成年人必看的六个故事,希望有所启发

传承的智慧:故事里的人生启示 你会将这些写作技巧作为一种乐趣,并每天花一个小时练习,套用、模仿和练习各种故事结构。通过持续的训练,我相信你能够掌握这些技巧,并创作出更好的故事作品。 阅读详情

http://topic.youkuaiyun.com/u/20090316/11/cd18def3-cdd0-498c-826b-3dd5c4cce186.html

成年人必看的六个故事教你学会做人1只小猪、一只绵羊和一头乳牛,被关在同一个畜栏里。有一次,牧人捉住小猪,它大声号叫,猛烈地抗拒。绵羊和乳牛讨厌它的号叫,便说:「他常常捉我们,我们并不大呼小叫。小猪听了回答道:「捉你们和捉我完全是两回事,他捉你们,只是要你们的毛和乳汁,但是捉住我,却是要我的命呢!   

  立场不同、所处环境不同的人,很难了解对方的感受;因此对别人的失意、挫折、伤痛,不宜幸灾乐祸,而应要有关怀、了解的心情。要有宽容的心! 

2、靠自己
    小蜗牛问妈妈:为什么我们从生下来,就要背负这个又硬又重的壳呢? 

  妈妈:因为我们的身体没有骨骼的支撑,只能爬,又爬不快。所以要这个壳的保护! 

  小蜗牛:毛虫姊姊没有骨头,也爬不快,为什么她却不用背这个又硬又重的壳呢? 

  妈妈:因为毛虫姊姊能变成蝴蝶,天空会保护她啊。 

  小蜗牛:可是蚯蚓弟弟也没骨头爬不快,也不会变成蝴蝶他什么不背这个又硬又重的壳呢? 

  妈妈:因为蚯蚓弟弟会钻土,大地会保护他啊。 

  小蜗牛哭了起来:我们好可怜,天空不保护,大地也不保护。 

  蜗牛妈妈安慰他:「所以我们有壳啊!」 

  我们不靠天,也不靠地,我们靠自己。

3、鲨鱼与鱼
    曾有人做过实验,将一只最凶猛的鲨鱼和一群热带鱼放在同一个池子,然后用强化玻璃隔开,最初,鲨鱼每天不断冲撞那块看不到的玻璃,耐何这只是徒劳,它始终不能过到对面去,而实验人员每天都有放一些鲫鱼在池子里,所以鲨鱼也没缺少猎物,只是它仍想到对面去,想尝试那美丽的滋味,每天仍是不断的冲撞那块玻璃,它试了每个角落,每次都是用尽全力,但每次也总是弄的伤痕累累,有好几次都浑身破裂出血,持续了好一些日子,每当玻璃一出现裂痕,实验人员马上加上一块更厚的玻璃。 

  后来,鲨鱼不再冲撞那块玻璃了,对那些斑斓的热带鱼也不再在意,好像他们只是墙上会动的壁画,它开始等着每天固定会出现的鲫鱼,然后用他敏捷的本能进行狩猎,好像回到海中不可一世的凶狠霸气,但这一切只不过是假像罢了,实验到了最后的阶段,实验人员将玻璃取走,但鲨鱼却没有反应,每天仍是在固定的区域游着它不但对那些热带鱼视若无睹,甚至于当那些鲫鱼逃到那边去,他就立刻放弃追逐,说什么也不愿再过去,实验结束了,实验人员讥笑它是海里最懦弱的鱼。 

  可是失恋过的人都知道为什么,它怕痛。

4、神迹
    法国一个偏僻的小镇,据传有一个特别灵验的水泉,常会出现神迹,可以医治各种疾病。有一天,一个拄着拐杖,少了一条腿的退伍军人,一跛一跛的走过镇上的马路,旁边的镇民带着同情的回吻说:「可怜的家伙,难道他要向上帝祈求再有一条腿吗」这一句话被退伍的军人听到了,他转过身对他们说:「我不是要向上帝祈求有一条新的腿,而是要祈求他帮助我,叫我没有一条腿后,也知道如何过日子。」 

  试想:学习为所失去的感恩,也接纳失去的事实,不管人生的得与失,总是要让自已的生命充满了亮丽与光彩,不再为过去掉泪,努力的活出自己的生命。

5、钓竿
  有个老人在河边钓鱼,一个小孩走过去看他钓鱼,老人技巧纯熟,所以没多久就钓上了满篓的鱼,老人见小孩很可爱,要把整篓的鱼送给他,小孩摇摇头,老人惊异的问道:「你为何不要?」小孩回答:「我想要你手中的钓竿。」老人问:「你要钓竿做什么?」小孩说:「这篓鱼没多久就吃完了,要是我有钓竿,我就可以自己钓,一辈子也吃不完。」 

  我想你一定会说:好聪明的小孩。错了,他如果只要钓竿,那他一条鱼也吃不到。因为,他不懂钓鱼的技巧,光有鱼竿是没用的,因为钓鱼重要的不在“钓竿”,而在“钓技”。 

  有太多人认为自己拥有了人生道上的钓竿,再也无惧于路上的风雨,如此,难免会跌倒于泥泞地上。就如小孩看老人,以为只要有钓竿就有吃不完的鱼,像职员看老板,以为只要坐在办公室,就有滚进的财源。

6、诚信
    我的帖子是好不容易搞到的,历经千辛万苦。请看完的同志珍惜楼主的劳动成果帮忙顶一下,只要轻轻的顶一下不会浪费你超过3秒钟时间的!做人要有诚信,要厚道,同时也为了让更多人能看到此帖,从中学到或感悟到些什么就达到我的目的了。

【ESP32-IDF】I2S音频协议实战:从PDM麦克风到PCM扬声器的全链路解析 本文深入解析ESP32-S3的I2S音频协议,从PDM麦克风采集到PCM扬声器输出的全链路实现。详细介绍了硬件PDM转PCM、Standard模式配置及混合模式协同工作,提供实战代码与性能优化建议,助力开发者高效完成嵌入式音频项目开发。 阅读详情

相关推荐

Cesium实战:3DTiles模型分层分户抽屉效果实现全攻略(附完整代码)

本文详细解析了在Cesium中为3DTiles模型实现分层分户抽屉效果的核心原理与完整代码。通过“主-副双模型”策略,结合属性过滤与矩阵变换,开发者能够创建出可交互、可探索的动态建筑可视化效果,适用于数字孪生、智慧城市及BIM可视化等场景。

d6e7f8g9h的博客 296

这才是成年人必看的网站!!不愧是宝藏网站(带私活源码)

看了直呼过瘾

m0_68103666的博客 12万+

ESP32S3新手避坑:用IDF5.0驱动GT911触摸屏,我踩过的三个雷都给你填平了

本文详细解析了在ESP32S3开发板上使用IDF5.0驱动GT911触摸屏时常见的三大问题:软重启失效、状态寄存器读取异常和初始化参数差异。通过逻辑分析和硬件调试工具,提供了针对性的解决方案和优化建议,帮助开发者高效完成触摸屏驱动开发。

weixin_42567497的博客 298

六个故事教你学会做人,成年人必看!!

 、 宽容    一只小猪、一只绵羊和一头乳牛,被关在同一个畜栏里。有一次,牧人捉住小猪,它大声号叫,猛烈地抗拒。绵羊和乳牛讨厌它的号叫,便说:「他常常捉我们,我们并不大呼小叫。小猪听了回答道:「捉你们和捉我完全是两回事,他捉你们,只是要你们的毛和乳汁,但是捉住我,却是要我的命呢!    立场不同、所处环境不同的人,很难了解对方的感受;因此对别人的失意、挫折、伤痛,不宜幸灾乐祸,而应要有关怀、

huimierenxin的专栏 476

用AI画电路板AI EDA初探Creating WiFi Radio with CELUS: A Step-by-Step Tutorial 使用CELU.IO创建WiFi收音机:分步教程

结论:整体还不太成熟,所选器件单元是欧美思维,器件选型成本和咱们华强北还是无法比。可以关注迭代,看客就当走马观花就行了;不过里面的单元模块还带有AI提问的这个比较好,值得国内EDA从业者学习。话不多说上正文:本教程目的是让我们深入了解如何使用CELUS设计平台构建WiFi收音机实战项目。本指南的重点是使用该平台来选择正确的解决方案,并整合一个项目,让您可以将音乐和节目从互联网直接传输到您自己构建的扬声器。

2301_81235726的博客 1万+

【深大计算机网络】实验三 可靠传输机制 实验报告 附代码

【内附代码】【深大计算机网络】实验三 可靠传输机制 实验报告 附代码

m0_74268508的博客 1654

成年人必看的六个故事

1、宽容 一只小猪、一只绵羊和一头乳牛,被关在同一个畜栏里。有一次,牧人捉住小猪,牠大声号叫,猛烈地抗拒。绵羊和乳牛讨厌牠的号叫,便说:「他常常捉我们, 我们并不大呼小叫。小猪听了回答道:「捉你们和捉我完全是两回事,他捉你们,只是要你们的毛和乳汁,但是捉住我,却是要我的命呢! 立场不同、所处环境不同的人,很难了解对方的感受;因此对别人的失意、挫折、伤痛,不宜幸灾乐祸,而应要有关怀、...

趋势创造者-一直在努力,拥抱大海,拥抱浩瀚的天空,探知未来的世界 祗偽妳動訫 Happiness keeps you Sweet 165

YOLOv改进 | YOLOv11更换主干Backbone之MobileNetV2(轻量化主干网络结构--高效轻量移动模型)

本文提出将YOLOv11的主干网络替换为轻量化的MobileNetV2,以提升模型在移动端设备的部署效率。MobileNetV2通过倒残差结构和线性瓶颈层,显著减少了计算量和参数量(降至1M~3M),同时保持多尺度特征提取能力。实验表明,改进后的模型在移动设备上可实现20-30 FPS的实时检测,适用于手机APP、无人机和工业监控等场景。核心代码展示了倒残差块的实现,通过深度可分离卷积和通道扩展/压缩实现高效特征提取。

走向CTO的路上... 1463

六个故事更新你的人生观念

1、 宽容       一只小猪、一只绵羊和一头乳牛,被关在同一个畜栏里。有一次,牧人捉住小猪,牠大声号叫,猛烈地抗拒。绵羊和乳牛讨厌牠的号叫,便说:「他常常捉我们,我们并不大呼小叫。小猪听了回答道:「捉你们和捉我完全是两回事,他捉你们,只是要你们的毛和乳汁,但是捉住我,却是要我的命呢!   立场不同、所处环境不同的人,很难了解对方的感受;因此对别人的失意、挫折、伤痛,不宜幸灾乐祸,而应要有关怀、...

weixin_34015336的博客 146

Spring Boot 与 Redisson 版本适配深度解析

Spring Boot 与 Redisson 的版本适配是一个动态演进的过程。开发者需要密切关注两者官方的版本更新日志,建立完善的版本验证机制。本文提供的适配方案基于当前最新技术状态(2024年1月),建议在实际生产环境中通过灰度发布策略验证版本兼容性。只有深入理解底层技术原理,才能在分布式系统的星辰大海中稳健航行。延伸阅读Spring Boot 官方迁移指南。

fudaihb的博客 1085

【基于Arduino 的CNC笔式绘图仪】

该机器的结构基于我之前视频中的DIY CNC激光雕刻机,目标是以尽可能少的零件制造最简单的CNC机器。它使用 3 个 NEMA 17 步进电机进行 X、Y 和 Z 轴运动,并使用一个小伺服器进行夹持器。这款数控笔式绘图仪的大脑是一块Arduino UNO板,结合了一个数控屏蔽和三个A4988步进驱动器。在我看来,相当大的工作区域,360x280mm,以及这款笔式绘图仪可以输出的细节水平也令人印象深刻。我真的很惊讶这些图纸的好坏和精确程度,尤其是我使用0.6毫米中性笔的图纸。

vor234的博客 1503

成年人必看的六个故事o(∩_∩)o...受益匪浅~

1、 宽容       一只小猪、一只绵羊和一头乳牛,被关在同一个畜栏里。有一次,牧人捉住小猪,牠大声号叫,猛烈地抗拒。绵羊和乳牛讨厌牠的号叫,便说:“他常常捉我们,我们并不大呼小叫”。小猪听了回答道:“捉你们和捉我完全是两回事,他捉你们,只是要你们的毛和乳汁,但是捉住我,却是要我的命呢!”       立场不同、所处环境不同的人,很难了解对方的感受;因此对别人的失意、挫折、伤痛,不宜幸灾乐祸,而

土哥的BLOG 874

Vue3 - [最强] 超详细 Element Plus 组件库主题颜色进行 “统一全局“ 替换,将默认的蓝色主题色更换为其他自定义颜色,覆盖原来的主题色改为自己的颜色(完美解决主题色不生效、没反应)

elementplus修改主题色,vue3+element-plus主题色更换,vue3vite如何修改扩展elementplus主题色样式,全局设置elementplus主题色,有什么办法可以直接全局修改主题色,对elementplus默认蓝色不满意怎么替换更改其他颜色,elementplus覆盖默认主题色,elementplus主题色官方文档,vue3中修改elementplus主题色,elementplus修改主题色不生效怎么办,elementplus如何修改主题颜色,eleme

🏆 前端领域优质创作者 1万+

成年人必看的六个故事,希望有所启发[转]

成年人必看的六个故事教你学会做人: 1、一只小猪、一只绵羊和一头乳牛,被关在同一个畜栏里。有一次,牧人捉住小猪,它大声号叫,猛烈地抗拒。绵羊和乳牛讨厌它的号叫,便说:「他常常捉我们,我们并不大呼小叫。小猪听了回答道:「捉你们和捉我完全是两回事,他捉你们,只是要你们的毛和乳汁,但是捉住我,却是要我的命呢!      立场不同、所处环境不同的人,很难了解对方的感受;因此对别人的失

andy_212的专栏 498

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

7个小故事,或许能给你些启发

1、成功并不像你想像的那么难:并不是因为事情难我们不敢做,而是因为我们不敢做事情才难的。   1965年,一位韩国学生到剑桥大学主修心理学。在喝下午茶的时候,他常到学校的咖啡厅或茶座听一些成功人士聊天。这些成功人士包括诺贝尔奖获得者,某一些领域的学术权威和一些创造了经济神话的人,这些人幽默风趣,举重若轻,把自己的成功都看得非常自然和顺理成章。时间长了,他发现,在国内时,他被一些成功人士欺骗了。那

tgww88的专栏 1300

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

聊聊用户故事与测试启发

用户故事的概念于1998年被正式提出,在2001年开始逐步成熟。目前,市面上有关讲解用户故事方法的著作不少,在Scrum流程中配合使用,效果显著。我们先回顾一下用户故事最核心的知识内容

Eyemon的博客 550

六则励志故事,送给程序员的你,希望从中获得启发与帮助!

在我们生活中,难免会碰到很多这样那样的事,有好事,也有坏事。我们的处事为人应该懂得随着自己的阅历越来越来得心应手。懂得怎么样去真诚对待朋友,怎么去应付对手。但是做这些之前,首先我们就应该懂得认识自己。人首先要自明才能自傲。有了自明才能够认清朋友和对手。希望下面的一篇文摘能够对你有所帮助。 一、枯井脱困 初涉职场,很多人一头撞进了陌生的环境,随之而来的困惑、焦虑还有彷徨和无奈,种种感觉一起涌上心头,各种滋味尽在其中。 有一天,一个农夫的一头驴子,不小心掉进了一口枯井里,农夫绞尽脑汁想办法想救出驴子,但几个小时

张晨光老师的播客 1084

python棋盘放米的故事_棋盘摆米的故事你得到了什么启发

棋盘摆米的故事你得到了什么启发就是这个:棋盘上的米有这样一个关于某一个古代国王的故事.国王爱上了一种称为“围棋”的游戏,决定嘉奖此项游戏的发明者。他把发明者召入宫中并且当众宣布要满足发明者一个愿望。“陛下,我深感荣幸。”发明者谦卑地说,“我希望陛下赏我一粒米。”“只是一粒米?”国王深感惊讶。“是的,只要在棋盘的第一格放上一粒米,”发明者说,“在第二格加倍至2粒,在第三格加倍至4粒...依次类推,每...

weixin_30248619的博客 2944

故事:结局的启发

一风烛残年的老者,执杖上山,向星月禅师请教:如何才能延年益寿、返老还童、长生不老。星月禅师向他敬了一杯清茶,就带他下山了,直接来到一个大型的剧场,观看一场非常感人也非常悲壮的传统剧目。  雷鸣般的掌声里,剧目终于落下了帷幕,许多人被感动得泪流满面。星月禅师问身边的老者:“该剧如何?”  “太好了,太感人了,太圆满了!”老者激动得一连串地说。  “怎么感人?怎么圆满了?”星月禅师慢悠悠地问。  “剧...

mengdiouweixin的博客 217

书籍《启发》读后感

从个人的理解来说,好的教练就是知道当前你处在什么样一个位置,通过怎样一套科学合理的方式训练,来达到你最终需求,自己之前报过游泳课,学习游泳时,自己也按照网上的视频练习过,看视频就好比听别人说,你再跟着做,基本动作要领都会给你讲到了,你也能基本照样做,大致知道这个流程是对的,但对于细节的东西就不太清楚了,照样学习的时候,视频可能说了很多点,你做了,但你不知道你是否做到位了,哪些点是重要的,至少在学习游泳这项技能中,反馈是非常重要的。在翻着这本书之后,再结合我们自己的亲身经历,你会对某些事情有新的看法。

qq_22146161的博客 700

一生必看的30个励志故事

 1、断箭     不相信自己的意志,永远也做不成将军。     春秋战国时代,一位父亲和他的儿子出征打战。父亲已做了将军,儿子还只是马前卒。又一阵号角吹响,战鼓雷鸣了,父亲庄严地托起一个箭囊,其中插着一只箭。父亲郑重对儿子说:“这是家袭宝箭,配带身边,力量无穷,但千万不可抽出来。”那是一个极其精美的箭囊,厚牛皮打制,镶着幽幽泛光的铜边儿,再看露出的箭尾。一眼便能认定用上等的孔雀羽毛制作。儿子喜上

xiaodaoxiaodao——蓝小刀的自言自语 912

python棋盘放米的故事阅读答案_棋盘摆米的故事你得到了什么启发

就是这个:棋盘上的米有这样一个关于某一个古代国王的故事.国王爱上了一种称为“围棋”的游戏,决定嘉奖此项游戏的发明者。他把发明者召入宫中并且当众宣布要满足发明者一个愿望。“...就是这个:棋盘上的米有这样一个关于某一个古代国王的故事.国王爱上了一种称为“围棋”的游戏,决定嘉奖此项游戏的发明者。他把发明者召入宫中并且当众宣布要满足发明者一个愿望。“陛下,我深感荣幸。”发明者谦卑地说,“我希望陛下赏我一...

weixin_39856208的博客 3562

希望在座程序员都能明白“三季人”的故事(寿命+10)

在我们程序员的日常中,都少不了与产品经理和测试撕逼,有时能让我们真切感受职业间和人与人之间的代沟。往往因为一些小事,吵得不可开交,搞得一整天都无法安心工作,晚上还得加班补进度! 自从我理解了曾仕强教授【三季人的故事】,让我对职场一些人和事释怀了许多,明白了“夏虫不可以语冰”的真谛,也少了很多不必要的烦恼。真的,人生苦短,好的心态能让我们多活10年。 因此我想将这个故事说给每个小伙伴们听,希...

陈哈哈的菜园子 6951

绽放希望的底层故事:感动心灵的坚韧光芒,都市磨砺中的闪耀之旅!

这篇文章将带您走进底层故事中的真实世界,见证那些闪耀着希望的人们的坚韧光芒。他们在困境中不屈不挠,用他们的故事和奋斗感动着我们的内心。通过都市故事的磨砺,他们绽放出独特的力量和美丽。这些故事是生命的奇迹,向我们展示了人性的伟大和不屈的精神。在这个快节奏的世界里,让我们一起聆听他们的声音,感受他们的生命故事,为他们的勇气和坚持点赞。阅读这篇文章,让我们共同被底层故事中的闪耀光芒所感动!

qcx88029808的博客 241

《故事思维》与其讲道理,不如从一个故事开始 - 三余书屋 3ysw.net

好的,现在我们来说你需要掌握的第四种故事,能带给人智慧的故事。通过激发人们的希望和梦想,这种故事能够激发人们的积极性和行动力,让他们更加愿意追求自己的目标。很多时候,我们不必掩饰自己想要得到什么,因为只要不是过于自私,人们通常并不在意我们的目的,他们更关心的是我们是否诚实,是否在欺骗他们。斯吉普讲述了他在造船厂绘制电气平面图时犯下的一个错误,尽管他拥有专业知识和对船只的深入了解,但他仍然犯了一个严重的错误。通过讲述故事的方式与他人沟通,你会发现事半功倍的效果,这就是故事思维的核心魅力。

jijing的专栏 1306

用好故事思维,轻松获得人心

柏拉图曾经讲过:谁会讲故事,谁就拥有世界。 这句话表明:讲故事,是一种能力,是一种力量,是一种手段,故事讲得好,可以让人更具魅力和影响力。而这些人,充分发挥了自己会讲故事的本领,在自己的领域发光发热。 一次晨会,公司里面新来了一位领导,他在做自我介绍的时候,跟我们讲述了他从进入社会以后的成长史,从一个默默无闻,什么也不会的底层销售员,经历过很多顾客的白眼,走到他现在...

测试 1505
上一篇: 收藏 优秀系统集成工程师应具备哪些专业知识
下一篇: 用游戏点亮你的工作简历
photon21
博客等级 码龄18年 10粉丝 3原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值