认知富养的一代：AI时代，我们应该给孩子留下什么困难

一时得失之外——读《用随机梯度下降来优化人生》

心力这件事

karpathy：软件 3.0、Agentic 工程与锯齿状智能

智能代理的灵魂：为什么本体是构建未来人工智能的关键

换个脑子，不是换个习惯——读 《We Are as Gods》

AI 时代的育儿：孩子究竟要学会什么

复杂度，还是不确定性？重新理解技术与业务的"两张皮"

AI时代，工业时代管理工具的三种命运

关于用力过度（二）

近期让我欣赏的人

2026年半年度AI发展行业观察

译：从层级制到智能系统 (From Hierarchy to Intelligence)

关于超级个体的思考

vibe coding—技术负债

我想研究下AI辅助产品经理工作


The Agentic Organization: Contours of the next paradigm for the AI era-McKinsey



Karpathy 对于AI编程发展很快的焦虑

Notion CEO，我如何看 AI：不是工具升级，而是组织材料的更换

别急着 Fine-tuning！OpenAI 官方揭秘 LLM 精度优化的"最佳路径"

当会议软件开始教大模型"做人"：Zoom登顶Humanity's Last Exam的启示

拒绝“抽卡式”编程：如何写出让AI秒懂的高质量技术Spec实战指南

代码的终结与思想的重生：Werner Vogels 的最后一课与“文艺复兴开发者”的崛起

百度—企业跟踪

如果某大模型在技术评测上持续领先，这是否会改变其在企业市场的竞争格局？

OpenAI近期的资本操作令人眼花缭乱

"AI Apocalypse in 18 Months" - Eric Schmidt Warns

Google Finance传统模式与AI模式对比

Google AI mode的研究

AI处理长任务能力每7个月翻一倍

让每个故事都成为孩子的专属世界：用 Storybook 点燃个性化学习的火花

AI开发工具对研发的影响—stack overflow建议

AI时代，小朋友最重要的能力是什么？

【转译】Context Engineering vs Prompt Engineering，理解Context Engineering

Anthropic构建企业级多智能体（Multi-Agent）系统的实战指南

AI不是你的敌人，而是需要被管理的“合伙人”：斯坦福万字报告深度解

Sam Altman:Productivity

AI时代生存指南：不做被“替代”的编码员，做持续学习的工程师

AI应用开发告别“感觉良好”：构建高价值AI Agent测试集的指南

RAG已死？2025年大模型问答架构的范式思考

RAG：构建企业知识防火墙与智能引擎的方法

如何理解RAG

AI Agents vs. Agentic AI

高盛首席执行官：AI现在可以在几分钟内草拟S1 IPO招股书的95%内容

BlackRock的Aladdin系统：架构、优缺点及其对证券公司的适用性分析

转：Rethinking digital transformation for the agentic AI era

AI Agent在实际应用领域的情况(reddit 202505)

人生投资回报率最高的10件事

转：让金融机构高层领导拥有对IT的掌控感

AI时代的阅读

【译】软件工程师如何高效阅读科研论文

如何构建有效的Agent

[转]关于人生体验

从大模型到复合AI系统的转变2024

《剑来》摘句

江湖未远，道理长存——《剑来》读后记

关于用力过度

关于生命

我最希望别人在年轻时告诉我的—openai samaltman

蔡崇信访谈 —— 从阿里巴巴到 NBA 的跨界人生

马云阿里内网发表公开信：致改革 致创新

马斯克：10%目标定律

2024国九条：国务院关于加强监管防范风险推动资本市场高质量发展的若干意见

langchain:使用langchain和chatGPT来处理问答

【转载】从科技创新视角考察俄乌冲突及其启示

coze（字节跳动）在大模型应用上另辟蹊径

Sora于2024年2月16日发布

由《大江大河》雷东宝经历想到的

【摘句】如何了解业务

【碎碎念】20240114 关于AI翻译

朱武祥教授对数字化转型与商业模式创新的理解

【碎碎念】20240107

平台工程(Platform Engineering)—Gartner

LLM、AI的应用—《2024 年科技领域的重大创新思想》

数字化转型中的协作问题—《KPMG 2024 Tech Trends》

【翻译】德勤Tech Trends 2024: Technology Evolution, Business Revolution

第一性原理

CEO职责说明书

comment on “The role of a product owner in digital transformation”

2023年秋

如何更好的执行OKR

特斯拉的Warp Drive(ERP)

Tesla CIO Builds IT That Keeps Pace With Its Cars

特斯拉的数字化

《云襄传》中的金融知识-期货

OKR与数字化转型

苏格拉底式提问

0~3岁婴幼儿及电子屏幕

陆奇 《以技术驱动和价值导向拥抱创业的新时代》 笔记

陆奇 | 《新范式 新时代 新机会》5月7日 笔记

CIO们关于数字化转型的提法对比

Tree of Thoughts TOT利用大模型来辅助决策推理

[转评]What would humans do in a world of super-AI?

AWS：什么是数字化转型？

SAP:什么是数字化转型？

Google:什么是数字化转型

如何设计接口

如何理解用户与客户？

Client Onboarding 客户引导

【译】像数据科学家一样思考

《How to stay smart in the age of AI: the science of critical thinking》读后感

kapathy与 Stephanie Zhan 在红杉 Ascent 2026 峰会上进行了一场炉边对话，与创业者们共同探讨了 AI Agent（智能体）领域的最新变革、这对软件行业意味着什么，以及他如何看待下一波 AI 原生公司。

在计算机科学的语境下，本体并非哲学上的存在论，而是一种对特定领域知识的共享、显式、形式化的规范。想象一下，你正在建造一座极其复杂的知识大厦，本体就是这座大厦的蓝图和骨架。它定义了领域内的一切基础概念（Concepts或Classes），比如什么是“疾病”、“症状”、“药物”；它定义了这些概念所具有的属性（Properties），比如“药物”有“通用名”、“剂量”、“副作用”；最关键的是，它定义了这些概念之间错综复杂的关系（Relations），比如“某种疾病”由“某种症状”表现，而“某种药物”可以“治疗”或“缓解”“某种疾病”。通过这种精确、结构化的定义，本体为机器创造了一个可以理解的语义网。

然而，真正的关键在于，为什么这种语义网对于智能代理至关重要。传统的编程和数据处理方式，往往将知识硬编码在特定的应用程序中，导致不同系统之间的知识无法共享，形成了所谓的“信息孤岛”。这就像是一群说不同语言的人，虽然每个人都在自己的小圈子里工作得很好，但却无法进行高效的团队协作。本体的出现，正是为了打破这种孤岛，提供一种人机、机机之间可以共同遵循的统一语言。

AI 时代的育儿，核心不是"教会孩子学习"，而是"不损毁他天然的学习意愿，并让他在至少一个领域真正体验过深度胜任"。

"业务技术两张皮"的重新理解是这样的。它从来不是一个能靠画组织架构图消灭的东西，它是快与稳这对结构性张力在组织形态上的投影，你把它挪到哪，它就跟到哪。合并的价值不在消灭张力，而在于让承担后果的人来做这个取舍，同时把技术专家从对抗性的守门位置，请到辅助决策的位置上。真正还需要我们下功夫的，是怎么让那份延迟到来的稳定性成本，在领导拍板的当下就变得看得见、算得清。这一针缝上了，两张皮才算真的合到了一处。

AI快速发展，工业时代的工具会被升级迭代。生产力会进化，外部环境会变化，但**人的社会性不会变，竞争不会变。**组织因竞争与合作而存在；AI改变的是生产的方式，改变不了人与人、组织与组织之间的博弈本身——竞争不会消失，只是换了武器。所以无论工具如何更替，组织依然需要人才来做那几件最根本的事：用新的生产力武装组织，在博弈中参与竞争，在关键处做出决策与判断。
方向确定，节奏不确定。确定的部分，决定了我们现在就要动身；不确定的部分，决定了要走得有耐心。该放手的放手，该重构的重构，该守住的守得更牢——而无论到哪个时代，最终撑住一个组织的，依然是人。

中年以后，要修的也许不是再多用几分力，而是平衡：把努力当作本分，把结果当作概率；在用力做事之外，留出修心养性的余地。得之，坦然；不得，也不至于崩塌。

vibe coding一样会有技术负债，而且还会更加严重。

AI使得研发效率得到较大提升，用的好的甚至有数倍的提升。而产品经理还是以老的方式工作。我想看看如何改变这个局面。

每一个时代，都会被一种关键材料所塑造。
钢铁，让企业第一次可以修建摩天大楼；
蒸汽机，让工厂摆脱河流与季节；
而今天，AI 正在成为一种全新的材料——
它不是更高效的员工，而是可无限扩展的“认知基础设施”。

很多开发者的误区是：模型效果不好 -> 马上想 Fine-tuning (微调)。
OpenAI 的官方建议实际上是：先 Prompt，再 RAG，最后才是 Fine-tuning，且必须以 Evaluation (评估) 为基石。

就在昨天（2025年12月10日），科技圈发生了一件看似"魔幻"却又在意料之中的事：那个你每天用来开会的Zoom，在AI领域最硬核的考试——"Humanity's Last Exam" (HLE) 中，拿下了全球第一。

在 Werner Vogels 的演讲中，他提到“英语是新的编译器”，但这并不意味着我们可以随意说话。实际上，自然语言的模糊性是工程精确性的最大敌人。
很多开发者抱怨 AI 写的代码“不能用”或“幻觉严重”，本质上是因为他们把 AI 当作了一个**“算命先生”（猜我想做什么），而不是一个“承包商”**（执行我定义的蓝图）。
这篇指南将基于 Spec-Driven Development (SDD) 理念，把重点放在实战操作上，教读者如何写出结构化、无歧义、机器友好的“技术规格书”。这属于**“模式A：技术深度解析型”**。

真正的“文艺复兴开发者”，不仅仅是那些掌握了最新 AI 工具的人，而是那些在无人注视的角落，依然坚持把事情做对、做好的人。无论时代如何变迁，无论 AI 如何强大，这种源自内心的职业自豪感，这种对卓越的执着追求，才是人类智慧皇冠上最不可替代的宝石。
工具变了，但建造者的灵魂未变。我们依然是那个在数字荒原上，用逻辑和想象力搭建城堡的人。这，就是我们的文艺复兴。

旧金山共识认为目前AI被人们低估了。通用人工智能（AGI）和超级智能（Super Intelligence, ASI）即将到来.

本文通过深入对比Google Finance传统版(2006-2017)与最新AI驱动Beta版的功能差异、用户体验和战略定位，揭示谷歌如何通过AI技术重构各个应用。

AI在多方面已经超过人类平均水平，在短任务处理上成功率很高，在长任务上也显现出“每7个月能力翻一倍”的快速发展趋势，针对这个情况，我们需要重点关注和做成应对。

一定要将孩子的个性化带入到故事，一定要将想传达的内容带入到故事。

AI隐形生产力税。“AI 解决方案几乎正确，但并不完全正确”

AI时代孩子最重要的能力，不是去和AI比计算、比记忆，而是要点亮那些AI所不具备的“人性之光”：深度思考的智慧、温暖连接的情感、以及坚韧成长的内心。 未来的主角，将是那些懂得如何与AI共舞，并最终超越工具、实现自我价值的人。

Context Engineering最近因为aj变的很火，那他是什么，与prompt什么关系呢？有一个视频做了很好的解释，最核心的一点是“ Prompt Engineering 是Context Engineering的一部分，如果 Prompt Engineering 正在编写一个出色的指令......上下文工程决定该指令之前和之后会发生什么——记住什么，从内存或工具中提取什么，整个事情是如何构建的。”

Anthropic团队在构建其强大的Claude多智能体研究系统时，已经为我们趟出了一条路。本文将以他们的实战经验为核心蓝图，深入解析构建企业级多智能体系统的可行性、核心方法论、关键原则与落地考量，希望能为您提供一份来自一线、切实可行的行动指南。
🎯 核心要点
• 可行性所在：对于信息繁杂、路径不定的开放性问题（如市场研究、技术追踪），多智能体通过并行化，能有效扩展解决问题所需的“智能带宽”，其性能远超单个最强Agent。
• 架构蓝图：Anthropic验证的**“编排者-工作者”（Orchestrator-Worker）模式**，是一个企业可以放心参考、高度可复用的成熟架构。
• 四大成功支柱：系统能否成功落地，取决于四大核心原则的执行力：① 赋能式提示工程、② 原子化工具设计、③ 非确定性评估体系、④ 生产级工程纪律。
• 关键考量：多智能体并非万能。理解其边界（尤其是在强序列化任务上的局限性）是做出正确技术选型的第一步。

《Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce 》报告基于其构建的WORKBank数据库——一个涵盖1500名员工、52位AI专家、104个职业和844项任务的庞大知识库——为我们描绘了一幅全新的AI时代工作图景。其核心价值在于：
1. 提出“意愿-能力”四象限模型：超越简单的技术可行性，将“员工意愿”纳入AI应用的核心考量，并用数据揭示了当前AI投资与市场真实需求之间的巨大鸿沟。
2. 创建“人类能动性量表 (HAS)”：首创了一套从H1到H5的标准化语言，用于精确定义人机协作的深度与模式，打破了“要么自动化，要么不”的二元对立思维。
3. 预见“核心技能大洗牌”：量化分析了未来职场核心竞争力的演变路径，指出传统高薪的“信息处理”技能价值将下降，而“人际与组织”能力将成为新的价值高地。

2018年Altman写一篇关于生产效率的文章，强调怎么来保证和提高生产效率，时间虽然过去很久，但关键做法相通，基本就是聚焦、拒绝、健康。
核心要点 (Key Takeaways)
1. 极端聚焦于重要之事：Altman强调，成功的关键是每年设定少数几个宏大目标，并确保它们被完成。其余的事务都是次要的。
2. 构建系统，而非依赖蛮力：他认为，花时间建立一个好的生产力系统（包括工具、流程和习惯）是非常值得的。这笔前期投资会带来长期的巨大回报。
3. 管理你的时间与精力，而非任务：

    ◦ 利用早晨：将精力最充沛的早晨用于完成实际工作，把会议等消耗精力的事情安排在下午。
    ◦ 创造大块专注时间：他认为会议和办公室的干扰是生产力杀手。因此，创造不被会议、电话、邮件打扰的专注时间至关重要。
    ◦ 日程留有空闲：完全排满的日程会扼杀创造力、偶遇和深度思考的机会。保留一些“无所事事”的时间是必要的。
4. 无情地拒绝，谨慎地输入：

    ◦ 对大多数请求说“不”是保护时间和精力的关键。
    ◦ 对输入到大脑的信息（阅读内容、交谈对象）设立极高的标准，避免被低质量信息消耗心智。
5. 基础健康是基石：充足的睡眠、健康的饮食（他本人是素食者，低糖，偶尔轻断食）和不使用强刺激物，是维持长期高产出的基础。
6. 拒绝多任务：一次只做一件事。在会议中不看手机或邮件，全身心投入。

你是否也曾看到AI在几秒钟内生成整段代码，内心闪过一丝焦虑？这种“被替代”的恐惧，正弥漫在许多开发者心中。然而，现实并非如此简单。AI的浪潮确实来了，但它带来的不是一个终点，而是一个岔路口。在这条路上，决定你未来的不是AI本身，而是你的选择：是满足于让AI帮你完成任务，还是主动学习，把它变成你职业跃迁的超级加速器？ 这篇文章，就是你选择后者的行动指南。

你刚刚迭代了你的AI Agent，它似乎比旧版更聪明、更流畅了。但这种“感觉”是不可靠的。当你的老板、同事或客户问“新版到底好在哪？具体提升了多少？”时，你该如何用冰冷的数据来证明？答案就是构建一个高质量、系统化的测试集。这是将开发中的主观感受，转化为工程上客观度量的唯一可靠途径。

还记得为搭建企业知识库问答系统，在向量数据库和Embedding中挣扎的夜晚吗？当我们还在优化RAG的召回率时，一个更简单的范式已悄然崛起：搜索优先的Agent架构。最近读了一篇《》的文章，有些启发。在2025年，RAG真的还是首选吗？本文将用数据和案例带您重新审视这场技术革命。

RAG可以赋能大模型应用，使得企业在保持隐私、提高准确性情况下利用大模型能力。

RAG的重要性，一方面在于扩大了大模型的上下文；另一方面在于在大模型的知识外增加了知识库（而这个知识库还可以有企业的私有特性），第三个是减少了幻觉，增加可靠性。

Agent何Agentic AI概念被提及的都很多，如何区分两者？AI Agents更侧重于单个智能体在特定任务中的自主执行和工具使用，而Agentic AI则强调多个智能体之间的协作、协调和系统级智能，以应对更复杂、动态和长期的问题。

高盛首席执行官David Solomon：“AI现在可以在几分钟内草拟S1 IPO招股书的95%内容（这项工作过去需要一个6人团队花费数周时间）。剩下的5%现在才重要，因为其余的已经成为标准化产品。”

在当今全球金融市场中，BlackRock（贝莱德）的Aladdin系统已成为举足轻重的金融基础设施。作为全球最大资产管理公司的核心技术支柱，这一系统不仅支撑着贝莱德自身万亿美元资产的管理，还服务于众多全球顶级金融机构，包括央行、养老金管理机构和保险公司等。本文将深入分析Aladdin系统的架构、优缺点，并评估其对证券公司技术架构的适用性。

Three areas CIOs should focus on include renewing customer centricity’s importance, evolving business engagement practices, and refining their organization’s digital operating model.

AI Agent 的发展重点将是多智能体协作系统，而非单一的全能型智能体。这些系统侧重于优化后端运营，而非仅仅面向客户。


网传有一份投资回报率最高的21一件事，通过跟大模型交互，筛选出来10件，具体如下：

作者写的还是切中了要点，不一定是技术傲慢，或者带有技术权力的想法，反而技术很多时候不太有能力将技术用简单浅显的语言表达清楚，常常越解释越说不清，所以有的时候就懒得说，看行动。但是技术的行动又不是短期就能见效的，很多时候是中长期的事。所以就带出来了信任问题，如果逐步的建立信任，预期相符。

转一个阅读科技文献的方法论。

Claude在24年12月份发表"Building effective agents" ，这篇文章的核心思想是：构建高效的 AI Agent 系统，应从简单的构建模块开始，逐步增加复杂性，并根据任务需求选择合适的工作流模式。同时，要重视工具设计和迭代优化，确保 Agent 的可靠性和有效性。 这篇文章为开发者提供了实际可操作的指导，强调了在实际应用中保持简单性和灵活性。

2024年2月18日，伯克利大学的Matei Zaharia,等发表了一遍关于复合AI系统的文章，阐述了相关概念和问题，并指出复合AI系统的核心在于通过巧妙的工程设计，整合多种AI能力，从而达到更好的性能，而不仅仅是依赖于模型的简单放大。

剑来已完结，摘录了一些还不错的句子。“读遍道书三万轴，知道不知道。豪取功名六千年，知足知不足。”

Sam Altman从创业和公司管理的角度出发给出了一些关于团队执行、目标管理、激励机制方面的建议，虽然这些建议在很多地方都不一定适用。但值得阅读。

👉 管理建议：领导人应具备最重要的特质是：他能给人们描绘出一个未来的蓝图。真正的领导者和优秀的管理者有能力反思自我。谦逊是很重要的领导原则。
👉 给年轻人的建议：学习一两个基础的技能，让你在所有人中能够处于前 10%。同时要学习多项技能。

蔡崇信说“我们知道阿里落后了，因为我们忘记了我们真正的客户是谁。我们的客户是使用我们的App进行购物的人，而我们没有给他们最好的体验。在某种程度上，我们砸了自己的脚”。马云阿里内网发表公开信：要认清自己，重回客户价值轨道。

10%目标定律：无论你在生活中想要什么，你都要做10次尝试。

这篇文档很好的帮助理解如何将知识库与大模型结合起来使用。

一年前的一篇文章从数字化角度思考俄乌战争，值得一读。

字节跳动从应用层面构建入口，让用户零代码构建bot，整合workflow与LLM，走了与文心一言、通义千帆不一样的路，并且是让人很有启发的路。

Sora的发布像去年chatGPT问世一样惊世，它生成的视频是如此的逼真，如此的流畅，并且还将物理世界的光影与受力考虑进去，实在令人惊奇。AI技术发展速度之快，超出了我的想象，并且微软、Google、NVIDIA、OpenAI、Meta、苹果等巨头你追我赶展现的产品令我五味杂陈。

“一个人的命运,当然要靠自我奋斗,但也要考虑到历史的行程。”

如何了解业务：查看内部信息来源和分析师、商业出版物、政府或监管机构以及博客上可用的在线信息。参加贸易和专业会议。你想了解公司的长期目标、战略、商业模式和计划。你还需要了解它的历史，特别是最近的历史，以及它目前面临的问题、挑战和威胁。

看《哈佛商业评论》中文版上的文章，有很多的译者已经是DEEPL、ChatGPT、飞书等AI工具了。改变是逐步的，也是显著的。

上周听了清华王子阳的一个讲座，重点是讲商业模式，其中关于数字化转型、以及大模型建设有不少值得思考的见解。找了些朱武祥教授这方面的思考，总结如下。

以前总是以不熟悉为由不去接触，但是用了一下发现Jupyter特别好用，很容易上手，很容易用程序把一个事讲明白。（主要针对python）

Platform Engineering被Gartner视为2024年一个重要的技术趋势，其实这个概念就跟我们之前一直在内部提倡的以技术中台为基础的，开发者门户，开发者工具集类似。

a16z网站向其超过 40 位合作伙伴征询了他们认为将在 2024 年成为创新动力的重要理念。其中有不少有有助于我们对大模型应用的想象。
推荐级别：☆☆☆

数字化转型过程中除了技术难题外，很大一部分问题是文化和协作问题，KPMG的调研里对此进行了说明，并给出了部分建议。这些建议有些借鉴意义。推荐级别：☆☆☆☆

德勤分析技术的方法分6个维度：提升力：信息、互动和计算三个领域。以及基础性立项：商业技术、核心现代化和网络与信任。推荐程度：☆☆☆☆

第一性原理就是从事物的本质出发，不被过往的（以及他人的）经验所束缚，避免和同类事物过度类比，透过重重的迷雾，看到事物的本质。

Chatgpt这一年风头无两，但他这两天发生一件很大的事，CEO被董事会解雇，非常的突然、甚至连他们最大的投资者都不清楚。在网上引起了很大争议。其中一个CEO写了一段很有价值的公开信。

特斯拉的核心系统Warp Drive,特斯拉从一开始使用SAP到自主研发，也正式因为Warp Drive才使得特斯拉的销售体验、敏捷性，智能性如此独特。

2014年CIO Insight采访当时的特斯拉CIO Jay Vijayan的记录，主要阐述了特斯拉选择自主研发核心IT系统的原因：敏捷、无缝集成、高效运营。由此也可见马斯克的想法确实超前和值得学习。

特斯拉的数字化能力建设，以及特别强于其他车企的核心包括：
1. Elon Musk的战略思维。Master Plan, Part Deux 在这里Elon讲了他的战略思考。
2. Vijayan、Nagesh Saldi以及特斯拉IT团队的执行力，4个月开发出一个ERP系统，并持续的扩展，与云、AI深入结合。
3. 新的商业模式的构建，对IT也提出新的要求，相辅相成，定义了“软件定义汽车”。

现在的一些电视剧拍的蛮好的，结合金融、管理等内容来使得剧情更加的合理。

数字化转型需要区别于KPI的一种新的考核模式。OKR从各方面来看比较符合数字化转型的需要。

在数字文明时代不可避免的会接触到电子产品，那怎么才能提高益处降低对宝宝的害处呢？

陆奇博士系统化的讲了数字化转型、新范式的思考框架。他的三位一体的方法论，从6个方面分解数字化需求的框架都值得学习。

通过思想树（Tree of Thoughts TOT)进行多种不同的推理路径和自我评估来进行深度的决策评估。

在有超级AI的世界里，人类会变成什么样子？
以及在走向超级AI的时代时，我们要做什么？

数字化转型是企业将数字技术整合到业务所有领域的过程，从根本上改变了它为客户提供价值的方式。公司采用创新的数字技术进行文化和运营转变，以更好地适应不断变化的客户需求。

数字化转型：彻底重构客户体验、业务模式和运营模式。采用全新的方式交付价值、创造收入并提高效率。

数字化转型利用现代化数字技术（包括所有类型的公共云、私有云和混合云平台）来创建或调整业务流程、文化和客户体验，以适应不断变化的业务和市场需求。

接口是用来系统间通信的定义，尤其异构系统之间的通信，接口的设计尤其重要。

为什么腾讯的产品显得强，而百度的弱

COB（Client Onboarding客户引导）是指从接触客户到让新客户熟悉公司、产品服务的过程，这不是一个新概念，银行业的很早就有，对应着从客户第一次接触到客户开户，让客户熟悉公司和产品，以及搜集客户必要的信息的过程。

Monica Rogati 是领英的数据科学家，她给了我们在挖掘数据时十个应该避免的常见错误。