摘自阳志平的博客

大量内容整理自 阳志平的网络日志

思维、学习与写作

思维 — 心智工具箱

执行意图

目标意图 v.s. 执行意图

心理学家 Peter Gollwitzer 注意到心理学理论从概念到应用这条难以迈过去的鸿沟,一般的心理学家仍然是跟这条鸿沟死磕,试图说服你

是多么多么牛逼,你懂了,你用了,你就自然牛了。。。

Gollwitzer 巧妙地开启了一个新的流派。不再在认知层面,说服人们改变自我,而是教给人们一个小小的【心智 Hack 技巧】。

普通人思考目标的时候,使用的是【目标意图】, 是:“我要做什么。。。”而他对自己的实验对象,使用了一种替代范式。强迫实验对象,使用一种称之为:【执行意图】的思考范式来思考。结果令人惊讶,人们更容易克服拖延症、达成目标。

执行意图:If... Then...
Q

什么是执行意图?

A

就是使用 【If…Then…】的思考范式。

目标意图仅仅说明了人们想做、实现什么事情,例如“我打算减肥”。而执行意图指的是如果预想的紧要关头真的出现了的话,那么,人们将会怎么做以实现目标。例如,“如果明天晚上与朋友一块去就餐的时候,朋友向我推荐各种特色菜,那么,我只点一个沙拉!”。

执行意图,一些举例:

执行意图的巧妙之处,在于它逼使人们不再在认知层面去思考,而是通过非常频繁的训练,尤其是在时间维度上,对行动进行提前预测与规划,最终形成一种生理本能。

随着 if…then… 的思考多了,它最终将促使你达成众多无意识目标完成。思考得越多,改变得越慢。。。但是,if…then…成了生理本能,成了你的言语习惯,“我要。。。”不再在自己的字典中出现,你的改变还会远吗?

摘自阳志平的博文:http://www.douban.com/note/256480522/

人生标准九

人类变得越来越聪明了吗?在这个牛人辈出的世界,我们该选择什么样的生活方式?

人类变得越来越聪明了吗
【1】弗林效应(Flynn effect)

人类的智商每年提高 0.3% 左右,每十年提高 3 到 5 分左右。每三十年提高十二到二十个点左右。

【2】《钟形曲线》

理查德(Richard J. Herrnstein)与合作者1994年出版了一本关于智商的专著:《钟形曲线》。

理查德在书中报告了低智商人群容易犯罪与出现各类反社会行为,同时报告了非裔美国人的各项智商测试成绩越来越低于白人与东亚人,美国最低智商人群是一个印第安人保留区等。

因此,作者们宣称:

  1. 智商测验测试的特质是可靠的
  2. 这些特质是由我们的基因决定的,很稳定,难以改变。

【3】这可信吗?

聪明的人越来越聪明、越来越知道自己不聪明、越来越知道如何更聪明、越来越知道不同领域的聪明人在哪里。

在互联网时代,进一步加深了鸿沟。如,大批量高智商人群借助 GitHub 等共创站点,很快明白下一步创作方向。再如少数科学家聚集在一个小众社区,纷纷表示对脏乱差的数据整理流程不满。

这个时候,通过努力与参考其他领域的好方法,很快就可以将这个问题彻底解决。解决后,这批人又发现新的问题。在一边发现自己越来越笨的过程中,另一边是整体社群变得越来越智慧。

(By the way,我记得有人说过:“知识导致人类分化”。)

标准九

正态分布的钟形曲线:

[正态分布]

美国军方采用标准九体系来表示测验分数。接着,卡特尔等心理学家开始普遍采用标准九或标准十,将人格测验、智商测验的结果解释降级为个位数。其中,除了卡特尔主持开发的人格测验是标准十体系之外,多数心理测验采用的是标准九体系。

什么是【标准九】(Stanine)?它是将正态分布曲线划分为九个部分,平均值为 5 ,标准差为 2,除了标准一与标准九两级之外,各个分数的范围全部都是半个标准差。如下图所示:

[Stanine(标准九)]

社会比较

什么是社会比较?它来自美国社会心理学家费斯廷格的概念。一般划分为:

人的自尊体系非常有趣。身处标准七的区间,会自认是标准八区间的能力。但一般不会与标准九区间的大牛比较,而是更多与标准八区间进行平行比较。这就是认知偏差中常常提到的过度自信偏差、乐观偏差等。与此同时,那些能力更强者却可能反过来低估自己的能力,标准九们常常以为自己是标准七。

理解之后

除了选择不恰当的社会比较标准,比如,与盲人比阅读速度;或者逃避正常的社会比较,比如,故弄玄虚故作清高。我们还有哪些正常的或者积极的选择?

【1】人生只要七十分

首先是可以选择【人生只要七十分】的态度。诺奖得主西蒙将其称之为:

[maximizer satisficer]

【2】与友善的集体智慧创作群体呆在一起

参与人类智慧的集体进化,这是最简单的让自己变得更智慧的方法。如开放科学、开源软件、开源硬件这样的领域。

【3】探索自我

最后是在与【过去我】的比较基础之上,探索【可能的自我们】。

小结

社会上永远存在着一个“人比人”的问题。我们不会因为自己的愚蠢而悲伤,只会因为比周围的人更蠢而痛苦。

摘自阳志平的博文:http://www.douban.com/note/260030142/

刻意练习

在成为牛人的道路上,没有人能否认练习的作用。但是一万小时定律有一些什么样的问题?原作者埃里克森(Ericsson)本意是什么?成人如何更好学习?

超越一万小时定律
【一万小时定律】(Gladwell)

人们眼中的天才之所以卓越非凡,并非天资超人一等,而是付出了持续不断的努力。只要经过 1 万小时的锤炼,任何人都能从平凡变成超凡。

【10 year rule】(西蒙)

国际象棋大师能够在长时记忆系统中存储 5 到 10 万个棋局组块,获得这些专业知识大概需要 10 年。

【Deliberate Practice】(埃里克森)

刻意练习。

一万小时定律究竟有哪些问题呢?

刻意练习的本质

埃里克森的刻意练习核心观点是:

  1. 那些标准七区间以上的人们,拥有一种较强的记忆能力:【长时工作记忆】( Long-term Working Memory)。
  2. 进化给标准五们留了条路。这种长时工作记忆能力,埃里克森认为是领域相关的,并且通过他所说的刻意练习,可以习得
  3. 刻意练习的任务难度要适中、能收到反馈、有足够的次数重复练习、学习者能够纠正自己的错误。如此如此,必成大器。

长时工作记忆的培养要点主要有:

  1. 赋予意义,精细编码:标准八们能非常快地明白自己领域的单词与术语,在存储信息的时候,可以有意识地采取元认知的各项加工策略;
  2. 提取结构或模式:往往需要将专业领域的知识,提取结构或者模式,以更好地方式存储。比如,专家级别的开发者善用设计模式;
  3. 加快速度、增进链接:通过大量重复的刻意练习,编码与提取过程,专家比新手都快很多,增加长时记忆与工作记忆之间的各种通路。

所以,刻意练习的指向是去买 SSD 硬盘,而不是纯粹卖苦力,更不是帮畅销书作者们营销,喊喊热血口号:一万小时,今天,你坚持了吗?

隐知识

刻意练习虽然并没有否认情景的重要性,但是情景很重要!不要忽略与学习密切相关的隐形知识。

学习科学大量研究表明,成人的最佳学习方式并非独自练习,而是在情境中学习。有效学习是进入相关情景,找到自己的【学习共同体】,然后学习者刚开始围绕重要成员转,做一些外围的工作,随着技能增长,进入学习共同体圈子的核心,逐步做更重要的工作,最终成为专家。

这就是学习科学日益主流的观念:从【情景学习】出发,当一名【认知学徒】,它的要点有:

  1. 找到学习共同体
  2. 隐性知识显性化:隐性知识是使人们有能力利用概念、事实以及程序来解决现实问题的知识。一般也称之为策略知识
  3. 模仿榜样
  4. 培养多样性:在多种情境中实践,以此强调学习广阔的应用范围
小结

尤其值得注意的是西蒙的十年定律对我们真正的启发:

耐心地、谦虚地保持大时间周期的刻意练习。

摘自阳志平的博文:http://www.douban.com/note/260623954/

幸福的来源

【主观幸福感】,【幸福表现行为】

[幸福来源的 7S 模型]

自主、胜任与归属

人类的三种基本心理需求:自主、胜任与归属

自主 信任 归属

自主 信任 归属

爬梯子 v.s. 万花筒
【爬梯子】

人类动机理论,马斯洛需求层次论

【万花筒】

真正成功人生的意义在于让每个目标都同时具备快乐、成就、意义、传承四种元素,并且对目标采取“适而可止”而非“多多益善”的态度。

这种人生策略就好比万花筒,它有四个小隔间,在你的一生中,你可以不断地往每个隔间放入一些色彩斑澜的玻璃碎片(即你追求并实现的目标),从而使属于你的万花筒图案越来越丰富多彩。这四个小隔间,都体现着人们基本心理需求,它们是:

小结

人生并不像马斯洛需求层次论一样,在玩一个爬梯子游戏,先通过乏味工作获得物质满足,幸福与快乐就会接踵而来。与越爬越累的策略相反的是“万花筒策略”,它强调把玩、观察、惊奇与自主。

精彩人生,如同万花筒般,三类基本心理需求纷纷扬扬,混杂出积极情绪之花。在你所拥有的时间,你,看到那自主、胜任与归属的人生碎片吗?还是局限在成就一个维度?

摘自阳志平的博文:http://www.douban.com/note/274032612/

奖赏会伤人

摘自阳志平的博文:http://www.douban.com/note/276182067/

学习 — 学习的模式

我们为什么害怕学习?

【1】

人类天性好奇,但并非天生优秀的思想者(People are naturally curious, but they are not naturally good thinkers)

人类爱学习

【2】

事实性知识重于技能(Factual knowledge precedes skill)

批判性思维容易习得

【3】

记忆是思考的灰烬(Memory is the residue of thought)

我想记住,就能记住

【4】

我们通过已知理解新知(We understand new things in the context of things we already know)

知识容易迁移

【5】

练习通往了如指掌的境界(Proficiency requires practice)

测验不重要

【6】

学习中的认知能力在早期与晚期截然不同(Cognition is fundamentally different early and late in training)

教会小朋友像科学家一样思考

【7】

儿童在学习方面的相同远远大于不同(Children are more alike than different in terms of learning)

学习风格,多元智能(儿童)

【8】

通过持续努力,智力可以提升(Intelligence can be changed through sustained hard work)

到了一定岁数,智力就是个固定值了

【9】

如同任意一种复杂认知技能,教学必须通过练习提高(Teaching, like any complex cognitive skill, must be practiced to be improved.)

参照刻意练习一文写过的要点:

  1. 自我监控,比如写日记;
  2. 能够得到反馈;
  3. 反复练习。

你可以将教学,换算成任何一项你感兴趣的复杂认知技能:写作、编程、科学研究。

摘自阳志平的博文:http://www.douban.com/note/267359148/

记住你的样子:写给毕业生的十篇文章

心智十二宫:聪明人写的关于心智的书

心智十二宫之补充:婚恋、职业与育儿

寻找智慧的三种人:读马奇的《经验的疆界》

“大师中的大师”马奇写的《经验的疆界》是一本难懂的小书,全书根据马奇 2008 年在康纳尔大学演讲改编而来,中译本只有 92 页,但句句有出处,每页有洞见,可谓字字珠玑。与其说这是一本写组织行为学的书,不如说是一位老人,到了晚年,回顾一生,临行前,给后生小辈送上的珍贵礼物。

我的心理学训练最早来自组织行为学,所以对该领域并不陌生。令人惊奇的是,还是第一次看到有人采取多学科视角,透过现象,探求本质,还做得非常漂亮。出生于1928年的马奇与出生于1924年的芒格不约而同地采取了同一种思维方式:多学科问题导向。

第一章回答的问题:智慧是什么?智慧从哪里来?

智慧是什么?马奇写道:智慧的两个要素在于适应环境与优雅地诠释经验。前者如罗马天主教会和欧洲的几所老牌名牌大学,得以存活数个世纪。后者则是人类渴望理解经验,如【有效地关注重要之事】即为智慧。

在寻求智慧的路上,存在三类路径。我们可以通俗地将马奇的三个流派比喻成人。这三类人分别是:

【笛卡尔信徒】
这一类人崇尚科学,擅长分析。他们喜欢一板一眼地演绎,追求简练但推广性强的理论。
他们的历史观是,历史是蹒跚前进的,智慧伴随历史发展而增长。他们主要来自经济学、心理学、管理学、社会学、政治学、公共行政管理学和人工智能。
【讲故事的人】
这一类人强调语言、暗喻、阐释意义。他们喜欢将自己放在权威与成规定见对面,维护下层人民尊严。
他们的典型代表是佛洛依德或者福柯,虽然经常以偏概全,但是也同样喜欢对人类状况刨根问底。
他们尤其喜欢雕琢语言的细微之处,从中挖掘出意义。他们的历史观是,智慧与历史是相互构建,对智慧增长却避而不谈。
他们主要借鉴文学、评论、史学、人类学、语言学、法学研究和宗教。
【适应者】
这一类人强调历史的复杂,试图通过对人如何适应环境的具体过程、复杂生态圈的分析来加深对智慧的理解。
他们将人、动物、技术、各类组织、整个社会都看做是适应的产物。
他们的历史观是,认为历史有很强的路径依赖性、具备多重均衡,智慧可以非随机增长。
第二章回答的问题:如何复制成功?

人类思维的先天特征:【低智学习】与【高智解释】。

如何复制成功?低智学习具体而言,有三种机制:

复制成功自然会影响到你选择的选项。不过大家没注意到的是,复制成功经常还会影响其他选项的潜在结果分布。比如,我说过的内在动机与外在动机的选择问题,就是这样。一个人在做事情的时候,倾向于选择外在动机,那么,他慢慢地会变成奖励与惩罚驱使,更重要的是,他会失去对内在动机的行为偏好。

马奇还特别强调了,别再去寻找什么最优学习方法了!他指出,学习在三个层面同时发生:

因为学习在这三个层面同步进行。所以寻求最佳选项很难找到,三个层面的适应会相互干扰。

第三章回答的问题:如何讲故事与模型?
第四章回答的问题:如何产生新事物

如何创造有利于组织诞生新事物的条件?马奇总结为三点:

我……dafuq

小结

【经验也许是最好的老师,但不是特别好的老师】

摘自阳志平的博文:http://www.douban.com/note/316700075/

元认知学习示范:以 TED 为例

第一步:组块学习

刚开始面对庞大信息量,常常不知道如何归类,此时,采用社会推荐体系是一个方法。

我们查阅 TED 官方网站,发现恰巧他们也有 playlist 功能,比尔盖茨等人都分享了喜欢的 TED 视频。好的,按照自己兴趣,去翻阅一些列表:TED | Playlists | Browse all

第二步:主题学习

比如,这月只看跟自我提升相关的视频;

下一个月,我们只看心理学与脑科学的;

在主题学习时,此时,就需要做更多的体力活,比如,写笔记创建列表等等。你可以采取一个这样的步骤。

第三步:深度学习

请格外注意,社会化推荐机制只是建立组块方法之一,它并不一定就是最佳方法。我经常碰到这种情况,专业地位很高、干货多的好书,在豆瓣上经常评分很差;相反,一些伪科学图书,却是高分。所以,在通过社会化机制建立对体系一个初步认知之后,此时,深度学习更重要。

简而言之,如果我们知识与技能的习得,看做一个树形结构。在【学习早期】,需要执行广度优先搜索,了解牛人牛刊里程碑的知识点在哪;在【学习中后期】,需要深度优先搜索。此时再执行广度优先搜索,则会陷入一个典型的中国人思维弊端,容易长期停留在学习的平台期,对较肤浅的知识了解极多,但是难以迈入一个更高的层次。

登峰造极的是分一个一个阶段的,每一个阶段都有长期的平台期,在这段平台期你要面对新的不熟悉的内容,通过稳定、长期的训练将它们内化(刻意练习)。只有你将基础的内容内化之后,面对高阶的内容你才能应付自如。

不要做下面三种人:(登峰造极的敌人,也是我们需要时时提醒自己注意的部分)

浅尝辄止者(Dabbler)

每投入一个新领域,看一本新书,新工作,新感情都兴奋不已,但从来没有做出深度。他们不能接受平台期,一遇到平台期他们的激情就消失殆尽,于是开始寻找新的领域,新的书,新的感情来重新点燃他们的激情。

偏执狂(Obsessive)

对得到结果很执著,急于通过大量努力来快速提升自己,忽略基本功,寻找捷径,不断地学习具体、高级、直接的技术。同样地不能忍受平台期,一发现自己进步不了,就更加努力地学习。在感情方面,不能忍受平淡,通过不断地制造浪漫来保持高潮。

骇客(Hacker)

愿意一直待在平台期,常常忽略登峰造极过程中的关键过程,迟到早退,不愿意接受新的挑战。

深度学习时,会常常遭遇平台期。广度优先搜索侧重高阶抽象能力,因为符合人类天性,容易培养;但深度优先搜索,将遭遇很多平台期,不容易培养。别无他法,硬扛着过去。如此反复反复。慢慢地,元认知学习能力就会提升。

第四步:创作
  1. 更快速地处理大信息输入
  2. 更高阶的思维抽象能力
  3. 更开阔的视野
  4. 更好地元认知技能

【Hack!!!】:在进入某个领域时,会用写维基的形式,假设自己要写一本书。那么,这本书的体系会是什么样?有哪些打动我的地方呢?请注意,书成没成稿、写没写完并不重要,重要的是,写书这种形式带来了这样的好处:

摘自阳志平的博文:http://www.yangzhiping.com/psy/meta-learning.html

读书八字诀、王阳明与芒格

读书八字诀

读书通透:正反上下古今中外

【反】与【古】
【正】

正首重鲜活证据,而非观点争辩(试图说服自己或他人)。

【上】

读书时,有意识地改变空间

芒格

“学术界远远地偏离了正确的轨道,出现功能紊乱。企业功能紊乱的原因在于他们把整体划分为各种私人领域,每人雄踞一方,各自为政。如果你想成为理性的思想者,必须培养出跨越常规学科疆域的头脑。”

  1. 依据学科基础性高低,对其排序,他整理了一份自己的栅格清单:http://t.cn/zRYsFwf
  2. 不管你喜不喜欢,必须掌握到能通过测试的水平,能常规应用其最基本的内容,尤其是那些比自己所处专业更为基础的学科。
  3. 永远!永远!不要吸收那些任何出处不明的跨学科知识,更不要违背经济学原理,即拒绝采用任何本学科或其它学科的基础知识中已有解释;
  4. 当以上不能产生有用新观点时,那么就模仿那些创造成功观点的方法来进行大胆假设与创新,但所创新的理论不要和之前冲突,除非你的确证明它错误了。

芒格提高思维能力的建议:

王阳明
  1. 立志:行为倾向选择内在动机而非外在动机,做君子儒而非小人儒,洗掉官相
  2. 勤学:刻意练习
  3. 改过:元认知与反省智力
  4. 责善:找到自己所在的学习社区与良师益友,也就是认知学徒制
小结

学如登山,一山还有一山高,智慧路上,唯有谦卑。我等后生小辈,当与同道中人在一起,每日有所得。

摘自阳志平的博文:http://www.yangzhiping.com/psy/yangming.html

写作 — 写作的技艺 && 文心书画

扩展阅读:

摘自:

编程与技术

未来时代,科学、工程与人文三者兼具能力日益重要。人文是明白自己身在何处;工程是有改造世界的能力;科学是能理性解决问题,具备文献追溯与创新的能力。

关于编程的元思考

文章 1:如何学习一门新的编程语言?

刚开始编程,常心不从心,怎么办?当你开始编程,的确很难,你需要同时掌握语言与逻辑,大脑并不擅长同时处理两件事。所以,我们需要借助一些巧妙的小工具与方法论。这篇文章整理了它们。

虽然写于 2011 年,并没过时,但有几个小提醒:

文章 2:如何高效利用 GitHub

这一篇老文,技术社区广为流传。以致几年过去了,用 Google 检索 github,还是这篇文章位居前列。文章中提及的具体链接会过时,但是不会过时的是其中反映出来的思维方法论。尤其是以下几点:

文章 3:如何提高创作型任务的效率?(Mac版)

在我诱惑下,用Mac的朋友越来越多了。将老文汇集在一起,成为一本不断在线更新的《Mac效率手册》供各位参考:

Mac 是苹果公司设计开发的一款广受好评的操作系统。如果尝试总结 Mac 与 Windows 最大的差异,或许关键字在于:注意力。Mac OSX 以简洁的设计取胜,甚至强迫用户将注意力聚焦在当前工作之上。Windows 系列操作系统设计,相对而言,缺少一个统一并且强硬执行下去的注意力法则。

这篇文章写得极早,奇迹的是,时隔多年,里面的软件都还没过时。

文章4:Mac开发者2013年新机设置参考

这篇文章是 Mac 到手之后,可以照着一步一步演练的装机指南。装机之后,同时可以参考我写的 Mac 入门七篇,网址是:Mac效率手册 - 阳志平的网志

涉及到Mac新手所需要的方方面面技巧。为了节省时间,重点阅读以下三篇即可:

关于开源技术的布道

前几年,对开源世界做了很多推广工作,Google 搜索 iterm2、markdown、pandoc、 github、jekyll、cask,前几篇都是我的文章。

随着近两年步入自己的创作高峰期,以后再也没这心力。这些散落的文字,可以参考这里:

开源玩家 - 阳志平的网志

以及这个豆瓣小组:Github优秀开源项目小组

其中,最常用、最容易改变新读者的使用习惯的是 Markdown 与 iTerm2。建议从此阅读开始。

文章 5:Markdown 写作浅谈

高效的写作工具,本质是个思想引擎。这个引擎一要快,最快速度帮助你将头脑中混乱的、零碎的想法转为文章;

二要智能,自动版本管理,不再让你担心写废与删稿、文风检查;三要恰当好处,进行内容与表现形式的分离。

为了快速入门,可以搭配小容写的在线教程:

入门之后,则可以阅读:

文章 6:iTerm2 新手应知特色功能

基础,无需多言。

认知科学、数据科学与网络科学

总看到读者在我的技术博客后这种评论:【不说还以为是 IT 从业人员,怎想是专业心理师】。我从不做心理咨询,不是心理师。编程是认知科学传统。还有用 lisp 写 ACT-R,现在深度学习大牛 hinton、贝叶斯大牛Josh都是心理系出身,从事认知科学。大家别把心理学等同于心理咨询,虽然它很重要,但还有更广阔的天地。

文章可以参阅这里:

部分书单可以参阅这里:

文章8:[心理学工作者学什么编程语言?(http://www.yangzhiping.com/tech/psychologist-language.html)

心理学工作者学什么编程语言?我的选择标准是:

  1. 开源,社区友善;
  2. 易入门;
  3. 在特定问题领域,拥有大量最佳实践与外部库,避免重复劳动;
  4. 容易产品化,好卖钱,并且销售基于该程序语言开发的产品不侵犯第三方知识产权。
  5. 不仅学术界,工业界也大量使用,因此好就业好创业。

这篇帖子 2011 年写的,有些早。建议:

  1. 侧重数据科学与心理测量,从 R 入手;
  2. 侧重人工智能、认知机器人与 Web 开发,从 Python 入手;
  3. 开源硬件,从 Arudino 入手。

学 R 可从这里入手:http://t.cn/8FBRgC5 学 Python 从这里入手:http://t.cn/8FK6nVa

文章 9:R in Psychology 学习目录

这是前几年整理的一个,给认知科学、心理科学及相关学科的朋友,学习 R 语言的目录。这一篇文章还可以搭配以下两篇文章阅读:

在处理数据与学习数据科学的时候,最好还订阅以下博客与新闻周刊:

文章 10:《社会网络分析:方法与实践》译者序

这一篇文章是我给组织翻译的《社会网络分析:方法与实践》写的序言。全书以基于Python的网络分析包NetworkX作为社会网络分析工具,但并不是一本NetworkX使用手册。作者将重点放在如何从庞大的社会网络分析学术积累中,挑选最精要与最实用的知识点,以帮助读者形成关于社会网络分析的知识谱系图。

从社会网络分析,既可以走向更偏社会科学的计算社会科学,也可以走向更偏神经科学的大脑复杂网络研究;还可以走向更偏计算机科学与物理学的网络科学研究。这本书适合新读者与新手,可以作为一个初步了解图论、网络科学的起点。

同时还可以搭配这一篇文章阅读:

安静者

安静者 [正态分布]: http://gnat.qiniudn.com/gtd/正态分布.jpg [Stanine(标准九)]: http://gnat.qiniudn.com/gtd/stanine.jpg [maximizer satisficer]: http://gnat.qiniudn.com/gtd/maximizer-satisficer.jpg [幸福来源的 7S 模型]: http://gnat.qiniudn.com/gtd/幸福来源的7S模型.jpg


「Load Disqus | 加载评论」