结构化思考—给RD新人的第一堂流程培训课(3)

结构化思考—给RD新人的第一堂流程培训课(2) “以始为终”是高效能人士的7个习惯之一,我们也可以将其理解为,首先要制定一个目标,而目标则要符合“SMART原则”。所谓“SMART原则” ,即是: 1.    目标必须是具体的(Specific) 2.    目标必须是可以衡量的(Measurable) 3.    目标必须是可以达到的(Attainable) 4.    目标必须和其他目标具有相关性(Relevant) 5.    目标必须具有明确的截止期限(Time-based)哪一个目标才是符合“SMART”原则的呢?IBM公司 阅读详情

幻灯片—DAR

DAR是CMMI 所有PA中,我最喜欢的一个。所以在第一堂流程培训课中,只把这个PA拿出来和大家分享。
我们先讲一个关于决策的小故事,话说很久以前,一个人偷了一袋洋葱,被人捉住后送到法官面前。法官提出了三个惩罚方案让这个人自行选择:一、一次性吃掉所有的洋葱;二、鞭打一百下;三、交纳罚金。这个人选择了一次性吃掉所有的洋葱。一开始,他信心十足,可是吃下几个洋葱之后,他的眼睛像火烧一样,嘴像火烤一般,鼻涕不停地流淌。他说:“我一口洋葱也吃不下了,你们还是鞭打我吧。”可是,在被鞭打了几十下之后,他再也受不了了,在地上翻滚着躲避皮鞭。他哭喊道:“不能再打了,我愿意交罚金。”后来,这个人成了全城人的笑柄,因为他本来只需要接受一种惩罚的,却将三种惩罚都尝遍了。
这个故事就是说没有在决策之前对自己的能力进行充分的评估,从而导致了决策失误。

幻灯片—项目中的决策

 

幻灯片—DAR的步骤

  • 第一步,条件分析;包括:议题说明(背景)、评估的目的、已知条件、假设条件、必须满足的要件

举一个例子,教研室里大家刚一起合作完成了一个项目,打算一起吃顿饭,庆祝一下。这时候我们就要决策一个吃饭的地点。这就是这个评估的背景和目的。
已知的条件呢,可能包括,一共有几位同学参加、有多少预算等等。
假设条件呢,可能是假设我们能从导师那里申请到聚会的经费。
必须满足的要件呢,可能是有一位同学是一个素食主义者,那么我们就只能选择素食餐厅了。

  • 第二步,评估要件和权重分析,对于权重最低和权重最高的要件,必须说明原因。

比如,选餐厅可能有哪些评估的要件呢?交通、口味、环境、价格、有没有包间、是否干净卫生等等。因为大家要在一起海阔天空嘛,我们可能最重视有没有包间这个因素,给它设定最高的权重30%;反正导师也挺大方的,给的预算不少,那价格这个因素的权重就设定为最低,只给它5%。

  • 第三步,识别可选的解决方案;通常采用脑力激荡的方式,透过团队成员的集体思考,提出多项可行的解决方案

这时候,大家就开始纷纷提议了,百姓厨房、海底捞、天迴镇……

  • 第四步,选择评估方法;可能的评估方法:原型、投票、专家打分、力场分析法……

我们选餐厅呢,大家决定用投票法进行评估;每一个要件针对每一种备选方案逐个投票。=

  • 第五步,进行评估;逐一评估备选方案,对评估过程、限制条件、评估结果及其缘由需逐项记录。
  • 第六步,决策最佳方案;在决策出最佳方案后,必须对此方案存在的风险进行评估。比如这家餐厅生意实在太好了,可能有订不到包间的风险,那就要提早的准备。

幻灯片—DAR练习

 

结构化思考-FFA

力场分析法(FFA)也是一种针对变革决策的DAR工具。它的发明人是美国的一位社会心理学家,卢因。根据卢因的研究, 任何事物都处在一对相反作用力之下,且处于平衡状态。 其中推动事物发生变革的力量是:驱动力。试图保持原状的力量是:制约力。为了发生变革,驱动力必须超过制约力,从而打破平衡。
幻灯片—力场分析图

力场分析图是建立在这些作用力与反作用力基础上的一个图表分析模型。通常,拟定的变革计划总是位于力场图的最上方。比如是否要买车这样一个计划。其下,图分两栏。各驱动力位于左栏,制约力则位于右栏。 各力量作用方向均指向中间栏线。力场图要表达的意思就是,同一事物遭受所有不同力量的作用,并发生相应变化。

幻灯片—FFA的步骤

Step1. 将需要解决的问题填写在力场分析图的<Change Issue>中,并分析以下问题:
•    描述当前状态
•    描述期望状态
•    辨认如果不采取任何行动的后果
Step2. 在力场分析图中列出朝向期望状态发展的所有驱动力和制约力,并对所有力量进行逐一讨论与研究: 它们是否真实有效?它们能否被改变?它们中的哪一些又是最为关键的?
Step3. 用1-5的数字对每一力量的强度进行判分,其中1代表力量最弱,5代表力量最强。填写在上图的“力量强度”一列。
(采用投票的方式,每个人对每一力量发表看法,例如,认为力量强度为5,就伸出5个手指。将每一力量因素得票总数写在力量强度中)
Step4. 加总驱动力和制约力的分数,得出初步判断结果。结果是否如预期?是否真正由衷赞同?如果没有,简单回顾一下列出的因素,是否有任何遗漏的因素?是否有不太重要的因素掩盖了更重要的因素?分析讨论如果减弱制约力或加强驱动力,对变革又会产生怎样的影响。
Step5. 分析是否可以采取适当的行动,以增加驱动力的分数,减小制约力的分数(制定一个能有效解决制约力因素,加强驱动力因素的行动计划)
Step6. 假设采取了行动,并取得成功,重新进行分析,考虑是否有新的力量产生,并使用下图重新评估驱动力、制约力和力量强度。
(需要注意的是,当改变某一驱动力或制约力的时候,有可能对其他力量产生关联影响,甚至于产生新的力量。 )
Step7. 最终结论。

幻灯片—品质

我们为什么要学习结构化思考?为什么要制定流程呢? 你的答案是什么?

模板驱动型文档自动化:结构化内容生产新范式 文档自动化正从简单排版升级为基于结构化思维的内容生产范式。其核心在于将业务逻辑、内容模块与样式规则解耦,通过元数据驱动、结构化内容块和样式继承链实现智能组装。这种技术不仅提升交付效率与品牌一致性,更支撑合规输出、跨系统集成与团队协同。在咨询、法律、SaaS客户成功、教育课件等高频标准化文档场景中,它显著降低人工错误率、缩短生成周期,并让专业人员聚焦高价值洞察。本文深入解析模板驱动的本质及其在真实项目中的落地路径,涵盖元数据建模、智能内容块设计、规则引擎配置与输出合规实践。 阅读详情

相关推荐

渗透测试实战全流程:从信息收集到内网横向移动

网络安全的核心在于理解攻击与防御的对抗本质。渗透测试作为主动安全评估的关键技术,其原理是通过模拟真实攻击者的视角和方法,系统性地探测和利用目标系统的安全弱点,从而验证防御体系的有效性。这项技术的价值在于将离散的安全漏洞置于完整的攻击链中评估,帮助组织识别从外部边界到内部核心资产的潜在风险路径。在应用场景上,它不仅是红队评估攻防能力的实战演练,更是蓝队和运维人员构建纵深防御、实施精准加固的决策依据。本文以一次完整的渗透测试演练为例,深入剖析了从外部信息收集、漏洞利用与初始突破、权限提升,到内网横向移动的连贯攻

djai0102的博客 435

卢因的力场分析法(转载)

目录[隐藏]1 卢因的组织观 2 卢因的力场分析图 3 卢因的力场分析法的应用 4 卢因的力场分析法的步骤流程 力场分析法(Force Field Analysis),由库尔特·卢因(Kurt Lewin)提出。 库尔特·卢因(...

cqwmy840702的博客 899

数字IC验证工程师核心能力解析:从语法基础到UVM实战与系统级验证

数字集成电路验证是确保芯片功能正确的关键环节,其核心在于构建高效可靠的验证环境。验证工程师需要深入理解硬件描述语言语法、同步异步电路原理以及时钟域交叉等基础概念,这是搭建验证环境的基石。在验证方法学层面,通用验证方法学提供了一套标准化框架,通过其相位机制、工厂模式和配置数据库等核心机制,实现了验证环境的可重用性和可配置性,极大提升了验证效率。寄存器模型则进一步简化了对设计中寄存器的访问与状态预测。从技术价值看,这些方法共同支撑了覆盖率驱动的验证流程,通过功能覆盖率模型和断言验证技术,能够量化评估验证完备性,

weixin_33849215的博客 452

优思学院|力场分析——明辨利弊,让左右不再为难

六西格玛强调的是一种突破性改进,在改进的同时,很多原有的东西、方法、系统,都需要作出改变。在改进过程中非常重视团队的思维协作,强调在问题解决的过程中必须应用突破性思维,以取得重大改进,因此需要不同的团队决策工具,来进行重大变革的决定。 今天,优思学院分享一篇文章,介绍一种很有用的团队分析----力场分析法(Force Field Analysis) 五维教练十三项工具中,力场分析是非常实用、好用、直观的工具,它既可以用在工作中,也可以用在生活中,既适用于组织,也适用于个人。它是一种策略分...

优思学院 1102

企业AI调用安全管控:基于统一网关的审计与治理实践

在数字化转型浪潮中,API网关作为核心的流量管控与安全组件,其原理是通过集中式代理与策略引擎,对进出系统的请求进行统一管理、认证、授权与监控。这一技术对于保障企业服务的安全、稳定与合规至关重要,尤其在微服务架构下,网关能有效实施限流、熔断、审计等关键治理策略。随着生成式AI在企业级应用的普及,AI API调用呈现出分散、高频、数据敏感等新特征,传统的安全边界面临挑战。此时,将网关技术应用于AI调用场景,构建企业AI统一网关,便成为实现成本管控、数据防泄露与合规审计的核心工程实践。通过集成身份认证、内容过滤、

weixin_34235457的博客 440

从零手写AI智能体:Kimi-2.5驱动的股票分析工程实践

AI智能体不是调用大模型API的简单问答系统,而是具备状态管理、工具编排、结构化记忆与可审计决策链的工程化系统。其核心原理在于将大模型(如Kimi-2.5)定位为‘计划生成器’,由轻量调度器执行确定性动作,实现金融场景所需的高可控性、低幻觉与强溯源能力。技术价值体现在对工具调用时序、错误语义分级、记忆结构化建模的深度定制,显著优于通用框架(如LangChain)在合规性、响应延迟与业务适配上的局限。典型应用场景包括投研数据自动化处理、多源交叉验证报告生成、交易信号前置风控等。本文聚焦Kimi-2.5大模型与

weixin_33671935的博客 505

结构化思考—给RD新人的第一堂流程培训课(1)

去年公司过了CMMI L3的认证,对于RD新人,流程是必修课。流程培训要达到什么样的目的?我们希望新人透过培训过程获取哪些知识?要讲解哪些内容?采用什么样的方式?思考以上的问题,我们和新人一起分享了一堂这样的流程培训课,不逐个讲述CMMI的PA、不讲任何具体的AXDC QMS SOP。我们只讲:PDCA、ETVX、SMART原则、SOP、DAR、Quality。

未未的时光随笔 2030

JupyterLab原生SQL接口:内核级数据库直连与交互式分析工作流

SQL作为数据查询的基础语言,其本质是人与数据之间的思考媒介,而非仅限命令行的操作技能。传统SQL工具与Python分析环境割裂,导致上下文切换频繁、元数据不可见、调试链路断裂。真正的交互式SQL分析需依托JupyterLab内核级集成,实现连接复用、变量互通、自动补全与执行计划内联解析。基于jupysql与SQLAlchemy深度定制的方案,支持多数据库直连、参数化查询、跨引擎联合计算及元数据感知,显著提升分析师、算法工程师的数据探索效率。本文聚焦JupyterLab中SQL作为‘思考语言’的工程落地路径

weixin_34417200的博客 379

WorkBuddy 实战:从 Skill 到 Agent,把 AI 变成你的效率同事

AI Agent 的核心价值在于把一次性的问答变成可复用的工作流程。通过将任务拆解为固定的 Skill 和提示词模板,AI 能够按照预设标准自动完成日志分析、会议纪要整理、竞品调研等重复性工作,从而大幅提升内容创作与开发效率。WorkBuddy 正是这样一款基于技能编排的 AI 工作台,它支持自定义全局指令、局部 Skill 以及多步骤 Agent 编排,让模型从“聊天工具”转变为“按流程交付的同事”。掌握其配置与 Skill 编写方法,即可将日常高频任务固化,实现生产力质的提升。

weixin_33895657的博客 464

企业级大模型落地的三大硬核真相:平台+赛道、工程化能力与数据治理

大模型不是即插即用的通用工具,而是需深度适配业务场景的智能系统。其核心原理在于将通用AI能力解耦为可配置的原子服务,并通过行业知识图谱、多模态对齐与不确定性量化等技术实现闭环应用。技术价值体现在毫秒级服务协同、配置化开发与沉默成本压缩,显著提升ERP/CRM/PLC等核心系统的智能化响应效率。典型应用场景覆盖教育学情诊断、医疗临床决策支持、工业质检与供应链风险预警等高价值环节。本文聚焦科大讯飞星火X2在真实业务流中的工程化实践,深入解析‘平台+赛道’架构与数据治理如何成为企业AI落地的关键护城河。

weixin_30587927的博客 473

LangChain内置工具实现自然语言驱动数据分析

自然语言查询数据库是数据民主化的核心路径,其本质是将用户口语化问题精准映射为结构化查询与可信结果。该能力依赖语义理解、Schema强约束和执行保真三重技术保障,关键在于避免大模型直接生成SQL带来的Schema失真、错误不可溯与数值失真风险。LangChain内置的SQLDatabaseToolkit通过分离‘调度’与‘执行’职责,以白名单表管理、字段业务注释注入和确定性提示词工程,显著提升分析准确率与生产稳定性。典型应用场景包括业务自助分析、财务异常归因、用户行为漏斗诊断等需要低门槛、高可信度数据洞察的领

weixin_33871366的博客 413

【企业管理】【管理科学】企业全岗位综合运营与组织知识矩阵体系01

岗位类别核心职责工作内容(详细)协作模式协商焦点博弈策略信任建立机制序列化工作流程关键绩效指标研发类​技术创新与产品开发1.需求分析:R=f(U,M,T) 2.概念设计:C=D(S,B) 3.原型开发 4.测试验证 5.文档编写敏捷团队、跨功能协作技术方案、资源分配、优先级纳什均衡:ui​(si​,s−i​)≥ui​(si′​,s−i​)代码审查、技术分享、结果透明瀑布模型/敏捷迭代1.专利数量P 2.技术就绪度TRL 3.缺陷密度D<0.1/KLOC其中:U=用户需求,

weixin_49199313的博客 744

AI课程治理框架TraeWork:三层架构解决内容一致性难题

大语言模型在教育领域的应用正从碎片化内容生成向体系化课程设计演进。其核心原理是通过检索增强生成(RAG)和智能体(Agent)技术,将离散的知识点组织成符合教学逻辑的结构化内容。这项技术的价值在于能够显著提升课程开发的效率与一致性,尤其适用于需要快速构建标准化课程体系的场景。在实际应用中,教育工作者通过定义课程目标、受众和风格等元数据,即可驱动AI生成从战略大纲到执行层课件的完整内容,同时通过三层治理机制确保前后逻辑连贯。本文以TraeWork项目为例,深入解析如何通过战略层、战术层、执行层的协同治理,解决

weixin_34111790的博客 490

【信息科学与工程学】计算机科学与自动化 第二百三十四篇 企业业务系统的架构01

以上10个编号(16-25)覆盖了自然语言处理、边缘计算、生物信息学、金融风控、云计算、社交网络、航天、教育、能源、游戏AI等领域。每个字段均提供了极其详细的内容,数学分析融合了离散数学、几何、拓扑、图论、测度论、代数、概率论、统计学、运筹学等多种学科。: 首先计算毛需求 (Gross Requirements, GR),然后减去现有库存 (On-Hand Inventory, OH) 和在途订单 (Scheduled Receipts, SR),加上安全库存 (Safety Stock, SS)。

weixin_49199313的博客 103

固定翼飞行器建模(二)——MATLAB/Simulink建模、配平及线性化

MATLAB/Simulink固定翼建模、配平及线性化。

2302_80148937的博客 1万+

剑桥实证:AI辅助语言教学的5个不可妥协门槛

语言教学本质上是神经回路重塑与社会情感协同的过程,而非单纯的知识传递。其核心原理在于激活布罗卡区(语言生成)、前扣带回(错误监控)和杏仁核(情绪调节)的协同网络。技术价值体现在支持‘可预测、可控制、可嵌入’的真实课堂干预,而非追求参数规模或通用智能。典型应用场景包括多语言学生在ESL/FLE/CSL课堂中的口语流利度培养、跨语言干扰识别与延迟反馈驱动的自我修正。本文基于剑桥大学三年实证研究,聚焦‘AI老师’在真实教室中必须满足的硬性教学适配逻辑,尤其揭示‘口音鲁棒性语音识别’与‘最小修改单元反馈’两大关键能

weixin_33736832的博客 416

S32K144驱动TPS929120避坑实录:从原理图设计到PWM调光漏电流的完整解决流程

本文详细解析了S32K144驱动TPS929120在车规LED驱动中的常见问题与解决方案,重点解决了PWM调光漏电流的行业难题。从原理图设计、FlexWire通信到软件调试,提供了一套完整的工程化避坑指南,特别针对车规MCU应用中的温度漂移、地址冲突等痛点给出了实用建议。

weixin_30872157的博客 561

大模型语音交互新范式:NotebookLM与ChatGPT Advanced Voice深度协同解析

大语言模型(LLM)的语音能力正从基础的语音识别(ASR)和文本转语音(TTS)迈向端到端声学-语义联合建模。其核心原理在于绕过传统流水线,直接将梅尔频谱、基频包络等声学特征注入模型输入层,并结合上下文感知的语音生成与音频锚点机制,实现对重音、停顿、语速等副语言线索的理解与响应。这种技术价值不仅提升意图识别准确率与认知传达效率,更在教育、医疗、科研等需高保真信息溯源的场景中构建可验证、可回溯、可干预的多模态协作路径。本文聚焦NotebookLM与ChatGPT Advanced Voice的协同架构,深入解

weixin_33727510的博客 513

自动驾驶传感器选型实战:摄像头、激光雷达与毫米波雷达融合策略

自动驾驶感知系统的核心在于多传感器协同,而非单一技术优劣。摄像头擅长语义识别但受光照和天气制约;激光雷达提供高精度测距却面临成本、温漂与多径干扰等物理瓶颈;毫米波雷达则以全天候鲁棒性与精准测速成为安全底线的守门人。三者融合不是简单叠加,而是基于场景约束(如暴雨、强光、高速跟车)、成本边界(BOM控制)与时间窗口(量产节奏)的工程权衡。真实量产方案中,‘纯视觉’实为视觉主责+毫米波兜底,‘激光雷达上车’本质是用硬件真值加速算法迭代,而传统车企更倾向以毫米波为仲裁者协调冲突。理解这些底层原理,才能在传感器选型、

weixin_32495691的博客 276

从PX4的FRD到Mavros的FLU:手把手教你正确配置`setpoint_raw/local`话题发布无人机目标点

本文详细解析了PX4的FRD与Mavros的FLU坐标系转换问题,手把手教你正确配置`setpoint_raw/local`话题发布无人机目标点。通过实战指南和常见错误排查,帮助开发者避免方向错乱问题,提升无人机控制精度。

weixin_33712987的博客 422

AI驱动AXI4 VIP工程化:从手写脚本到可复用验证资产

AXI4作为SoC互连核心协议,其多通道异步握手与严苛时序约束导致传统手写VIP复用率低、维护成本高。UVM验证框架下,VIP需兼顾协议合规性、跨时钟域处理、寄存器镜像同步及参数化设计等多重目标。AI在此并非替代工程师,而是将ARM协议规范、UVM生命周期规则与可复用性工程原则结构化为知识图谱,实现协议语义解析→UVM骨架生成→CDC策略注入→资产健康度审计的闭环。该方法显著提升VIP协议覆盖度(≥95%)与参数化程度(≥80%),支撑多项目快速适配,真正让AXI4 VIP成为可配置、可演进、可度量的工程资

weixin_34115824的博客 334

使用OpenCV从低对比度图像中提取圆形轮廓

希望本文能帮助您从低对比度图像中提取圆形轮在本文中,我们将探讨如何使用OpenCV库从低对比度图像中提取圆形轮廓。低对比度图像通常指的是图像中的亮度差异很小,导致物体边缘不够清晰的情况。在本文中,我们将探讨如何使用OpenCV库从低对比度图像中提取圆形轮廓。低对比度图像通常指的是图像中的亮度差异很小,导致物体边缘不够清晰的情况。通过预处理图像并应用Hough变换,我们能够在低对比度图像中准确地提取圆形轮廓。通过预处理图像并应用Hough变换,我们能够在低对比度图像中准确地提取圆形轮廓。

ByteWhiz的博客 350
上一篇: 结构化思考—给RD新人的第一堂流程培训课(2)
下一篇: 我的知识管理之路(2)—测一测,你离学习型组织有多远
tryanderror
博客等级 码龄17年 14粉丝 31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