开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

角度-可观察到不可观察的变化

是指在软件开发和系统运维过程中，通过监控和分析系统的各个方面来观察和理解系统的变化情况。这种观察可以从不同的角度进行，以便更好地了解系统的性能、稳定性和安全性等方面的变化。

在云计算领域，角度-可观察到不可观察的变化可以应用于以下方面：

系统性能监控：通过监控系统的CPU利用率、内存使用情况、网络流量、磁盘IO等指标，可以观察到系统的性能变化，并及时采取措施进行优化和调整。腾讯云提供的产品包括云监控（https://cloud.tencent.com/product/monitoring）和云审计（https://cloud.tencent.com/product/cloudaudit）。
应用程序监控：通过监控应用程序的请求响应时间、错误率、并发连接数等指标，可以观察到应用程序的性能和稳定性变化。腾讯云提供的产品包括应用性能监控（https://cloud.tencent.com/product/apm）和容器服务（https://cloud.tencent.com/product/tke）。
日志分析：通过分析系统和应用程序的日志，可以观察到系统的运行状态和异常情况，帮助排查问题和优化系统。腾讯云提供的产品包括日志服务（https://cloud.tencent.com/product/cls）和容器日志服务（https://cloud.tencent.com/product/cls）。
安全监控：通过监控系统的入侵行为、异常访问、漏洞利用等指标，可以观察到系统的安全性变化，并及时采取措施进行防护和修复。腾讯云提供的产品包括云安全中心（https://cloud.tencent.com/product/ssc）和Web应用防火墙（https://cloud.tencent.com/product/waf）。
用户行为分析：通过分析用户的访问行为、点击流、购买行为等指标，可以观察到用户的兴趣和需求变化，帮助优化产品和服务。腾讯云提供的产品包括用户行为分析（https://cloud.tencent.com/product/uba）和大数据分析（https://cloud.tencent.com/product/cda）。

通过综合应用以上角度-可观察到不可观察的变化的方法和工具，可以全面了解系统的运行情况，及时发现和解决问题，提升系统的性能和稳定性。

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

基于三维向量对的乱序堆叠物体的位姿识别

摘要：针对乱序堆叠物体识别效率低、速度慢的问题，提出一种快速可靠的3D对象检测可以应用于复杂场景中随机堆积的物体。所提出的方法使用“3D向量对”具有相同的起点和不同的终点，并且它具有表面正态分布作为特征描述符。通过考虑向量对的可观察性，提出的方法已取得较高的识别性能。可观察性向量对的因数是通过模拟可见光来计算的从各种角度来看向量对的状态。通过整合提出的可观察性因子和独特性因子，向量对可以有效提取和匹配，并将其用于对象姿态估计。实验已经证实，提出的方法较先进的方法，识别成功率从45.8％提高至93.1％，提出的方法的处理时间对于机器人垃圾箱拣选来说足够快。

02

隐马尔科夫模型和动态贝叶斯网络

（一）：定义及简介：介绍（introduction）通常我们总是对寻找某一段时间上的模式感兴趣，这些模式可能出现在很多领域：一个人在使用电脑的时候使用的命令的序列模式；一句话中的单词的序列；口语中的音素序列。总之能产生一系列事件的地方都能产生有用的模式。考虑一个最简单的情况：有人(柯南？)试图从一块海藻来推断天气的情况。一些民间的传说认为“soggy”的海藻意味着潮湿（wet）的天气，“dry”的海藻预示着晴朗（sun）。如果海藻处于中间状态“damp”，那就无法确定了。但是，天气的情况不可能严格的

05

马尔可夫区制转移模型Markov regime switching

本文简要介绍了一种简单的状态转移模型，该模型构成了隐马尔可夫模型（HMM）的特例。这些模型拟合时间序列数据中的非平稳性。从应用的角度来看，这些模型在评估经济/市场状态时非常有用。这里的讨论主要围绕使用这些模型的科学性。

02

Chaos Mesh + SkyWalking，打造可观测的混沌工程

Chaos Mesh 是一个开源的云原生混沌工程平台，借助 Chaos Mesh，用户可以很方便地对服务注入异常故障，并配合 Chaos Dashboard 实现对整个混沌实验运行状况的监测。然而，对混沌实验运行情况的监控并不能告诉我们应用服务性能的变化。从系统可观测性的角度来说，我们可能无法单纯通过混沌实验的动态了解故障的全貌，这也阻碍了我们对系统和故障的进一步了解，调试。

04

R语言对混合分布中的不可观测与可观测异质性因子分析

今天上午，在课程中，我们讨论了利率制定中可观察和不可观察异质性之间的区别（从经济角度出发）。为了说明这一点，我们看了以下简单示例。让 X 代表一个人的身高。考虑以下数据集

01

R语言对混合分布中的不可观测与可观测异质性因子分析

之前，我们讨论了利率制定中可观察和不可观察异质性之间的区别（从经济角度出发）。为了说明这一点，我们看了以下简单示例。 X 代表一个人的身高。考虑以下数据集

01

隐马尔可夫模型攻略

隐马尔可夫模型 (Hidden Markov Model，HMM) 最初由 L. E. Baum 和其它一些学者发表在一系列的统计学论文中，随后在语言识别，自然语言处理以及生物信息等领域体现了很大的价值。平时，经常能接触到涉及 HMM 的相关文章，一直没有仔细研究过，都是蜻蜓点水，因此，想花一点时间梳理下，加深理解，在此特别感谢 52nlp 对 HMM 的详细介绍。考虑下面交通灯的例子，一个序列可能是红-红/橙-绿-橙-红。这个序列可以画成一个状态机，不同的状态按照这个状态机互相交替，每一个状态都只依赖

【机器学习研究】隐马尔可夫模型 (HMM) 最认真研究

隐马尔可夫模型 (Hidden Markov Model，HMM) 最初由 L. E. Baum 和其它一些学者发表在一系列的统计学论文中，随后在语言识别，自然语言处理以及生物信息等领域体现了很大的价值。平时，经常能接触到涉及 HMM 的相关文章，一直没有仔细研究过，都是蜻蜓点水，因此，想花一点时间梳理下，加深理解，在此特别感谢 52nlp 对 HMM 的详细介绍。考虑下面交通灯的例子，一个序列可能是红-红/橙-绿-橙-红。这个序列可以画成一个状态机，不同的状态按照这个状态机互相交替，每一个状态都只依赖

09

R语言马尔可夫体制转换模型Markov regime switching

本文简要介绍了一种简单的状态切换模型，该模型构成了隐马尔可夫模型（HMM）的特例。这些模型适应时间序列数据中的非平稳性。从应用的角度来看，这些模型在评估经济/市场状态时非常有用。这里的讨论主要围绕使用这些模型的科学性。

04

观察者模式与它在源码中的运用

观察者模式定义对象间的一种一对多的依赖关系，当被观察的对象发生变化时，所有的观察者都将得到通知进行相应的操作

01

【综述专栏】北科大最新《分布变化下的图学习》综述，详述领域适应、非分布和持续学习进展

图学习在各种应用场景中发挥着关键作用，并且由于其在建模由图结构数据表示的复杂数据关系方面的有效性，已经获得了显著的关注，这些应用场景包括社交网络分析到推荐系统。实际上，现实世界中的图数据通常随着时间展现出动态性，节点属性和边结构的变化导致了严重的图数据分布偏移问题。这个问题由分布偏移的多样性和复杂性加剧，这些偏移可以显著影响图学习方法在降低的泛化和适应能力方面的性能，提出了一个对其有效性构成实质挑战的重大问题。在这篇综述中，我们提供了一个全面的回顾和总结，涵盖了解决图学习背景下分布偏移问题的最新方法、策略和见解。具体而言，根据在推断阶段分布的可观测性和在训练阶段充分监督信息的可用性，我们将现有的图学习方法分类为几个基本场景，包括图域适应学习、图离群分布学习和图持续学习。对于每个场景，都提出了详细的分类法，包括对存在的分布偏移图学习进展的具体描述和讨论。此外，我们还讨论了在分布偏移下图学习的潜在应用和未来方向，通过系统分析这一领域的当前状态。这篇综述旨在为处理图分布偏移的有效图学习算法的开发提供一般指导，并激发在这一领域的未来研究和进展。

01

DeepMind最新ICML论文：价值分布方法超越所有传统强化学习

【新智元导读】DeepMind 在他们的 ICML 2017 论文 A Distributional Perspective on Reinforcement Learning 中，提出不仅可以对奖励的平均值进行建模，还可以对奖励的所有变化进行建模，即价值分布（value distribution）。相比以前的模型，这种方法能让RL系统更准确，训练更快，更重要的是，它启发我们重新思考强化学习。设想一位每天乘坐列车通勤的人。大多数早晨，她的列车都能准时发车，她能轻松有备地赶上早会。但她清楚一旦有一点点意外发

09

一个提出 5 年的 Node.js 模块问题，终被解决！

一直以来 Node.js 中存在一个问题，CommonJS 与 ES Modules 如何更好的共存？是令大多数 Node.js 开发者头疼的问题。

01

谈谈我对 Reacitive 方法的理解

本文我想和大家分享一下我对当前 Reactivity 方法和现状的理解。我并不是说我的观点就是对的，但我认为，正是通过分享自己的观点，我们才能对行业中的事物达成共识，我希望这些来之不易的见解能够对其他人有所帮助，并补充他们理解中缺失的部分。

03

软考高级：软件架构评估：质量属性 - 易用性和可测试性概念和例题

软件架构评估是指通过一系列的分析和评价活动，确定软件架构是否能满足既定的需求和预期的质量标准。在软件架构评估中，质量属性是衡量软件系统特定方面性能的关键指标。

00

Science子刊封面：仅需20%信息，AI场景全再现！

当我们给计算机视觉系统输入一张照片时，它们可以很容易捕获照片中的信息。但是，自主捕获信息对于计算机视觉系统还是非常困难的。

02

为何RL泛化这么难：UC伯克利博士从认知POMDP、隐式部分可观察解读

当今强化学习（RL）的问题很多，诸如收敛效果不好。在偏弱的实验环境里，模型测试结果看起来尚可，许多问题暴露得不明显，但大量实验已经证明深度 RL 泛化很困难：尽管 RL 智能体可以学习执行非常复杂的任务，但它似乎对不同任务的泛化能力较差，相比较而言，监督深度网络具有较好的泛化能力。

04

主动推理中的预测性规划与反事实学习

On Predictive planning and counterfactual learning in active inference

01

冠状病毒时代下的AI

冠状病毒是2020年的“黑天鹅”。这种病毒首次出现，不仅是一个出人意料的极端异常事件，而且人类试图控制这种病毒的反应也在世界各地的医疗、商业、金融、零工经济、信贷、商业、自动交通和旅游等系统中掀起了巨大的波澜。

03

距离-视觉-惯性里程计：无激励的尺度可观测性（ICRA2021）

Range-Visual-Inertial Odometry: Scale Observability Without Excitation

05

Python机器学习教程—超参数的调整与可视化

机器学习模型要想能够很好的应用，必须要能够学会调整超参数，在训练中找到最适合的超参数，本文以前文曾讲过的线性回归为例，来进行学习超参数的调整与作图的实现，即可视化。

02

A股市场机器学习多因子模型实证

量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者，荣获2021年度AMMA优秀品牌力、优秀洞察力大奖，连续2年被腾讯云+社区评选为“年度最佳作者”。量化投资与机器学习公众号独家解读量化投资与机器学公众号 QIML Insight——深度研读系列是公众号全力打造的一档深度、前沿、高水准栏目。公众号遴选了各大期刊前沿论文，按照理解和提炼的方式为读者呈

03

响应式架构最佳实践——MVI

这个系列我做了协程和Flow开发者的一系列文章的翻译，旨在了解当前协程、Flow、LiveData这样设计的原因，从设计者的角度，发现他们的问题，以及如何解决这些问题，pls enjoy it。

02

ArkTS-@Observed装饰器和@ObjectLink装饰器

上文所属的装饰器仅能观察到第一层的变化，但是在实际应用开发中，应用会根据开发需要，封装自己的数据模型。对于多层嵌套的情况，比如二维数组，或者数组项class，或者class的属性是class，他们的第二层的属性变化是无法观察到的。这就引出了@Observed/@ObjectLink装饰器

01

HarmonyOS学习路之方舟开发框架—学习ArkTS语言（状态管理四）

上文所述的装饰器仅能观察到第一层的变化，但是在实际应用开发中，应用会根据开发需要，封装自己的数据模型。对于多层嵌套的情况，比如二维数组，或者数组项class，或者class的属性是class，他们的第二层的属性变化是无法观察到的。这就引出了@Observed/@ObjectLink装饰器。

03

2032 年了，面试官居然还在问三大框架响应式的区别……

2023 年了，我即将跑路的同事出去面试的时候，告诉我发现面试官还在问“不同框架的响应式有什么区别”这样老生常谈的问题！

03

65. 非视线成像 - 把墙角变为相机

我已经为你介绍了基于飞秒摄影、基于WIFI、以及基于角膜成像的非视线成像技术。这些技术都有一个淳朴的初衷，希望能够在视线成像无法触达的时候，能够观察到隐藏的场景，从而可以帮助行车安全、反恐防暴、消防救灾等等。

04

监控即代码：云原生世界中的新兴想法

监控即代码 (MaC) 是一种思维转变，现在越来越多地被软件开发采用。了解 MaC 的重要性并尽早将监控纳入开发过程可为 DevOps 团队带来大量好处。

01

每日学术速递8.11

1.RICO: Regularizing the Unobservable for Indoor Compositional Reconstruction(ICCV 2023)

02

将神经表征的概念纳入感知行动的第一原理解释中

三个关键点值得注意。首先，层次生成模型中的(内部)隐藏状态与世界中的(外部)隐藏状态之间存在一致的函数关系，如“手指”角或MNIST字母。这种联系通常被认为(虽然不是普遍的)反映了认知心理学和神经科学中最普遍接受的神经表征概念。这一概念的关键方面围绕着连接的结构性质，表明内部和外部隐藏状态之间的因果联系，而不是简单的相关性。这强调了内部隐藏状态编码了关于外部隐藏状态的信念，即使可能缺乏直接的一对一映射。此外，这些隐藏的状态作为生物体操纵适应性预测和控制的工具，在过程5，7中对其具有意义、重要性和适应性价值。

01

【机器学习】--隐含马尔科夫模型从初识到应用

马尔可夫（1856~1922），苏联数学家。切比雪夫的学生。在概率论、数论、函数逼近论和微分方程等方面卓有成就。马尔可夫模型（Markov Model）是一种统计模型，广泛应用在语音识别，词性自动标注，音字转换，概率文法等各个自然语言处理等应用领域。经过长期发展，尤其是在语音识别中的成功应用，使它成为一种通用的统计工具。

02

健康老年人静息态EEG的功率和功能连接变化

健康人的大脑神经活动在衰老过程中会发生变化。神经活动模式最常见的变化是从后脑区到前脑区的转移，以及脑半球之间不对称性的降低。这些模式通常在任务执行期间和使用功能磁共振成像数据时观察到。在此研究中，作者通过EEG记录重建的源-空间时间序列来研究在休息时是否也能检测到类似的影响。通过分析整个大脑的振荡功率分布，作者确实发现了老年人从后脑区到前脑区的转变。此外，作者还通过评估连接性及其随年龄的变化来研究这种转变。研究结果表明，额叶、顶叶和颞叶区域之间的连接在老年人中得到了加强。区域内连接显示出更复杂的模式，与年龄有关的活动在顶叶和颞叶区域增强，而在额叶区域减少。最后，所形成的网络随着年龄的增长表现出了模块化的损失。总的来说，这些结果将与年龄有关的大脑活动从后区向前区转移的证据扩展到了静息态，从而表明这种转移是大脑老化的一个普遍特征，而不是特定任务。此外，连接性结果提供了关于老化过程中静息态大脑活动重组的新信息。

04

Flutter与MobX的那些事

在以前的一篇文章中，半行代码介绍到在 Flutter 里面使用 MobX, 今天我们就来聊聊 Flutter 和 MobX 的那些事。

01

每日学术速递8.12

1.RICO: Regularizing the Unobservable for Indoor Compositional Reconstruction(ICCV 2023)

02

【贝叶斯系列】预测未来回报的交易算法基于Bayesian cone

编译：watermelon、西西作者：Thomas Wiecki 1 前言在评估交易算法时，我们通常可以使用样本外的数据，以及真实交易数据去进行评测。评测策略最大的问题是，它有可能是过度拟合的，在过去的数据上表现很好，但在样本外或者未来的真实行情数据中表现一般。今天，公众号编辑部编译了这篇来自Q-blog的文章，也加进了我们自己的一些见解和对文章专业知识的解释，来告诉大家使用贝叶斯估计预测未来可能的回报。 2 预测模型可以得知什么建模计算总会带来一些风险，如估计不确定性，模型错误指定等错误。根

05

一层一层剥开黑匣子：深度卷积网络的可视化

导读：由于深度卷积网络的架构复杂，参数量巨大，许多朋友会感觉它就像一个神秘的黑匣子。但其实我们已有许多手段探查深度卷积网络的具体运作，并了解其决策的原因。在此我们以AlexNet为例。

03

TiDB 7.1 多租户在中泰证券中的应用

本文详细介绍了中泰证券在系统国产化改造项目中采用 TiDB 多租户技术的实施过程。文章分析了中泰证券数据库系统现状以及引入 TiDB 资源管控技术的必要性，探讨了 TiDB 多租户的关键特性，并阐述了在实际应用中的具体操作步骤。通过该技术的应用，中泰证券有效降低了运维成本，提升了开发效率。文章强调了 TiDB 多租户在证券企业中的应用优势，特别突出了其在资源观测、复用、可配置性等方面的价值。

00

为AI配备目标；强化学习是最低的智能行为，昆虫和哺乳动物在第几层？

理论生物学的最新进展表明，基础认知和感知行为是体外细胞培养和神经元网络的自然属性，respectively.这种神经元网络在大脑中自发地学习结构化行为在没有奖励或加强情况下。在这篇文章中，我们通过自由能原理的透镜来描述这种self-organisation，即不证自明的。我们要做到这一点，首先要基于主动推理的设置，definitions of reactive and sentient behaviour，模拟他们的行动的consequences。然后我们引入了一种对有意行为的正式解释，它将代理描述为由潜在状态空间中的首选端点或目标驱动。然后，我们研究这些形式的(反应性的、有感觉的和有意的(reactive, sentient, and intentional)行为模拟。首先，我们模拟上述体外实验，其中神经元培养通过实现嵌套的、自由能的最小化过程，自发地学习玩乒乓。然后模拟被用来解构随之而来的预测行为——区分仅仅是反应性的、有感觉的和有意的行为，后者以归纳计划的形式出现。这使用简单的机器学习基准进一步研究区别(导航一个网格世界和汉诺塔问题)，这显示了如何快速有效地适应性行为是在主动推理的归纳形式下出现的。

01

【可观察性】什么是可观察性？不仅仅是日志、指标和跟踪

随着动态系统架构的复杂性和规模的增加，IT 团队面临着越来越大的压力来跟踪和响应其多云环境中的条件和问题。因此，IT 运营、DevOps 和 SRE 团队都在寻找对这些日益多样化和复杂的计算环境的更高可观察性。但什么是可观察性？为什么它很重要，它实际上可以帮助组织实现什么？什么是可观察性？在 IT 和云计算中，可观察性是根据系统生成的数据（例如日志、指标和跟踪）来衡量系统当前状态的能力。可观察性依赖于源自多云计算环境中端点和服务的仪器的遥测。在这些现代环境中，每个硬件、软件和云基础架构组件以及每个

02

【技术】SPSS因子分析

因子分析在各行各业的应用非常广泛，尤其是科研论文中因子分析更是频频出现。小兵也凑个热闹，参考《SPSS统计分析》书中的案例，运用SPSS进行因子分析，作为我博客 SPSS案例分析系列的第三篇文章。【一、概念】探讨具有相关关系的变量之间，是否存在不能直接观察到的，但对可观测变量的变化其支配作用的潜在因素的分析方法就是因子分析，也叫因素分析。通俗点：因子分析是寻找潜在的、起支配作用因子的方法。【二、简单实例】现在有 12 个地区的 5 个经济指标调查数据（总人口、学校校龄、总雇员、专业服务、中等房价

09

深度 | DeepMind ICML 2017论文：超越传统强化学习的价值分布方法

选自DeepMind 机器之心编译参与：机器之心编辑部设想一个每天乘坐列车来回跋涉的通勤者。大多数早上列车准时运行，她可以轻松愉快地参加第一个早会。但是她知道，一旦出乎意料的事情发生：机械故障，信号失灵，或者仅仅是碰到一个雨天，这些事情总会打乱她的模式，使她迟到以及慌张。随机性是我们日常生活中经常遇到的现象，并且对我们的生活经验有十分深远的影响。但随机性同样在强化学习应用中极其重要，因为强化学习系统需要从试验和错误中学习，并且由奖励驱动。通常，强化学习算法从一个任务的多次尝试中预测它可能收到的奖励期望

06

StateObject 与 ObservedObject

StateObject 是在 SwiftUI 2.0 中才添加的属性包装器，它的出现解决了在某些情况下使用 ObservedObject 视图会出现超预期的问题。本文将介绍两者间的异同，原理以及注意事项。

02

「Android 架构」—— MVVM 详解

只要你掌握了基础知识，要想构建一个完整的 Android App 并不难，但是想要写出一个可维护的 App 就是另一回事了，这时候就必须让你自己的代码足够健壮，就需要避免把所有业务逻辑代码都放在 Activity、Fragment，或者是创建多个比较小的只有单一功能的 class。

04

Biological Psychiatry:CNNI|青少年抑郁症患者功能连通性的重测信度

背景:功能性磁共振成像的重测可靠性对于识别精神疾病的可重复性生物标志物至关重要。最近的研究表明，可靠性如何限制了大脑行为关联的可观察效应，阻碍了这些效应的检测。大量文献探讨了健康个体的单变量和多变量可靠性，但相对较少的研究探讨了精神疾病人群的可靠性或其与年龄存在相互作用。

01

重构学习-重构原则

什么是重构：视上下文重构有两个不同的定义，第一个定义是名词形式对软件内部结构的一种调整，目的是在不改变软件可观察行为的前提下，提高其可理解性，降低其修改成本重构的另一人用法是动词形式使用一系列的重构手法，在不改变软件可观察行为的前提下调整其结构。有人说重构就是整理代码，从某种角度上来说，是，但是重构不止于此，因为它提供了一种更为高效且受控的代码整理技术，运用代码重构技术后你会发现对代码的整理会比以前更加高效。重构的目的是使软件更容易被理解和侯。你可以在软件的内部做很多修改，但必须对软件可观察

05

云原生架构中 Kubernetes 可观测性的挑战和解决思路

这篇文章是 Calico 公司的员工写的，思路非常好。可观测性即代码，非常 k8s 范。在我们实际应用中，目前 k8s 的观测性确实是一个非常大的问题，就目前我在做的平台中，我就对这个问题很头大，虽然业界也有可观测性方案，但是 opentelemetry 目前较为成熟的只是 trace，log 还不够成熟，metrics 目前还是 Prometheus 比较成熟。所以目前大多数的业界平台都是混着用。虽然 opentelemetry 声称是要统一这三者，但是从实际技术角度和目前发展情况来看，还需要时日才能成熟。

03

云原生 - Istio可观察性之分布式跟踪(三)

如前所述，业务微服务化后，每个单独的微服务可能会有很多副本，多个版本，这么多微服务之间的相互调用、管理和治理非常复杂，Istio统一封装了这块内容在代理层，最终形成一个分布式的微服务代理集群(服务网格)。管理员通过统一的控制平面来配置整个集群的应用流量、安全规则等，代理会自动从控制中心获取动态配置，根据用户的期望来改变行为。

04

AI也用思维导图：教它像人类一样高效规划

我们往往是根据事件的内容进行分层规划。无论是规划简单的事情（比如做晚餐）或复杂的事情（比如出国旅行），我们通常会率先在脑海中粗略地勾勒出想要实现的目标（比如去印度旅行完就回家，此处的目标为“旅行”与“回家”）。然后，我们会将初步想法逐步细化为一系列子目标（比如预订机票和打包行李）、子目标又再细化成更小的目标等等，直至落实到一连串的实际行动上，这比初步计划要复杂得多。

04

AI也用思维导图：教它像人类一样高效规划

我们往往是根据事件的内容进行分层规划。无论是规划简单的事情（比如做晚餐）或复杂的事情（比如出国旅行），我们通常会率先在脑海中粗略地勾勒出想要实现的目标（比如去印度旅行完就回家，此处的目标为“旅行”与“回家”）。然后，我们会将初步想法逐步细化为一系列子目标（比如预订机票和打包行李）、子目标又再细化成更小的目标等等，直至落实到一连串的实际行动上，这比初步计划要复杂得多。

03

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭