一篇关于 AI API 中转站的调研，约 1.2 万字。
从一条 6TB 数据泄露的推文说起，往下分三块：

• 这门生意怎么赚钱（第 2 节）
• 系统怎么运转（第 3 节）
• 要做成一个安全可靠的版本还缺什么（第 4、5 节）。

只想看结论，跳到 5.7 的架构图。
整篇下来最难的不是转发，是计费：上游余额根本查不准，只能估算加对账。

1. 起因

2026 年 9 月，安全研究员寿超璠在 X 上发了条推文。他花五位数美元，从国内一家头部大模型中转站买到了一批约 6TB 的调用数据。

数据没脱敏。里面有 SSH 密钥、VPN 配置、阿里云密钥、GitLab token。按他本人的说法，仅凭这批凭证就能接管 19 家中国企业（含小米、华为、蔚来）和 7 个中国及独联体政府机构。这家平台不只囤日志，还把它当微调语料在黑灰市场出售。

真正让我停下来的是这些数据怎么来的。中转站没被攻破，是那些公司的开发者自己把密钥写进 prompt 发过去的。中转站照单全收，存下来，再拿出去卖。

要理解这件事，得先知道这门生意是怎么赚钱的。

2. 这门生意靠什么活着

AI API 中转站是夹在用户和模型厂商之间的代理层：请求先到中转服务器，中转站用自己持有的 key 调官方接口，再把结果返回。它解决支付、网络、多模型统一接口三件事。

按 key 来源分两类，官转（正规官方 key，效果等同官方）和混合（混用逆向渠道，质量不稳）。按合规程度分三级：

这个市场靠三个差活着：

• 准入差（海外支付、实名、地区限制）
• 价格差（批量折扣、缓存、渠道报价不同）
• 便利差（一个 key 打通多家）。

技术重心因此偏向计费精确和多租户隔离，而不是高可用。后面所有设计，根子都在这里。

2.1 正规路径

正规路径赚的是批发零售的差价，三块收入。

批量折扣最基础。OpenAI Batch 和 Anthropic Message Batches 都是输入输出各打五折，还能跟缓存叠加。

缓存套利最容易被忽略，上游对命中缓存的输入只收一折：

按原价卖给用户，中间九成就是利润。

渠道差价是同一模型在官方直连、Bedrock、Vertex 的报价不同，路由到便宜的。订阅制包月则是赌用户用不满。

2.2 灰色地带

第一条推文里的那家平台，就属于这一层。而且它不是孤例，有实测数据。

2026 年 4 月的论文《Your Agent Is Mine》测了 428 个 API 路由器：9 个主动篡改 Agent 指令注入恶意代码，17 个接触并实际调用了研究者埋的 AWS 凭证，1 个转走了测试钱包的 ETH。

德国 CISPA 审计了 17 家中转站，归纳出偷换的三条路径：信息溢价（强模型换弱版）、折扣替换（按官方价收费，后端是开源小模型）、转售加价（加价同时暗中降级）。

降智能量化。医疗问答基准上 Gemini-2.5-flash 官方准确率 83.82%，被测中转站普遍约 37%。GPQA 的 1273 条 GPT-5 查询，用户付 14.84 美元，实际只拿到 5.70 到 7.77 美元的价值。

逆向是抓包 IDE 插件（Codex、Claude Code）的协议，把只卖给单个会员的额度转给多人。便宜，但内置别人的系统提示词，官方一封就停。

识别有四条探针：

• 缓存真假。发两次完全相同的长前缀请求，看第二次的 cache_read_input_tokens 是否大于 0
• 模型真假。给一个暗号要求原样复述，暗号没回来，或者返回的 model 字段对不上，就是被偷换了
• 上游来源。看响应头，有 anthropic-* 或 request-id 是官方直连，x-amzn 是 Bedrock，只剩 server: nginx 说明上游头被中转站清掉了
• 是否逆向。不发 system，直接问它是不是被设定成编程助手，自称 Claude Code 之类就是反代了别人的订阅

2.3 黑产

黑产一边是薅平台的额度，一边是经营者自己的刑事风险。

薅额度靠后付费吃霸王餐、教育邮箱蹭学生优惠、盗刷信用卡、批量注册，催生大量存活几小时的”日抛号”。

刑事风险已是现实。2026 年 5 月上海一名中转站站长被刑拘 37 天后转取保候审，可能涉非法经营罪，模式是反向代理加账号池。引用罪名还有帮信罪、侵犯公民个人信息罪等。反面判例也有：首例 GPT 镜像站案因证据不足不起诉，理由是单纯接口转发和侵入系统有本质区别。

洗钱这条查不到具体判例，只有间接线索（用盗刷信用卡获取的额度可能触犯掩饰隐瞒犯罪所得罪）。”中转站是洗钱通道”的说法缺少证据支撑。

3. 中转站是怎么运转的

看清了生意，再看机器。这类系统目前最常见的开源实现是 New API，基于 One API 二次开发，定位是 LLM 网关加 AI 资产管理。

3.1 分层与代码结构

后端 Go 加 Gin，ORM 用 GORM（支持 SQLite、MySQL、PostgreSQL，日志可走 ClickHouse），缓存用 Redis，授权用 Casbin 加 JWT，计费用 shopspring/decimal 做精确小数。前端是 React 19 加 TypeScript，构建产物用 go:embed 嵌进 Go 二进制，部署就是一个文件。

整体的分层是这样：

1
2
3
4
5
6
7
8
9
10
11
12

┌─ 接入 ──────────────────────────────────────────
│  客户端：OpenAI / Claude / Gemini 协议
├─ 网关 ──────────────────────────────────────────
│  middleware/：TokenAuth → 限流 → Distribute
├─ 业务 ──────────────────────────────────────────
│  controller/ + service/：用户 · 渠道 · Token · 计费 · 授权
├─ 代理 ──────────────────────────────────────────
│  relay/ 40+ 供应商适配器   relaykit/ 协议互转
├─ 存储 ──────────────────────────────────────────
│  model/ GORM（MySQL / PostgreSQL / ClickHouse）
│  Redis（配额 · 限流 · 亲和性）
└─────────────────────────────────────────────────

要找地方改代码，按这张表：

3.2 一次请求的完整链路

以 POST /v1/chat/completions 为例：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

┌─ 请求链路 ──────────────────────────────────────
│
│  客户端请求
│      ↓
│  ① TokenAuth     提取 key · 查表校验 · 注入 Context
│      ↓
│  ② 限流           用户 × 模型 滑动窗口 + 令牌桶
│      ↓
│  ③ Distribute     解析模型名 · 查 Token 模型限制 · 选渠道
│      ↓
│  ④ Relay Handler  判断协议 · 选适配器 · 转换请求
│      ↓
│  ⑤ 上游转发       加认证头 · 发 HTTP 请求
│      ↓
│  ⑥ 响应处理       转回客户端格式 · 计费 · 写日志 · 更新健康度
│      ↓
│  SSE 逐 chunk 写回
└─────────────────────────────────────────────────

中间件链是短路的，任何一环失败立即返回，不浪费后续资源。

第 ③ 步的渠道选择是核心，顺序固定：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

┌─ 渠道选择（Distribute）─────────────────────────
│
│  ① 亲和性缓存命中？
│       ├─ 是 → 复用上次成功的渠道（省去切换开销）
│       └─ 否 ↓
│  ② 过滤候选渠道
│       剔除：已禁用 / 超时 / 余额不足 / 已熔断 / 不支持该模型
│           ↓
│  ③ 按渠道权重加权随机抽取
│           ↓
│  ④ 调上游
│       ├─ 失败 → 标记该渠道不健康 → 回 ② 换一个
│       └─ 成功 ↓
│  ⑤ 写回亲和性缓存 · 结算 · 记日志
└─────────────────────────────────────────────────

亲和性缓存是 Redis 里的一个键值，记的是「这个用户加这个模型上次走通了哪个渠道」。有了它，同一用户的连续请求会落回同一个上游，prompt 缓存才命得中；不然请求被打散，每次都像新对话。

熔断保护的是网关自己。某个渠道连续失败到阈值，就先把它从候选里摘掉，过一阵放一个请求过去试探，通了再加回来，免得一直往已经挂掉的上游发请求。

适配器是统一接口，每个供应商实现同一组方法：拿渠道名、构造上游 URL、设置认证头、请求转换、执行请求、响应转换、返回支持的模型列表。加新供应商就是实现这一套。渠道还能配模型名映射（gpt-4 映射到 gpt-4-0613）和参数覆盖（强制某个 temperature）。

3.3 计费：一本双向的账

中转站的钱包不止一个。用户那侧是应收账款，上游账号池那侧是应付账款，两边都得看住，任何一侧失控都会直接变成故障或亏损。

下游：预扣、结算、退款

难点在于流式响应下 token 数要等上游返回 usage 才知道，那时资源已经消耗完了。不预扣等于先发货后收钱。

这套流程和电商库存扣减是同一个形状：下单时占住库存，支付确认后核销，超时没付再释放。换成配额，就是请求到达时预扣、上游返回 usage 后结算、请求失败则退还。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

┌─ 计费生命周期 ──────────────────────────────────
│
│  请求到达
│      ↓
│  按估算 token 预扣（Redis Lua 原子 check-and-deduct）
│      ├─ 返回  1 → 转发上游
│      ├─ 返回  0 → 拒绝请求（余额不足）
│      └─ 返回 -1 → 缓存回填后重试 ──┐
│                                     └──→ 回到预扣
│  上游返回实际 usage
│      ↓
│  结算：delta = 实际 - 预扣
│      ├─ delta > 0 → 补扣
│      └─ delta < 0 → 退还
│
│  请求失败 ──→ 全额退还预扣（异步，不阻塞主流程）
└─────────────────────────────────────────────────

Redis Lua 脚本在单线程内完成 check-and-deduct。脚本先校验缓存里的用户 ID 和 schema 版本防止串号，再判断余额，够了才扣。

返回 -1 表示缓存里没有这个用户的数据。这时要先把数据从 MySQL 读出来写进 Redis，再重试扣减，这一步叫缓存回填。回填也失败或者 Redis 本身异常，就降级到数据库的条件更新 UPDATE quota = quota - ? WHERE quota >= ?。还有最后一种情况：Redis 扣成功但数据库写失败，需要补偿回滚 Redis。

费用全程用 decimal，避免多次浮点乘法累积误差。计费要处理多维度 token：基础 prompt、缓存命中、缓存创建、图片、音频各有倍率。而 OpenAI 和 Claude 的 usage 语义不同，前者 prompt_tokens 含子类要减，后者 input_tokens 是纯文本不用减，适配层要做归一化。

缓存上有个细节处理得不错：Token 缓存的 key 用 HMAC 签名而非明文，另设 10 秒变更围栏，元数据变更前先设围栏，防止”读到旧值写回覆盖变更”的竞态。

上游：账号池与余额

下游管的是应收，上游管的是应付，而后者的难度高一个量级。

中转站天然持有多账号，因为单一上游账号有额度上限、地区限制和封号风险。账号多了要调度，而上游余额是个软状态。

最硬的事实是 OpenAI 根本没有官方余额接口。曾经可用的 /dashboard/billing/credit_grants 从 2023 年 4 月起只认浏览器 session key，不认 API key。社区只能拿 /dashboard/billing/subscription 的额度上限减去 /dashboard/billing/usage 的累计用量倒推。余额只能估算，必然漂移：上游扣费是异步的，估算和实际有时间差，检查余额和发出请求之间还有窗口期，并发下就会超支。

应对四个动作：监控（能查的定时查，不能查的按用量推算并记录偏差）、预检（请求前判断够不够）、切换（触底自动禁用渠道并路由到备用）、预警（低于阈值告警，留出人工充值时间）。

多账号之间调度余额，就是头寸管理：账户分散在不同机构，余额查不到实时值，要在不透支的前提下把请求路由到还有钱的那一个。做过支付或信贷的人对这套不陌生，只是这里的透支表现为上游返回 402，而不是账面上的负数。

这也解释了 3.2 里路由为什么能”过滤余额不足的渠道”——它过滤的正是这里推出来的估算余额。估算不准的时候，这道过滤就会失效。

4. New API 二次开发

这一节说的是，如果要基于 New API 改一个自己的版本，哪些前提必须先知道。

4.1 许可：AGPLv3 约束了什么

AGPLv3 是动手前必须过的第一关。它不归技术管，但直接决定你能怎么改。

One API 是 MIT，宽松，商用和闭源二次开发几乎不受限。但 New API 是 AGPLv3 加第 7 节附加条款：

• 你修改后通过网络提供服务，必须向用户提供修改后版本的完整源代码
• 必须完整保留原有的品牌标识、LOGO 和版权声明，禁止修改、移除或遮盖

想移除品牌、想闭源提供 SaaS、或者公司政策禁用 AGPL 软件，都得先买商业许可。很多人 fork 下来第一件事就是换 logo，那一步就已经违约了。

4.2 值得改进的地方

规模上来才痛，不急但要知道：

• 渠道全量加载到内存，上千条会有内存压力和启动延迟，该改成按需加载加 LRU
• 缺分布式追踪，客户端到网关到上游没有 trace，排障全靠日志拼
• 结构化日志不统一，部分代码还在拼字符串，建议都带上 request_id
• 连接池默认值要按负载调，MaxOpenConns=1000 偏高，可能打垮数据库

要接新供应商就实现 relay/channel/ 下的适配器接口，改计费规则看 setting/billing_setting/ 的表达式和 setting/ratio_setting/ 的倍率，要加协议互转改 relaykit/relayconvert/ 的转换器注册表。

JS 插件值得一提：运行时是 Sobek（Grafana 的 JS 引擎），能在请求和响应阶段注入逻辑，不用重新编译 Go。加个用量审计或渠道筛选，走插件比改中间件轻。

5. 安全防护

前面讲的都是系统按设计跑的情况。这一节说的是它会怎么出事，以及要补什么。

5.1 计费风险

机制在 3.3 讲过，这里说它会怎么出事。

下游被薅有三种方式：并发竞态（同一笔余额被多个请求同时预扣）、超时白嫖（请求超时但上游已产生费用）、重放。防御核心是预扣必须原子、结算以服务端收到的 usage 为准、失败必须退还。

上游有个容易被忽略的失败模式：余额耗尽时上游返回 402 或 429，用户看到的是”服务异常”，而不是”我们没钱了”。这个错误归属的错位，是很多中转站莫名抖动的根因。

路由层还有个必须讲透的风险。失败就换渠道重试，在成本压力下会自然退化成静默降级：贵的渠道没钱了自动切便宜的，用户拿到的东西变了但完全无感。这就是 2.2 里以次充好的技术实现路径。很多时候不是有人故意作恶，而是降级没有对用户可见。

5.2 程序安全：已知漏洞

New API 有若干公开 CVE，两条直接打在钱上：

第一条特别值得看。一个无支付充值的漏洞说明，计费安全不只是账算得准不准，是有人能凭空造钱。

这些 CVE 编号、影响版本和文件路径来自公开漏洞库的检索结果，上生产前建议去 GitHub Security Advisory 或 NVD 逐个核对。

还有三条不属于 CVE 但同样致命：CORS 放宽来源同时允许携带凭证，会危及已登录的管理后台会话；默认弱密码，初始 root 密码和 docker-compose 里数据库、Redis 密码是同一个弱口令；Panic 信息直接返回给客户端，泄露内部路径和变量名。

5.3 加一层异步对账

上面都是修已知问题。New API 目前没有对账机制，这是我认为最该补的一项，也是 3.3 里那个余额漂移问题的兜底。

对账要覆盖三方数据：

三者本该一致，实际会因为缓存漂移、刷库丢失、上游扣费异步而产生差异。数据这样流转：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

┌─ 对账数据流转 ──────────────────────────────────
│
│  请求路径（同步，不阻塞）
│    请求 → 预扣 / 结算 / 退款
│              ├→ Redis 扣减
│              ├→ MySQL 刷库
│              └┈→ 消息队列（计费事件）
│
│  对账路径（异步）
│    消息队列 → 消费者 → 对账表
│
│    定时比对，四个来源：
│      · 对账表（本地逐笔明细）
│      · 上游账单接口
│      · Redis 余额
│      · MySQL 余额
│    差异超阈值 → 告警
└─────────────────────────────────────────────────

关键在那条虚线。请求路径只做它本来该做的事，扣减和刷库照旧，顺手把计费事件丢进消息队列就返回。真正的比对全在另一条线上跑，请求路径上多一次同步校验就是多一份延迟和故障点。

比对两类东西。逐笔对账看同一笔请求的四个数字是否相等：上游返回的 usage、本地日志记录的 usage、Redis 的扣减量、MySQL 的扣减量，对不上就是漏记或虚报。余额对账看 Redis 缓存余额和 MySQL 实际余额的差值，超阈值告警。

对账本身是支付行业的标准动作：上游账单、本地流水、渠道回执三方比对，差一分钱都要查。这里只是把渠道回执换成了模型返回的 usage，道理一样。

配套还要把批量更新队列持久化。配额扣减现在攒在内存队列里批量刷库，进程一崩就丢，对账时会表现为凭空多出来的余额。要么写 WAL，要么走消息队列，跟对账共用一条链路最省事。

5.4 凭据与隔离

上游 key 的存储和轮换要做到位，一个 key 泄露，爆炸半径是整条渠道。多租户隔离要保证一个用户的 token 不能看到或影响另一个。渠道密钥属于 root 级敏感信息，5.2 里那个 Passkey 绕过漏洞泄露的正是这个。

管道本身是明文的，中转站能看到用户发过去的一切。

5.5 数据防护：让敏感信息不进管道

回到开头那 6TB。泄露的四类东西，SSH 密钥、VPN 配置、阿里云 key、GitLab token，全部是正则可检测的格式，只是没人做这层过滤。

三个位置，按对症程度排：

• 日志层。6TB 是日志泄露的，不是实时拦截漏的。日志要么不落盘，要么落盘前脱敏，这条性价比最高
• 入口。prompt 进网关时扫描替换
• 出口。响应回来时还原占位符，并拦掉模型复述出来的敏感内容

检测走两条路。正则挡结构化内容，5 到 10 毫秒，密钥类有固定写法可循：

• AWS：AKIA 加 16 位大写字母数字
• OpenAI：sk- 开头
• 私钥：-----BEGIN ... PRIVATE KEY-----
• 通用：(password|secret|token|api[_-]?key) 加等号或冒号

NLP 模型（如 Presidio）抓人名、地址这类命名实体，但要 50 到 200 毫秒。

处理动作两种。Reject 直接拒绝返回 4xx；Mask 替换成占位符放行。可逆的 Mask 最有意思：把 <PERSON_1> 发给模型，映射表留本地，响应回来再还原。模型仍能理解上下文，真值从没出过网关。

流式还原是最大的坑。LiteLLM 有个真实 bug：Anthropic 原生路径下输入脱敏了，流式响应却从不还原，因为还原代码期望结构化对象，而 Anthropic 发的是原始 SSE 字节。根因是占位符会被切在两个 chunk 之间（<PER 一个包，SON_1> 下一个）。解法是 holdback：扫到未闭合的 < 就扣住不输出，等 token 完整再判断。

三个容易忽略的细节：

• 单次解码，不要级联替换，否则还原出来的值会被二次扫描破坏
• 碰撞预防，用户原文里本来就有 <PERSON_1> 这种字面量时不能误替换
• 容错匹配，模型可能改大小写或加 markdown 转义，认不出来的占位符原样保留，不要猜

覆盖面要说清楚：多数实现只扫出站请求，不扫 system prompt 和工具调用参数，流式响应脱敏很多还在路线图上。它保护的是出口，agent 自己的上下文里仍有真值。

5.6 可验证性：TEE 能让用户验什么

5.5 是减少暴露面，这节是让”没暴露”可验证。

承诺有三个层次。隐私政策和 DPA 属协议层，用户只能信。第三方审计属制度层，审的是过程，不是每一次执行。TEE 属技术层，用户能自己验。

原理是 CPU 和 GPU 划出一块加密内存区，宿主机读不到，包括云厂商和运营方自己。硬件还会用烧录的密钥签一份报告，内容是当前运行的代码哈希，用户拿 Intel、AMD 或 NVIDIA 的公钥验签就能确认。前提是代码可复现构建、哈希有公开台账，否则那串哈希对应什么源码只有自己知道。连 Apple 的 Private Cloud Compute 都没做到，它的二进制无符号，模型和接口也没公开。

性能不再是障碍。H100 跑 70B 模型开销约 1.4%，Intel TDX 上 20B 到 70B 是 2% 到 3%，开销来自 CPU 和 GPU 之间的加密传输，模型越大摊得越薄。OLLM、RedPill、0G、NEAR 等已经在做，都兼容 OpenAI，换个 base URL 就能用。

但对中转站有个绕不开的边界。TEE 只覆盖经过网关的那一段，上游如果是官方 API，数据出了 enclave 就归上游。它能证明自己没偷看，证明不了上游没存，而这恰恰是用户最担心的那一半。要端到端可信只能用 TEE 内的开源模型，那等于换产品：从”绕过准入的便宜通道”变成”可验证的隐私推理服务”，客户也从薅羊毛的学生换成有合规压力的企业。

最后，TEE 只是把信任从运营方转移到 Intel、AMD、NVIDIA 的硬件上。TEE.Fail（2025 年 10 月）表明物理内存总线攻击可以伪造证明。

5.7 改造后的整体架构

把上面几节加的东西合起来，长这样（带加号的是要新增的）：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

┌─ 改造后的整体架构 ──────────────────────────────
│
│  客户端
│     ↓
│  接入层      TLS · 体积限制 · 超时设置
│     ↓
│  安全层 +    TokenAuth → 限流 → 敏感信息脱敏
│              命中密钥或 PII → Reject 或 Mask
│     ↓
│  路由层      Distribute
│              亲和性缓存 → 过滤 → 加权随机
│     ↓
│  计费层 +    预扣（Redis Lua）→ 上游 → 结算 → 退还
│     ↓
│  代理层      relay 适配器 → 协议转换 → 上游账号池
│              渠道 key 只在内存，不落盘
│     ↓
│  出口层 +    占位符还原 · 流式 holdback · 日志脱敏
│     ↓
│  SSE 返回客户端
│
│  ┈┈ 异步旁路（不阻塞请求）┈┈
│  计费事件 → 消息队列 → 对账表 → 定时比对 → 告警
│
│  存储   MySQL（用户 · Token · 渠道 · 日志 · 对账表）
│         Redis（余额 · 限流 · 亲和性）
└─────────────────────────────────────────────────

改造集中在四个地方：入口的脱敏过滤器、计费的预扣与对账、出口的还原与日志脱敏、以及贯穿全链路的审计旁路。代理层和存储层基本不用动。

6. 回到开头

那 6TB 数据里最值钱的东西，SSH 密钥、云厂商密钥、GitLab token，格式全都是公开的、固定的。它被泄露，是没人做这层过滤。

这是这次调研里我最没想到的部分。原以为难点在技术，实际三处难点都不在”转发请求”这个动作上：计费的余额查不准只能估算、用户习惯把密钥塞进 prompt、以及”我不卖数据”这句话至今没法让用户自己验证。

TEE 是目前唯一能把第三点变成可验证事实的路径，但它只能覆盖经过网关的那一段，而且连 Apple 都没做到可复现构建。

一个安全可靠的版本该补哪些东西，5.7 那张图是结论。

7. 参考

• 安全内参 · 6TB 数据泄露，26 家校企系统被攻入
• 36氪 · 同一事件的中文报道
• @shoucccc · 寿超璠的原始推文
• arXiv 2604.08407 · Your Agent Is Mine，428 个路由器的实测
• 新浪财经 · CISPA 审计结论与降智量化数据
• cocoRaina/ai-guides · 中转站体检与 Token 对账，四条探针的出处
• 曼昆律所 · 上海站长被刑拘案的法律分析
• New API 文档 · AGPLv3 与第 7 节附加条款
• QuantumNous/new-api · 源码仓库
• NVD · CVE-2026-41432，Stripe webhook 绕过
• OpenCVE · CVE-2026-42339（SSRF）等其余条目
• BerriAI/litellm · #22821，流式响应不还原占位符
• Apple · Private Cloud Compute 安全文档
• arXiv 2409.03992 · Hopper GPU 机密计算性能基准
• OLLM、NEAR AI Cloud · 已在运行的 TEE 推理服务

CVE 编号与影响版本来自公开漏洞库检索，上生产前建议去 NVD 或 GitHub Security Advisory 逐个核对。

博客攒了 300+ 篇，标签一直没管过。
前几天想找「我写过哪些关于稳定性的东西」，在标签页翻了半天没找着，才下决心重做。

原来的样子不好看。

• 124 个标签，其中 82 个只用过一次，占三分之二；
• Java 一个标签挂了 105 篇，占全站三分之一；
• 另一头是「穿布鞋的马云」「StringBuffer的区别」这种，一辈子只用一次。

标签列表点进去一半是单篇，这就不叫导航了。

2. 前后对比

• 标签种数：124 → 27
• 只用过一次：82 → 1
• 标签槽位：412 → 334
• 无标签文章：11 → 49

主要标签的去向：

• Java 105 篇 → java 63、性能 10、中间件 7
• mysql 23 篇 → 存储 13、性能 5、运维 3
• linux 21 篇 → 运维 18
• idea 15 篇 → 13 篇不再有标签

比数字更重要的，是标准变了：标签回答「这篇在解决什么问题」，不再是「用了什么产品」。

mysql 那 23 篇最能说明问题。13 篇讲数据怎么组织，归了存储；5 篇讲怎么让查询更快，归了性能。
同一个产品标签拆进两个关注点，这个区分旧体系根本看不出来。

无标签文章从 11 篇涨到 49 篇，大多是注册码、激活密钥、IDE 快捷键这类，靠 category 和 keywords 兜住就够。

3. 怎么做的

第一轮是纯机械的：统一大小写、合并同义词、长尾降级。

• Ubuntu / centos / shell / ssh 合并成 linux；
• mongo 并入 mongodb，github / gitLab 并入 git；
• HashMap / jdk / 多线程 / jvm 并入 java。

124 收成 30 个，但方向不对：剩下的还是产品名，java 反而涨到了 111 篇。

第二轮换成按关注点划的词表，27 个：
架构、稳定性、性能、高并发、存储、缓存、分布式、中间件、可观测、安全、工程效能、
容器、网络、运维、自建服务、AI 工程、LLM、Agent、java、go、算法、成长、阅读、效率、面试、业余无线电、水族。

这个没法查表。一篇 MySQL 文章该归性能还是存储，只能读正文。
于是开了 20 个 agent 并行，每个认领 16 篇，读完正文再打 1 到 3 个标签。
跑之前先拿 15 篇试了一轮，把边界歧义定成规则，再跑全量。

被砍掉的长尾没丢，全部降级进 keywords，站内搜索照样能命中。

4. token 消耗

• 试点：3 个 agent，15 篇，10.8 万；
• 全量：20 个 agent，292 篇，93 万；
• 合计：23 个 agent，约 104 万，平均每篇 3400。

这只是子 agent 的消耗，不含主对话本身的上下文。

在大模型时代，模型响应时间以及响应内容确定性未知的情况下，怎么做好稳定性？
过去做过的经验能不能复用呢？比如高并发系统(TPS 25w、QPS 100w、TP999 < 80ms)。
我理解是可以复用的，因为本质上都是软件工程的问题，但有几处会变，放在第 3 节展开。
把事前、事中、事后这几步给做好，做扎实，怀着敬畏之心，肯定是 OK 的。

2. 全链路稳定性

全链路走六段：设计阶段留预案，开发阶段立规则，发布阶段卡流程，运行阶段看得见、扛得住，故障时先恢复再定位，复盘时把错误变成资产。
这些流程不是凭空定的，都是血泪教训总结出来的——不要因为省事而越过流程。

2.1 设计：让稳定性融入设计

把背景、约束理清楚。遇到高速增长的系统，我们要先考虑优化系统，再考虑增加硬件资源。平衡成本与收益。

• 依赖分级：把系统的强弱依赖搞清楚，强依赖尽量保证能降级；
• 失败处理：超时、重试、熔断、降级；写操作需要幂等( 网络默认是不可靠的 )；

• 隔离策略：按业务、租户、链路进行物理或逻辑隔离，避免互相影响。( eg：DB 的读写分离 )
• 兼容策略：涉及不兼容问题、特别是 C 端需要考虑新老接口共存，逐步切流。

设计阶段需要产出一份稳定性预案，主要描述：这个系统什么情况下会挂、挂了怎么办、对应怎么处置。

2.2 开发：规则约束

• 架构一致性：把架构边界写成测试( 比如”领域层不能依赖基础设施层” )，用 ArchUnit 做成用例，越界就红，不靠人记。
• 流水线卡点：静态检查、规范检查、单测覆盖率、圈复杂度，全部设成”不通过不合并”。
  • 覆盖率看增量，不看整体。整体覆盖率会被历史代码稀释，新代码的覆盖率才反映当前质量；
  • 圈复杂度超阈值( 比如单函数 10-15 )就该拆。复杂的地方就是出 bug 的地方，也不好读。
• 可观测埋点：新增的功能，默认的埋点是否足够？核心节点有相关日志吗？
• CR 重点：超时、幂等、埋点、日志规范、可读性、复杂度 ( 当然，业务准确性也需要看的 )

形成良好的开发习惯、通过 CR 或者排查问题复盘等沉淀团队共识，不断完善机制。

2.3 发布：流程约束

过程中主要有：优雅启停、灰度发布、观察上下游日志、监控、告警，验证业务数据。
发布之前要有上线 checklist，发布的时候按顺序傻瓜操作。什么时候算通过、什么情况要回滚需要明确。

• 灰度发布：分批次，按机房、按比例滚动发布；
• 细心监控：发布过程心怀敬畏，如果发现不符合预期，暂停发布
• 可靠回滚：允许一键回滚(一般是回滚程序，比较特殊的回滚：动态开关切回老链路)，需要考虑数据兼容、版本兼容等问题。
• 变更管控：明确发版节奏( 例如周二、周四发版 )，遇到大促等，严格管控变更。( 系统变更是万恶之源！)

2.4 运行：可观测、可容错

• 可观测：尽早发现问题、排查问题
  • 业务层面：单量、转化率等等
  • 应用层面：延迟、错误日志
  • 硬件层面：CPU、内存、网络、load等等
  • 基础设施：依赖的 Redis、MySQL、发号器等
• 监控告警：早于用户感知、有专人 oncall、有执行预案
• 容错处理：限流、熔断、降级、隔离
• 容量管理：定期压测、留有一定冗余、容量告警(默认 85%，增长快速的业务要时刻盯着)
• SLO 与错误预算：上面几条讲的是”怎么发现问题”，这条讲”什么时候该停下来修”。
  • SLI 是实测量( 成功率、延迟 )，SLO 是目标( 比如 99.99% )，错误预算 = 100% - SLO；
  • 预算烧完就冻结发布，先修稳定性——否则稳定性永远排在业务需求后面；
  • 这一步的意义是把稳定性从”口号”变成”可量化的资源”：业务要快可以，但得花预算。

2.5 故障：优先恢复而不是定位问题

实行故障分级制度，可以按时间、业务指标(GMV)等进行定级。
尽量做到 1-5-10：1 分钟发现、5分钟响应、10分钟恢复。
先恢复服务再查根因：降级、回滚、切流等进行止损，别召集排查代码。

出现重大故障，只能单一指挥，否则会出现 N 个人一直给 oncall 的人施加压力。

大部分故障来源都是：应用变更、配置修改等。所以变更管控是稳定性里性价比最高的一环。

2.6 复盘：让错误成为资产

尽量避免追责到人，否则当事人会倾向于隐藏事故，导致故障影响扩大。

复盘主要看：根因、改进(有 owner、有期限)、下次再出现怎么快速发现？

改进部分可以贯穿整个迭代过程：设计、编码、发布、监控等环节。

3. 大模型场景：这套框架哪里要变

框架是通用的，但大模型有几处和传统后端根本不一样，得单独说。

3.1 差异：三处和传统后端根本不同

• 输出非确定：同样的输入，两次输出可能不同。
• 计费在运行时：传统系统的容量成本是阶梯的( 加机器 )，大模型是每请求计费，成本随流量线性涨。
• 依赖不可控：供应商的配额、限流、故障你修不了。

3.2 指标：四个维度都要换口径

延迟上，TTFT 只是体验的一半。

• TTFT( 首字延迟 )：决定用户”等多久”；
• TBT / TPOT( token 间隔 )：决定用户”读得顺不顺”。
• 端到端总时长；
• 流式中断率：首字出来了、后面断了。传统接口没有”部分成功”这种状态，流式有。

成本上，token 用量要拆开看。

• 输入 / 输出 token 分开统计( 输出单价通常是输入的 3-5 倍，混在一起看不出问题 )；
• 缓存命中率(KV-Cache / prompt cache)：直接决定成本，也直接反映 prompt 布局好不好；
• 单会话 token 成本；
• 成本突增要当故障告警。prompt 膨胀、重试风暴、Agent 死循环，表现都是 token 飙升——它是前兆，不是账单。

质量维度，传统稳定性里完全没有这一块。

• 格式合法率：结构化输出( JSON / 卡片 )能不能解析；
• 幻觉率 / 忠实度；
• 工具调用成功率；
• 拒答率：该拒的拒了吗( 这类场景，漏拒比误拒危险 )；
• 轮次衰减：聊到第 15 轮，效果掉没掉。

容量上，吞吐的单位变了。

• 看 token/s，不是 QPS。同样的 QPS，输出长度不同，资源占用能差 10 倍；
• 上下文长度分布：长上下文是资源黑洞，一条超长会话能拖垮一个实例。

3.3 机制：要新增的四件事

• 评测门禁：输出非确定、没有断言可写，”系统是否正常”只能靠评测集判断。评测门禁就是大模型系统的回归测试，而且是唯一可行的那个。
• token 预算 + 超限降级：单请求、单会话、单租户都要有预算，超了降级( 缩上下文、切小模型、直接拒 )，不能放任。
• 多模型路由 + Failover + 可插拔：供应商挂了、限流了、涨价了，都要能切。模型是可替换的商品，不是基础设施。
• 格式校验：结构化输出在渲染前先校验(schema / AST)，非法的往下走不了。

3.4 小结：大模型带来的三条增量

上面 2.1 到 2.6 该做的还是要做。
大模型带来的增量就三条：

• 不能靠断言判断对错，所以要有评测；
• 成本随流量线性涨，所以要有预算；
• 模型不是你能修的东西，所以要有替换方案。

1
2
3
4
5
6
7
8
9

                           ┌────────────────────────────────────────────────────────┐
                           │            Eino 多智能体协同体系 (Multi-Agent)            │
                           └──────────────────────────┬─────────────────────────────┘
                                                      │
         ┌────────────────────────────────────────────┼────────────────────────────────────────────┐
         ▼                                            ▼                                            ▼
【范式 1: Host Multi-Agent】              【范式 2: Agent as a Tool】                 【范式 3: State Graph 协同】
• 机制: 意图识别分发 + Summarizer 聚合       • 机制: 主控 Agent 将 Sub-Agent 包装为 Tool    • 机制: 强类型全局状态机 + 条件边流转
• 适用: 专家分流 (客服/风控/导购)             • 适用: 深度自主规划、跨领域能力委派              • 适用: 复杂闭环业务、自反思、Saga 事务

1.1 Host-Specialist 模式（基于 Flow 集成）

Host Multi-Agent 是 Eino 官方封装的高内聚开箱模式。
Host 负责理解用户 Query 并做意图路由，分发给一个或多个 Specialist Agent，最后由可选的 Summarizer 模块聚合成最终流式输出。

架构核心机制：

• 单/多 Specialist 动态激活：Host 可判定单路由转发，也可同时 Fan-Out 派发给多个 Specialist。
• 流式平滑拼接：底层自动处理多个 Specialist 的 StreamChunk 合并，未配置 Summarizer 时默认拼接文本，配置后由 Summarizer 模型总结后下发。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

                    ┌─────────────────────────┐
                    │       User Query        │
                    └────────────┬────────────┘
                                 ▼
                    ┌─────────────────────────┐
                    │    Host Agent (Router)  │ ──> (识别意图并路由)
                    └──────┬───────────┬──────┘
                           │           │
           ┌───────────────┘           └───────────────┐
           ▼                                           ▼
┌───────────────────────┐                   ┌───────────────────────┐
│ Specialist A (售后退款)│                   │ Specialist B (商品推荐)│
└──────────┬────────────┘                   └──────────┬────────────┘
           │                                           │
           └───────────────────┬───────────────────────┘
                               ▼
                    ┌─────────────────────────┐
                    │  Summarizer (聚合响应)   │ ──> (合并多 Agent 产出)
                    └─────────────────────────┘

1.2 Agent-as-a-Tool / 层级委派（基于 ADK）

在深度自主任务（如 DeepAgent / 复杂分析）中，主控 Agent 拥有全局目标，遇到具体执行动作时，通过调用封装为 tool.BaseTool 的子 Agent。

架构核心机理：

• 上下文截断与降噪：主 Agent 的上下文不应被子 Agent 的长推理链（ReAct Loop）污染。子 Agent 在独立的 Context 空间内运行，执行完成后仅将最终摘要/结构化结果作为 Tool Output 返回给主 Agent。
• 控制权转移（Hand-off）：在 Eino ADK 中，通过设置 Agent 的转移链（Transfer/SubAgents），支持主 Agent 在识别到特定专业阶段后，彻底将交互控制权移交给子 Agent 接管，待子任务结束后再回弹。

基于 State Graph 的强类型多 Agent 协同

在复杂度最高、一致性要求最严的电商/金融场景中，应直接采用 Eino-Compose Graph 构建基于全局黑板（Blackboard State）的状态机协同。

1
2
3
4
5
6
7
8
9
10
11
12

(Start) ──> [Node: Intent_Router]
                                  │
                  ┌───────────────┴───────────────┐
                  ▼                               ▼
      [Node: Sales_Agent]                 [Node: Support_Agent]
                  │                               │
                  └───────────────┬───────────────┘
                                  ▼
                        [Node: Medical_Critic]
                                  │
                                  ├── (Score < 0.8 && HopCount < 3) ──> (回到 Agent 反思重写)
                                  └── (Score >= 0.8) ──> [Node: Stream_Responder] ──> (End)

状态流转示意图

1
2
3
4
5
6
7
8
9
10
11
12
13

// 添加评价节点的条件路由边
graph.AddBranch("Medical_Critic", func(ctx context.Context, state *SessionState) (string, error) {
    state.HopCount++
    // 死循环熔断
    if state.HopCount > 3 {
        return "Stream_Responder", nil
    }
    // 质检不合格，反思重试
    if state.CriticScore < 0.8 {
        return "Sales_Agent", nil
    }
    return "Stream_Responder", nil
})

2. 多 Agent 协同四大工程防线

2.1 跨 Agent 上下文隔离和 token 剪枝

痛点：若每个 Agent 都能看到全部交互与所有工具原始报文，多轮多 Agent 交互后 Token 迅速暴涨。

Eino 架构解法：在 Graph 节点间引入 State Reducer / Masking 机制。

• Sales_Agent 仅消费 UserQuery + UserProfile；
• Critic_Agent 仅消费 DraftAnswer + Medical_Rules；
• 状态持久化存储在 Redis，但注入大模型推理上下文的切片进行按需动态投影。

2.2 全链路 Composable Streaming（流式透传与背压）

痛点：多 Agent 串行或嵌套调用时，中间节点的阻塞会导致前端长时间白屏，TTFT 严重劣化。

Eino 架构解法：

• 利用 schema.StreamReader[T] 抽象，下游节点无需等待上游完全生成，而是以 Chunk 为单位进行流式订阅；
• 在路由节点使用 Tee 分流，一路流式输出给前端做打字机渲染，一路流式喂给后置安全审计拦截器并行校验。

2.3 中断与人工接管（Human-in-the-loop / Checkpointing）

Eino ADK 中断恢复机制：

• 涉及敏感交易或高危操作（如发放高额优惠券、退款审批）时，Agent 执行节点调用 adk.Interrupt() 暂停当前执行图，将完整的 State 序列化持久化至存储；
• 外部运营/用户在审批系统确认后，通过 adk.Resume(taskID, payload) 从中断点精准恢复执行，避免从头重新推理。

adk.Interrupt() 会触发下游的 checkPointStore 进行数据存储

2.4 切面观测与 Parent-Child Span 治理（Aspect Tracing）

Eino Aspect 机制：利用无侵入拦截器，在多 Agent 协同流转中自动维护 W3C TraceContext：

• Root Span (Graph Run)
• Child Span (Host Router)
• Child Span (Specialist Sub-Agent)
• Grandchild Span (Tool Calling & LLM Inference)

精准归因每个 Agent 的延迟占比、Token 消耗及错误堆栈，直接对接内部 OpenTelemetry 大盘。

3. 数据中断与恢复流程

• 状态模式演进与版本漂移
  • 历史数据结构不兼容，用兼容的数据结构或序列化组件
  • 在 checkpoint 上打标版本号
• 任务超时与清理
  • 配置超时时间
  • 定时任务扫描标记过期
• 防止唤醒脑裂
  • 通过 Redis 分布式锁
  • 更新的时候带上状态校验 CAS
• 敏感数据处理
  • 敏感数据加密处理

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

[1. Agent 节点执行] ──> 触发 adk.Interrupt(payload)
                             │
                             ▼
[2. Checkpointer 拦截] ──> 抽取当前 Blackboard State
                             │
                             ├── (State > 64KB) ──> 上传 S3 并获取 Object_URI
                             │
                             ├── 写入 MySQL (Status = SUSPENDED, 记录挂起节点与审批摘要)
                             └── 缓存至 Redis (Key: task_id, TTL: 24h)
                             │
                             ▼
[3. 释放 Worker 资源] ──> Worker 协程销毁退出，向审批工作台 / Webhook 发送待办事件
                             │
                      [ 人工审批/修改参数 ]
                             │
                             ▼
[4. 触发 Resume API]  ──> POST /api/v1/tasks/{task_id}/resume
                             │
                             ▼
[5. 图引擎状态重建]   ──> 加载分布式锁 ──> 读取最新 Checkpoint ──> 反序列化 State
                             │
                             ├── 注入 Human Feedback (覆盖/合并修改字段)
                             ├── 更新 Checkpoint 状态为 RESUMED
                             └── 从 suspended node 的下游条件边继续触发图流转

4. 多智能体架构示意

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

+-----------------------------------------------------------------------------------+
|                            1. 接入层 (API Gateway)                                 |
|   电商 App / 商家后台 / 客服工作台 (多端接入)   |  SSE/WebSocket 流式传输 |  鉴权 & 限流  |
+-----------------------------------------------------------------------------------+
                                         │
+----------------------------------------▼------------------------------------------+
|                 2. 编排与调度中枢 (Agent Orchestration & Engine)                    |
|  ┌──────────────────┐  ┌─────────────────────────┐  ┌──────────────────────────┐  |
|  │  意图识别/Router  │  │  状态机 (LangGraph/DAG)  │  │ Planning & Reflection    │  |
|  └─────────┬────────┘  └───────────┬─────────────┘  └────────────┬─────────────┘  |
|            │                       │                             │                |
|  ┌─────────▼───────────────────────▼─────────────────────────────▼─────────────┐  |
|  │ Multi-Agent 协作层: 客服 Agent / 售后 Agent / 商家 Copilot / 推荐 Agent         │  |
|  └─────────────────────────────────────────────────────────────────────────────┘  |
+-----------------------------------------------------------------------------------+
                    │                                             │
+-------------------▼------------------+      +-------------------▼-----------------+
|   3. 记忆与上下文引擎 (Memory Engine)  |      |   4. 能力与连接层 (Skills & MCP)      |
| • 短时窗口管理 (Sliding Window/Pruning)|     | • MCP Client / Server 标准接入协议    |
| • 长期记忆 (Vector DB / User Profile) |      | • 业务 API: 订单/物流/退款/商品接口     |
| • 会话状态持久化 (Redis / MySQL)       |      | • RAG Pipeline: 向量检索 + 重排/分块   |
+--------------------------------------+      +-------------------------------------+
                    │                                             │
+-------------------▼---------------------------------------------▼-----------------+
|                     5. 模型与推理网关 (Model & Infra Gateway)                       |
|   模型路由 (Claude / GPT / 自研开源模型)  |  Prompt 管理  |  语义缓存 & Prompt Cache   |
+-----------------------------------------------------------------------------------+
                                         │
+----------------------------------------▼------------------------------------------+
|                    6. 评测、安全与可观测 (Eval & Observability)                      |
|   安全护栏 (Guardrails/注入防御) | Trace 链路追踪 (LangSmith/OTel) | 自动化评测 (Eval)  |
+-----------------------------------------------------------------------------------+

5. 智能体记忆共享

多 Agent 共享记忆治理思路

• 架构解耦：采用 CQRS 模式，写走 Append-Only 日志流保吞吐，读走‘Redis 热缓存 + 向量/图谱物化视图’的双轨读，兼顾写吞吐与写后读强一致；
• 认知一致性：建立‘Slot 碰撞 → NLI 小模型 → LLM 仲裁’三级漏斗，以毫秒级确定性计算化解语义冲突；
• 零信任治理：基于 ABAC 策略做向量检索算子下推，避免先搜后滤带来的召回截断与数据越界，并通过 Taint Analysis 阻断记忆投毒；
• 成本与演进：参考 LSM 思想做双时态生命周期管理与分级 Compaction，将海量碎片 Trace 蒸馏为高阶全局认知，实现 Agent 系统的经验复利。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

[ Multi-Agents: Perception & Action ]
   │                                  ▲
   │ 1. Append (毫秒级 ACK)            │ 4. Hybrid Read (双轨读)
   ▼                                  │
┌──────────────────────────────┐     ┌────────────────────────────────────────────────────────┐
│ Ingestion Gateway (WAL Log)  │     │ Query Engine                                           │
│ (Kafka / Raft Append-Only)   │     │ ├─ Hot Path: Redis (Session/Working Memory) [强一致]    │
└──────────────┬───────────────┘     │ └─ Cold Path: Hybrid Vector + Graph [最终一致]          │
               │                     └───────────────────────────▲────────────────────────────┘
               ▼ 2. Async Dispatch                               │
┌─────────────────────────────────────────────────────────┐      │ 3. Materialized View Update
│ Background Async Reconciliation & Compaction Pipeline   │──────┘
│ ├─ Fast Path: Key-Slot Hash & Vector Clock (确定性覆盖)   │
│ ├─ Mid Path: NLI 轻量模型 (逻辑冲突/蕴含检测)               │
│ ├─ Slow Path: LLM Semantic Merge (复杂因果仲裁)           │
│ ├─ ABAC Pushdown Indexer (构建带权限掩码的物理索引)         │
│ └─ Knowledge Compaction Engine (LSM-style 碎片聚合)      │
└─────────────────────────────────────────────────────────┘

6. 参考文档

• https://arthurchiao.art/blog/built-multi-agent-research-system-zh/

OpenViking 是一个开源的、专为 AI Agent 设计的上下文数据库。
OpenViking 通过文件系统范式统一管理 Agent 所需要的上下文（记忆、资源和技能），
并实现上下文的分层供给与自我迭代，最终目标是降低 Agent 开发门槛，
让开发者更专注于业务创新而非底层上下文管理。
与其它记忆不同的是，他既有最开始的原文，也有高层级的语义理解。
数据召回的时候，数量以及准确性，都会有较大的效果和性能提升。

说明：

• 本地安装的时候，全部可以用类似 Sqlite 的方案，依赖三方包即可；
• 数据写入后，L1、L0 阶段需要 LLM 参与生成摘要、做语义理解；
• L2 如果原文超长，可以做逻辑语义拆分，符号提取 / 虚拟子目录 / 偏移分页；

1.1 系统架构

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

+-------------------------------------------------------------------------+
|                              AI Agent Runtime                           |
|       (Find / LS / Read / Tree / Memory Extraction / Tool Invocation)   |
+------------------------------------+------------------------------------+
                                     |
+------------------------------------v------------------------------------+
|                         OpenViking Core Engine                          |
|                                                                         |
|  +---------------------------+       +-------------------------------+  |
|  |     Virtual File System   |       |   Hierarchical Context Store  |  |
|  |  viking:// schema router  | <---> |  - L0: Abstract Sidecar       |  |
|  |  (Resources/Memory/Skills)|       |  - L1: Overview Sidecar       |  |
|  +---------------------------+       |  - L2: Raw Payload            |  |
|               |                      +-------------------------------+  |
|               v                                      |                  |
|  +---------------------------+                       v                  |
|  | Recursive Retrieval Router|       +-------------------------------+  |
|  | (Intent Analysis ->       | <---> | Vector Engine & Reranker      |  |
|  |  Global Path Locate ->    |       | (Embedding / Dense Vector /   |  |
|  |  Subtree Recursive Zoom)  |       |  Lexical BM25 / Cross-Encoder)|  |
|  +---------------------------+       +-------------------------------+  |
+------------------------------------+------------------------------------+
                                     |
+------------------------------------v------------------------------------+
|                         Persistence / Storage Layer                     |
|           (Local Disk / Object Store / Key-Value / Vector Index)        |
+-------------------------------------------------------------------------+

1.2 文件结构

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

viking://
├── resources/              # 资源：项目文档、代码库、网页等
│   └── my_project/
├── user/
│   └── {user_id}/          # 当前用户的私有上下文
│       ├── memories/       # 用户记忆：用户个性化、实体状态、交互历史（动态演进）。
│       ├── resources/      # 用户私有资源：文档、代码库、规约（静态长期）。
│       ├── skills/         # 用户私有技能（默认）
│       ├── peers/
│       │   └── {peer_id}/
│       │       ├── memories/
│       │       └── resources/
│       └── sessions/
└── agent/
    └── skills/             # account 全局共享技能（可选）

1.3 上下文分层：

• L0（Abstract，~256 字符）： 作为全局向量检索与剪枝路由的轻量索引。
• L1（Overview，~4000 字符）： 提供该目录/模块的结构骨架与语义摘要，专用于Rerank 与上下文粗排。
• L2（Detail，无上限）： 原始 Payload（代码段、文档正文、执行轨迹）。L0/L1 命中后按需加载。

2. 数据入库与检索

保留了向量检索、BM25检索等，和常规的检索方案很类似。
相比于单纯的 embedding，这种综合性的方式相对来说比较准确，能够互补。
虽然多路召回也能做到类似的效果，但是多路+重排序都需要应用侧开发，openviking 不用。

2.1 数据写入过程

同步的过程只有写 meta + L2 原文。
涉及到数据加工需要异步处理。
在异步处理完成之前，涉及到语义、向量等操作是不可用的，只能直接查 L2 的文件。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60

+-------------------------------------------------------------------------------------------------------------+
|                                        1. 写入接入层 (API / SDK / MCP)                                       |
|                                       Client 发起 POST /write (路径 + 正文)                                  |
+------------------------------------------------------+------------------------------------------------------+
                                                       |
                                                       v
+-------------------------------------------------------------------------------------------------------------+
|                                      2. 同步快速通道 (Sync Fast Path)                                         |
|  +-------------------------------------+   +------------------------------------+   +--------------------+  |
|  |           Metadata Store            |   |           Object Storage           |   |    Event Queue     |  |
|  | - 鉴权 & 创建 VFS Node (viking://)   |   | - 写入 L2 Raw Payload 原文 (S3)      |   | - 投递异步解析任务   |  |
|  | - 状态置为 Processing, Dirty: True   |   |   (代码/Markdown/PDF/Session)       |   |   (Task Payload)   |  |
|  +-------------------------------------+   +------------------------------------+   +---------+----------+  |
+-----------------------------------------------------------------------------------------------|-------------+
                                                       | (返回 200 OK 给 Client)                 |
                                                       v (后台异步处理)                           v
+-------------------------------------------------------------------------------------------------------------+
|                                    3. 异步语法与结构解析 (AST / Parsing)                                       |
|  +-----------------------------------------------------+  +-----------------------------------------------+ |
|  |            代码类 (Tree-sitter AST)                  |  |          文档类 (Markdown DOM / Layout)        | |
|  | - 提取符号表 (Function/Struct/ErrorCode/Interface)    |  | - 提取 H1~H6 标题层级树与面包屑路径               | |
|  | - 按语义边界切分 AST 块 (非机械字数暴力截断)              |  | - 剔除页眉页脚，保留完整自然段落与表格结构          | |
|  +-----------------------------------------------------+  +-----------------------------------------------+ |
+------------------------------------------------------+------------------------------------------------------+
                                                       |
                                                       v
+-------------------------------------------------------------------------------------------------------------+
|                                4. 自底向上分层 Sidecar 生成 (LLM Synthesis)                                    |
|  +-------------------------------------------------------------------------------------------------------+  |
|  | 目录级 L1 概览 (.overview.md, ~4000 字符)                                                                |  |
|  | 聚合目录下所有文件的 AST 骨架 + 核心接口 + 模块职责 (用于 Cross-Encoder Rerank 精排)                          |  |
|  +---------------------------------------------------+---------------------------------------------------+  |
|                                                      |
|                                                      v
|  +-------------------------------------------------------------------------------------------------------+  |
|  | 目录级 L0 摘要 (.abstract.md, ~256 字符)                                                                |  |
|  | 基于 L1 提炼高密度领域关键词与路由锚点 (用于全局向量检索快速初筛)                                               |  |
|  +-------------------------------------------------------------------------------------------------------+  |
+------------------------------------------------------+------------------------------------------------------+
                                                       |
                                                       v
+-------------------------------------------------------------------------------------------------------------+
|                                    5. 双轨索引并行构建 (Dual-Track Indexing)                                |  |
|  +---------------------------------------------------+  +------------------------------------------------+  |
|  |           稠密向量通道 (Dense Vector)               |  |            稀疏倒排通道 (Sparse BM25)            |  |
|  | - 对 L0 摘要 / L1 概览调用 Embedding 计算向量         |  | - 对 AST 提取的精确符号 (函数名/错误码) 分词        |  |
|  | - 写入向量索引引擎 (HNSW / Milvus / Qdrant)          |  | - 写入轻量倒排引擎 (Tantivy / SQLite FTS)        |  |
|  | - 绑定 VFS 节点路径 (用于全局与子树语义路由)            |  | - 建立精准倒排链 (用于无视层级的直达穿透召回)        |  |
|  +---------------------------------------------------+  +------------------------------------------------+  |
+------------------------------------------------------+------------------------------------------------------+
                                                       |
                                                       v
+-------------------------------------------------------------------------------------------------------------+
|                                    6. 原子提交与级联更新 (Atomic Commit)                                       |
|  +-------------------------------------------------------------------------------------------------------+  |
|  | 1. Metadata Store 更新状态: Processing -> Ready                                                        |  |
|  | 2. 沿目录树向上级联检查父节点: 若需要则增量微调父目录 L0，并清除 Dirty 标记                                     |  |
|  | 3. 全链路就绪: 对 Agent 的 find / ls / read / recursive search 完全可见                                   |  |
|  +-------------------------------------------------------------------------------------------------------+  |
+-------------------------------------------------------------------------------------------------------------+

2.2 数据加工过程

从 L2 原始数据开始，逐步往上层处理

1
2
3
4
5
6
7
8
9
10
11
12
13
14

[ L2: 原始叶子文件 (Code / Markdown / PDF) ]
   │
   ├── 1. 基于 AST / DOM 的语义结构化解析与清洗
   │      (保留函数签名、Markdown 标题树、调用关系，剔除样板代码)
   │
   ▼
[ L1 Sidecar: 目录级概览 (.overview.md, ~4000 chars) ]
   │
   ├── 2. 局部上下文提炼：综合该目录下所有叶子文件的导出符号、核心职责生成
   │
   ▼
[ L0 Sidecar: 目录级极简索引 (.abstract.md, ~256 chars) ]
   │
   └── 3. 全局路由锚点：提取高密度的领域概念、核心关键字与路由元数据

2.3 检索过程

OpenViking 内置了多路召回（Hybrid Retrieval）与重排（Rerank）机制，但其设计并非传统搜索系统中对单一切片（Chunk）的扁平堆叠，而是与它的 VFS 虚拟文件树拓扑以及 L0/L1/L2 分层结构紧密绑定的。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37

[ User Query / Intent ]
           │
           ▼
┌─────────────────────────────────────────────────────────-─┐
│ 1. 意图分解与查询改写 (Intent Decomposition)                 │
│    - 提取语义 Query (Dense)                                 │
│    - 提取结构化/关键词 Query (Sparse / Lexical / Path Filter)│
└──────────────────────────┬───────────────────────────────┘
                           │
                           ▼
┌──────────────────────────────────────────────────────────┐
│ 2. 多路召回阶段 (Multi-Channel Retrieval)                  │
│    ├── 路径 A: 稠密向量检索 (Dense Embedding on L0/L1)      │
│    ├── 路径 B: 词法/关键词检索 (BM25 / Lexical on Sidecars) │
│    └── 路径 C: 确定性路径前缀过滤 (VFS Path Scoping)         │
└──────────────────────────┬───────────────────────────────┘
                           │ 融合生成候选集 (Candidate Sets)
                           ▼
┌──────────────────────────────────────────────────────────┐
│ 3. 混合融合与粗排 (Fusion: RRF / Linear Combination)       │
│    - 使用倒数排名融合 (RRF) 归一化多路得分                    │
│    - 输出初步 Top-N 候选目录/节点                           │
└──────────────────────────┬───────────────────────────────┘
                           │
                           ▼
┌──────────────────────────────────────────────────────────┐
│ 4. 交叉编码精排阶段 (Cross-Encoder Reranker on L1)          │
│    - 将 Query 与 L1 (.overview.md，~4000字符) 拼接打分      │
│    - 评估完整语境相关度，裁决是否深入递归                      │
└──────────────────────────┬───────────────────────────────┘
                           │ 命中高分目录 / 节点
                           ▼
┌──────────────────────────────────────────────────────────┐
│ 5. 递归下探与 L2 按需加载 (Recursive Tree-Search & Payload) │
│    - 若为目录：递归进入子树重复 2~4 步                        │
│    - 若为叶子：读取 L2 正文并附带 Trace Path 返回给 Agent     │
└──────────────────────────────────────────────────────────┘

3. 存储架构

OpenViking 属于存算分离的架构

上层是属于无状态的计算节点，底层可以接入各类云存储(L2)、向量数据库(L0/L1);

Metadata Store 主要承载

• VFS 目录树拓扑与路径映射（Virtual File System Topology）
• 多租户沙箱与 ACL 权限元数据（Auth & Access Control）
• 存储寻址指针（Payload & Vector Address Index）
• 写入流水线状态机（Ingestion State Machine）
• 记忆与会话元数据（Memory & Session Metadata）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

+-----------------------------------------------------------------------------------+
|                           API Gateway / Ingress Router                            |
|             (鉴权、租户路由、Rate Limiting、Session Affinity)                        |
+-----------------------------------------+-----------------------------------------+
                                          |
        +---------------------------------+---------------------------------+
        |                                                                   |
+-------v-------------------------------+   +-------------------------------v-------+
|   OpenViking Stateless Server Node 1  |   |   OpenViking Stateless Server Node 2  |
|  - VFS URI 解析与鉴权沙箱               |   |  - VFS URI 解析与鉴权沙箱                |
|  - 递归检索状态机 (Recursive Search)    |   |  - 递归检索状态机 (Recursive Search)     |
|  - 运行时 Context Assembly             |   |  - 运行时 Context Assembly             |
+-------+-------------------------------+   +-------------------------------+-------+
        |                                                                   |
        +---------------------------------+---------------------------------+
                                          |
+-----------------------------------------v-----------------------------------------+
|                  Asynchronous Ingestion & Memory Worker Cluster                   |
|         (分布式消息队列/任务调度：AST 解析、L0/L1 生成、Session 异步抽取)                |
+-----------------------------------------+-----------------------------------------+
                                          |
+-----------------------------------------v-----------------------------------------+
|                       Enterprise Distributed Storage Layer                        |
|                                                                                   |
|  +---------------------------+  +---------------------------+  +---------------+  |
|  |     Object Storage        |  |  Distributed Vector DB    |  | Metadata Store|  |
|  | (S3 / MinIO / TOS / OSS)  |  | (Milvus / VikingDB / Qdrant) |  | (PostgreSQL / |
|  | -> 承载海量 L2 原始 Payload|  | -> 承载分布式 L0/L1 向量索引  |  |  Distributed  |  |
|  |    (代码/PDF/历史 Trajectory|  |    与 ANN 稠密检索         |  |   KV / MySQL) |  |
|  +---------------------------+  +---------------------------+  +---------------+  |
+-----------------------------------------------------------------------------------+

4. 怎么使用？

4.1 直接调用 SDK

如果是在自建应用程序，可以在对应的 AOP / middleware / 回调函数里面进行数据写入。
或者通过 MQ 解耦，异步处理。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

package main

import (
"context"
"github.com/volcengine/OpenViking/sdk/go"
)

func main() {
client, err := openviking.NewClient(openviking.Config{
BaseURL: "http://localhost:1933",
APIKey:  "your-api-key",
})
if err != nil {
panic(err)
}
defer client.CloseIdleConnections()

// 1. 导入外部资源（文档 URL / Git Repo / 本地数据）
// 系统会自动解析并生成 L0/L1 摘要及向量索引
err = client.AddResource(context.Background(), &openviking.AddResourceRequest{
URI:       "viking://resources/internal_wiki/",
SourceURL: "https://wiki.company.com/docs/api_v2.md",
})

// 2. 写入或同步特定用户的私有上下文
err = client.Write(context.Background(), &openviking.WriteRequest{
URI:     "viking://user/10086/memories/preferences.md",
Content: []byte("用户更倾向于使用 Golang 进行后端开发，关注高并发架构设计。"),
})
}

4.2 通过 MCP

Agent 在运行过程中，根据 MCP 的描述，决定是否要触发相关记录。

4.2.1 记忆沉淀

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

{
  "name": "openviking_record_memory",
  "description": "用于向用户的长期记忆空间 (viking://user/{user_id}/memories/) 持久化沉淀高价值信息。仅在以下场景主动调用：1. 识别到用户的全局开发习惯、框架偏好或明确禁止的编码风格；2. 总结出经过验证的复杂 Bug 解决方案或架构避坑经验；3. 跨项目的通用工作流规则。禁止记录临时的对话闲聊、单次简单修改或未验证的推论。",
  "parameters": {
    "type": "object",
    "properties": {
      "category": {
        "type": "string",
        "enum": ["preferences", "experiences", "cases", "entities"],
        "description": "记忆的分类：preferences (用户长期偏好), experiences (通用排错/避坑经验), cases (经典可复用案例), entities (核心项目实体与术语)"
      },
      "title": {
        "type": "string",
        "description": "记忆的简短标题，如 'Go 1.22+ 迭代器规范' 或 'MySQL 唯一索引并发死锁规避'"
      },
      "content": {
        "type": "string",
        "description": "提取出的核心经验、规则或代码片段正文 (Markdown 格式)"
      }
    },
    "required": ["category", "title", "content"]
  }
}

4.2.2 资源沉淀

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

{
  "name": "openviking_write_resource",
  "description": "用于在 OpenViking 虚拟文件系统 (viking://resources/) 写入或更新持久化知识库。适用于用户明确指示保存设计文档、接口定义、技术选型方案或团队通用规章等具有长期重用价值的工程资产。",
  "parameters": {
    "type": "object",
    "properties": {
      "uri": {
        "type": "string",
        "description": "目标 VFS URI 路径，格式如 'viking://resources/architecture/payment_flow.md'"
      },
      "content": {
        "type": "string",
        "description": "完整的内容 Payload"
      }
    },
    "required": ["uri", "content"]
  }
}

5. 记忆处理

5.1 冲突处理

对 Resource（知识库/代码）： 保持客观中立，依赖确定性版本覆盖和 VFS 路径隔离，不做主观语义魔改。
对 Memory（记忆/偏好）： 引入 Entity Matching -> 仲裁模型 (修正/合并/细化) -> 覆写与归档 的自动化流水线，
结合时序优先和人工可读可编辑，从根本上解决记忆互相打架的问题。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

[ 新会话产生的新事实 / 新偏好 ]
              │
              ▼
┌──────────────────────────────────────────────────────────┐
│ 1. 语义相似度与实体对齐 (Entity & Semantic Matching)        │
│    - 检索 memories/ 中是否存在同类实体或相近的主题规则         │
└──────────────────────────┬───────────────────────────────┘
                           │ 命中旧记忆: "语言偏好: Python 3.10"
                           ▼
┌──────────────────────────────────────────────────────────┐
│ 2. 认知一致性仲裁 (Cognitive Arbitration)                  │
│    - 调用仲裁 Prompt 判定关系类型:                          │
│      ├── [完全冲突 / 修正] ──> 触发直接覆盖与归档 (Overwrite) │
│      ├── [条件互补 / 细化] ──> 触发合并增补 (Merge / Append) │
│      └── [无关 / 新增分支] ──> 触发新建条目 (Create New)     │
└──────────────────────────┬───────────────────────────────┘
                           │ 判定为"偏好修正"
                           ▼
┌──────────────────────────────────────────────────────────┐
│ 3. 原子更新与历史追溯 (Atomic Update & Invalidation)        │
│    - 覆写 viking://user/1001/memories/preferences.md      │
│    - 重新计算该 Memory 节点的 L0/L1 摘要及向量索引            │
│    - 将旧记录移入历史追踪版本库 (可审计/可回滚)                │
└──────────────────────────────────────────────────────────┘

5.2 遗忘机制

通过目录隔离，在会话结束之后，把 session 目录下的内容抽取沉淀至长期记忆

短期工作记忆（Working Memory）：

• 存储路径：viking://user/{id}/sessions/{session_id}/
• 生命周期：仅在当前 Agent 任务或对话生命周期内活跃
• 使用场景：记录单次任务的多步执行轨迹（Scratchpad）、临时变量、中间推理步骤

长期记忆（Long-term Memory & Knowledge）：

• 存储路径
  • resources/（知识）
  • user/{id}/memories/（偏好与经验）
• 生命周期：跨会话永久持久化，供后续所有任务共享
• 使用场景：为整个后续提供记忆材料

6. 深挖细节

• 目录树并发写入与惊群效应(级联重算)
  • 问题：如果短时间内多次变更，会触发 L1/L0 重复处理
  • 解决：
    • 留下缓存，合并处理；
    • 变更文件时加上排他锁；
• 递归检索的长尾等耗时
  • 问题：可能会遇到多级”打分 -> 分支判断 -> 下探子目录 -> 再次打分”
  • 解决：
    • 并行展开
    • 最大深度
    • 尽早剪枝
• 多级数据独立存储一致性
  • 问题：由于系统解耦了 meta、向量、对象存储三层，跨系统下分布式事务没法实现
  • 解决：
    • 软删除(数据还在，但是标记为无效) + 异步垃圾回收
    • 一致性校验机制
• prompt 注入与记忆毒化
  • 问题：session 场景可能有恶意 prompt 提权等；
  • 解决：只能限制在 session 沙箱，而且需要做对抗性检查，保证加工数据的安全；
• 多租户场景下资源竞争
  • 问题：如果没有物理隔离，怎么实现资源平衡？
  • 解决：
    • 基于账户的优先级队列
    • 做读写分离，线上部分只做读取 + L2 数据写入，离线部分做 L0/L1 数据加工计算
• 面对长上下文的 LLM，记忆还有优势吗？
  • 问题：现在很多模型上下文到了 1M
  • 解决：
    • 少量 token 直接全量读取，不用多级加载
    • 合理布局拼接结果，最大可能实现 prompt cache
    • 对数据做事实性提取，模型擅长检索，不擅长推理
    • 主动挖掘数据之间隐含的关联关系，为用户提供更个性化、超预期的服务

• 构建和部署人工智能应用程序( Building and deploying AI applications )
• 软件工程基础知识( Software engineering fundamentals )
• 使用编程代理( Using coding agents )
• 塑造结构( Shaping the build)

1. 构建和部署

人工智能应用与非人工智能应用的主要区别在于前者具有不可预测的输出。

当你向逻辑学习模型（LLM）发出指令时，你无法预知会得到什么结果。
当你训练深度学习算法时，你也无法预知它会对新的样本做出怎样的预测。
相比之下，传统软件的行为则更具可预测性。

擅长构建和部署人工智能应用的人员不仅了解人工智能的基本组成部分（例如逻辑逻辑模型、上下文工程、红绿灯系统、智能体工作流、机器学习和深度学习），
更重要的是，他们还懂得如何运用统计技术来衡量、引导和管理人工智能系统，使其行为更具可预测性。
其中一项核心技能是懂得如何开展严谨的评估和误差分析循环。

2. 软件工程

理解软件的工作原理时，能更高效地进行开发。
软件工程需要在成本、可扩展性、可靠性、速度等诸多因素之间进行权衡。安全性和隐私性则进一步增加了复杂性。

理解软件基础知识能让你认识到各种权衡取舍( trade off )的存在。

• 做出更好的决策：选择软件栈、设计系统架构、设计数据存储、测试等方面；
• 更好地使用 AI Coding：运用软件工程来引导 Coding Agent，做出合理的权衡取舍，而不是凭感觉；

3. 使用 AI Coding

有效运用智能体编码如今已成为每位开发者的一项关键技能。
掌握这项技能，你就能对智能体的工作原理形成清晰的认知模型。
你了解它们的局限性以及如何克服这些局限性，并能快速引导它们——懂得适度干预和放任自流——从而构建出健壮的软件，同时避免浪费过多的时间和 token。

这要求您了解如何管理编码代理的上下文，如何在计划和执行之间进行权衡，以及如何通过提供验证器或评估来帮助代理自主地闭合循环。
您还需要知道如何使用清晰的规范（以及何时不必这样做），如何协调多个协同工作的代理，以及如何避免诸如代理破坏生产数据库之类的陷阱。
由于代理编码技术发展迅速，熟练地使用编码代理不仅意味着掌握前沿实践，还意味着要养成不断尝试新工具并随着最佳实践的变化而改进工作流程的习惯。

4. 塑造结构

有了清晰的规范，编码代理在交付符合规范的产品方面正在迅速进步。
因此，我们工程师的工作重心正在转向决定规范中应该包含哪些内容。
工程师不应再期望获得一个像素级完美的设计，然后只需照办即可。
相反，高效的 AI 工程师需要具备产品意识，理解业务背景和客户目标，从而参与到构建过程的塑造和驱动中。

人工智能也赋予你比以往更大的自主权和掌控权。
你可以发现有趣的问题和机遇，并以负责任的方式加以利用。
要抓住这个机遇，你需要知道如何推动项目进展。
例如，何时应该快速构建最小可行产品（MVP）供用户测试，何时应该放慢速度，花更多时间进行更细致的开发。

所有这些技能的基础是持续学习的心态。
人工智能发展日新月异，因此我们必须不断学习和提升自身技能，以适应不断涌现的最佳实践。

一句话总结：协议从”有状态、靠长连接”变成”无状态、靠 HTTP 请求”。

2026 年 7 月 28 日，MCP 发布了算得上”有史以来最大”的一次规范修订。
同一时间，官方四套 Tier 1 SDK(TypeScript、Python、Go、C#)同步更新。

MCP SDK 月下载量已突破 4 亿（TS/Python 累计超 20 亿），部署服务器过万；
但新规范生态跟进极慢，抽样 1470+ 公开服务器中完全合规的仅 2 个，尚未出现全面切换。

2. 变更的初衷和重点

2.1 为什么改

MCP 2024 年诞生时，本质上只是为单机笔记本设计的协议：

• 一个客户端、一个服务器、一条 stdio 管道、一个与进程同生死的长连接会话（Session）。
• 对本地单机调用而言，这个设计极其精准且够用。

但当它被推向生产环境时，企业不得不为这套“本地模型”付出四笔沉重代价：

• Serverless 适配瘫痪：旧协议强依赖长连接和 Session，而 Serverless（AWS Lambda、Cloud Run、Cloudflare Workers）没有常驻进程，在物理层面就无法运行。

• 架构被迫退回十年前：因为状态绑定在特定实例上，水平扩展只能依靠 Sticky Session（粘性路由）或 Redis 存 Session。一个普通的 Web 服务，被迫重新处理长连接状态同步。
• 网关限流与审计失效：所有操作共享同一个 HTTP 管道，网关在 HTTP 层无法感知具体行为。想区分“调用工具”还是“获取列表”，只能拆解 JSON-RPC Body，效率与安全双重受损。
• 长任务与主动交互死锁：服务器要中途请求用户确认或等待模型补全，只能靠死挂着的 SSE 流；长耗时任务同步死等，极易引发超时断开。

正如 MCP 创建者之一 David Soria Parra 所言：“这次改动的核心，就是把状态从服务器挪到线上（Wire）去。”
无状态化之后，服务器不再依赖 Redis 和粘性路由，
挂在一台最普通的轮询负载均衡（Round-Robin Load Balancer）后面即可轻松横向扩展。

2.2 改了什么

8 个核心变更

其中 1、2、5、6 是变动最大的四条，后面第 3 节看细节。

2.3 一块基石:SEP-2596 生命周期政策

这轮修订先立规矩，再改协议。SEP-2596 给功能定义了 Active → Deprecated → Removed 三态，并承诺最少 12 个月弃用窗口(安全问题可缩短到 90 天)。也就是说，今天标了废弃的功能，至少一年内不会消失。这是官方对”别逼大家一夜迁移”的制度化承诺。

3. 新老详细对比

3.1 协议核心

3.2 一个典型请求，前后对比

老版，身份信息只在握手时给过一次:

1
2
3
4
5
6
7
8
9

// initialize 请求(仅此一次)
{
  "jsonrpc": "2.0"，
  "method": "initialize"，
  "params": {
    "protocolVersion": "2025-11-25"，
    "clientInfo": { "name": "my-client"， "version": "1.0.0" }
  }
}

新版，每个请求都是完整的，身份跟着请求走:

1
2
3
4
5
6
7
8
9
10
11
12

{
  "jsonrpc": "2.0"，
  "method": "tools/call"，
  "params": {
    "name": "forecast"，
    "arguments": { "city": "Berlin" }，
    "_meta": {
      "io.modelcontextprotocol/protocolVersion": "2026-07-28"，
      "io.modelcontextprotocol/clientInfo": { "name": "my-client"， "version": "1.0.0" }
    }
  }
}

注意 _meta 里的 key 用了反域名命名空间(io.modelcontextprotocol/...)，这是新规范的扩展机制反哺进了核心，后续所有扩展字段都会沿用这个习惯。

3.3 服务器主动交互:SSE 流 vs 多轮往返

老模型:服务器要中途要东西(用户确认、模型补全)，就通过挂着的 SSE 流反向发请求。这要求连接始终钉在同一台实例上。

新模型:服务器返回一个”中间结果”，不再等输入。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

// 服务器第一次响应:要求输入
{
  "jsonrpc": "2.0"，
  "id": 7，
  "result": {
    "resultType": "input_required"，
    "requestState": "服务器签名的base64状态"，
    "inputs": [
      {
        "name": "elicit_1"，
        "content": { "action": "accept"， "text": "这段分析缺少用户确认" }
      }
    ]
  }
}

客户端(或模型)收集好输入后，带上 requestState 重发原请求:

1
2
3
4
5
6
7
8
9
10
11
12

{
  "jsonrpc": "2.0"，
  "method": "tools/call"，
  "params": {
    "name": "forecast"，
    "arguments": { "city": "Berlin" }，
    "inputs": {
      "elicit_1": { "action": "accept"， "content": { "type": "text"， "text": "ok" } }
    }，
    "_meta": { "io.modelcontextprotocol/requestState": "服务器签名的base64状态" }
  }
}

因为状态随请求走，重试打到哪台实例都无所谓。requestState 是安全边界:它对客户端不透明但不可信，客户端可能篡改后再丢回来，必须签名或加密，绝不要在线上传裸的内部状态然后当场信任。

3.4 能力与扩展

4. 参考资料

• The 2026-07-28 Specification – Model Context Protocol Blog
• Protocol versions(era 对比矩阵与 API)– TypeScript SDK 文档
• MCP Goes Stateless: What the Spec Breaks in Your Server(迁移指南)– Code With Seb
• Bringing MCP 2026-07-28 to Claude – Claude Blog
• SEP-2567: Sessionless MCP · SEP-2596: Spec feature lifecycle and deprecation
• Specification draft: versioning(兼容矩阵)
• We probed all 1，472 public MCP servers. Two pass – Web After AI
• MCP 2026-07-28: what the stateless core removes – PacketNebula
• Bringing New Enterprise-Ready MCP Spec Brings New Security Challenges – SecurityWeek
• Scaling AI Agent Infrastructure with the MCP Stateless updates – Google Developers Blog

全球化时代，你中有我，我中有你。
短时间内很难撇清关系，虽然很别扭，但是还得拉着脸合作。
新时代的竞争，和冷战差不多，甚至更严重，双方都制造假想敌，不断竞争。
提出假想敌的那些人也可能是为了让自己多争取点资源，扩大自己的一亩三分地。

1.1 金融

SWIFT 系统（环球银行金融电信协会）是全球金融机构用于安全、标准化传输支付和交易指令的主力通信网络，连接了200多个国家和地区的逾11,000家机构。它本身不持有资金或提供账户结算，而是传递促成资金流动的加密报文。
它是美元清算纽带，全球贸易超 80% 依赖美元结算。美国通过控制美元清算系统（CHIPS），对主要通过 SWIFT 传递的美元交易拥有实际上的否决权。
替代网络：为降低对西方主导系统的依赖，各国正推进如中国的人民币跨境支付系统（CIPS）或多边央行数字货币桥（mBridge）等替代和互补基础设施。

俄罗斯：俄乌战争发生后，欧美迅速把俄罗斯踢出了 SWIFT，还把存在欧洲的外汇储备给冻结了。
结果跨境贸易瘫痪、外汇收入归零、货币剧烈贬值、通道成本飙升、外资加速外逃，最后可能得回到以物易物。

林振月蛾：由于 2020 年香港某法案实行后，被美国制裁。
所有银行都不敢给他开户，包括中国的银行，因为都怕被踢出 SWIFT 系统，没法处理外汇相关业务。

数字货币、去中心化这些理念上是好的，但现在看来大部分都中心化了。
因为人、物理设备是受管制的，没法脱离现实世界运行。
货币想全球化，需要有稳定的政策，还有相互制约的权力，否则很难获得信任。

1.2 网络

在 1999–2002 年间，全球 95% 以上的国际互联网带宽连接点都落在美国。
所以监听很方便，在相关核心网络节点直接通过物理手段介入，直接监听。
早期互联网起源于美国，后续建设也是围绕美国开始的星形网络。

近年来也有很多跨境光缆没有途经美国，甚至互联网大厂为了自身信誉，不断加强加密方式，避免监听。
但是美国可以通过给互联网巨头（例如：亚马逊云、谷歌云、微软云）施压，来交出相关的数据。

1.3 半导体

FDPR（外国直接产品规则）：这是最霸道的长臂工具。美国规定，只要全球任何企业在生产过程中，使用了哪怕 1% 的美国软件（如 EDA 芯片设计工具）或美国设备（如应用材料、科磊的机器），美国就有权禁止该企业向特定对手（如华为）供货。

台积电（TSMC）的成功，最初正是奠定在其独创的“纯代工（Pure-play Foundry）模式”上——“不与客户竞争，对所有客户保持中立，帮所有人把生意做大”。
但是遇到地缘政治，在当前的背景下，完全没有办法真正中立。
有的是办法影响你的供应链，让你没法生产。

华为在 5G 领域或者通信领域的崛起，担心后续中国会夺取网络帝国，实现各种监听。
于是就有了孟晚舟事件，以及限制台积电给华为供货(华为贡献了台积电 15% 左右的收入)。

2. 原始笔记

由于是台湾出版的书籍，里面有些涉及国家以及领导人的内容，我给去掉了。

这个帝国并非靠传统的领土和军事力量统治，而是以维系全球经济运作的系统为立国基石，无声地影响著每一个人的日常生活。

美国与欧盟如何透过掌握全球资讯流与金融交易的关键环节，将经济与科技资源转化为地缘政治工具，实现对敌人与盟友的精密控制。

本书由两位身在华府的约翰．霍普金斯大学和乔治城大学教授合写，靠著他们多年来在华府的观察和理解，为读者创造出一种认识美国国力的新论述。

本书为读者解析美国如何利用掌控国际金融秩序、金融交易、美元的优势、先进科技技术，从云技术、半导体，到光纤通信，
再到包括对石化和新能源的开发、最新的加密货币等，来确保自己的超级强权地位，甚至来惩罚像是北韩，伊朗和俄罗斯等敌人。

网路的世代，大家也以为最美好的蓝图是“去中心化”、“去政府化”、“自由化”。但现实与理想总有极大的差距。
本书作者告诉我们，这些新型的底层服务久而久之也会像传统的道路一样，趋向中央集权。
政府和企业的权力会交互强化，政府也比较叫得动大型的集权企业，去做政府想做的事情。

当某位总统，或是他的继任者，可能会利用你们之间的依赖关系来对付你，那么，谁还愿意将生产网络与美国经济深度整合？

美利坚帝国依然仰赖军事力量来维持地表贸易路线的畅通，派遣美国海军巡弋全球海上航线。
然而，美国的权力也随著埋藏于地下的光纤电缆，迂回渗入如网际网路和银行通汇所需的复杂金融基础设施。

路径依赖：即早期的决定（如城市选址、宪法内容的制定）如何制约了我们今天的行动。

到了 1990 年代，随著全球化全面展开，廉价的全球运输基础设施结合宽松资金和低成本通讯，澈底改变了全球经济。
李斯顿指出，这标志著“世界工作的根本性变化”

库克以“存货即罪恶”的理念闻名，在接下来数年重塑苹果的供应链，并与LG和富士康（Foxconn）等代工伙伴建立紧密合作。
富士康总部设于台湾，在中国大陆雇用约一百三十万名员工。

iPhone 背面那句著名的“由苹果在加州设计，在中国组装”
（Designed by Apple in California. Assembled in China），正是许多企业纷纷效仿的商业模式。

美国始终保留了一项权利──尽管在经济繁荣时期少有人留意──当某项技术中美国拥有的知识产权比例超过特定百分比时，美国便有权控制该技术。

类似“风暴酿造”的计划使国安局得以存取电信网路资讯流中的上游数据；而“棱镜”（PRISM）等计划，
则让国安局能向微软和 Google 等公司索取更具针对性且结构化的下游数据。

Google 和微软开始对自身的资料流进行加密，使美国及其他政府更难以暗中监听骨干网路。
Google 更运用 Chrome 浏览器的影响力推动其他企业加密通讯。

如今，情报收集与经济制裁已成为财政部核心使命的一部分。这一切的转变始于二○○一年九月十二日。

经过谈判，欧洲和美国最终达成协议：在增设保护措施的前提下，美国可以继续从 SWIFT 获取数据，并与欧洲各国政府共享这些资料。
由于欧洲各国政府受限于严格的隐私法规而无法自行搜集数据，最终在金融情报与分析领域高度依赖美国。
随说：曲线救国

SWIFT 已从一个政治独立的组织，蜕变为美国政府无所不知的助手。
这个原本应协助银行抵御政府监管的机关，如今凭借其对国际金融交易的全面掌握，得以绘制出跨境金流的隐密版图。

一旦一家国际银行被认定为资助恐怖主义，它就无法保有代理帐户（correspondent account），也就无法为非美国客户进行美元交易。
所以大家都惧怕 OFAC，被OFAC盯上的非金融企业或个人也将面临类似的命运。
一旦被列入名单，他们同样会失去进入国际银行体系的机会。

美国在追查澳门汇业银行（Banco Delta Asia）时，意外发现“美元单边主义”的惊人效力。
该银行总部设于中国管辖的澳门特别行政区，秘密为北韩政府提供进入全球金融市场的管道。

澳门汇业银行案为OFAC的后续行动奠定了行动范本。财政部的金融绘图师随即展开密集工作。

随著时间的推移，美国的制裁执行策略从“钓鱼式”的全面追查违规者，
逐渐转变为学者布莱恩．厄尔利（Bryan Early）和凯文．普雷布（Kevin Preble）所描述的“猎鲸式”行动，
即借由对大型外国银行施加巨额罚款，震慑其他所有金融机构。

对这些受到处罚的银行而言，他们几乎别无选择，只能接受处罚。
在美国法院推翻这些裁决几乎毫无希望，而且还面临著可能失去美国银行营运执照以及美元清算系统使用权的风险。
甚至只要美方发出看来确实可能执行的撤销清算权限威胁，就足以让这些银行迅速陷入崩溃。

多数评论者只关注大银行支付的天价罚款，鲜少人注意到美国要求法国巴黎银行、汇丰银行等建立全面性的内部监控系统，以确保日后合规。
法国巴黎银行必须在美国设立一个 OFAC 法遵办公室，“直接受美国监管机关监督”，以确保全球营运均符合规范。
汇丰银行也必须在纽约作出相同安排，同样“在美国直接监管下”运作。
这些曾帮助客户规避美国制裁或洗钱规定的大型银行，
如今不得不自掏腰包建置并营运庞大的内部监控系统，而这些系统能为美国当局提供重要情报。

如果其他国家继续以接近的价格向伊朗提供类似产品，美国对伊朗的贸易制裁就会显得徒劳无功。
随说：退回到以物易物

然而，撤销国际措施几乎是不可能的。一种基于制造恐惧、敬畏和威慑的政策，无法像水龙头一样随意开关。
当欧巴马政府官员敦促欧洲银行向伊朗提供贷款，并鼓励企业在伊朗进行投资时，他们发现几乎无人响应。
银行和企业担心美国当局可能会再次改变立场，利用OFAC模糊的裁定和规则，指控他们违反制裁并施以严厉惩罚。
随说：这就是传说中的政策稳定性？

卢提出，这种做法不仅会随时间推移削弱其效力，还可能动摇美国在全球经济中的主导地位。
过度扩张可能“最终导致商业活动远离美国金融体系”。

如同在其他领域，美国已成功地制定了世界运作的规则，从而重塑了整个世界。
然而，随著美国的权力愈发昭然，且愈愿意运用这种权力，其他国家政府和企业也愈发有理由去建立自己的替代性规则体系。

华为的起步极为简单，只是一家从事儿童气球和火灾警报器买卖的贸易公司。
当任正非的公司偶然涉足电话交换机业务时，他敏锐地看到了真正的机会：
要摆脱农村贫困的困境，中国必须建设现代化的电话系统，这需要完善的网络，而网络建设则离不开交换机。

华为的“规模、无处不在，以及与中国政府的密切关系”意味著，
问题的核心在于它的“巨大影响力及未来可能带来的风险”，而非其当前的具体行为。

英国曾向美国表示，中国的监控威胁是可控的，因为华为的技术漏洞百出，英国的情报系统已成功渗透这些系统。
然而，美国官员对此说法并不以为然。他们真正担心的是，华为可能协助中国建立一个全球性的网路帝国，将美国推向边缘。

美国的全球金融帝国不仅是逮捕孟晚舟的理由，更是实现这一行动的手段。
若没有这个帝国的存在，汇丰等外国银行不会如此甘愿服从美国的要求。
但在这个帝国之下，银行若要生存，就必须仰赖美元清算系统。

当美国以侵犯人权为由制裁香港时任行政长官林郑月娥，
这位在当时治理香港并成为反民主镇压象征的官员──时，发现她竟无法在中国的银行开设帐户。
由于美国拥有将个人、企业和机构列为制裁对象的权力，中国的银行为避免违反制裁规定，皆拒绝为她提供服务。
林郑只得以现金支薪，在其官邸──一座殖民时期遗留、配有双泳池的总督府──四处堆积著成叠的钞票。

俄罗斯企业在入侵乌克兰后，为了规避制裁，开始使用人民币而非美元进行支付与收款。
2015 年，中国建立了“人民币跨境支付系统”（Cross-Border Interbank Payment System, CIPS），作为类似于 SWIFT 的国际支付系统。

尽管中国无法掌控全球经济的关键管道，它依然握有一项可供运用的武器：进入中国市场的门票。
随著数亿消费者逐步跻身全球中产阶级，各国企业无不渴望打入这片庞大市场，而制造商对工具机、原材料、石油、煤炭等各类商品的需求也依然强劲。

中国面临的问题在于，这些报复工具往往具有自我设限的特性。
限制挪威鲑鱼进口，对中国本身影响不大，但只要其他国家仍在购买鲑鱼，对挪威的伤害也极为有限。
而更严厉的报复措施，则可能导致中国自身受损，甚至与目标国两败俱伤。
随说：比如铁矿石

中国想要伤害其他国家，往往必须付出自身代价；有时候即便付出了代价，中国也难以真正对其他国家造成多大的伤害。

与美国不同的是，中国并未掌控世界经济运行的地下机制中任何“卡脖子的地方”。
在 1990 年代末期，当网际网路和全球金融迅速崛起时，中国才刚开始重新与世界接轨，根本没有足够时间去影响全球基础设施的演进方向。

从经济规模来看，中国已是全球强权；但若论其对全球经济网络的影响力，中国充其量只是个陪跑者。
美国则凭借其“地下帝国”，将施压的沉重代价转嫁给盟友与对手。

欧盟在安全上依赖美国，在能源上依赖俄罗斯，在贸易上依赖中国。而这些依赖并未给它带来显著的困扰。

现代德国经济的基础建立在俄罗斯能源供应之上。
冷战结束后，德国和其他北欧国家不断寻求获取俄罗斯天然气的新途径，
而 Gazprom 则致力于为输气管道寻找绕过乌克兰的替代路线，
因为乌克兰试图从连接西伯利亚与西欧的管道中廉价攫取部分气源。

最后，胡克在船长迟迟未回应时替他作出了决定，通知他已经被美国列入制裁名单。
船长的困境正是全球商业困境的缩影。产业界以追求效率和利润为名，耗费数十年构建国际市场，而美国政府却将这些经济网络化作枷锁与束缚。

在接下来的数十年里，史密斯（后来升任微软总裁兼总法律顾问）成功地将微软从一家以无视法律而臭名昭著的企业，
转型为因与政府合作而蓬勃发展的企业典范。分拆的威胁最终消逝于历史记忆之中。

如果湾统一，台积电将会面临怎样的未来？而如果全球最重要的先进半导体制造公司落入美国对手的治理之下，美国又将如何应对？

中本聪的这项发明与其说是把稻草变成黄金，不如说是把耗费的电脑算力转化成了黄金。

有些公司，如台积电，采取模糊策略，表面维持中立，实则默认强权的影响力。
其他公司，像微软，已放弃追求中立独立的野心，转而选择靠拢某一方。

中国在建立自身帝国的过程中，有一个根本性的弱点：政府难以取信于其他国家、企业和普通民众，因为它总是在有利可图时毫不犹豫地加以利用。

美国越是依赖自身的金融实力、技术控制能力，以及在全球网络中的核心地位来施加管控，就越可能落入中国设下的陷阱。

2022年4月22日，中国政府的财政部与人民银行召集数十家本地及国际银行，
举行了一场紧急会议，讨论若中国同样遭到国际金融体系排除，应该如何应对。
会上有人提到或许可以将其外汇储备转移至欧元和日圆，但在危机时刻，美国的盟友未必会比美国更加可靠。

中国金融领域的脆弱性，迫使它不得不顺应美国对俄制裁措施。
美国国务卿布林肯威胁道：“中国若采取任何行动支持俄罗斯侵略，必将承担相应后果。不论需要付出什么代价，我们都不会犹豫。”
随说：排除在 swift 外，外汇被冻结

除非迫不得已，中国以外几乎没有任何机构愿意使用人民币跨境支付系统（CIPS）。
该系统以人民币为基础，但由于中国需要严格管控跨境资金流动，人民币在国际市场上还不是在各处都能兑换到。

对其他国家而言，将金融资产转移至一个由中国主导、与全球金融体系半脱节，还受制于政府政策朝令夕改的体系中，显然不符合常理。
美国虽然有时难以捉摸，但至少有法治作为根基。反观中国，并无足够健全的法律体制来约束政府攫取其认为必要的资源。
为实施清零政策，中国政府甚至毫不犹豫地让香港和上海这两大金融中心与世界隔绝。
随说：矮子里拔将军

历史上所有主要储备货币的发行国，无一例外都实行共和或民主制度，并对行政权力有所制衡，这绝非偶然。
如果缺乏这种制衡机制，政府便难以获取信任。

随著中国意识到与美国关系所蕴含的风险，它愈加努力地建立不受美国监督与控制的经济和金融网络。
然而，美国将这些自主化的努力视为谋求霸权的企图，从而使局势进一步恶化。

双方都认为自己在面对对方时存在根本性的脆弱；在争夺经济与政治命运的过程中，一方的恐惧不断加深另一方的恐惧。
双方既无法真正理解对手的动机，也难以全面认识这个他们必须共同生存的全新而复杂的世界。

弱点可以变成优势──当你无法轻易改变立场时，你的承诺与威胁反而更具说服力。
在这样的思维逻辑下，建立有效的核攻击防御系统反而可能是个糟糕的主意。
因为一旦开始建设防御系统，对手可能会担心你的下一步就是发动第一击，进而决定提前采取行动以免为时已晚。
这些初看令人费解的观点，最终为谢林赢得了诺贝尔经济学奖。

冷战最出人意料之处，在于两大对手始终未曾直接兵戎相见。
他将这段时期称为“长和平”（the Long Peace），并认为这很大程度上得益于双方“相互独立而非相互依赖”。

这本书比较好的是有很多通俗易懂的探究场景，对话的方式代入感很强。
而且修订版给的大部分例子都是中国读者比较熟悉的。

1. 内容概要

从互联网上各种热门的反转事件来看，批判性精神可以说比较缺乏。
在网上冲浪多年，我习得的生存法则，简单来说就是保持好奇心：

• 提到的内容有无可靠的来源？比如比较正式的媒体
• 作者靠什么维持生计？是否会屁股决定脑袋，为了赚钱什么都说
• 披露的数据是否有来源？数据是否准确？
• 相关的言论如果不符合常理，那么有什么证据支撑？

看完这本书，其实有异曲同工之妙，都是要搞清楚问题的答案，不要人云亦云。
值得注意的是，很多主观性强的问题，是不好探究的，特别是社会上共识不强的问题。

探究应该有的态度：

• 开放：对相反的观点、对我们观点的质疑、跟我们的观点不符的证据保持开放的态度。
• 公正：我们不仅愿意考虑相反的观点，而且会对他们做出不偏不倚、公正无私的判断。

真正的批判性思维，不是为了“赢得辩论”，而是为了“寻求真理”；其手段不是固执己见，而是“探究”。
简而言之，这本书想告诉我们的是：先探究，后断言；先权衡，再结论。

书里面印象很深的是老师引导学生对艺术作品，特别是一幅画的探究。
先从表象开始，收集足够的细节，给出自己的想法。
然后带着问题，了解作品的背景，把自己代入进去，
通过多人协作沟通，形成一个比较全面、深入的认识。

2. 原始摘录

本书围绕六个指导性问题展开：

• 这个问题是什么？
• 这个问题中包含了什么样的断言和判断？
• 对于这个问题的各种立场，其相关的理由和论证是什么？
• 这个问题的背景是什么？
• 各个论证的效力有多强？
• 我们如何比较性地评价各种理由和论证，以得出一个有充分理由支持的判断？

学生时代的学习，绝大多数时候不是在学习，而是信息的暂时获取。
获取信息的外在目的——考试一旦消失，这些信息也就烟消云散。
为什么学生没有能把信息的获取转化成学习？
究其原因，很大一部分是因为缺乏问题意识。

问题是什么？问题是引领知识建构的引擎。
信息需要通过一个心理化的过程，形成一个结构而为我们所掌握。

问题提出来之后，探究途径要求从三个方面对问题的背景进行调查：问题的现状，争论的历史，以及相关的思想、社会、政治和历史背景。这
迫使探究者去深入挖掘，从语境中建构出这个问题对“我”的意义。

本书的书名“权衡”正是这一点睛之笔：权衡各方证据和论点后得出判断。

所谓“迁移难题”，就是怎样让学生把在课堂上学到的技能运用到生活中的方方面面。
作者们深深明白，思维的培养从来不是一个理论问题，而是要融入日常交流的点滴之中，正如书中的角色在对话中所例示的那样。
通过日复一日的优游涵泳，使批判性思维成为学习者的第二天性。

无论是以何种身份、何种目的阅读本书，关键在于能够把握住探究的精髓，
秉持面对复杂问题的全局性视角，始于问题，按照探究的步骤深入，将各类思维工具和概念融入其中。

地理学科常常通过要求学生死记硬背来考核学生。本书第十二章展示了如何用探究方法重新审视教学：

• 地质学家试图解决的问题是什么？
• 该问题的背景是什么？
• 有哪些相互竞争的理论？
• 支持两种不同理论的证据和论证是什么
• 对这些论证有何异议？
• 科学家们一开始是如何评估这些证据和论证的？他们在通过新的研究获得其他证据后又是如何评估的？

学生写作文常见的做法是一上来就确立一个中心论点，然后寻找甚至拼凑各种材料来支持该论点。
这种写作的结果往往是一篇观点肤浅、结构零散的文章。
反之，通过本书中详细阐述的探究过程的各个方面，学生学会系统地探究问题，审视问题的各个方面，评估各方面的论证并做出一个有充分理由支持的判断。
这样写出来的文章质量更高，表现出更深入的分析和批判性思维。
随说：这本书为什么这么本地化的感觉？

探究途径旨在帮助学生锻炼在实际情况中做出理性判断的能力，以及适当而一贯地进行理性思维的习惯。

要培养探究思维的习惯，就需要一个以学生互动为中心，学生进行辩论、提问、质疑和评价的氛围。
他们共同协作，对别人的工作提供反馈，一起从事项目，共同进行探究。

遗憾的是，这种情景是很典型的。大家对一个问题存在意见分歧，且双方都带有非常强烈的情绪。
这种分歧升级为指名道姓的谩骂以及强烈的情绪发泄，并以双方的误解告终。
随说：以对话的方式展开？

郑鑫：好家伙——我们显然提出了很多问题，不过好像没有多少答案。
苏芳菲：我说……或许我们可以找到某种方式，来试图回答部分问题。我们肯定不是第一个思考这些问题的人。所以，我们不妨查一下，看看已经有些什么样的想法和信息在那里了。我确定有关于吃肉对健康和环境的影响方面的研究。

在第一个场景中，同学们情绪化的反应从一开始就主导了谈话。
对于他们所反对的意见，同学们并不想了解更多，也不准备认真地思考其他观点。
相反，他们互相奚落和抨击。他们没能找到一种途径来解决存在的分歧——事实上，这一分歧升级为不欢而散。
最后，没有一个人是赢家，没有人获得对这个问题或对方观点的深入理解。
每个人都输了，都有受到伤害的感觉，甚至可能导致友谊的破裂。
随说：这场景其实很常见

第二个场景开始于同样的起点，同学们关于素食主义持有不同的立场。
但是，一个关键的不同之处是，第二个场景中同学们抱有开放的心态，希望了解那些他们所不同意的其他同学的观点。
他们为自己的立场提供理由，了解他人的理由，参与到真正的对话中去。同学们对自己原初的立场同样持有强烈的情绪和坚持，而这可能是完全适当的。
他们不再那么固执地拒绝那些他们不乐意听到的意见；相反，他们表现出了对他人观点的尊重，并且乐于倾听和考虑他人的想法。
同学们想要抓住问题的要点，寻找额外的信息和想法，并给予它们严肃而批判性的思考。他们开始走向了探究的过程。
随说：核心是怎么引导自己或者他人进入这种状态，如果完全情绪化，应该没法这么讲事实白道理。

他们将会带着更具批判性的眼光思考这个问题，在更为充分的信息基础上做出经过深入思考的判断。
他们将找出一种方法来理解他们之间的分歧，用一种合理的方式来解决它，并且相互之间用一种更加文明的、互相尊重的方式进行交流，即使分歧仍然存在。

批判性的探究，即这样一个过程：仔细地考察一个问题，从而得出有充分理由支持的判断。

• 聚焦一个问题
• 对一个问题进行仔细地思考
• 一个有充分理由支持的判断

实际的探究并不总是会得出一个所有人都一致同意的判断。
讨论可能会以一个合理的、互相尊重的分歧而告终，而这完全可能是适当的。

探究力求得出的判断并不是任意的：不是一个没有经过反思的意见，也不是不加批判地采纳他人的说法。
相反，得出一个有充分理由支持的判断包含了批判性评价。批判性评价也是探究的核心。

当人们考虑购买一辆汽车的时候，通常所使用的标准是经济承受能力、节油性能、舒适性、安全性、外观等。
这些标准中的某一些，比如节油性能，是对买车来说所特有的，而其他的一些，比如经济承受能力、外观，是购买其他东西时也会考虑的。
随说：为什么区分特有的和通用的？

评价一个科学断言的标准包括：解释证据的能力、跟现有理论之间的关系。

评价要求对推理进行评价的标准包括：所提供的理由必须跟结论相关、不应该有任何逻辑错误或者弱点（谬误）。
这些标准并不是任何一个特定领域所特有的，而是对所有可以进行推理的领域都适用。

同学们开始认识到一些谬误（一些常见的论证效力薄弱，却具有相当大说服力的论证模式），并且看出它们是如何弱化了论证的效力。
例如，沈佩珊指出，一些对素食主义的指责实际上是诉诸人身，因为它们是攻击吃素的人而不是他们的论证。

同学们还意识到评价的另一个重要方面——考察这个问题的背景。
这个问题的背景包括中国人食肉的文化传统、关心动物福祉的精神传统（佛教和道教等），以及支持工业化农场的社会-经济条件。

探究是对一个问题进行仔细考察，从而得出一个有充分理由支持的判断。

不过，并非所有观点上的不同都可以进行探究。比如，看一看下面这些场景：

• 姜瑶试图说服林畅苦瓜很好吃。
• 徐逸飞和刘宇轩关于电台播放的歌酷不酷有不同意见。
• 郑鑫想去打球，而宋俊涛更想要去看电影。
  尽管在这些场景中，人们对于某些事情存在分歧，但这些分歧却并不是可以用一种理性的方式来考察的。
  相反，它们是个人喜好的问题。最终，双方可能商议出一种行动方案，或者接受他们之间的分歧。探究在这样的情形中是不能提供什么帮助的。

因为我们所知道的东西总是在不断变化的，所以我们从来都不能确定我们是否已经掌握了真理。
因此，我们的判断也总是暂时的。新的信息可能被发现，新的论证可能被提出来，从而给予我们新的理由修正或者改变我们的观点。

尽管我们的目标是不断增进我们的知识，然而意识到这一点同样重要，即在历史上知识并不总是以线性的、进步的方式演化的。

探究是不断进行和不断演化的，这一事实与其说值得担忧，不如说是值得我们高兴的。
有人觉得批判性思考是枯燥乏味、缺乏创造性的。这种观点是不准确的。
事实上，探究是一项包含了创造性和想象力的事业，就像它需要逻辑和推理一样。
这两个方面是紧密交织在一起的。探究包含了对信息、理由和论证的评价，但它同样也包含对替代性方案和反驳的思考、想象反例以及构造出自己的观点。

有时候一个对话看起来像是一个探究，实际上却只不过是不同观点之间的对抗，而并没有真正努力去寻求和发现最好的立场。

“如果我们今天相信的东西明天就会发生改变”，他们可能会想，“那么进行探究的意义又是什么呢？”
这个意义就是，探究使得我们在现有信息的基础上，得出一个我们所能达到的最好的判断。

力图寻求真理并不是探究的唯一目的。探究的一个中心目标是对世界获得一个更好的理解——一个可以使得我们的生活更为丰富、更有效率的理解。
随说：理解世界的运行

基于理由而进行判断的能力，对一个成熟、独立、有责任的人来说是至关重要的。

探究的首要目的是找出针对一个问题最好的观点或者立场。探究并不仅仅是找出其他人论证中的错误。
它并不是要赢。它尤其不是要说服他人采取你的意见或者观点。
相反，它关注的是真正去寻求那种最好地被辩护的立场或观点。
它的目的是力图得出一个有充分理由支持的判断。
正因如此，探究要求其参与者具备一定的倾向或者态度，我们称之为“探究的精神”。

探究还有的态度

• 开放：对相反的观点、对我们观点的质疑、跟我们的观点不符的证据保持开放的态度。
• 公正：我们不仅愿意考虑相反的观点，而且会对他们做出不偏不倚、公正无私的判断。

确认偏误：是指只注重寻找那些可以确证自己观点的信息和证据，而未能寻求反对自己观点的信息和证据的倾向。

探究的核心特征之一是对于理性的尊重，它可以通过多种方式展现，比如：对事物有好奇心；关心真理和准确性；
欣赏人类通过理性取得的成就；愿意跟随论证和推理的引导，不论它们将我们带到什么地方；
希望基于理由而行动；接受不确定性作为探究的一部分。

探究的精神的最后一个核心方面是，尊重探究过程的其他参与者。
它意味着不能侮辱和操纵他人，也意味着严肃地对待他人的观点。

德尔菲报告：理想的批判性思维者充满好奇，充分掌握信息，相信理性，思想开明，头脑灵活，公正地进行评价，诚实地面对个人偏见，谨慎做出判断，愿意重新考虑，明确问题所在，有条理地处理复杂事务，勤于寻求相关信息，合理选择标准，专注于探究，在探究的问题和环境允许的情况下坚持不懈地寻求尽可能准确的结果。

苏芳菲和林畅刚刚展示的是一个非常典型的关于电影的意见分歧：他们相互交换了意见，对于各自的观点做出反应，然后便转移到其他事情上去了。关于电影（或者音乐等）的意见分歧经常以这样的方式告终：尊重双方的分歧、保留各自的意见。但是他们并不一定要这样。

问一问自己，究竟为什么喜欢或者不喜欢一部电影，特别是他们认为哪些地方拍得好或者不好。试着回想一下影片中的镜头会很有帮助。
随说：要有细节支撑，不然太空洞了。

怎么建立探究框架呢？
探究的指导性问题：

• 这个问题是什么
• 这个问题包含了什么样的断言和判断
• 这个问题的各种立场，其相关理由和论证是什么
• 这个问题的背景是什么
• 各个论证的效力有多强
• 我们如何比较性地评价各种理由和论证，以得出一个有充分理由支持的判断

哪部电影更好，这是个人喜好问题。没法进行探究。

因此，尽管这些研究不是决定性的，委员们还是能基于系统收集到的信息和论证得出一个有充分理由支持的判断。
在这种批判性评价的基础上做出一个决定，要远远好过仅凭个人印象而做出决定，
因为那可能是带有偏见或者缺乏信息支持的，也好过基于媒体报道而做出的决定，因为那可能是一边倒的、感性的。
随说：收集信息，综合评判

两个例子(哪个电影好看、养狗条例)都开始于一个问题或者分歧，其意见分歧都伴随着对特定立场的情绪化的反应和承诺（至少对某些参与者来说）；
通过探究，参与者们都超越了他们原初的分歧；探究的过程都包含提出同样的指导性问题。

王茵茵和她的女儿张熙怡正准备要去补习班。
随说：这部分真是太逗了，很贴合实际

我看过一些报道，加拿大的学生在功课上花的时间比我们少得多，可是他们在阅读和科学学科方面的成绩排名更高，在数学方面的排名也跟我们差不多。
实际上，没有哪个国家的学生比我们中国的学生做的功课更多了，可是他们反而成绩更好。

一个论证究竟是什么呢？“论证”这个词有很多种含义，我们将在本书中使用其中的几种。
你可以放心，那种脸红脖子粗的高声争辩不是本书的关注点，虽然有时候我们对话中的人物可能会变成那样。

一个论证至少是由两个断言组成的：一个前提，一个结论。为支持这个断言所提供的理由称为前提，被支持的断言称为结论。

我们可以将王茵茵的一个论证标准化如下：

1. 那些上了好大学的人都很有出息。
2. 黄叔叔名牌大学毕业。
   结论：这是他现在年纪轻轻就功成名就的原因。

诠释论证的时候，为什么要用善意原则

• 通常来说这是一件得体的事情，尤其是对话
• 有助于保持在理性轨道，尽量试图公正地听取另一方意见
• 避免我们不同意对方立场时，就错误表述对方立场


有效的演绎论证是指，如果它的前提为真，那么结论必然为真。在一个有效的演绎论证中，前提和结论之间的这种关系被称为蕴涵。

一个论证是否有效，依赖于它是否例示了一个有效的论证形式，而不依赖于它的前提或者结论是否为真。
随说：形式决定了是否有效？

计算器所保证的是，如果你输入了正确的数字（以及运算符号），你将会得到正确的答案。这对于将陈述句填入一个有效的论证形式来说也是一样。

有效性只是保证了当前提都为真的时候，必然有一个为真的结论。

如果说X是Y的必要条件，那么没有X就不可能有Y；
如果Y 是X的充分条件，则如果Y存在，那么X也必然存在。

由此可知，对于一个论证的评价过程是，首先暂时接受它的前提，然后问一问：如果这些前提为真的话，那么它们能否为结论提供很好的支持？它们是否提供了很好的理由来使得结论可信？

初步的判断总体来说就是预备性的判断。说一个人做出了初步的判断，就是承认其评判的预备性本质。
也就是说，一个人可以对一个断言或者论证做出一个合理的初步评价，并同时承认该评价只是预备性的，是可以根据后面的信息或者其他的考虑而修改的。

很多论证类型（谬误）看起来有说服力，但是实际上为它们的结论提供了很少的证据，甚至没有。

王茵茵：无论如何，没有什么能代替努力学习。你还记得李阿姨的女儿柳馨吗？柳馨读书的时候就不好好读，回到家什么作业都不做，补习班也不好好上。高考考得一塌糊涂，在一个普通大学上了四年，毕业了也找不到一份好工作，现在干脆在家里失业啃老了。日子过得一团糟。
这是一个谬误推理的典型例子。王茵茵用一个例子来过度概括那些没有好好学习的人。注意，我们并不是说一个人的个人经验与理解这个世界无关。这里的谬误是，基于极其有限的一点证据——经常是个人经验（主观上是有力的，而且经常是很有说服力的），认为它好像强到可以支持一个普遍概括。
随说：逸闻(一则故事)证据谬误，说服效果 ＞ 逻辑效力

人们通常容易被自己的经验或者听说的别人的经验所说服。我们都有这样的倾向，即假设我们自己的经验是典型的，因此基于它们可以进行适当的概括。
随说：大部分时候说的非典型的。

证据力：一个带有谬误的论证是说服力远远超出了证据力（证据价值）的论证。

最经典也是最常见的一种不相关的形式是转移话题（red herring）。这个词语的直译是“红鲱鱼”，据说源自英国的猎狐运动。
反对猎狐的人士将一条腐烂的红鲱鱼拖拽着掠过狐狸的踪迹，从而混淆猎犬的嗅觉，使它们找不到狐狸。
这种形式在论证中的作用是，将辩论者的注意力从当前讨论的问题转移到其他话题上。

张熙怡：但是压力太大了！我严重缺觉，也不做任何运动。你看我都发胖了！我的神经一直都绷着，也没有时间跟朋友们在一起。
王茵茵：我为你付出这么多——这么多钱花在你身上，还有我的时间和精力，为你的学习我操碎了心！你这孩子一点都不知道感恩！
王茵茵显然不想处理张熙怡关于学习负担产生的负面影响的论证，而是把话题转移到父母为她的教育所做的牺牲上面。

逻辑错误：通过转移关注焦点，所提供的理由和论证就是针对另一个不同问题的了，对于找出原来那个问题的真相不起什么作用。

下面是另一个典型的转移话题的例子：
记者：女士，请问本届政府对于亟待处理的金融危机做了哪些工作？

政府官员：正如你所知道的，前一届政府忽视了这个问题，这是我们现在要面临这样一个烂摊子的原因。如果他们在适当的时间采取了适当的措施，那么我们的处境就会好很多。所幸的是，他们败选了，而我们现在主持政府的工作。

转移话题的一个最有效的形式是诉诸人身（ad hominem），它将关于问题的讨论转移到提出论证的人身上。
如果辩论者拒斥一个论证是基于对立论者本人的批评而非针对其论证，那么就犯了诉诸人身的谬误。
会导致捍卫个人行为/煽动个人情绪，无法讨论问题本身。
逻辑错误：论证的逻辑效力应该是基于论证的优劣而非立论者的个人品质来决定的。

人身攻击是用对立论者的恶意攻击来拒斥其论证或者立场。它通常导致将关注的焦点从正在讨论的问题完全转移到提出这个观点的个人身上。

当一个断言的可信性依赖其立论者的可信性的时候，批评者就可以合理地提出关于立论者的可信性的质疑。

因为关联而有错（guilt by association）是一个这样的谬误：一个人拒斥某个断言，因为它是那些不受欢迎的人所持有的立场。
逻辑错误：一个观点被一些不受欢迎的人持有，这一事实跟这个观点是否为真或者是否可信没有任何关系。

稻草人的谬误包含了攻击一个被错误表述的论证或立场。当辩论者把一个并非对方的观点归于对方，并通过驳斥那个被错误表述的论证或立场来反驳对方的观点时，他们就犯了稻草人的谬误。
随说：曲解？故意误导？

在批评你的对手的立场之前，通过仔细、善意地理解其立场，可以避免无心地犯下这个谬误，在对话中，你应该向对方核实，看看对其立场是否做出了正确的描述。

为什么我得了罚单？那些车也都超速了。 （回答：我希望我能抓住所有超速的人，但是我们只能做我们能做到的，而现在我抓住你了。你当然不能说你没有超速。）

传统之所以成为传统，并不是因为它们是对的，有时只是因为人们道德上的软弱，或者自我放纵，或者是延续了可疑的惯例。

流行性只是信念的一个初步基础，它从来不能成为一个断言真正的证据。

经验和故事都是极其鲜活的，也很容易把我们引向结论。
它就像根据第一印象来判断人，或者根据在一个大城市的一周生活体验来判断一个国家。
你可能是对的，但是这并不足以作为一个很有力的证据。

当辩论者所使用的前提跟他们的结论等同时，他们就犯了循环论证（begging the question）的谬误。
循环论证的另一种方式是假设一个处于争议焦点的断言为真。

王茵茵：怡怡，这话我跟你说了多少次了？你要是进不了年级前一百名，你就进不了重点高中；你进不了重点高中，就进不了重点大学；进不了重点大学，就找不到好工作；你找不到好工作，你的朋友也不想跟你来往，将来你连孩子都养不起。那就是你想要的生活吗？
随说：滑坡论证

“滑坡”这个名字强调了如果你向某个方向采取某个行动，那么将不可避免地滑向不好的后果。
这类论证的说服效果通常是通过突出那个可怕的后果达成的。

论证中的偷换概念（equivocation）是指，作者故意误导性地在两种不同的意义上使用同一个词。

你需要有某些理由来进行怀疑——你不能仅仅只是声称一个前提是不可接受的，因为它没有得到支持。

虚假的两难的说服效果是，迫使人们只考虑两个选择，而其中一个通常是令人反感的，因而他们必须选择另一个。因为只有两个选择，人们必须选那个不那么令人反感的。
随说：高，真是高

妈？你知道课堂上什么最容易导致分心吗？是其他同学！所以按照你的逻辑，我们应该把学生也给没收了。这也太搞笑了吧？
这里王韫就是使用了这个策略。归谬（拉丁文reductio ad absurdum，意思是“归为荒谬”），是要表明一个被提议的行为或者原则将会导致一个荒谬的情形，从而应该被拒绝。

先例对比：
引用其他的案子作为一个先例是类比论证的一种形式。这种论证基本上是这样的：
在案件A中，法庭判决X。
现在手头上的案子跟A在某些相关方面是类似的。
结论：法庭在这个案子上也应该判决X。

人类跟老鼠显然是非常不同的，但是出于测试致癌物这样的科学目的，二者可能是可以进行类比的。
手机和电视有些相似之处（两者都有屏幕，都有一些影音娱乐功能），
但是在下列这些方面是不同的：交互性、便携性、手机为个人所有、分散注意力的程度，以及作为教学工具在程度上的差异。
鉴于这么多差异，我们难以确定章敏菁的论证在多大程度上能够成立。

不过，如果健康问题是牵涉眼睛的，那么兔子就会被认为是一个更好的模型。
另外，如果我们要考察社会行为，那么老鼠跟人类就相差太远了，
因而也不再具有任何真正的解释或者预测价值。

下面是用来评价类比论证的策略：

1. 检查在被比较的事项之间是否存在相关的可比较的方面。
2. 将这个论证进行推广，看看它是否会导致荒谬的后果（构造一个归谬论证）。
3. 构造一个替代性的类比，它跟原来的类比一样好甚至更好，但是却具有不同的后果。
4. 提炼出其中的根本原则，对它进行批评。

人类所进行的最根本的活动之一就是试图理解这个世界。
理解世界的能力使得我们既可以预测什么将会发生，也可以按照我们的目的来改造世界。
理解世界上所发生的事情，涉及适当的解释。

通常，在一个解释中我们是要考察为什么某件事情会发生，
而在一个论证中我们是要知道应不应该相信某个特定的断言。

解释有两种形式

• 理由解释：也叫做目的解释/意图解释，也就是我们如何解释人的行为。
• 因果解释：大多数是物理学范畴，用先前的事件来解释它导致什么事情发生。

雷声：我们现在理解了，正负极两种带电云层碰到一起时，就会发出闪电，同时又释放出很大的热量，使周围的空气受热膨胀。瞬间被加热膨胀的空气会推挤周围的空气，引发强烈的爆炸式震动，这就是雷声——而不是因为雷公在惩恶扬善。

最佳解释论证是一种用来确立因果断言的推理方法。它通过指出其他的解释跟事实不符，表明某个特定的解释比其他任何解释都更好。

它就是奥卡姆剃刀，（在应用于当代的实践中时）它可以被表述为：“其他条件相同的情况下，选择最简单的解释。
随说：控制变量法的情况下，选最简单的

“奥卡姆剃刀”原则：如无必要，勿增实体。

当然，一个一般性的因果断言可以被表明是假的，或者是未得到证实的，但却不是谬误。
我们将继续用“谬误”这个概念特指在初步评价和推理中识别出来的明显的错误。

第六章 可信的信息来源和诉诸专家，章节目标

• 对专家的论断和论证做出合理的评价
• 对网络和出版物上找到可信的信息来源，并对齐进行评价

如果一个人不提供适当的理由，而说什么“相信我，没错的”，那我们应该保持怀疑态度。

如果一个问题对你来说是重要的，那么进行更深入的挖掘以合适关键信息总是好的。

有必要检查信息来源的情况：

1. 这个问题很重要
2. 这个断言是有争议的，支持该断言的人具有举证责任
3. 有适当的理由怀疑这些信息存在偏见

评价信息来源的指导性问题

1. 这个论断是来自一个适当的知识领域吗？
2. 相关专家对这个论断是否存在共识？
3. 所诉诸的权威能胜任这一论断所在的领域吗？
4. 这个专家在给出一个意见之前有没有评阅相关信息？
5. 这个专家是否可以信赖，不带偏见
6. 这个论断是经过同行评审吗？出自经过同行评审的刊物？
7. 这个专家是否提供了言之有理的论证或者解释来支持其观点？

与科学和政治领域相比，达成一个一致的判断在美学领域则不是那么重要的目标。

可以诉诸权威的领域特质

1. 不是以道德自主性为特征的领域
2. 该论断有着被广泛认可的程序和标准
3. 该领域有着相当大程度的专家共识

专家/KOL是否可以信赖？

• 没有偏见和个人利益，因为屁股决定脑袋

如果专家不能提供一个可以理解的、言之有理的解释，那么就削弱了其论断的可信性。

什么事一个问题？
一个可以进行探究的问题是可以通过理性和论证来考察的。
特质:聚焦，不能过于宽泛；区分话题与问题；精确性；争议性；

一个问题是一件处于争议之中、结论尚不明确的事情。
在社会的层面，问题是那些尚未形成共识的现实问题。

一个问题的特质包含以下几个方面：有聚焦点，用问题的形式表达，用精确的语言表述，有争议性，用中立的语言表述。

事实性判断是通过观察这个世界存在的方式来做出决定和寻求支持。

评价性判断可以通过理由和论证而得到辩护，但是这些理由和论证跟用来支持事实性判断的属于不同的种类。

我注意到一些有趣的事：人们支持或者反对死刑，但是他们中的很多甚至都没有提到，这是在跟什么样的替代性观点相比较。他们有没有比较过死刑相对于十年或者十五年监禁的优点？他们有没有将它跟终身监禁相比呢？

背景信息重要的三个方面

• 现状
• 争论的历史
• 思想、社会、政治、历史背景

一个被广泛接受的指导性原则是，举证责任一般是归于那些与现有的普遍被接受的观点或做法相冲突的一方。
随说：打破常规需要举证

了解围绕一个问题的争论历史会很有帮助，而且在某些情形中，它对理解该问题以及各种相竞争的观点来说甚至是至关重要的。

知道一个问题所处的思想、社会、政治以及历史背景，可以让我们更加清楚各种论证背后的假设。
它可以帮助我们理解各种论证的提倡者的观点源自何处，让我们洞察到这些观点背后的世界观。

据媒体报道，国家人口计生委科学技术研究所2013年发布的数据显示，中国每年人工流产总数中，25岁以下的女性占一半以上。大学生甚至成为人工流产的“主力军”。

中国人民大学法学博士、著名刑法学家邱兴隆教授关于死刑是否具有震慑效应的讨论：联合国的一项研究发现，废除死刑的国家的犯罪率并未上升。这可以作为死刑并不更具震慑效应的证据吗？
随说：我认为不能，因为没有控制变量

我知道报应论证在中国历史悠久，俗话说“欠债还钱，杀人偿命”。
但是，我们并不会要求强奸强奸犯，或殴打那些殴打他人的人。
因此，我们实际上并不认为出于公正的目的所施加的惩罚应该跟犯罪的行为类似。

我们经常将自己的立场和优先性认作确定的、固定不变的。
但是，与我们通常所做的不同，通过试图明确表述出我们的权衡所基于的考虑、价值以及优先性，更进一步地推进这种给出理由和评价的过程，这样的可能性也是存在的。
随说：权衡就是评估、论证、改变的过程

试图为我们的判断和优先级进行辩护，也可以向我们揭示，有些时候我们所依赖的只是习惯、权威或者意识形态，而不是很好的理由。

列出哪些因素可以促使你对该问题改变主意。如果你什么都列不出来，那么就可能是“意识形态固化”了。

试图为我们的价值和优先级进行辩护的过程也可以帮助我们理解那些持有不同观点的人及其观念的根源。

一篇得体的回应：最近的一篇评论里面说道：‘只有死刑才能有效地震慑犯罪分子，并确保他们不会再次犯罪。’这样的立场听起来似乎有道理，但是却缺乏证据的支持。例如，加拿大自从1976年废除了死刑之后，谋杀率反而下降了。而在美国，谋杀率最高的是那些存在死刑的州。一些人可能会认为，死刑可以减少谋杀是一个常识。但是，很多谋杀是发生在那些互相认识的人之间的，是由一时的愤怒引起的。他们不大可能做风险-收益的分析。更重要的是，死刑不仅不能阻止凶手杀害无辜者，实际上反而导致无辜的人被杀。比如最近非常轰动的聂树斌一案。

首先，我们要确保我们考虑了相反的论证，使读者相信我们了解所谈论的事情。
在做出任何有争议的或者令人吃惊的断言时，我们都需要引用专家的意见作为佐证。
另外，不要忘记了，我们的很多论证都是道德论证，它们并不需要专家意见才具有可信性。我们还要让文章的语调尽量合理。

在我国一线城市超低房租回报率之下，未来只有两种演化可能，一是房价大跌，二是房租补涨，我更看好后一种可能性，尤其是在部分城市已经试点“租售同权”的背景下。
随说：很可惜是前者

安全套的发放有一个前提，如美国，70%以上的中学生和几乎100%的大学生都有两性关系，推行“安全套”教育不再有可能使更多青少年参与性行为。

谬误推理是指那些逻辑效力很薄弱却具有相当大说服力的论证（参见第四章）。
使用修辞手段进行不正当的说服，而不是使用逻辑理性地说服人们，就违反了对理性的承诺，而理性正是探究的精神的特质。

比如《论语·子罕》中说道：“子绝四：毋意，毋必，毋固，毋我。”意思是说，孔子杜绝了四种弊病：不凭空揣测，不主观臆断，不固执己见，不自以为是。

拒绝听从他人的观点在某种程度上可能是缘于想要确定性，这似乎是人类共有的特点。
当人们感到自己掌控着事情的来龙去脉时，才觉得安心，而当被迫怀疑自己持有的观点是否正确时，则会感到慌张。
但是，鉴于我们知识的可错性，在某种程度上接受不确定性是探究的一个必要方面。

执行复杂的计算、判断一个人行为的适当性、比较不同方面的总体价值或考察复杂的逻辑论证的有效性等任务，需要集中注意力、努力进行脑力劳动和有意识地进行推理——它们被称为“慢思考”

确认偏误是指只注重寻找那些可以确证自己观点的信息和证据，而未能寻求反对自己观点的信息和证据的倾向。

如果我们成功地培养出一种因为明白真理而非因为自己正确而得到满足的感觉，那么，愿意接受其他论证、愿意承认错误等就将变成我们自我认同的一部分。

我是想要成为一个通情达理的人，还是将自己跟某一特定的观点相等同？

参与者也应该力图通过严肃地考虑其他人的论证而非对别人的话吹毛求疵，通过认真思考别人的批评而非变得自我防卫，使对话富有成效。

有时候，出于论证的需要而承认一个观点也是有帮助的，即使你并非完全认同那个观点。
这样可以在对话陷入僵局的时候将其往前推进。这使得大家可以建立共同的基础，以导向一个解决方案。
承认另一种观点可能正确，并不必然意味着改变自己的想法。
它所要求的是不要一概拒斥那个观点，而是看看对话可以导向什么地方。

科学研究的推理过程：提出各种假说，一个一个地排除，直到得出最佳解释。

科学的进步是因为争论，也是因为科学家们不断地寻求对于所研究的现象的新证据和最佳解释。

在一项实验中，研究人员发现玩视频游戏可以增强老年人的认知能力。
它说：“我们的研究结果表明，玩4周的《脑锻炼》（ Brain Age）游戏可以改善老年人的认知功能（包括执行功能和处理速度）。”

元分析文章、综述性文章。

回溯性研究

一个有趣的统计上的例子可以说明这一点。研究发现，喝咖啡的人比不喝咖啡的人患肺癌的概率更高。
实际情况是，喝咖啡的人中吸烟率也更高，而吸烟和患肺癌之间才存在因果关联。吸烟干扰了关于喝咖啡是否导致肺癌发病率的研究。

很多心理学实验都是基于对大学本科生的便利抽样进行研究的，显然，这些样本既非随机的，也不能合理地代表更大范围内的人群。
在大多数这些研究中，研究者们甚至都没有说明他们的目标人群是什么。

你们确实提出了很好的问题，表明你们在对艺术作品进行思考，对它们做出反应。艺术应该如此。
你们对一幅画的第一反应是很重要的，但是你们也可以超越原初的反应，尝试着理解一幅画，思考它的优点。

你对《格尔尼卡》的第一印象是什么？
同学们遇到了一幅很有挑战性的艺术作品。它绝对不是写实的，他们困惑于怎么理解它。
画家为什么要画成这样呢？它意味着什么呢？为什么专家们这么看重它？如果它有什么优点的话，他们又如何能够知道呢？

江琪让他们在进行了更为直接的观察研究之后，再进行外部的研究。
很多教艺术欣赏的老师都推荐这个方法，因为它促使人们对一件作品建立初步的、直接的反应。
观察者被鼓励去观察作品的细节、思考并提出问题。
随说：先建立初步、直接的反应

为什么我们应该认为一件艺术作品需要在乍看之下就很容易理解呢？我们从这些观察、研究以及讨论中学到了很多，我们可以有深度地欣赏这幅画。
我并不认为“容易理解”应该成为我们判断一件艺术作品的标准。

艺术品是否只能塑造高大的形象？一件艺术品能否代表全体中国人的形象？艺术能否揭露社会历史的阴暗面？

文化批评家朱大可指出，从这个作品中并不能必然得出“丑陋”的判断，而且一个艺术作品“跟中国人有什么关系呢”？
因此他认为，挑起这个争论很滑稽，再牵扯到“中国人”就更加滑稽。
而在艺术评价上动辄挥舞民族主义大旗是极其狭隘的表现。

广州美术学院李公明教授分析，对一件不符合既定模式的艺术作品做出“丑陋”的判断，
正是某种僵化保守的思维方式和奇特的民族心理在作怪，似乎只有高大耸立的艺术品才是“代表民族精神”的。
如果以“丑陋的中国人”作为前提再进行讨论，首先就陷入了某种窠臼。

仅仅依赖于我们的最初反应来作为判断艺术品的基础是错误的，因为我们的反应可能是非常个人化的，它取决于我们的背景、知识以及心智状态等因素。

我也学到了可以基于理由和证据来对艺术做出批判性判断。艺术并不仅仅是个人口味的问题。
现在我意识到，我应该花点时间来好好地研究艺术，关于怎样去看以及看些什么，我现在有点眉目了。

重要的是，我们都经历了探究的过程，分享了我们的想法和判断。
但是在最后，我们可能会有不同的判断，只要它们是基于相关的标准和证据，那么就可以了。
而且，不管我们的批判性判断是什么，关于是否喜欢它，我们可能仍然具有不同的偏好。
重要的是，我们的探究为我们欣赏这个作品打开了新的可能性。

艺术中的探究过程和科学中的探究过程有一些有趣的类似之处。对于理由、论证的评价和权衡都是核心要素。
而且，基于观察而产生假说、用证据来测试它们、寻求对于证据的最佳解释，这些在两者中都起作用。

很多人不想对他们所读到或者听到的东西进行批判性的思考，或者可能不知道怎么去做。
所以，他们看不到所有这些谬误和问题，他们被那些修辞策略欺骗了。

如果你发现了支持阴谋论的证据，那么它证实了阴谋论；
如果你没有发现什么证据，那么这也被认为是证据，证明他们进行了掩盖，从而也是支持阴谋论。
你从这种逻辑里面看到什么问题了吗？
随说：阴谋论的逻辑出发，很难证伪

阴谋论倾向于使用有选择性的材料，经常是间接推测的证据，而且常常是未经证实的。它们通常并不考虑替代性的解释。

阴谋论论证的循环性是另一个常见的特征。因为阴谋论建立在关于秘密和掩盖的前提下，因而缺乏证据也被认为是构成了证据。这使得阴谋论变得不可测试。

总结：阴谋论的常见特征
·建立在有矛盾或者异常的材料之上。
·论证是循环的：缺乏证据也被认为是支持其理论的证据。
·显得具有很强大的解释力，然而这种表象是误导性的。

我想我只是不想成为一个任人摆布的傻瓜，接受官方想要让我相信的那些东西。
我想要自己去思考，找出幕后真相，想要显得叛逆不羁。
不过，我想可能我并没有像我应该做到的那样去独立思考。
随说：阴谋论者内心OS

列出正反两方的论据，以及各自论据的前提。对比双方哪个都可解释性高。更科学合理。

在看完一系列的电视剧之后，特别是《夜色正浓》里面李东明以及同事对竞选总监的张玫进行的各种辅导。
我在想为什么会没相关的书籍呢？然后想到某博主说的一段话：

“社会经验”特别重要又难以获得。你读书刻苦一点，一年能完成四年的学业。
但“社会经验”没办法这样学习，活一年就只能获得一年的“社会经验”。
如果有本专门介绍“社会经验”的书自然就不同了。然而根据社会经验，这样的书不可能出版。

我想原因大概是：

• 博弈论悖论：社会经验一旦公开，就会立刻失效；
• 上下文悖论：社会经验具有极强的“场景高敏感性”；
• 既得利益悖论：真正的顶层经验，违背“道德正确”；
  • 显性规则（明线）：道德、法律、大道理、企业文化。这些是用来维持社会秩序、讲给所有人听的。
  • 隐性规则（暗线）：利益交换、权力结构、人性的弱点、圈子文化。这些才是真正推动事情落地的杠杆。
• 体验悖论：没有经历过的人，根本看不懂；

2. 重点摘抄

职业生涯大概分为三段，每段 15 年；
第一阶段：加添燃料，强势开局。
第二阶段：聚焦长板，达到高点。
第三阶段：优化长尾，持续发挥影响力。

职场可持续的燃料

• 可迁移技能；
• 有意义的经验；
• 持久的关系；

说服式沟通很重要！
对话：两个人用不同的方式讲同一件事情；
冲突：两个人用一样的方式讲不同的事情；
断层：没有任何沟通基础，无法交流；

我时常问奥美的领导者：“如果把你放在网上拍卖，会有哪些客户为你‘竞价’，点名要你呢？
随说：这段话很精彩，如果自己是一个商品，别人为什么会买你？

三类人生导师：

• 明星：他们是成功的行为榜样，告诉我们如何成功；
• 贤者：他们就像苏格拉底，并不为我们提供答案，而是教我们如何思考；
• 策动者：他们激励我们，鞭策我们，偶尔迫使我们踏出关键的一步；
  随说：想清楚自己想要的生活，制定对应的目标，找到自己的导师，持续精进，脚踏实地靠近目标。

“一万杯”链接成功人士和年轻人：

将被他人欣赏的价值表现出来，为自己贴上标签，你就会在职场上树立起自己的品牌。
随说：深耕某个领域，学习新事物进行布道等。总值就是让大家某方面有需求的时候第一个想到你。

解决问题的能力：从某种程度上说，世界上任何一份工作都是为了解决某个问题而存在的。
你能够分析问题并制订解决方案吗？当你面对一项挑战和一张白纸时，你是否有一两套能解决问题的可靠方法呢？

情商是你理解和连接他人情绪状态的能力。
例如，通过阅读某人的肢体语言发现对方的不适或愤怒，或者知道如何解读周围人的社交线索、情绪和非语言的信号。

你的“人才账户”。历数你至今雇用和（或）提拔过的人，
他们在自己的职业生涯中继续获得提高和发展了吗？
其中的佼佼者是否愿意再次为你工作？

每周大概有 100 小时睁着眼睛，你怎么使用的？工作比例多少？学习比例？娱乐比例？

整个第一阶段往往长达 15 年，是一个学习和探索的过程，充满了尝试和错误。
这时并不是为了找到一份你每天都津津乐道的神话般的工作，而是要找出你擅长什么、不擅长什么、喜欢做什么，以及不喜欢做什么。
第一阶段并不仅仅是被动地增长年龄和阅历，像一块牛排一样“更加入味”，而是一个高度活跃和有目的性的阶段。
随说：前期蛀牙还是看成长机会，还有环境，收入可能不需要太考虑。矛盾的是这个阶段的人往往最需要钱==

领导者必须飞得足够高，才能用战略的眼光俯瞰全局。
任何高级管理人员都必须做到这一点，因为他是少数几个，甚至是唯一一个能看清全局的人。
与此同时，能力强的领导者还需要有极度关注细节的能力，这样才能解决棘手的问题或谈下一笔生意。
做到这两点的关键技巧就是学会像一架俯冲轰炸机一样，随时调整自己的巡航高度。

麻省理工学院的经济学家戴维·奥特尔（David Autor）说：“如果一项技能中只有技术，那就很有可能会被自动化。而如果它只需要同理心或灵活性，那么可以胜任的人也是要多少有多少，所以这样的职位的薪水也不会很高。只有将两者结合起来才是有竞争力的。”
随说：同理心/灵活性 + 技术，才不太会被机器替代。

作家兼哈佛大学教育和经济学副教授戴维·戴明（David Deming）观察发现，我们的教育体制中唯一与未来工作的需要相匹配的部分可能只有幼儿园。
我们在那里开始学习分享、协商、合作和创造。
随说：幼儿园这个比喻好

科学家们声称，制订清晰的计划确实会让人更幸福。
这对于如何规划职业生涯有着很重要的意义。
与其思前想后，不如采取行动。
将你能影响的东西都牢牢控制住，每年至少花一整天的时间反省和制订职业生涯的策略，进行职场盘点，尝试一些假设，确立目标，不断建立和更新你的职场燃料，监控你的进度。

在职场生活中，我们都需要感恩。作
为员工，我们应该感谢那些给我们机会、任务，并让我们加薪、升职和成长的人，也应该感谢那些与我们分享智慧的人。
而作为老板，我们也必须感谢那些与我们合作、为我们工作的人，因为他们为我们献出了才华、精力、热情和技能。

3. 原始摘抄/笔记

这是一本讲述职业生涯 3 阶段选择题的书。

我们需要用新的方法来寻找工作，用新的方法来建立可持续的职业生涯。
我们需要新的思维方式和新的工具箱。
这不仅是方法，而且是稳定、经得起现实考验的策略，我们能用它们在新的职场中生存和发展。
正确的做法并不是抛弃我们所知的一切，而是选出其中有用的部分，将它们置入全新的环境，并将传统的智慧与新的环境结合起来。

在过去的10年里，我的正职是奥美互动（OgilvyOne Worldwide）的首席执行官，
奥美互动是一家拥有5 000名员工的全球市场营销公司，是全球广告公司领头羊之一奥美集团在数字营销领域的子公司。
这份工作妙不可言，节奏快速、紧张，每年都有大约120天的时间要在海外出差。
后来我开始注意到，除了这份本职工作，我的日程上充斥了越来越多非正式的职业生涯咨询活动。
我差不多每周都要与某个寻求职业生涯建议的天才级人物共进早餐、午餐、晚餐或者喝个咖啡。
交谈的人越多，我就越发意识到自己提供的建议并没有什么不同，
也就是说，虽然每个人身处的环境大相径庭，但他们的挑战核心并无差异。

《远见》可以被分为三个主要部分。
第一部分会介绍正确的职场思维、框架和工具。
第二部分会提供一些实用性建议和案例，帮助你应对职业生涯的三个主要阶段。
第三部分的内容都以现实生活为基础，主题包括如何平衡职业策略与家庭的关系、怎样处理跨国调动和职场危机。

工作的幸福感会提高生产力、改善健康，并带来一众其他益处。

我诚挚地希望《远见》能在某种程度上激励你获取最稳固、最完美、最持久和最快乐的职业生涯。
我很高兴，也很荣幸能与世界上最大的几家公司合作，其中包括IBM、美国运通（American Express）、宝洁、宜家、雀巢、联合利华、Facebook、谷歌、雅虎、贝莱德金融集团（BlackRock Financial Group）和可口可乐。
作为一名首席执行官，我在过去的30年里聘用、解雇和提供职业咨询的人数以千计。
在为本书取材时，我认识了一些世界上最成功的企业家、学者、艺术家、运动员和社区志愿者。
我希望《远见》能激发出在如今的学校和公司里难得一见的对话。

如果你善于执行，那就可能需要在团队中加入一个更有创造力和洞察力的人。
坦率地承认自己的短板，针对它们招募盟友，你就可以把大多数时间放在核心长板上了。

如果你拥有绝佳的口才，那就可以成为公司里最优秀的演讲者。
如果你天生擅长协调，那就可以接下其他人都无法应对的困难的团队任务，展现出特殊的整合能力。
如果你是个高效的行动派，那就行动起来。
将被他人欣赏的价值表现出来，为自己贴上标签，你就会在职场上树立起自己的品牌。
如果说你和其他强大而善良的品牌都被摆在货架上，那么当带着空闲职位或升职机会的老板来店里寻找能够解决问题的人时，你要做的就是让他们选择你。
随说：用长处打造自己的品牌

但在我看来，职业生涯的第三个阶段却可能异乎寻常地充实和持久。
不过这需要恰当的思维方式、预期与准备。
第三阶段的主要目的是确定接班人，即给继任计划画上完美的句号，从执行或领导的角色转变成顾问或辅助的角色。
此时，学生变成了老师，学员变成了导师，领导变成了有价值的辅助者。

成人学校设立了关于商业、艺术、语言、生活技能、兴趣爱好和手工艺在内的数百门课程。
你有什么独特的技艺可以教给别人呢？

第一阶段策略：加添燃料，强势开局。
第二阶段策略：聚焦长板，达到高点。
第三阶段策略：优化长尾，持续发挥影响力。

作为首席执行官和职业咨询师，我经常会看到一个现象：人们低估了职业生涯这段旅程的长度，中途就把燃料耗尽了。
许多人关注的是职业生涯的表相：头衔、晋升、办公环境、薪水和奖励。
这些可以算是职业生涯的重要里程碑，但并不是尾声。

职场可持续的燃料

• 可迁移技能；
• 有意义的经验；
• 持久的关系。

解决问题的能力：从某种程度上说，世界上任何一份工作都是为了解决某个问题而存在的。
你能够分析问题并制订解决方案吗？当你面对一项挑战和一张白纸时，你是否有一两套能解决问题的可靠方法呢？

在面试的时候，我总会将至少一个几乎没有答案的开放式问题抛给求职者。
我并不怎么在意他们是否答对，而是对他们是如何切入这个问题更感兴趣。
好在有不少理论框架和策略能帮助你提高解决问题的能力。

说服式沟通技巧：无论你最后进入哪个行业，说服力都是一种受用一生的关键技能。

不管你的交流对象是客户、同事、朋友还是陌生人，能将自己的观点以清晰、简洁的方式呈现出来都是一种基本技能。
有的人觉得说服力是一种肤浅或低劣的伎俩。试着改观吧。
说服的风格没有定式，从强硬、张扬的步步紧逼到冷静、可信的循循善诱，不一而足。

从我的个人经验来看，那些无法说服别人接受他们想法的人在职业生涯中都会受挫、贬值。

你能凭借时长两分钟、以你热爱的话题为主题的视频吸引超过 1000 次的浏览量吗？
当然，视频内容不能是色情的。
你应该在接下来的6个月里实践一下，选择一个话题，拍摄一段低成本的视频，发布到网上，瞧瞧结果如何。
然后，不断在各方面进行调整、尝试。
没有什么比真实观众的观看、点赞和分享更能磨炼讲故事的能力了。

有的时候，如果我要解决一个复杂的问题，就会做一个名为“给妈妈写信”的练习。
我会真的起草一封给妈妈的信，解释眼前的问题和我想采取的行动。
由于我妈妈未曾涉足过我的行业，所以这一练习就会迫使我使用简单明了的语言，从而让关键点呈现得尤为清晰。
下次你遇到什么棘手的挑战时，也可以试试“给妈妈写信”。
随说：费曼学习法

当你谈到自己如何想方设法找到可靠的信息来源并加以记录时，就会传达给听众一个信号：你做了充分的准备，你的观点具备可信度。

说服式沟通很重要！

对话：两个人用不同的方式讲同一件事情
冲突：两个人用一样的方式讲不同的事情
断层：没有任何沟通基础，无法交流

完成任务的能力：执行并完成任务的能力虽然再基础不过，但对于漫长的职业生涯具有巨大的价值。
不畏艰难、持续产出的人才能脱颖而出。

人才引力：有一种说法是，拥有最优秀人才的公司通常都能成功。
我同意这个说法。与此对应的还有一条真理：有能力吸引和调动尖端人才的个人领袖通常都能成功。
将优秀的人才招揽到身边能让你把工作做得更好，并扩大影响力。
随说：与优秀的人协作共赢

要培养“人才引力”，首先要有正确的思维方式，即认识到，没有人需要为你工作，必须是他们想要为你工作。
“eBay因素”如果把你拍卖，按照为你工作快乐程度来竞拍，有多少人愿意？
随说：给大家快乐和想要的

你能让工作变得更具挑战和乐趣吗？
你能教授员工有价值的技能，推动他们进步吗？
你能平等而透明地对待所有人吗？
随说：提升人才引力

我鼓励年轻的领导者在加入一个团队几年后评估一下自己的“人才账户”。
你们可以审视自己的每一次关键时刻，试着评定自己的行为对“人才账户”起到了增益还是衰减的效果。
例如，当初雇用第一位助理时，做的选择是否合适？那个人在公司里是表现出色、持续进步，还是激情退却、原地踏步？
在面临艰难的选择，决定如何分配稀有的晋升或加薪机会时，你们有没有挑中那匹千里马？
你们是青睐于有能力、有潜力的候选人，还是被引向了“会哭的孩子”？

在评估任何一位高管时，我都会加入一轮有关“人才账户”的对话。
我要求高级职务的候选人谈一谈过去在不同公司里的下属。
你是从哪里找到那些人的，即你是继承了一个团队还是招募了新人？
最重要的是，他们现在在哪里？他们现在在原来那家公司或那个行业里做得有声有色吗？
其中的佼佼者是否跟随你到了下一家公司？
我听过最糟糕的答案是：“这是个好问题，但我不知道他们现在都在哪里。”
随说：人才吸引力案例

格兰特观察了三种社交风格，将它们与工作业绩和幸福指标关联起来。
“获取”是只索取不付出，“互利”是在付出的同时期望得到某种回报，而“付出”是无条件地给予，对收获回报并没有太大的期望。
付出者是净输出者，在利他性、责任心、社会正义和同情心这几点上比较突出。
据格兰特所说，成功的付出者就是付出超过获取的人，跻身最杰出和最幸福行列的机会会比别人大得多。
随说：获取、互利、付出。付出有助于成功

就我个人经验而言，人们会朝着他们信任的领导者靠拢。
而“付出”的行为就是一种建立信任的强有力的方法。
学习如何寻求帮助和如何提供帮助，会成为职场持久战中一项强大的可迁移技能，而且后者是最重要的。

情商是你理解和连接他人情绪状态的能力。
例如，通过阅读某人的肢体语言发现对方的不适或愤怒，或者知道如何解读周围人的社交线索、情绪和非语言的信号。

情商训练：我向他推荐了一些这方面的好书，
其中包括丹尼尔·戈尔曼的《情商3》与布拉德伯利（Bradberry）和格里夫斯（Greaves）的《成功EQ密码》（Emotional Intelligence 2.0 ）。
但是对雷蒙德而言，看书并不是难事，关键是他必须创造实践经验才能发现和磨炼情商技能。
他应当找机会获取公司和行业里的团队领导经验，他需要主动听取同事对其情绪领导力的反馈。
随说：核心还是训练

我鼓励雷蒙德留意公司里的领导者在人际交往中的言谈举止，分辨其中的优劣。
我让他尽量多发表一些公开演讲，因为亲眼看到现场听众的反应是一种很有价值的经验。

享用一生的可迁移技能

• 解决问题的能力
• 说服式沟通技巧
• 完成任务的能力
• 人才引力
• 情商
• 帮助和求助的能力
• 如何与别人进行眼神交流和握手
• 如何搜集信息。辨别真假
• 如何呼吸(调节副交感神经？)

我通常会在候选人的背景中寻找多样性经验，确保他们拥有适应性和灵活度。
随说：我的灵活度、适应性是什么？

不要让你的职业生涯脆弱不堪。
随着职业生涯的发展，你要寻找机会分别到一个大公司和创业公司的环境中工作，
要找机会去国外工作或者至少去几个不同的城市，还要努力发起一些新项目、处理一次危机，
并在明显存在个人失败风险的情况下筹办一场大型活动或演出。

马克·利纳（Mark Linaugh）是世界上最大的传播集团WPP的人力主管，负责的员工数量接近20 000人。
当他计划雇用或提拔一名新的领导者时，就希望能看到对方领导力多样化的证据：

• 他们创立过新东西吗？
• 他们曾经快速扩张过一家企业吗？
• 他们曾经拯救过一家濒危企业，使之起死回生吗？

由于电子商务涉及整个销售流程，从产品开发、供应链的运作、营销到客户服务等，所以它能教会你如何用总经理的头脑来思考。
你将有机会接触到品牌塑造和用户体验等商业“软技能”，以及利润管理、数据分析等“硬技能”。
最棒的是，电子商务的工作意味着你会每天收到即时销售的业绩单。电子商务中的一个职位就像是整个商业的缩影。
这是一个多么神奇的个人学习和发展的加速器啊！如果我现在要开始自己的职业生涯，那么一定会把至少一个阶段放在电子商务上。
随说：什么是电子商务

持久的关系可能是最有效、最耐用的一种职场燃料了，包括了职业生涯中与你相关的品牌和人。

人际关系

• 你的上司：最直接的影响力，导师
• 你的客户：
• 商业伙伴：顾问、猎头、机构等
• 身边人才：
• 你的同类：

我时常问奥美的领导者：“如果把你放在网上拍卖，会有哪些客户为你‘竞价’，点名要你呢？

在著作《异类》（Outliers）中，马尔科姆·格拉德威尔（Malcolm Gladwell）研究了运动、音乐、绘画、商业等各个领域的佼佼者。
他估算出大约需要 10,000 小时的密集训练和演习，一个人才能在某一方面达到精通。

无论你拥有多高的智商或天赋，成功都需要花费超乎想象的时间进行高强度的练习。
观察一下你感兴趣的行业，研究一下别人的发展轨迹，你会逐渐发现，获取关键的技能和经验必须花费一定的时间。

小野二郎被誉为全世界最好的寿司师傅之一，他要求手下的学徒在烹饪任何食物之前先花10年时间磨炼刀功。
你对需要学习的技能了解得越多，就越能为职业生涯做最佳决策，从而将你获得长期成功的可能性最大化。

40 岁之后能赚到的个人财富百分比：在 40岁之后，你赚到的钱会占你一生个人财富的百分之多少？
大部分人的估计是 60%。
年轻人倾向于估一个比较小的数字，例如 40%。
真正的答案其实是 85%～90%。
随说：这真是出乎意料

个人财富的积累绝大部分都发生在40岁之后，原因非常简单。
第一，根据我们之前的发现，40岁之后的职业年限要比之前的更长，而且往往薪水也更高。
第二，你可以享受到复利。
第三，当不需要再付房贷和与孩子相关的费用之后，许多支出都会逐渐减少。

职业规划相关的几个数字

• 职业生涯的长度 62-年龄
• 精通1个技能需要的时间
• 40岁之后赚钱的比例 85% ～ 90%
• 你有多少社交网络好友(关系好的)
• 职场支持者的人数(你会感谢的人)

你的“人才账户”。历数你至今雇用和（或）提拔过的人，
他们在自己的职业生涯中继续获得提高和发展了吗？
其中的佼佼者是否愿意再次为你工作？

盘点部分有意思，回头手写一下。

进入职场之后，每个人的周围都会出现越来越多的关键人物和团体，他们强烈影响着我们的职业轨迹，并组成了一个生态系统。

而人际关系的构建者会首先尝试帮助别人，他们不会有所保留。
虽然他们心里清楚大部分好意都会得到回报，但是并不会精于算计。
他们还会时刻维护自己的人际关系，而不是在需要的时候才想起来。

关键同事：是在目前的公司里对你的发展拥有决定性影响力的5～10个人。
排在榜首的是你的上司，这个角色在各种研究报告中都一直被列为影响职业成功和幸福的头号人物。
你上司的上司也是个至关重要的影响者。
在大多数情况下，如果你的直属上司提议给你加薪或职，那就总是需要先得到他的上司的签字认可。

写出你认为算得上或者可能成为你的支持者的人的名字。
如果你想不出来，可以回忆一下是谁推荐你上大学，或者谁支持你得到了职位或晋升机会。

三类人生导师：

• 明星，他们是成功的行为榜样，告诉我们如何成功；
• 贤者，他们就像苏格拉底，并不为我们提供答案，而是教我们如何思考；
• 策动者，他们激励我们，鞭策我们，偶尔迫使我们踏出关键的一步。

如果你将自己当成一个学生，那就自然会找到老师。
在找到了能推动你职业生涯前进的人时，你就要想尽办法帮助他们、为其所用，或者花时间与他们相处。
如果你很幸运，能让他们倾听你、引导你，那就像海绵一样用力吸收吧。
优秀的导师都希望看到学生全身心地投入学习中去。

你还要对他们和他们想要完成的事情保持忠诚和热忱。
最重要的是，要感恩。你要让他们看到他们的影响力，尽早和尽可能地感谢他们。

成为别人的明星、贤者或策动者是一种极好的方式，
它可以用来向当初站在同样立场上帮助你的人表达敬意，
而且还能让你感觉到最深刻的喜悦，这种喜悦来自对别人的影响力。

一旦找到了一名导师或支持者，首要任务就是欣赏他们，并与他们保持联系。
时不时地给他们发条消息，告诉他们你现在的状况，分享你的成功和失败，向他们寻求建议。
记住，对你的导师而言，这类沟通并不是什么负担，而是一种奖励。
随说：分享你的成功和失败，多沟通，沟通不是负担而是一种奖励(被需要、被尊重？)

我认识一个千禧一代的后起之秀，她每年都会对影响自己职业生涯的人做一次“能量评审”。
她发现周围有一些人，他们尽管是很好的私人朋友，心地善良，过去也帮过很多忙，但是现在似乎正在妨碍她、拖她的后腿。
他们是第一个说“这不可能”或者“你根本就不该尝试”的人。
所以她会尝试花更多的时间与生态系统中的其他人在一起，那些人会让她感觉更强大、更聪明、更有活力。

基本上，你每年都要为接下来的一年设立目标，并回顾过去的这一年。
下面这4个问题有助于你完成这项工作：

• 我是否正在学习和成长？
• 我是否正在对某些人、现在的公司，乃至整个社会拥有影响力？
• 我体验到乐趣了吗？
• 我是否得到了适当的奖励，并创造了经济价值？

职业生涯第三阶段，主要追求影响力的人。
此人已经从全职工作退休，正在寻找一个能够以有意义的方式付出和做出贡献的职业生涯阶段。
对他来说，乐趣和学习被放在第二位，而奖励的重要性只能排到最后。

职场燃料之可迁移技能：学术学位、专业证书，语言，优点，情商，“人才账户”。

职场燃料之有意义的经验：个人旅行，海外工作经验，企业管理、创业经验，社区、志愿者活动，做出个人贡献的项目，公开演讲、写作、表演的经验，教学、咨询、指导的经验，工作之余的热情所在……
职场燃料之持久的关系：联系人，专家团，关键同事，支持者。

时间是你的人生货币。它是你唯一拥有的货币，而且也只有你能决定如何消费它。
随说：投资在学习上

如果你问一个资深的财务顾问，如何让你的投资获得最高的长期产出，他会告诉你，关键是“资产配置”。
换句话说就是，你是否在正确的时间投资了正确的东西，即股票、债券、期货和其他资产类型？
职业生涯也是一样的道理，只不过关键的变量是你如何投资时间。

因为我们平均每周都有大约 100 个小时是清醒的，所以你也可以轻而易举地画出这样一张图。
我将自己的 100 个小时分散到了几个大类中，例如工作、家庭、健康、教学和社区。
随说：这个统计很重要

我的一名天才级同事的时间档案，当时他30多岁。
他在工作中努力得令人难以置信，并且不是偶尔为之，而是向来如此。
他几乎没时间照顾自己新建的家庭。他虽然尝试着跟朋友见面，但常常不得不“因为我工作太忙了”而取消计划。
他任由自己的爱好荒废，原因还是工作。这位经理在40岁时倒下了，在将近两年的时间里都无法工作，差点因此而崩溃。
我认为，他的时间档案缺乏多样性，这是导致他崩溃的一个显著因素。
随说：不要崩太紧了，人需要时间休息。生理和心理都是如此；

教学和社区方面的活动似乎能对幸福和成功产生超越时间占比的影响。
这与亚当·格兰特在《沃顿商学院最受欢迎的成功课》中的观点是一致的，即学习、提供建议以及帮助他人会对我们的精力和影响力带来深远的影响。

如果很忙没法照顾家庭关键日期，可以提前商量。而不是临时商量。

社区工作和志愿者活动可以起到很好的激励作用，即使是小试牛刀也成效显著。
人们常常说：“我退休了就去做志愿者。”在我看来，还是越早越好。

将健身融入日常习惯，这将为职业生涯提供持久动力。

通勤是一个经常能被挤出时间用于其他投资的地方。在美国的大城市中，上下班的通勤时间平均有近两个小时。
对某些人而言，这些时间似乎都白白浪费了，或者成为他们路怒症的借口。
随说：我还好，基本上都在看书

迪米特里骑自行车上下班，把在纽约市糟糕的交通中浪费的两小时变成了每日的健身锻炼时间。
有些人将地铁通勤时间转变成了一段读书、写作的高产出时间。还有人一边走路上下班，一边听着教育播客或有声书。
这是学习一门新语言、探索行业中的新趋势，或者培养新的职业技能的好方法。

学习职场数学能帮你树立起正确的思维框架；
思考职业生涯的三个主要阶段能提醒你当前在这漫长旅程中的位置；
盘点一下职场清单，总结目前的职业生态系统，这会让你了解自己的技能和关系的状态；
仔细审视你的时间档案能帮你弄清在职场和生活中可以做出什么样的平衡调整。
做完这些，你就万事俱备，可以做出一些明智的决定了。

职业生涯选择考虑点

• 你的职业理想是什么，或者至少假设一个你可能想要达到的目标。
• 你目前手上有什么职场燃料？
• 你需要什么职场燃料才能实现这个终极理想？

根据我现在的位置以及我想要到达的地方，哪个选择能提供最大的机会，让我抵达目的地呢？
随说：做选择一个多看看这里


现在，杰米就可以按图索骥寻找可选的职位，在接下来的数年内做出明智的选择了。
他不仅要知道什么职位好，而且要知道什么工作能提供最丰富的发展因素。
我后来又跟杰米联系，发现他已经在当前的公司里找到了一个很好的职位，
在这个职位上，他能够培养那些必要的技能，他正走在一条很棒的能培养领导力的职场路径上。
随说：知道目标岗位需要什么

新的学位能给你带来什么？

• 增加你目前不具备的可迁移技能？
• 帮助你重塑自我，改变职业生涯的方向？
• 建立新的人际关系，并拓展职业生态系统？
• 获得你目前没有的重要证书？
• 加速你的探索步伐，即通过实践验证自己真正擅长和热爱的东西？

从很多年前开始，所谓工商管理硕士的价值会细水长流地体现出来的概念就已经过时了。
如今，这种价值已经不那么显著，因为有的人希望这些投资能得到切实的经济回报。
如果你想为自己算一下这本账，可以考虑一下工商管理硕士本身的成本，
也就是它的学费、书本费、物料费，以及可能的额外差旅、生活和居住费用，有的人还有学生贷款的利息。
如果你准备辞职去进修，那么还要加上一两年内都没有薪水的机会成本。

麦吉尔大学的团队想到了一个惊人而强大的主意：饲养和销售昆虫供人类食用，主要是蟋蟀、蚱蜢和象鼻虫。
根据他们的研究，昆虫是一种极好的蛋白质来源，相较于牛肉和鸡肉，培育昆虫所需的资源要少很多。

快速成长才能获得长远成功

奥朗认为，长期成功的基础是快速的成长。
大多数大学毕业的聪明人每年的成长速度为 10%。
这意味着他们的能力在毕业 7 年后差不多会提高一倍。
大多数 29 岁的人的薪资是他们大学毕业后第一份工作的两倍，不是正好说明问题了吗？
如果要成长得再快一点，你就需要一份满足以下条件的工作：

• 你周围都是比你聪明的人；
• 你有失败的机会；
• 公司有让你这样的人肩负重大责任的传统。

找到一家至少有 30% 的人都比你聪明的公司，
因为你通过向周围的人学习而获得的成长速度是最快的，所以这些人就应当分外出色。
由于人们更喜欢雇用认识的人，所以其中不少人在接下来的 30 年里将一直是你的同事。
因此，请谨慎挑选同事。

有一个现象非常常见，那就是人们会选择一份百分之百会成功的工作，尤其是刚毕业的学生。
尽管板上钉钉的成功一开始会让人感觉很棒，但并不能助人成长。
你应该寻找一个能让你参加高失败风险项目的组织。
随说：创业公司？

假设你是一个有远大目标的人，想要持续不断地成长，那就一定要找机会晋升，并承担越来越重的责任。
那些有相应的机制并且增长速度很快的公司是最有可能快速提拔你的。
寻找一些与你背景相似又加入了该公司的人，看看是否有人被赋予了重大的职责。
随说：但是难找

我们总是会低估在未来才能兑现的好处，这种现象被称为‘时间贴现’（temporal discounting）。
我们都不愿意用当前的痛苦，比如更辛苦的工作、更低的薪水、更低的声望等，来换取未来的某样东西，即使未来的好处其实更加丰厚。
作为人类，我们本能地不相信未来的好处能够兑现，所以会在当前对它们打很大的折扣。
随说：类似损失厌恶、很难做到延迟满足？

不要放任自己在职业生涯中成为快闪族，或像条件反射一样说跳槽就跳槽。
先在目前的公司里至少找三个人聊一聊再做决定，这三个人可以是你的上司、人事经理以及组织中另一个值得信赖的人。

在老板面前表达你的野心是一件健康而有益的事情，
不过，你给出的目标应该与自己的职场路径和时间规划有关，而不一定是眼下的解决方案。
如果你只给公司留出几天的时间对你的最后通牒做出回应，那就必须有承担后果的心理准备。
多数时候，公司是不会还价的。
宾夕法尼亚大学沃顿商学院（Wharton School）的文章《他处并不一定比此处更好》（The Grass is Not Always Greener）很有见地，值得一读。

有的人对自己想做的事情一清二楚，一走出校门就很快置身于令人满意的岗位上。
他们是稀有的“独角兽”，但大部分人并不是。
很少有人能确切地知道自己想要干什么，尤其是在刚刚起步的时候。

整个第一阶段往往长达 15 年，是一个学习和探索的过程，充满了尝试和错误。
这时并不是为了找到一份你每天都津津乐道的神话般的工作，而是要找出你擅长什么、不擅长什么、喜欢做什么，以及不喜欢做什么。
第一阶段并不仅仅是被动地增长年龄和阅历，像一块牛排一样“更加入味”，而是一个高度活跃和有目的性的阶段。

第一阶段的策略很简单：步入职场、迎接新发现，并为前方的漫长旅程储备职场燃料。

针对首次加入职场人的提示

1. 利用在读的时间储备早期形式的职场燃料
2. 制定求职作战计划
3. 积极参与校园招聘
4. 高效得进行在线申请
5. 用好你的联系人

将你的简历草稿给一位或多位信得过的顾问过目，比如身处这个公司或者至少这个行业的人。听取建议，一击制胜。

在与别人的交谈中，我被问过一些很有意思的问题：

• 这个行业有什么特别之处？
• 你喜欢或不喜欢这份工作的哪些方面？
• 在你的公司取得成功需要哪类技能？
• 你是怎么得到这份工作的？
• 你们公司的企业文化是什么样的，与其他公司的有何不同？
• 人们现在都是如何进入你这个行业的？（可能与过去有所不同。）
• 有什么挑战会让你彻夜难眠？
• 你认为这个行业的引领者是谁？
• 你知道你的公司有什么合适的职位空缺吗？（直接问，没关系。）
• 你能不能再推荐一家公司或一个人，让我跟它或他聊一聊？
  随说：我们也可以拿着这些问题跟别人交谈~

最后，善意实业发现，微小的成功对于培养动力和信心能起到很大的作用，比如收到第一次面试邀请或考取一门新技能的证书。
没有人能一下子就找到工作，大多数电子邮件都会石沉大海，面试也常常会被取消，职位空缺的时间会被延后甚至从此杳无音讯。

如果你发现了某样让你着迷、让你夜不能寐的东西，那么这就是你应该追求的一条路。

成为自己的产品经理
我们从品牌的塑造经验中可以学到很多。
这里没有什么窍门或捷径，领先的品牌都建立在优质的原料和精细的制作之上。
虽然华丽的包装和大力的营销是让产品的首次试销大获成功的好办法，但是历久弥坚的品牌却能始终兑现包装上的承诺。
当领先的品牌无法满足用户要求时，他们就会想办法弥补。

如果你认真对待自己的职业生涯，那就需要了解更多的情况，
搞清楚公司是怎么运转的：它怎么建立的，它的理念是什么，它如何赢利，它的关键人物有哪些，以及它的愿景如何。
如果你从公司的常规宣讲中得不到这些问题的解答，那就把它当成入职 100 天的一个任务吧。
做好本职工作，阅读公司的年报，如果能找到外部分析机构对公司的评估就更好了；
在茶歇时间，在新老员工中打听公司的内部消息；
通过加入公司内部的俱乐部、团队或职业社交网络来提高参与度；
主动在公司的活动中帮忙，并且尽心尽力；
慢慢地建立由你的联系人、专家团、关键同事和支持者组成的职业生态系统。
随说：详细了解公司

在职业生涯的早期，选择一些专题去钻研，逐渐成为别人咨询的对象。
你磨炼的不一定得是震惊世界的高深技术，一些常会出现的问题或专题就可以。
在我的公司里，我知道如果有关于体育营销的问题，找丹尼尔就对了。
关于千禧一代的投票趋势，我会问伊兹。

事实是，如果他们毫无准备地直接与高层领导见面，那么通常不会有好结果。
如果你只是坐在会议室里记笔记，或者提些天真可笑的问题，这不仅帮不到你，反而会害了你。
别人的反应往往是“那人是谁，我为什么要花钱雇用他们”，
或者“这个问题是谁问的，我们4年前就已经这么做了”，这可不是你想要的结果。
随说：需要精心准备，否则适得其反。

拿出一个高层领导或客户正在苦思冥想的具体问题，跟你的老板讨论讨论呢？
把它当作一个为期两周的秘密任务，从各个角度研究一番。
翻阅你手上的资料，在一份简短的 5 分钟展示中给出你的解答，将你的论点和假设凸显出来。
然后跟老板商量一个合适的时间，用5分钟完成一场重磅表演。
展现你的才华，仔细倾听观众的反馈，并反复这么做。
只要每过几个月就做一次这样的讨论，你就会在越来越多的专题中成为值得信赖的咨询对象。
这会为你的职业生涯带来新的价值。
随说：不断实践和高层对话，提升沟通能力

大多数人都是糟糕的沟通者，如果成为能沟通且能把故事讲得精彩的少数人之一，那你就能脱颖而出。

沟通大纲：

• 首先，话题是什么？我们的听众的注意力正在不同的电子邮件和会议之间快速切换，有一半的时间他们完全不知道我们到底在说什么，所以每一次你都要说得一清二楚。
• 其次，写下你的三个重点，加上用于佐证的事实和原因加强说服力。这意味着你既有观点，又有支撑它的证据。
• 最后，直白地说出你希望听众接下来怎么做。这样一来，你的沟通至少是有力和清楚的。这能让你领先于世界上80%左右的人。

使用短信或电子邮件来开始沟通是没问题的，
但在信件结尾处一定要用更加私人的方式：“哇，这真的是个很重要的问题，我们必须谈谈。我们可以明天早上9点通个电话吗？”
像电话这样的语音媒介之所以能够解决难题，是因为它至少还具备一定程度的情感因素。

你的社交声望可以通过参加行业协会、写博客、演讲等方法来建立，这些都是提高专业技术水平和改善职业生态系统的良好途径。
你要首先确保打好坚实的基础，要想办法在自己的公司里创造强大的产品、习得真正的专业技术，并享有良好的声誉。

第一阶段的最后一项技能是理解自身的价值，以及为自己的贡献争取公平的奖励。
许多人在职业生涯的早期都对这些话题表现得很天真，准备也不充分。
他们常常会从同事、家人或招聘人员那里收到不良的建议。
我的建议很简单。首先，判断报酬和获得的认可合不合适，看的是贡献，而不是资历。
随说：看的是贡献

搞清楚公司对你这个职位的期望是什么，尽可能完美地满足它。
当你想要评估自己的绩效和报酬时，首先将你的贡献列出来，包括“硬”贡献和软指标。
例如，你有没有为公司带来收益和新客户，或者帮忙节省了公司的开支？
有没有证据表明你让公司的顾客更满意了？
你有没有发明在将来某一天能提高利润的新产品、想法或流程？
你做的事情是否能提高公司的声誉，如发表一篇文章、参加一场颇受好评的演讲活动、赢得一个奖项等，
或者是否为人才库增加了一些重要的新生力量？
尽可能多地关注产出，而不是行动。
光是做你的本职工作只能让你维系目前的职位和薪酬。
随说：岗位本身的产出只能维持当前职级，超出的部分才是资本；

找上司聊一聊，他们的期待是什么，你当前关注的是不是重点。需要怎么做才能继续往下走

如果你想加薪或升职，那就得挑自己表现好的时候提出来。
如果有升职的计划了，那你就得想想有没有可靠的候选人能接替你现在的职位。
如果你的表现很好，你的上司对于将你转到某个新职位上会有一些自然的抵触。
所以，请围绕着你的继任计划提出一些可选方案，让他们能更放心地支持你的升迁。
如果短期内看不到晋升的希望，那就可以与你的上司一同制订一份计划和时间表，试着改变现状。
如果你对于得到的答复依然不太满意，那就得好好思考一下职场路径，看看其他的选择了。
在衡量其他选择时，要着眼于大局。

对于像与他人共饮咖啡这样稀松平常的事情，我们很容易低估其影响力。
这种近乎全球通用的惯例不仅能跨越世代，而且没有任何威胁性。
它让我们在一种非正式的环境中更轻松地分享想法和信息，这样的非正式会议能带来巨大的潜力。

我是在一个小镇里长大的，并没有实现梦想所需要的人脉关系网，
于是我在毕业时就给许多不同行业的领袖发电子邮件，邀请他们共饮咖啡，聊聊可能的机会。
我给同样来自安大略省北部的米娅发了邮件，约定要好好聊一聊，
结果这成了我做梦都想不到的最佳机会，而这一切都发生在喝咖啡的片刻之间。

不同于大型职业招聘会，共进咖啡所提供的一对一接触能产生更高质量的联系和更深厚的导师关系。
戴夫说：“它的目的很简单，就是让现在的领袖能更容易认识未来的领袖。

大学第一年夏天，学校能帮他安排的唯一一份工作就是薪水最低的洗碗工。
戴夫认为自己能搞到更有意思的机会，于是就申请并成功受聘为政府在青年事务方面的一名发言人。
在这个职位上，戴夫研究了加拿大青年的需求，并在政策制定者面前代他们发声。
他开始与许多公司建立关系，学到了公共演讲、公关和沟通方面的技巧。
从一开始，戴夫就培养了将来大有可为的技能和关系。

对戴夫而言，帮助年轻人一直都是他职场路径的主要脉络，也是一种让他获得了使命感的追求。
随说：一万杯咖啡，链接成功人士和年轻人

职业生涯第二阶段大约从踏入职场的 15 年后开始，
它会带来一些独有的机会和焦虑：我能获得多高的成就，我该如何找到下一步的方向；
我要怎么才能找到甜蜜区，同时避免倦怠和迂腐；
我如何才能不靠加班和毁掉自己的生活来扩大我的影响力；
我该怎样从第一阶段打下的坚实根基中收获红利？

如果说第一阶段是寻找你的甜蜜区，那么第二阶段就是锚定它。
你要不断问自己这三个难题：我擅长什么？我爱好什么？这个世界需要什么？
随说：结合需求，列出自己的擅长、和喜欢的

我们的专注度决定了学习的深度。

格林认为，精通的能力并不是遗传的。
如果我们愿意投入高专注度和足够的时间，就会精通任一技能。
他认为，在一项能力上达到精通大概需要 10,000 小时，如果我们追求的是超级精通，那么甚至需要 20,000小时。
随说：道理是这个道理，但是人的寿命大概 30,000 天~

当代的一个极好的例子是史蒂夫·乔布斯，他自小就痴迷于技术和设计。
在第一次加入苹果和后来在 NeXT 的日子里，他经历了很长一段学徒生涯，体验过许多的失败和无价的教训。
当 1996 年回归苹果公司时，他已经精通了某种几乎无形的东西，即远在别人之前嗅到潮流趋势的能力。
这种意愿乘以时间的公式适用于艺术家、运动员、棋手、发明家、生物学家和其他所有领域。

我父亲一直说，如果你想做什么事情，就找到那个做得最好的人，然后跟着他们做。
随说：找到自己的榜样，或者行业精英~

托德向这两家公司提交了求职申请，然而都失败了。
虽然他很失望，但并没有退缩。
“我制订了一份为期三个月的计划书，终于说服了施乐让我在他们陷入困境的打印机部门工作，而且报酬100%都来自提成。
我当时超级自信，觉得自己一定能力挽狂澜。

他失败了。事实上，他一败涂地，最后发现虽然自己在当餐馆经理时通过顾客服务培养了友善的说话之道，但这并不能化为销量。
他的业绩甚至差到了让老板都斥责他是“我职业生涯中最大的败笔”。
这是托德职业生涯中的最低谷。
“我学到了极有价值的一堂课，那就是倾听比说更重要，”他说，“我不得不闭上嘴巴进行销售。

《心理游戏的教练》（Coaching the Mental Game），这本书讲的是心理素质和运动表现之间的重要联系。
托德从中发现了一个机遇。他想运用自己的推销技能来激励其他人，于是就创立了一家名叫“巅峰运动员”的培训公司，专门训练年轻运动员，使他们在心理、情绪和生理上变得更加强大。
他接着又发现，这种类型的训练的价值不仅适用于运动员，也适用于商人。

“梦想要大，但前进的步子要小”。
只要你能保持一直向前的动力，就能持续成功，即使中间有些挫折也不碍事。
“总有些事情会失败，”他说，“这是不可能彻底掩盖的。但是你可以决定的是，是否从中吸取教训。

托德将餐厅打工的经历和一系列的失败转变成了长期成功的职业生涯。
托德钻研技艺的那股认真劲儿一直令我印象深刻，他在不断地测试新的假设。

把眼光从小圈子中解放出去。

她(芭蕾舞者，脚踝受伤只能恢复95%，且需要忍受剧痛)已经24岁了，大部分传统的顶级高校都不愿意录取她。
不过，比大多数学校都更开放的布朗大学向她提供了哲学系的奖学金。
这一次，也不是所有家人都认为这是个好主意。
毕业时，雷切尔发现自己还是想为振兴艺术做些事情。
她想，也许可以去当律师。
可是一个做律师的朋友给了她一些好建议：如果你真心想要改变艺术家和艺术事业，那就从商业上帮助他们。你可以为艺术组织工作，让它们良好地运作起来，也让艺术家们能专心创作。

在将近20年前，雷切尔以职业芭蕾舞演员的身份首次在美国芭蕾舞剧院登场；
20年后，当美国芭蕾舞剧院找她作为他们的执行董事候选人时，雷切尔的职业生涯转了一个圈又回到了原点。
随说：曲线救国？

雷切尔的旅程还在继续。在过去的一年里，
她写了一本名为《艺术家的罗盘》（The Artist’s Compass, Touchstone出版社2016年出版）的书，
并接下了另一个重大职位——洛杉矶音乐中心的总裁兼首席执行官。
雷切尔精通的领域是商业和艺术的交集，这一点与众不同。
她定期指导年轻的艺术家，常常传授一些基本的生存技能。

她特别喜欢教师或伴奏这样的工作，因为艺术家能在赚取体面、稳定报酬的同时，依然与自己的热情紧密相连。
雷切尔越来越强烈地建议艺术家培养营销技能，并开辟自己的电子商务渠道。

对于那些不仅有志于成为艺术家，而且想当艺术管理方面顶尖领导者的人，
雷切尔给出了这样的建议：理清你的财务。财务是大部分艺术组织的阿喀琉斯之踵。
充分理解损益表、预算和成本控制，想清楚如何产生收益，而不是守株待兔。
你的头号任务是为组织赚钱或筹集资金，所以人际交往并不是什么蠢事，而是必须做的事情。

雷切尔还说：
你可以多找几名导师，把眼光从目前的组织和派别的狭小圈子中解放出去，看看更广大的世界。
我们能从其他领域学到什么呢？
不要过河拆桥，要友善待人。
我就是过了将近 15 年，才回到美国芭蕾舞剧院得到一份好工作的。
最后，不要在艺术家们还没尝试时就泼冷水。他们都是大孩子，市场会让他们自己领悟的。

他开始把午餐的时间都用在计算机技能的磨炼上，努力消化流行杂志上的版式设计，最终设计出了一整套作品。
在这一过程中，查克意识到如果直接为天联广告公司这样的客户服务，就可以比经过临时服务中介推荐多赚三倍的钱。
没过多久，他就不再只是为演示做设计了，他开始阅读它们，学习如何创作有说服力的演讲、如何推销、如何营销。
每一份新的工作都是一堂广告课程，查克对它们照单全收。“我知道自己还能进步，”他说，“我能看到别人看不到的东西，而且能够将它传达出去。

在想起曾经的那个少年时，查克为现在的成就感到自豪：你必须自己帮自己开门，不停地问自己‘另一边有什么，我为什么不能去呢。
永远不要停下对未来的规划，要努力让自己成为幸运儿。

作为领导者，你的巡航高度如何
查克·里斯并不是唯一一个想着如何扩大影响力的人。
人们在第二阶段面临的一个主要烦恼就是如何从执行者转变为领导者。
如果不通过增加工作时间来扩大影响力，让第一阶段取得成功的那些方法往往就并不适用了。问题的关键就在于“巡航高度”。

领导者必须飞得足够高，才能用战略的眼光俯瞰全局。
任何高级管理人员都必须做到这一点，因为他是少数几个，甚至是唯一一个能看清全局的人。
与此同时，能力强的领导者还需要有极度关注细节的能力，这样才能解决棘手的问题或谈下一笔生意。
做到这两点的关键技巧就是学会像一架俯冲轰炸机一样，随时调整自己的巡航高度。

你要能在高空中飞行，分析战局形势，找出主要问题或机会；一旦发现目标，你就要具备追踪并粉碎目标的能力。
遇到重大危机，例如一场矿难或安全漏洞时，首席执行官要能直击问题的核心，并在完成任务之前亲力亲为、参与其中。
但是一旦问题解决，你就得适时地“飞回高空”。

我们都见过那种始终高高在上的领导者，也见过另外一类似乎离地面只有几厘米、一直插手问题的领导者。
不要一直做飞在高空的宇航员，也不要一直做飞在低空的扫地机。
在第二阶段初出茅庐的领导者面临的最大挑战之一就是，调整领导风格，从命令与控制转变为影响与感召。
你需要学习如何调整巡航高度，当一架俯冲轰炸机。
随说：怎么影响和感召呢？

给初任管理者的6条建议

• 你的仪容、态度和举止正受到高度的关注和广泛的效仿。员工们会比过去更加仔细地观察你，寻找蛛丝马迹来判断自己的表现如何。从今天开始，无论你表现出快乐、压力、自信、愤恨、失望的情绪，还是处于危机中的状态，员工们都会察觉你发出的信号，并据此调节他们自己的态度和行为。所以，请仔细思考你想要传达的信号。
• 一旦你确定了某个愿景，就应该简洁地表达出来，并且不停地重复重复再重复。人们很容易过高地估计一个组织消化愿景和战斗口号的能力。你需要寻找一些简单明了的词语，表达出你希望组织向哪个基本方向前进。它们只要在方向上正确，并令人牢记于心就够了，不必完美无缺。你以后可以将“新闻”和变化融入长期的信念和愿景之中。每次遇到机会时都要重复这种想法：“这种情况体现了我们深层的信念，那就是X很重要。”你可能觉得已经做得够多了，但其实还不够。要知道，每年的员工流动率高达20%左右，他们为什么还要记得去年的事情呢？
• 早早决定让谁上船。每个领导者都需要一支小型核心团队，由那些能够高质量完成任务的亲密同事组成。选择这样一支团队往往是领导者最重要的任务。虽然你并不需要立刻为每个位子找到对的人，但还是得尽早决定让谁上你这条船。不要选择和你相似的人，寻找那些能够增强你的长板和弥补你短板的人，并一对一地去了解这些参与者和候选人。探究一下他们的目标、信仰和关注点，看看它们与你的目标、信仰和关注点是否契合。
• 每一个有意义的商业问题都是少数人在一间安静的小会议室里解决的。观点之间的对抗是有益的，但要确保它发生在恰当的讨论中。来回对骂的电子邮件要尽量避免。有争议的问题最好是在较小的团队中解决，而不要放到严肃的大型公开会议上讨论。即便你是老板，也要明确地表现出你对其他人观点的理解。用你的耳朵来领导大家，不要只靠嘴巴。理清问题的前因后果，用自己的信念加以评判，最后做出决定。
• 你要表现得像个被人信赖的解答者，而不是高高在上的老板。你的办公室装潢并不重要，重要的是你对组织的影响力。信念、诚信和公正会给你带来力量。让消息在组织中透明地传播，告诉大家好消息和坏消息，帮助他们正确看待这些信息对组织的影响。证明你会对这些事情全力以赴，证明你关心它们，不会撒手不管。
• 你并不是无所不知。没人会无所不知，征询他人的意见才是明智之举。无知并不可怕，只要你能发现这一点，并做出适当的决定就行了。你可以先在特定阶段做个决定，而不必一锤定音。

你可以问自己以下4个我们在第5章中已经学到的关键的职业价值评估问题。

• 学习：我是否正在积累有助于成长的新的技能、经验和关系？
• 影响力：我是否正在改变个人、公司，甚至整个社会？
• 乐趣：我的职业总体上算不算我生活中正能量和乐趣的来源？
• 奖励：我是否正在积累经济价值？

我与两名经验丰富的招聘人员聊过，他们在一家全球领先的招聘公司的工作经验加起来有42年之久，经手过数千名顶级高管。
总结下来，他们认为落选者与顶级首席执行官候选人之间的差距就在于下面这几点。

1. 诚实和契合(个人价值与公司契合)
2. 智力上的好奇与敏捷
3. 提升业务业绩的历史记录
4. 真实、自我意识及平衡
5. 热情和活力

顶尖的准首席执行官能够将各种问题综合、联系起来。
他们在工作之外拥有有趣和丰富的生活。
他们读书看报，深入行业核心，提的问题很有水平。

在某些职位上，仅仅是让业务稳定就是一项很不简单的成就了。
而在一些快速发展的行业里，一般水平的增长反而是低于标准的。

有弱点、不完美都是很正常的。
好的候选人对于他们的成就有着清晰客观的认识，并会吸取教训，从而进一步改善。
如果对于成功和失败没有足够的自我反省和反思，就会被扣分了。
太多的“我”、太少的“团队”会让候选人的吸引力降低，而不是提高。
随说：上面第四条的说明

让自己置身于能够配合和弥补你短板的人群之中吧。将你的能量倾注到长板上，从而更进一步。

初任管理者的建议1：时刻注意你的仪容、态度和举止。
初任管理者的建议2：简洁地表达你的愿景，并且不停地重复。
初任管理者的建议3：尽快选好团队成员。
初任管理者的建议4：每一个有意义的商业问题最好能在较小的团队中解决。
初任管理者的建议5：表现得像个被人信赖的解答者。
初任管理者的建议6：你并不需要无所不知，而是应该多多找人咨询。

对大部分人的生活而言，工作是满足感和幸福感的源泉。
许多人认为，停止工作会产生一种失落感，即失去了身份、价值和贡献的感觉。
贝特森将 50 ～ 85 岁的时期视为一个崭新的机会时代。

对于自己的升职之路，蒂姆是这样评价的：我从来没有喘息的机会。如果你真的擅长某件事情，他们就会给你更多的责任和工作，而不是更少。公司要看到的不是顺从，而是业绩。要想让你的老板和公司取得成功，除了努力工作，别无他法。

由于注重帮助他人，不管对象是宝洁的同事，还是在志愿者工作中的服务对象，所以蒂姆在他的工作中创造了更多满足感，这令他成为一个更幸福、更善良的人。
对他而言，退休让他有机会将更多的时间投入到帮助他人之中，而这正是他乐意做的。回馈的感觉很棒。
我能帮助改善社区中不那么幸运的人的生活，这让我感到自豪。

大约4年前的一天，我那优秀而有创造力的同事简·莱特（Jan Leth）到我的办公室来讨论“他的未来规划”。他将一张简略的饼图放在桌上：
钓鱼：32%；
绘画：17%；
皮划艇：20%；
园艺：21%；
担任布赖恩的顾问：最多10%。
在将近40年的紧张而忙碌的工作之后，简通过这种方法告诉我，他准备在6个月内搬到缅因州，开启人生的新篇章。

对大多数人而言，能减速就最好只减速，不要完全停下来。
这条建议还有后半句：“下车的时候音乐不能停。
也就是说，要在你过去这些年建立起来的乐趣和声誉还没失效之前行动。
随说：需要有过渡

我认为，保持关联性对于处于职业生涯后期的人来说是一项至关重要的任务。
你每天是如何让自己的技能和身处的环境与时俱进的呢？在这个方面，我有过自己的经验教训。

当我觉得自己积累了足够多的素材时，就写文章、做讲座。
我主动寻求反向导师，每周至少会为公司里的明日之星团队提供两次咨询服务，一方面我向他们提供建议，另一方面尽可能多地寻求他们的观点和看法。
我运用领英和“一万杯咖啡”这样的导师平台来提供咨询服务，同时也倾听年轻人在行业热点上的声音。
随说：双向学习

尽管薪水可能比不上全盛时期的水准，但这些美好的职业生涯篇章会为你带来其他强有力的回报：掌声、敬意、个人成就感和改变世界的满足感。
在传递火炬并点燃新的火焰时享受这深深的喜悦吧。

多年以来，职业女性都得不到关于如何兼顾孩子和工作的建议。女性害怕生孩子，尤其是在职业生涯早期，她们一定要等职业生涯稳定下来才愿意行动。
每个人都在担心，可是没有人知道答案。拥有孩子在职场上就等于不够卖力。
男人们会认为你已经退出了‘向上’的电梯，而且许多女性也同样轻视妈妈们的能力。

正如珍妮特所指出的那样：“幸福工作的父母会培养出幸福的孩子，这将形成一个良性循环。

他特别中意干脆而确定的电子邮件：我喜欢能下决定的企业文化。这场会议真的有必要吗？在需要开和开了更好之间是有区别的。

保罗说：“压力很大的父母会把它传递给孩子。面对一份像经营创业公司这样劳心费力的工作，大起大落的经历实在太多了。”
这就是贝里夫妇为家庭时间划出明确界限，从而为生活留出一点空间和平静的原因之一。
在晚上6—9点，他们一门心思扑在孩子身上，拒绝一切工作电话或电子邮件。
这家人每天晚上都有一小时的时间专门用来一起读书。
尽管父母双方都身处技术行业，但贝里家的孩子们却几乎不碰数码产品。
没有智能手机，没有电视。
虽然在读书时可以用 Kindle，但当贝里一家出门时，他们更喜欢用纸和蜡笔消磨时间，而不是 iPad。
随说：这是相当好的家庭环境了，几乎不用电子产品

专家们都说，如果在大后方没有有效的支援体系，你是成不了大事的。
支援体系的选择是个见仁见智的决定，支持可以来自配偶、伙伴、家庭成员、托儿所、保姆或各种选择的组合。

一位管理着 20,000 人规模的公司的在职妈妈称：你的保姆可能是你这辈子最重要的员工了，向他付多少钱、说多少次感谢都不为过。如果后院起火，你的工作就一定会受到影响。

马特说，“我为员工提供自由和灵活度，换取良好的业绩和责任感。”到目前为止，这一招的效果非常好。
随说：回归生，公司以人才为先。前进之路基金会

成功回归的4个关键

1. 重新包装你的技能
2. 重新组织你的经验
3. 重新链接职业生态系统
4. 重新建立你的自信

研究一下你想要重新进入的行业的未来愿景，订阅一些潮流的行业出版物和博客，将你的技能、智慧和经验与雇主的情况及他们的目标适当地加以结合。
只有当你的过去能够帮助潜在雇主取得成功时，它才有意义。

因此，做好功课，了解这个行业；
看看首席执行官的演讲；
了解行业分析师的观点；
阅读每家上市公司都会在网上公布的财务年报。
就算不是金融高手，这样做了之后，你就能看懂这家公司是如何看待自身和未来发展的了。

她生怕自己的方法和技术知识，甚至包括她使用的演示文档，会让她变成一个老古董。
她能融入其中吗？经过一个焦头烂额的起步阶段，她的身边终于开始聚集一些求知若渴的年轻人，他们共同组成了一种双向导师的关系。
她学到了新的方法和技术，不过她也发现，这些新时代的朋友也都真心地感谢她的知识和智慧。

卡尔建议：“你至少需要对两个国家有充分的认识，比如你的祖国和另一个国家。
那些有意识地到广阔的世界中去探索，以此来扩展眼界的人才能在职场中蓬勃发展。

他父亲是一名企业家，在美国和法国都有业务。
他父亲很支持他：在你的一生中，要做些有意思的事情，不要纯粹为了生意而活。

公司当时正在进行全球扩张，去国外工作看起来拥有光明的前途。
于是，蒂姆和妻子帕特（Pat）决定将这个新婚家庭搬到英国去。
后来，蒂姆在那里大显身手，带领奄奄一息的宝洁英国的健康与美容部门实现逆转。
跨国工作的好处在于，它们会让你离开舒适圈。
最重要的是，你能学会信赖自己的团队，因为你已经失去平常的人脉关系网和联系人了。

接手一团混乱的垃圾并不是一件坏事。它会迫使你去学习和用尽全力。
你会搞清楚能信任谁。因为冒着一无所有的风险，所以你会学着全情投入。

应对职场危机的第一步应该是清晰客观地认识问题。
这是一个不可避免的事件、一个认知上的问题，还是业绩上的问题？
如果这的确是一个不可避免的事件或单纯的坏运气，比如说你的公司意外地被收购了，那你就得尽快恢复过来。

找出认知的偏差，让别人清楚地认识到，真正的你要比他们认为的更好。

如果有人升职的速度比你快，那么不妨默默地找出是哪些技能让老板做出了这样的决定。
然后积攒职场燃料，让自己有资格赢得下一次加薪、升职或新的好工作。
随说：找不同级别优秀的人，看有什么值得学习的

如果想得远一点，并时刻关注你的公司、你的行业和你自己的业绩的变化，就可以时常避免遭到突然袭击。
如果你发现自己的行业、公司或职位已陷入了危机，那么就需要主动采取行动，准备好一份备用方案。
所以，你需要培养一些能让自己免疫风险的技能和关系，在当前的环境之外留一些可选之路。
随说：提前想好退路

如果你被开除了或被排挤了，就可以以“4个重新”为基础，加速回归正确的轨道。

• 重新组织：你的经验，让它与未来而不是过去密切关联。
• 重新包装：老旧过时或有所欠缺的技能。在新的职业环境中，你不可能伪装自己的职场动力。
• 重新连接：职业生态系统。也许你需要与联系人、专家团、关键同事和支持者建立新的关系来推动自己前进。
• 重新建立自信：与那些支持你、理解你的人交谈，反思你的长板和在过去这些年里完成的特殊贡献。勇敢去闯。

作家兼伦敦大学教授朱尔斯·戈达德博士（Dr. Jules Goddard）提供了另外一条有价值的建议：在面对严重的职场危机时，要回归人性。

健康的自信心是好的，虚张声势、否认一切和痴心妄想却都是毁灭性的。
脆弱是过度保护的恶果，逆境和压力是有益的。戈达德指出，在太空的失重环境下，我们的骨骼失去了压力，于是就会变得脆弱。
你的自信心必须建立在有市场竞争力的东西上面。
在职业生涯中，你时常会不得不偏离航线或干脆后退才能继续前进。
因此，在遭遇职场危机时，请将骄傲放在一边，它会碍事的。

我不停地参与各种更高级别的项目，周围的团队都欣赏我的干劲，帮助我解决问题。
随说：让别人看到你的态度很重要

《协作战略》

她利用压力和逆境构建起自己的免疫系统，从每一次挫折中学习。
尼罗弗为自己的行为负责，反省自己的行为是否弊大于利，并采取必要的措施来调整现状。
随说：反省自己

职业运动员通常都将绝大部分时间投入到运动能力的磨炼中，至于其他方面，例如社交、兴趣爱好、金钱和商业管理，都被他们忽略了。
对安东尼而言，帮助客户重新发现他们的热情所在和兴趣点是至关重要的第一步。
他说：我鼓励人们在尝试寻找甜蜜区时做一个简单的练习。
他们要寻找三样东西：你擅长什么，你热爱什么，以及这个世界需要什么？
随说：这个世界需要什么？

遗憾的是，许多职业运动员最后都成了穷困潦倒的无业游民。
据《纽约时报》估计，有 60% 的美国篮球职业联赛的球员在离开球场5年后遭遇了破产，而美国橄榄球联盟球员的这个时间更是缩短到区区 2 年。
随说：没有调整好心态？

过了一年左右，时任纽约尼克斯队总经理的唐尼·沃尔什（Donnie Walsh）找到阿兰，
抛出了一个诱人的邀请：到尼克斯队学习体育管理。
阿兰将他出众的好奇心投入到这份工作中。“我一直从我尊敬的人那里求取经验，”
他观察、学习并提出问题，“在物色人才、运营和管理方面有太多东西要学，而且这些在球场上是根本接触不到的。”
阿兰后来逐步成为发展联盟中的韦斯切斯特尼克斯队的总经理和美国篮球职业联赛的纽约尼克斯队的副总经理。
随说：好奇心很重要

在被问到如何管理好所有的事务时，阿兰的解释是，自律和核心价值观带领他度过每一周，并帮助他决定如何花费时间。
阿兰的生活伴随着一系列信条，包括有信仰、正直、牺牲精神、领导力和创造遗产，而且他有着实践经验的支撑。

关于领导力，休斯敦指出：你可以从很多不同的方面来表现领导力，而不一定得一直当队长。
你需要看清楚自己的角色，没必要所有事情都亲力亲为。
阿兰很感谢他的妻子和家人的支持，他也知道自己需要划清界限。
我在学着说不。有些事情是我需要做的，有些事情可以交给别人来牵头。
我也已经尽可能地减少出差的次数了。

弄清楚你的使命。你热爱什么？

利用好奇和探索的武器培养技能和经验，建立起能抵挡不可避免的挫折的免疫系统；
不断寻找自己的理想，如果不知道什么才是重要的，那么就回归人性；
确保你的信心是有根据的，如果你的失败并不主要源于坏运气，那么就得采取行动，找出欠缺的关系或技能；
不要让骄傲阻挡了重获新生的道路；
你可能需要退一步才能海阔天空；
坚持自己的核心价值观和真正的自我。

职业生涯的未来，需要考虑的问题：

• 我会被机器取代吗？
• 我未来会在哪里找工作，又如何找工作？
• 我该把时间用在哪里？
• 我会把钱花光吗？
• 工作如何能让我更快乐？

英国广播公司（BBC）2015年9月发布了一份报告，这份报告将人与机器对抗的辩论推上了风口浪尖。
报告说：“关于机器是否会代替人类的工作的辩论已经不再局限于学术层面了。
波士顿咨询公司（Boston Consulting Group）预计，到2025年，高达四分之一的工作将会被智能软件或机器人取代。
随说：2026 年了，目前看好像没有？

最脆弱的工作大部分本质上都是机械性和重复性的，比如从事写报告、做表格等重复性工作的办公室职员就很容易被软件取代，工厂工人也因为更加灵巧的机器人被开发出来而变得越来越危险。

相比之下，如果重复性和程序性的工作正在没落，那么要求员工用自己的大脑思考，
并得出有创造力的原创想法的职位，就会在自动化面前拥有相当大的优势了。
这对艺术家、设计师或工程师而言是个好消息。
随说：创造类？

根据研究发现，需要高度的社交智慧和谈判技能的工作，例如管理岗位，受到来自机器的威胁也要小得多。
按照他们的说法，担任首席执行官的我被替代的风险很低，只有 9%，不过我也没计划要在这张办公桌后面坐到 2035 年。

克莱尔·凯恩·米勒（Claire Cain Miller）在《纽约时报》上写道：“合作能力、做事灵活、有同理心，这样的技能在现代工作中的重要性已越来越强。最新的研究表明，需要强大社交技能的职位在 1980 年后的增长要比其他职位更加突出。在2000年之后，工资保持持续增长的少数职位都既需要认知技能，也需要社交技能……需要社交技能工作在1980——2012年之间增加了24%，而建立在重复性劳动之上的工作，如垃圾收集、某些分析工作，则有所降低。
随说：受到比较大打击的岗位上那些不需要社交的。那么怎么定义社交？

不过有趣的是，人类和机器之间需要互动。
即使是在重复性工作中，人类的技能也扮演着重要的角色，人类需要教育机器、检查输出结果以确保准确无误，以及测试新的假设。
而在创造性世界里，运用机器来辅助创作的机会也越来越多。
随说：需要与机器保持协作

我鼓励大家不断寻找自己的归属，最大的危险往往潜伏在极端情况中。
这个世界上有很多好的职业，你需要为此建立技能集合，做好充足的准备，
这些技能包括在以下几方面的能力之中：发明、评判、建立人际信任、社交、教育机器和创造测试假说。

麻省理工学院的经济学家戴维·奥特尔（David Autor）说：“如果一项技能中只有技术，那就很有可能会被自动化。而如果它只需要同理心或灵活性，那么可以胜任的人也是要多少有多少，所以这样的职位的薪水也不会很高。只有将两者结合起来才是有竞争力的。
随说：同理心/灵活性 + 技术

作家兼哈佛大学教育和经济学副教授戴维·戴明（David Deming）观察发现，我们的教育体制中唯一与未来工作的需要相匹配的部分可能只有幼儿园。
我们在那里开始学习分享、协商、合作和创造。
随说：幼儿园这个比喻好

人们希望在生活和工作中利用数字化优势，对此能够提供帮助的技能和机遇越来越受到欢迎。

培养情商、创造力、协作能力和建立信任关系的技能，这些似乎的确是未来职业生涯的明智赌注。

时间是人生的唯一货币，应该将货币投资到技能之上。

一旦我们将技能当作卖点，就必须让它与时俱进。
因为工作时间更加灵活，而且往往可以远程操作，所以就会有大量多余的时间，自由职业者所做的工作就可以带来有趣的事情和互动。
我们都应该认真思考自己的职业长尾，考虑如何在正常退休之后的岁月里找到目标，保持灵活性和关联性，并且有稳定的收入。

《幸福有方法》

《幸福有方法》的核心前提是，我们的幸福程度可以由三个主要因素决定：在一个人的幸福中，有50%是基因决定的，10%是由生活环境决定的，而剩下的40%是由自愿、主动的行为决定的。

《幸福有方法》大致描绘了12种“基于证据、得到科学研究支持的提高幸福感的策略”。
其中包括：

• 表达感恩
• 培养乐观的心态
• 避免思虑过度和社会攀比
• 多行善事
• 维护人际关系
• 发展合作的策略
• 学会原谅
• 增加心流体验
• 享受生活的乐趣
• 努力实现目标
• 信仰宗教，寻找精神寄托
• 关注身体健康

在《当下的幸福》（Flow： The Psychology of Optimal Experience）中，作者将心流描述为：“一个人的技能足以应付眼前挑战的一种感觉。此时，人的精力高度集中，以至于没有任何多余的注意力可以用来思考无关的事情或为其他问题忧心。这个人的自我意识消失了，而对时间的感觉也会发生扭曲。

科学家们声称，制订清晰的计划确实会让人更幸福。
这对于如何规划职业生涯有着很重要的意义。
与其思前想后，不如采取行动。
将你能影响的东西都牢牢控制住，每年至少花一整天的时间反省和制订职业生涯的策略，进行职场盘点，尝试一些假设，确立目标，不断建立和更新你的职场燃料，监控你的进度。

在职场生活中，我们都需要感恩。作
为员工，我们应该感谢那些给我们机会、任务，并让我们加薪、升职和成长的人，也应该感谢那些与我们分享智慧的人。
而作为老板，我们也必须感谢那些与我们合作、为我们工作的人，因为他们为我们献出了才华、精力、热情和技能。

《深潜：10步重塑你的个人品牌》
《优秀到不能被忽视》
《如何学习》
《精要主义》