帮企业赚钱。

• 纯干货分享 | 研发效能提升——敏捷需求篇-而敏捷需求是提升效能的方式中不可或缺的模块之一。 云智慧的敏捷教练——Iris Xu近期在公司做了一场分享，主题为「敏捷需求挖掘和组织方法，交付更高业务价值的产品」。Iris具有丰富的团队敏捷转型实施经验，完成了企业多个团队从传统模式到敏捷转型的落地和实施，积淀了很多的经验。 这次分享主要包含以下2个部分： 第一部分是用户影响地图 第二部分是事件驱动的业务分析Event driven business analysis（以下简称EDBA） 用户影响地图，是一种从业务目标到产品需求映射的需求挖掘和组织的方法。 在软件开发过程中可能会遇到一些问题，比如大家使用不同的业务语言、技术语言，造成角色间的沟通阻碍，还会导致一些问题，比如需求误解、需求传递错误等；这会直接导致产品的功能需求和要实现的业务目标不是映射关系。 但在交付期间，研发人员必须要将这些需求实现交付，他们实则并不清楚这些功能需求产生的原因是什么、要解决客户的哪些痛点。研发人员往往只是拿到了解决方案，需要把它实现，但没有和业务侧一起去思考解决方案是否正确，能否真正的帮助客户解决问题。而用户影响地图通常是能够连接业务目标和产品功能的一种手段。 我们在每次迭代里加入的假设，也就是功能需求。首先把它先实现，再逐步去验证我们每一个小目标是否已经实现，再看下一个目标要是什么。那影响地图就是在这个过程中帮我们不断地去梳理目标和功能之间的关系。 我们在软件开发中可能存在的一些问题 针对这些问题，我们如何避免？先简单介绍做敏捷转型的常规思路： 先做团队级的敏捷，首先把产品、开发、测试人员，还有一些更后端的人员比如交互运维的同学放在一起，组成一个特训团队做交付。这个团队要包含交付过程中所涉及的所有角色。 接着业务敏捷要打通整个业务环节和研发侧的一个交付。上图中可以看到在敏捷中需求是分层管理的，第一层是业务需求，在这个层级是以用户目标和业务目标作为输入进行规划，同时需要去考虑客户的诉求。业务人员通过获取到的业务需求，进一步的和团队一起将其分解为产品需求。所以业务需求其实是我们真正去发布和运营的单元，它可以被独立发布到我们的生产环境上。我们的产品需求其实就是产品的具体功能，它是我们集成和测试的对象，也就是我们最终去部署到系统上的一个基本单元。产品需求再到了我们的开发团队，映射到迭代计划会上要把它分解为相应的技术任务，包括我们平时所说的比如一些前端的开发、后端的开发、测试都是相应的技术任务。所以业务敏捷要达到的目标是需要去持续顺畅高质量的交付业务价值。 将这几个点串起来，形成金字塔结构。最上层我们会把业务目标放在整个金字塔的塔尖。这个业务目标是通过用户的目标以及北极星指标确立的。确认业务目标后再去梳理相应的业务流程，最后生产。另外产品需求包含了操作流程和业务规则，具需求交付时间、工程时间以及我们的一些质量标准的要求。 谈到用户影响的地图，在敏捷江湖上其实有一个传说，大家都有一个说法叫做敏捷需求的“任督二脉”。用户影响地图其实就是任脉，在黑客马拉松上用过的用户故事地图其实叫督脉。所以说用户影响地图是在用户故事地图之前，先帮我们去梳理出我们要做哪些东西。当我们真正识别出我们要实现的业务活动之后，用户故事地图才去梳理我们整个的业务工作流，以及每个工作流节点下所要包含的具体功能和用户故事。所以说用户影响地图需要解决的问题，我们包括以下这些： 首先是范围蔓延，我们在整张地图上，功能和对应的业务目标是要去有一个映射的。这就避免了一些在我们比如有很多干系人参与的会议上，那大家都有不同想法些立场，会提出很多需求（正确以及错误的需求）。这个时候我们会依据目标去看这些需求是否真的是会影响我们的目标。 这里提到的错误需求，比如是利益相关的人提出的、客户认为产品应该有的、某个产品经理需求分析师认为可以有的....但是这些功能在用户影响地图中匹配不到对应目标的话，就需要降低优先级或弃掉。另外，通常我们去制定解决方案的时候，会考虑较完美的实现，导致解决方案括很多的功能。这个时候关键目标至关重要，会帮助我们梳理筛选、确定优先级。 看一下用户影响到地图概貌 总共分为一个三层的结构： 第一层why，你的业务目标哪个是最重要的，为什么？涉及到的角色有哪些？ 第二层how ，怎样产生影响？影响用户角色什么样的行为? （不需要去列出所有的影响，基于业务目标） 第三层what，最关键的是在梳理需求时不需一次把所有细节想全，这通常团队中经常遇到的问题。 我们用这个例子来看一下 这是一个客服中心的影响地图，业务目标是 3个月内不增加客服人数的前提下能支持1.5倍的用户数。此业务目标设定是符合 smart 原则的，specific非常的具体，miserable 是可以衡量的，action reoriented是面向活动的， real list 也是很实际的。 量化的目标会指引我们接下来的行动，梳理一个业务目标，尽量去量化，比如 ：我们通过打造一条什么样的流水线，能够提高整个部署的效率，时间是原来的 1/2 。这样才是一个能量化的有意义的目标。 回到这幅图， how 层级识别出来的内容，客服角色：想要对它施加的影响，把客户引导到论坛上，帮助客户更容易的跟踪问题，更快速的去定位问题。初级用户：方论坛上找到问题。高级用户：在论坛上回答问题。通过我们这些用户角色，进行活动，完成在不增加客户客服人数的前提下支持更多的用户数量。 最后一个层级，才是我们日常接触比较多的真正的功能的特性和需求，比如引导到客户到论坛上，其实这个产品就需要有一个常见问题的论坛的链接。这个层次需要我们团队进一步地在交付，在每个迭代之前做进一步的梳理，细化成相应的用户故事。  这个是云智慧团队中，自己做的影响地图的范例，可以看下整个的层级结构。序号表示优先级。 那我们用户影响地图可以总结为：

• iCloud 切换区域，中国区保留 appStore（更新）--自 2018 年 2 月 28 日起，中国区 iCloud 由云上贵州管理 苹果公司发布的公告 https://support.apple.com/zh-cn/HT208352 关键词 关键部分 受影响的 iCloud 账户：国家或地区设置为 "中国 "的 Apple ID。 iCloud 包含的服务照片、邮件、通讯录、日历、提醒事项、备忘、书签、钱包、钥匙串、云备份、云驱动器、应用程序数据 新条款和条件： 同意仅出于本协议允许的目的并在中国法律允许的范围内使用服务。 云桂洲在提供服务时应使用合理的技能并尽职尽责，但在适用法律允许的最大范围内，我们不保证或担保您通过本服务存储或访问的任何内容不会意外损坏、崩溃、丢失或根据本协议的条款被删除，如果发生此类损坏、崩溃、丢失或删除，我们不承担任何责任。您应自行负责维护您的信息和数据的适当备份。 Apple 和云上贵州有权访问您存储在服务中的所有数据，包括有权根据适用法律相互之间共享、交换和披露所有用户数据（包括内容）。 本协议的解释、效力和履行应适用*法律。对于因本协议引起的或与本协议有关的任何争议，云桂洲和您同意提交中国国际经济贸易仲裁委员会（CIETAC）根据提交仲裁时有效的法律在北京进行具有约束力的仲裁。 由云桂洲管理，用户选择： 停用； ID 到地区； 受 iCloud（由云桂洲运营）条款和条件约束 首先，我想说说我对数据安全的看法。 当我在朋友圈发布通知时，有些朋友回复说国外的操作并没有多安全，或者国外的安全只是相对于国外而言的等等。首先，我非常感谢这些朋友，这让我反思什么是数据安全。以下观点均属个人观点： 国外的月亮一定比国内圆？ 这是一个根深蒂固的问题，只要有人说国外的东西比国内好，就会有人嘲笑崇洋媚外。我觉得我们在某些方面应该向国外学习，比如搜索引擎和版权问题。打开百度搜索 "数据安全"，第一行肯定是广告。打开谷歌搜索 "数据安全"，第一条就是 "数据安全_百度百科" .....各种版权问题大家都明白，支持正版，但不仅客户一心想找免费破解，就连作者也往往没有保护自己劳动成果或产品的想法。但从另一个层面来说，国内的发展和安全，甩国外几条街。没有说哪里好，哪里不好，辩证地去学习更好。 国外也有别有用心的数据泄露，谈何安全？ 从加密解密的角度看，自古以来就没有绝对安全的加密，只有相对安全的做法。苹果的棱镜门、微软的 cpu 漏洞，各种参差不齐的被破解案例 ....是的，这的确是一个很好的论据，但凡事都不能只看一面，当年苹果面对FBI破解手机的要求，几经论证，苹果还是拒绝破解。这点拿到国内，只要上面的文件传达下去，还有企业敢说不吗？还敢说不吗？ 关于这次iCloud数据迁移个人看法？ 把数据迁移到贵州的云端，相当于把手机的所有数据都存储在贵州的云端服务器上。也许访问数据的速度会快很多，但我会把我的iCloud区放到美国，因为我不想数据存在云上贵州后经常接到莫名其妙的电话或短信，更不想因为乱用国外服务器而被请去喝茶。iCloud一个ID，即从中国账号转到美国区，主要用于数据存在美国服务器上。appStore一个ID，除了注册一个中国ID外，专门用来下载应用用，因为国外ID不支持酷狗和网易云等应用。麻烦的是，用了新的 appStore ID 后，当前的应用还得重新下载安装，因为旧的应用 ID 与新的应用 ID 不兼容，安装不了。最后，iCloud迁移后，国内用户使用美国服务器，估计要 "扶墙 "了。 专业步骤： 首先，进行appleID设置，这是前提条件，否则无法选择转移区域！ 取消 appleID 的双重认证 取消家庭共享选项 二、窗口下载并安装 icloud 3.0 版

• [姿势估计] 实践记录：使用 Dlib 和 mediapipe 进行人脸姿势估计 - 本文重点介绍方法 2）：方法 1：基于深度学习的方法：。 基于深度学习的方法：基于深度学习的方法利用深度学习模型，如卷积神经网络（CNN）或递归神经网络（RNN），直接从人脸图像中学习姿势估计。这些方法能够学习更复杂的特征表征，并在大规模数据集上取得优异的性能。方法二：基于二维校准信息估计三维姿态信息（计算机视觉 PnP 问题）。 特征点定位：人脸姿态估计的第一步是通过特征点定位来检测和定位人脸的关键点，如眼睛、鼻子和嘴巴。这些关键点提供了人脸的局部结构信息，可用于后续的姿势估计。 旋转表示：常见的旋转表示方法包括欧拉角和旋转矩阵。欧拉角通过三个旋转角度（通常是俯仰、偏航和滚动）描述头部的旋转姿态。旋转矩阵是一个 3x3 矩阵，表示头部从一个坐标系到另一个坐标系的变换。 三维模型重建：根据特征点的定位结果，三维人脸模型可用于姿势估计。通过将人脸的二维图像映射到三维模型上，可以估算出人脸的旋转和平移信息。这就需要建立人脸的三维模型，然后通过优化方法将模型与特征点对齐，从而获得姿势估计结果。 特征点定位 特征点定位是用于检测人脸关键部位的五官基础部分，还有其他更多的特征点表示方法，大家可以参考我上一篇文章中介绍的特征点检测方案实践：人脸校正二次定位操作来解决人脸校正的问题，客户在检测关键点的代码上略有修改，坐标转换部分客户见上图 def get_face_info(image). img_copy = image.copy image.flags.writeable = False image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) results = face_detection.process(image) # 在图像上绘制人脸检测注释。 image.flags.writeable = True image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR) box_info, facial = None, None if results.detections： for detection in results. for detection in results.detections: mp_drawing.Drawing.detection = 无 mp_drawing.draw_detection(image, detection) 面部 = detection.location_data.relative_keypoints 返回面部 在上述代码中，返回的数据是五官（6 个关键点的坐标），这是用 mediapipe 库实现的，下面我们可以尝试用另一个库：dlib 来实现。 使用 dlib 使用 Dlib 库在 Python 中实现人脸关键点检测的步骤如下： 确保已安装 Dlib 库，可使用以下命令： pip install dlib 导入必要的库： 加载 Dlib 的人脸检测器和关键点检测器模型： 读取图像并将其灰度化： 使用人脸检测器检测图像中的人脸： 对检测到的人脸进行遍历，并使用关键点检测器检测人脸关键点： 显示绘制了关键点的图像： 以下代码将参数 landmarks_part 添加到要返回的关键点坐标中。

• 紧急模式问题处理 - 图 1 紧急模式 根本原因分析 应急模式提供了尽可能小的环境，即使无法进入应急模式，也可以在其中修复系统。在应急模式下，系统只安装根文件系统供读取，不尝试安装任何其他本地文件系统，不激活网络接口，只启动一些基本服务。 进入应急模式的原因通常是 /etc/fstab 文件中存在错误，导致文件系统挂载失败。 文件系统中存在错误，导致。 约束和限制 本节适用于 Linux 操作系统紧急模式。程序涉及修复文件系统。修复文件系统有丢失数据的风险，因此请先备份数据，然后再执行修复操作。 处理方法 输入根密码，然后进入修复模式。 在应急模式下，根分区以只读模式挂载。要修改根目录中的文件，需要执行以下命令以读写模式重新挂载根分区。# mount -o rw,remount / 请执行以下命令首先检查 fstab 文件是否有误，然后尝试挂载所有未挂载的文件系统。# mount -a 如果挂载点不存在，请创建一个挂载点。 如果不存在此类设备，请注释或删除挂载行。 如果指定了不正确的挂载选项，请将挂载参数更改为正确的参数。 如果没有发生错误，但出现 UNEXPECTED INCONSISTENCY;RUN fsck MANUALLY 消息（通常是由文件系统错误引起的），请跳至第 7 步。 执行以下命令打开 /etc/fstab 以修改相应的错误。# vi /etc/fstab /etc/fstab 文件包含以下字段，以空格分隔：[文件系统] [dir] [type] [options] [dump] [fsck] 表 1 /etc/fstab 参数 说明 参数 说明 [文件系统］ 要挂载的分区或存储设备。 文件系统]列建议以 UUID 的形式写入。执行 blkid 命令可查询设备文件系统 UUID。 参考格式如下： # <device> <dir> <type> <options> <dump> <fsck>； UUID=b411dc99-f0a0-4c87-9e05-184977be8539 /home ext4 defaults 0 2 使用 UUID 的好处是，它们与磁盘顺序无关。如果你在 BIOS 中更改了存储设备的顺序，或重新插入了存储设备，或者因为某些 BIOS 可能会随机更改存储设备的顺序，那么使用 UUID 会更有效率。 [文件系统］ 文件系统]的挂载位置。 类型 挂载设备或分区的文件系统类型，支持多种不同的文件系统：ext2、ext3、ext4、reiserfs、xfs、jfs、smbfs、iso9660、vfat、ntfs、swap 和 auto。 设置为自动类型后，挂载命令会猜测所使用的文件系统类型，这对 CDROM 和 DVD 等移动设备非常有用。 选项 挂载时要使用的参数，有些参数是特定文件系统特有的。例如，默认值参数使用文件系统的默认挂载参数，ext4 的默认参数为：rw、suid、dev、exec、auto、nouser、async。 有关更多参数，请执行以下命令查看 man 手册：# man mount

• 反传销网8月30日发布：视频区块链里的骗子，币里的韭菜，杜子建骂人了！金融大V周召说区块链！——“一小帮骗子玩一大帮小白，被割韭菜，小白还轮流被割，割的就是你！” 什么区块链，统统是骗子 作者：周召（知乎金融领域大Ｖ，毕业于上海财经大学，目前任职上海某股权投资基金合伙人） 有人问我，区块链现在这么火，到底是不是骗局？ 我的回答是： 是骗局。而且我并不是说数字货币是骗局，而是说所有搞区块链的都是骗局。 -01- 区块链是一种鸡肋技术 人类社会任何技术的发明应用，本质都是为了提高社会的生产效率。而所谓区块链技术本质不过是几种早已成熟的技术的大杂烩，冗余且十分低效，除了提高了洗钱和诈骗的效率以外，对人类社会的进步毫无贡献。 真正意义上的区块链得包含三个要素：分布式系统（包括记账和存储），无法篡改的数据结构，以及共识算法，三者互为基础和因果，就像三体世界一样。看上去挺让人不明觉厉的，而经过几年的瞎折腾，稍微懂点区块链的碰了几次壁后都已经渐渐明白区块链其实并没有什么卵用，区块链技术已经名存实亡，沦为了营销工具和传销组织的画皮。 因为符合上述定义的、以比特币为代表的原教旨区块链技术，是反效率的，从经济学角度来说，不但不是一种帕累托改进，甚至还可以说是一种帕累托倒退。 原教旨区块链技术的效率十分低下，因为要遍历所有节点，只能做非常轻量级的数据应用，一旦涉及到大量的数据传输与更新，区块链就瞎了。 一方面整条链交易速度会极慢，另一方面数据库容量极速膨胀，考虑到人手一份的存储机制，区块链其实是对存储资源和能源的一种极大的浪费。 这里还没有加上为了取得所谓的共识和挖矿消耗的巨大的能源，如果说区块链技术是屎，那么这波区块链投机浪潮可谓人类历史上最大规模的搅屎运动。 区块链也验证不了任何东西。 所谓的智能合约，即不智能，也非合约。我看有人还说，如果有了智能合约，就可以跟老板签一份放区块链上，如果明年销售业绩提升30%，就加薪10%，由于区块链不能篡改，不能抵赖，所以老板必须得执行，说得有板有眼，不懂行的愣一看，好像还真是那么回事。 但仔细一想，问题就来了。首先，在区块链上如何证明你真的达到了30%业绩提升？即便真的达到老板耍赖如何执行？ 也就是说，如果区块链真这么厉害，要法院和仲裁干什么。 人类社会真正的符合成本效益原则的是代理制度。之前有人说要用区块链改造注册会计师行业，我不知道他准备怎么设计，我猜想他思路大概是这样的，首先肯定搞去中心化，让所有会计师到链上来，然后一个新人要成为注册会计师就要所有会计师同意并记录在链上。 那我就请问了，我每天上班累死累活，为什么还要花时间去验证一个跟我无关的的人的专业能力？最优做法当然是组织一个委员会，让专门的人来负责，这不就是现在注册会师协会干的事儿吗？区块链的逻辑相当于什么事情都要拿出来公投，这个绝对是扯淡的。 当然这么说都有点抬举区块链了，区块链技术本身根本没有判断是非能力，如果这么高级的人工智能，靠一个无脑分布式记账就能实现的话，我们早就进入共产主义社会了。 虽然EOS等数字货币采用了超级节点，通过再中心化的方式提高效率，有点行业协会的意思，是对区块链原教旨主义的一种修正，但是依然无法突破区块链技术最本质的局限性。有人说，私有链和联盟链是区块链技术的未来，也是扯淡，因为区块链技术没有未来。如果有，说明他是包装成区块链的伪区块链技术。 区块链所涉及的所有底层技术，不管是分布式数据库技术，加密技术，还是点对点传输技术等，基本都是早已存在没什么秘密可言的技术。 比特币系统最重要的特性是封闭性和自洽性，他验证不了任何系统自身以外产生的信息的真实性。 所谓系统自身产生的信息，就是数据库数据的变动信息，有价值的基本上有且只有交易信息。所以说比特币最初不过是中本聪一种炫技的产物，来证明自己对几种技术的掌握，你看我多牛逼，设计出了一个像三体一样的系统。因此，数字货币很有可能是区块链从始至终唯一的杀手应用。 比特币和区块链概念从诞生到今天已经快10年了，很多人说区块链技术在爆发的前夜，但这个前夜好像是不是有点过长了啊朋友，跟三体里的长夜有一拼啊。都说区块链技术像是90年代初的互联网，可是90年代初的互联网在十年发展后，已经出现了一大批伟大的公司，阿里巴巴在99年都成立了，区块链怎么除了币还是币呢？ 正规的数字货币未来发展的形式无外乎几种，要么就是论坛币形式，或者类似股票的权益凭证等。问题是论坛币和股票之前，本来也都电子化了，区块链来了到底改变了什么呢？ 所有想把TOKEN和应用场景结合起来的人最后都很痛苦，最后他们会发现区块链技术就是脱裤子放屁，自己辛苦搞半天，干嘛不自己作为中心关心门来收钱？最后这些人都产生了价值的虚无感，最终精神崩溃，只能发币疯狂收割韭菜，一边嘴里还说着我是个好人之类的奇怪的话。 因此，之前币圈链圈还泾渭分明，互相瞧不起，但这两年链圈逐渐坐不住了，想着是不是趁着泡沫没彻底破灭之前赶快收割一波，不然可能什么都捞不着了。 前段时间和一个名校毕业的链圈朋友瞎聊天，他说他们“致力于用区块链技术解决数字版权保护问题”，我就问他一个问题，你们如何保证你链的版权所有权声明是真实的，万一盗版者抢先一步把数据放在链上怎么办。他说他们的解决方案是连入国家数字版权保护中心的数据库进行验证…… 所以说区块链技术就是个鸡肋，研究到最后都会落入效率与真实性的黑洞，很多人一头扎进链圈后才发现，真正意义上的区块链技术，其实什么都干不了。 -02- 不是蠢就是坏的区块链媒体 空气币和区块链的造富神话，让区块链自媒体也开始迎风乱扭。一群群根本不知道区块链为何物的妖魔鬼怪纷纷进驻区块链自媒体战场，开始大放厥词胡编乱造。 任何东西，但凡只要和区块，链，分，分布式，记账，加密，验证，可追溯等等这些个关键词沾到哪怕一点点，这些所谓的区块链媒体人就会像狗闻到了屎了一样疯狂地把区块链概念往上套。 这让我想起曾经一度也是热闹非凡的物联网，我曾经去看过江苏一家号称要改变世界的“物联网”企业，过去一看是生产路由器的，我黑人问号脸，对方解释说没有路由器万物怎么互联，我觉得他说得好有道理，竟无言以对。 好，下面让我们进入奇葩共赏析时间，来看看区城链媒体经常有哪些危言耸听的奇谈怪论 区块链（分布式记账）的典型应用是*？？ 正如前面所说，真正意义上的区块链分布式记账，不光包括“记”这个动作，还包括分布式存储和共识机制等。而*诞生远远早于区块链这个词的出现，勉强算是“分布式编辑”吧，就被很多区块链媒体拿来强行充当区块链技术应用的典范。 其实事实恰恰相反，*恰恰是去中心化失败的典范，现在如果没有精英和专业人士的编辑和维护，*早就没法看了。 区块链会促进社会分工？？ 罗振宇好像就说过类似的话，虽然罗振宇说过很多没有逻辑的话，但这句话绝对是最没逻辑思维的。很多区块链自媒体也常常用这句话来忽悠老百姓，说分工代表效率提高社会进步，而区块链“无疑”会促进分工，他们的理由仅仅是分工和分布式记账都共用一个“分”字，就强行把他们扯到一起。 实际情况恰恰相反，区块链是逆分工的，区块链精神是号召所有人积极地参与到他不擅长也不想掺合的事情里面去。 区块链不能像上帝一样许诺他的子民死后上天国，只能给他们许诺你们是六度人脉中的第一级，我可以赚后面五级人的钱，你处于金字塔的顶端。