IT技术博客大学习 共学习 共进步
全部 移动开发 后端 数据库 AI 算法 安全 DevOps 前端 设计 开发者

“connect the dots” 随想

Tim[后端技术] 2012-10-26 22:45:41 累计浏览 2,678 次
本机暂存

   微博上经常看到一些企业或产品的历史介绍,观众很容易把成功的因素归结到“机遇”或者“努力”上,但是除了机遇与努力之外,结合前几篇文章中的“connect the dots”思路顺便谈一些感想。

   很多心怀理想的年轻人并不懂得做选择,常看到为了高考志愿或者毕业后的去向在十字路口彷徨的同学。在平时,当我们并不需要做选择时,我们忘记去创造自己的dot。由于整个社会的功利文化,从象牙塔出来的学生,追求短期或可见的利益成为主流,期望财富能不期而遇。选择之道是无形的,过于追求“有形”的目标,未必能轻易获取。Jobs也说,”You can’t connect the dots looking forward; you can only connect them looking backwards.” 其中forward/backward跟有形无形的道理是相通的。

做人

   当准备一些建议时候,发现很难找一个言行上的建议,古时候有很多做人的建议,比如“吾日三省吾身”,“浩然正气”,放到现在依然有效。如果一个人能不断反省自己的言行,懂得辨别善恶,则很容易成为一个值得尊敬、信赖、学习的对象。经常听一些过得不错的同学提到“跟着老大走”或者“跟对了老大”,至少说明“老大”具有很强的人格魅力;但反过来看,“老大”愿意一直带着你,也是对你自身为人的肯定。而一些创业的人寻合作伙伴,或者一些不错的职位寻求推荐,说得最多的二字就是“靠谱”,而不是专业能力。

交友

   古时交友只有一个字“信”,朋友之间需要言而有信,真诚待人,“信”能产生信任及信赖。从我们现在的眼光来看,还需要热心帮助,以及能输出价值。而好的朋友带来的价值如纽曼所说,“先生们,如果让我必须在那种由老师管着、选够学分就能毕业的大学和那种没有教授和考试让年轻人在一起共同生活、互相学习三四年的大学中选择一种,我将毫不犹豫地选择后者……为什么呢?我是这样想的:当许多聪明、求知欲强、具有同情心而又目光敏锐的年轻人聚到一起,即使没有人教,他们也能互相学习。他们互相交流,了解到新的思想和看法、看到新鲜事物并且掌握独到的行为判断力。”

   做人和交友我觉得是两个基本的dots,可能在多年以后才会有一些“connect the dots”的收获,但是做两者的目的都不是为了追求有形的目标,不要为了功利的目的去做。

专业方向

   

   当我们具备良好的态度之后,我们需要做一些专业方向的选择,根据身边或者自身的例子,通常有几个方面

  • 视界的局限 - 专业方面大部分不好的选择可能受限于视界。提升视界有很多途径,比如多阅读,多交友,还包括后面几点。

  • 好的老师或领导 - 每一个人尤其是初出茅庐的人需要一个好的老师来“传道授业解惑”。好的领导也有老师的作用,除了间接的言行榜样,也会给你直接的授业解惑。但是这一点是可遇不可求。

  • 平台或舞台 - 常看到有志于某个领域的人长时间学习缺乏进展,除了悟性之外,可能缺少实践的平台是主要原因。平台和视界是相辅相成的。

  • 有恒 - 最后再加上有恒,当你已经处于一个优秀的平台,身边都是非常聪明的人,可能很长一段时间内,你发现比不过别人。除了有恒之外,确实难有捷径。

  •    (插图: Iwakura mission,1871年,被派遣到西方考察2年的岩仓使节团是日本走向现代化的转折点)

同分类推荐文章

  1. 从”内容治理”到”行为治理”:中国智能体治理框架深度解析与绿盟科技实践 (2026-06-23 21:49:28)
  2. 美团海报生成 AIGC 技术创新与实践 (2026-06-22 15:34:28)
  3. AI Coding Agent 时代,我自己最常用的 4 个终端工具 (2026-06-22 08:00:00)

查看更多 AI 文章 →

建议继续学习

  1. 给程序员新手的一些建议 (累计阅读 13,089)
  2. 相似度计算常用方法综述 (累计阅读 10,605)
  3. 五个免费开源的数据挖掘软件 (累计阅读 6,528)
  4. 招聘者拿起你的简历后的前6秒钟看的都是什么 (累计阅读 6,111)
  5. 基于用户行为分析的搜索引擎自动性能评价 (累计阅读 5,780)
  6. 皮尔逊积矩相关系数的学习 (累计阅读 5,603)
  7. 文言文白话文互转:文言文转白话文(现代文),白话文(现代文)转文言文 (累计阅读 5,159)
  8. 音乐智能推荐 (累计阅读 4,414)
  9. 淘宝搜索中Query下拉推荐技术 (累计阅读 4,404)
  10. 浅析十三种常用的数据挖掘的技术 (累计阅读 4,305)